供應商保障企業生產的重要性研究

任桓君，李景晗，陳曉藝，王麗莎

（1.青島理工大學 土木工程學院，山東 青島 266000；2.青島理工大學 信息與控制工程學院，山東 青島 266000；3.青島理工大學 管理工程學院，山東 青島 266000；4.青島理工大學 理學院，山東 青島 266000）

在生產型企業正常生產運作期間，如果在原材料的訂購時對生產商的選擇工作缺乏足夠重視，不但會導致生產成本投入的增加，而且會拖延企業生產的進度，使得企業后續的整體效益不斷下降。為了進一步提高企業生產水平，本文對生產商的選擇進行了詳細分析，并對其進行了評估，內容如下。

1 問題分析

本文首先對402家供應商特征進行量化分析，構建供應商對于企業生產重要性模型，并按照重要性找出排在前50的供應商，所以需要對402家供應商的供貨特征建立評價體系。選擇了主成分分析方法，所以首先需要依據所給數據選擇合適的評價指標，這些指標可以從企業和供應商兩方面進行考慮，并且應該以供應商的規模和供貨量與訂貨量出現差值的概率及大小2個指標為核心指標，以其他指標作為協助指標，提高評價精確度等。然后需要對附件1所給訂貨量和供貨量數據進行預處理，獲得可能與保障企業生產重要性相關的特征向量。再利用PCA算法對特征向量進行進一步的特征提取和降維,最終獲得關聯性較強的特征向量。最后我們需要對供應商保障企業生產的重要性進行打分排序，建立量化的評價系統，最終獲得各供應商的重要性排序。

2 指標的選取

本文主要從企業的選擇（主觀）和供應商的自身能力（客觀）兩個角度選取了10個能夠反映保障企業生產重要性的基本特征指標，如圖1所示為保障企業生產重要性的影響因素的指標體系。

圖1 指標圖

通常來說，為了對比各供應商之間的貨物質量等因素，企業會對多家供應商進行多次少量的購買，最終選擇質量更高、更為守信的企業進行批量購買[1]。因此對前五年企業選擇過程的特征分析非常必要，是反映保障企業生產重要性的重要依據，包括了訂貨規模（K11）[2]、供貨市場占有率（K12）、被選擇趨勢（K13）與有效供貨率（K14）。

訂貨規模（K11）為某供應商被訂購數量的總計，其表示了該公司在前五年對該供應商的重視程度，公式：

式中，i為供應商代號；W為時間周數代號；K11i為供應商代號為i的訂貨規模；QW為供應商第W周的訂貨量。

供貨市場占有率（K12）為第i個供應商的供貨量在該種類貨物中占的比例，其表示專門負責供給一種貨物的供應商在某類貨物中所占市場。

式中，Z為A，B，C三種材料種類代號；K12iZ表示第i個生產Z種類材料的供應商市場占有率；∑Q12Z表示所有生產Z種類材料的供應商訂單數量表示第i個生產Z種類材料的供應商訂單數量之和。

被選擇趨勢（K13）為最后一周訂貨量減去第1周訂單量除以總時間，其表示了i個供應商在240個周內的變化趨勢情況，公式：

式中，K13i表示第i個供應商的被選擇趨勢；Q13i240與Q13i1分別表示第240周和第1周供應商i的訂單數量。

有效供貨率（K14）為第i個供應商訂貨量不為0的周數占240個周的比例，其公式：

式中，K14i表示第i個供應商的有效供貨率；N0i為第i個供應商訂貨量不為0的周數。

供應商的自身能力（K2）是吸引該企業對其進行選擇的重要標準，是與其他供應商進行競標時的競爭力體現，越強的供應商能力越能降低企業風險，所以對供應商的自身能力進行指標分析十分重要，包括交貨極差（K21），交貨水平（K22）、準確交貨率（K23）、毀約率（K24）、交貨水平趨勢（K25）、最大供貨量（K26）。

交貨極差（K21）為交貨差值的最大值減去交貨差值最小值，其表示供應商提供的貨物量與訂貨量的差值的離散程度，公式：

式中，K21i表示第i個供應商的交貨極差；SiW為第i個供應商在第W周實際的供貨量；QiW為第i個供應商在第W周訂單的需求量。

交貨水平（K22）為第i個供應商在第W周的供貨量與訂貨量差值的平方和的開方，其表示第i個供應商正好滿足企業訂貨量要求的穩定性，公式：

式中，K22i表示第i個供應商的交貨水平；SiW為第i個供應商在第W周實際的供貨量；QiW為第i個供應商在第W周訂單的需求量。

準確交貨率（K23）為除去訂貨量為0的情況，第i個供應商的供貨量與訂貨量的相同周數占總周數的比例，其更精確地表示了第i個供應商正好滿足企業訂貨量概率，公式：

式中，K23i表示第i個供應商的準確交貨率；WSi0表示第i個供應商的供貨量與訂貨量的相同周數。

毀約率（K24）為訂貨量不為0時，供應商供應貨物為0的周數占總周數的比率，其表示供應商違反合約，沒有提供應提供貨物的概率，公式：

式中，K24i表示第i個供應商的毀約率；SSi0表示第i個供應商的訂貨量不為0時，供應商供應貨物為0的周數。

交貨水平趨勢（K25）為第i個供應商在第240周的供貨量與訂貨量的差值與在第1周的差值之差，再除以總周數，其表示第i個供應商在240周內所提交貨物符合訂貨量的總體趨勢，公式：

式中，K25i表示第i個供應商的交貨水平趨勢；Si240與Si1分別表示第240周和第1周供應商i的實際供貨數量。

最大供貨量（K26）為第i個供應商在240周內提供的最大供貨量，其展現了第i個供應商的供貨能力，公式為：

式中，K26i表示第i個供應商的最大供貨量；SiW表示第i個供應商第W周的供貨量。

3 主成分分析

（1）KMO與巴特利特球度檢驗。

為了減小多重共線性對評價模型準確性的影響，為了避免模型過于復雜，本文對上述10個指標進行因子分析將原來眾多具有一定相關性的變量，重新組合為一組新的相互無關的綜合變量來代替原來的變量。使用SPSS15.0對以上10個指標進行KMO（Kaiser-Meyer-Olkin）和巴特利特球度檢驗，各向量之間的相關性及檢驗結果見表1。

表1 KMO和巴特利特球度檢驗表

如表1所示，其KMO值=0.656>0.5且Sig.=0.00<0.05，即指標數據之間具有較強的相關性及收斂性，可以進行因子分析。

各指標之間的相關性強弱分布如圖2所示，其中對腳線元素表示自相關，其他位置的元素表示互相關，顏色越深表明相關性越強，反之相關性越弱。從圖中可以明顯的看出，除對角線外，許多地方都顏色很深，這說明了部分指標之間的相關性較強。

圖2 相關性熱力圖

（2）建立標準化后的原始矩陣X。

（3）計算樣本相關系數矩陣。

為了方便，假定原始數據標準化后仍用X表示，則經過標準化處理后的數據的相關系數矩陣：

（4）計算相關系數R的特征（λ1，λ2…，λp）值和相應的特征向量：

（5）選擇重要的主成分，并寫出主成分表達式。

通過主成分分析得到了10個主成分，但由于各個主成分的方差是遞減的，包含的信息量也是遞減的，所以分析時，根據各個主成分累計貢獻率的大小選取前5個主成分。這里貢獻率是指某個主成分的方差占全部方差的比重，實際也就是某個特征值占全部特征值合計的比重，所以：

4 結果分析

貢獻率越大，說明該主成分所包含的原始變量的信息越強，為了保證綜合變量能包括原始變量的絕大多數信息。取累計貢獻率達到85%以上的部分，即選取前5個主成分進行分析見表2。

表2 主成分分析結果一覽表

為了建立反映保障企業生產重要性的數學模型，本文對主成分分析后的數據進行計算得分，并對其的分值進行排名，根據標準化的原始數據，按照各個樣品，分析帶入主成分表達式，就可以得到各主成分下各個樣本的新數據，即為主成分。具體形式如下：

部分供應商主成分得分及排名前50供應商見表3、表4。

表3 供應商主成分得分（部分）

表4 排名前50供應商（部分）

附件1

近五年402家供應商的相關數據表