統籌經濟和非經濟因素的注塑機企業供應商評價和訂單分配*

□ 張程希 □ 王 瑞 □ 余軍合 □ 戰洪飛

寧波大學 機械工程與力學學院 浙江寧波 315211

1 研究背景

環境問題是一個全球性的長期問題,制造企業在環境保護方面面臨著重大挑戰[1]。近年來,消費者對環境問題的關注不斷增加,綠色生產逐漸成為公眾關注的焦點。除了從供應商購買原材料、產品和服務,制造企業也要求供應商承擔保護環境的責任。為了確保供應商能夠進行更加環保和可持續的生產,僅僅考慮成本的供應商選擇方式已經不能滿足高質量發展的需求,環境和企業信譽等非經濟因素正變得越來越重要。由此,制造企業應該更新供應商評估體系,通過綜合考慮經濟成本和非經濟因素,進行可持續的供應商評價和訂單分配。

供應商評價和選擇問題可以被認為是一個多準則決策問題,評價過程通常與信息的不確定性相互關聯。目前,國內外對供應商選擇的研究主要集中在兩個方面。一是供應商選擇決策過程中評價指標體系的構建,主要側重與企業所屬的行業領域和供應商的個性化需求。二是確定供應商評價和訂單分配方法。

在評價指標體系構建方面,研究者們提出了不同的評價體系和指標體系,涉及環境管理體系、綠色能力、環境認證、綠色技術等多個方面,豐富了供應商選擇和評估的視角。Dickson[2]建立了23個供應商選擇和評估要素,并認為質量、交付、歷史業績是最重要的三個指標。Weber等[3]回顧了相關文獻,根據每個指標所出現的頻次進行排序,發現價格、交貨、生產能力是排名前列的指標。Freeman等[4]從之前的綠色采購戰略中確定了五個一級指標和十五個二級指標,包括綠色能力和環境管理表現兩個綠色一級指標。Coskun等[5]提出了經濟因素、環境因素和社會因素的供應商評價指標體系,其中包括環境質量管理體系、能源管理體系等環境指標。

在供應商評價和訂單分配方面,Singh[6]提出了一種基于優劣解距離法和混合整數線性規劃的方法,來確定供應商的優先級,在需求條件、預算、交貨期、供應商能力等約束條件下,在供應商之間分配需求,以最大化產品總采購價值。Arabzad等[7]提出了一種針對供應商評價和訂單分配問題的兩階段方法,首先根據分析來定義評價指標,然后采用模糊優劣解距離法確定供應商的評價分數,并構建線性規劃模型進行訂單分配。PrasannaVenkatesan等[8]采用模糊層次分析法和模糊偏好順序結構評估法對供應商的績效評分進行計算,并采用混合整數線性規劃方法建立數學模型,最后應用粒子群優化算法來確定帕累托最優解。Hamdan等[9]通過模糊優劣解距離法來分配各供應商的偏好權重,使用層次分析法為每個標準分配全局權重,提出通過多階段雙目標和多目標優化來分配訂單模型,并考慮總成本和供應商的兩個組合偏好權重來分配訂單。Khoshfetrat等[10]開發了一個模糊多目標多產品多周期的汽車行業可持續供應商選擇和訂單分配數學模型,模型考慮總成本、經濟得分、環境得分、通貨膨脹率、社會得分、風險水平六個目標函數,確定最佳供應商和最佳訂單分配。Wong Juitsung[11]提出了一種包含多重要性函數的模糊目標規劃模型,將供應商的動態分線與綠色市場相結合,當終端消費者的綠色意識增強時,管理層就需要基于機會做出采購決策,以獲得綠色市場紅利。

雖然研究者們對供應商評價已有較多研究,但是仍沒有針對注塑機這一特定行業的供應商評價問題展開具體研究。注塑機制造企業屬于典型的設計+裝配型企業,重裝配,輕制造,制造周期長。并且注塑機的零部件種類繁多,部件制造主要以外部供應商為主,一個零部件的缺失往往會造成產品的延遲交付。由此,為了能夠幫助企業獲得更多訂單和客戶信任,實現企業的高質量發展,筆者針對注塑機行業的特點和綠色制造的需求,建立注塑機制造企業的可持續供應商評價體系,并構建統籌經濟因素和非經濟因素的供應商訂單分配多目標模型,從而為注塑機制造企業的綠色采購提供更科學合理的理論支持。

需要指出的是,現有研究并沒有針對注塑機行業的供應商評價問題展開具體分析,因此需要針對這一行業的特點和綠色制造需求進行進一步探討,以建立符合實際情況的評價體系和指標體系。

2 方法概述

隨著政府對環保產業扶持政策的加強和消費者對環保產品需求的不斷增長,注塑機制造企業在選擇供應商的過程中除了考慮成本因素等經濟因素外,還需要考慮環境及企業信譽等非經濟指標。如果一個供應商的生產過程或產品對環境產生負面影響,那么企業與其合作可能會面臨消費者抵制或者政府懲罰等不利情況。此外,選擇環保型供應商也符合企業的社會責任和可持續發展戰略,有助于建立良好的企業形象和聲譽。選擇信譽良好的供應商,可以保證產品質量的穩定性和交貨時間的準確性,同時還可以降低后期維修和客戶維護成本及風險。

C公司是浙江省寧波市的一家注塑機制造企業,裝配注塑機所需的零部件種類數量多,與上百家供應商保持合作。隨著規模的擴大,按照以往粗略的供應商評價指標,企業的訂單延期交貨率已經達到30%左右,嚴重影響了企業的正常運營。此外,政府及客戶也對注塑機行業提出綠色制造和可持續制造新需求。對此,筆者結合注塑機制造行業的特點,提出統籌考慮經濟因素和非經濟因素的供應商評價和訂單分配方法,方法總體框架如圖1所示。筆者在本文主要介紹:

(1) 注塑機企業供應商評價體系構建;

(2) 基于區間二型模糊集的供應商評價;

(3) 基于灰狼優化算法-粒子群優化算法的多目標訂單分配模型的構建和求解。

3 注塑機企業供應商評價體系構建

由于注塑機制造企業屬于典型的設計+裝配型企業,重裝配,輕制造,制造周期長,并且注塑機的零部件種類繁多,部件制造主要以外部供應商為主,因此注塑機制造企業的供應商數據眾多,管理供應商變得更加關鍵。C公司是一家從事塑料注射成型機械制造的高新技術企業,共擁有四個注塑機基地,總占地面積超過70 000 m2,并且年生產能力在4 000臺以上,已在20多個國家設立了經銷商和服務網點。C公司的供應商管理存在兩方面問題。

(1) 管理模式粗放化。目前在C公司中,對供應商沒有規范的管理,在日常運營中企業的訂單延期情況越來越嚴重,甚至訂單的延期交貨率高達30%。因為注塑機結構復雜和具有繁多的零部件,一個零部件的缺失往往會造成產品的延遲交付。

(2) 在生產采購過程中缺少對環境的考慮。C公司的注塑機銷往國內外大客戶,這些客戶不僅要求注塑機廠商具備環保、信譽等條件,而且還會對整個供應鏈上的企業環保和信譽等提出要求。在注塑機制造企業的生產過程中,大量能源和原材料的消耗往往伴隨著環境問題的產生。廢氣、廢水、廢渣等排放物大量釋放,不僅會對周邊空氣、水源、土壤等自然環境造成一定污染,而且會對人類的健康產生不良影響。另一方面,由于注塑機生產需要大量塑料材料,企業應當注重回收和使用循環材料,以減少資源浪費,降低對環境影響。此外,注塑機制造企業應該加大環保資金的投入,不斷優化環境管理體系,提高生產過程的環保性,以推動企業的可持續發展。

通過對以往供應商評價相關文獻的研究,結合C公司的現有情況和目標,以研究文獻中的指標為基礎,與C公司的決策專家一起選出評價指標。選出的供應商評價指標包括經濟因素和非經濟因素,其中,非經濟因素分為環境指標和社會指標。供應商評價體系見表1。由于非經濟指標的數據難以量化,由此均由專家打分的方式來進行評價。

表1 供應商評價體系

采購單價指企業在從供應商處購買物品或原材料時,每單位物品或原材料所支付的價格。產品合格率指生產的產品中符合設計或規格要求的產品數量占總生產數量的比例,這一指標可以反映企業的生產質量水平和生產效率。平均交貨周期指從客戶下單到客戶收到貨物所需要的平均時間,這一指標可以反映企業的生產能力和物流配送效率。準時交貨率指企業按照客戶要求在規定時間內交貨的比例,這一指標可以反映企業的物流配送效率和客戶服務水平。環境污染指企業在生產或經營活動中對環境造成的負面影響,包括大氣污染、水污染、噪聲污染等。循環材料使用指企業在生產過程中回收和再利用廢棄材料,減少資源浪費的相關行為。環保資金投入指企業為保護環境而投入的經費,包括減少污染、治理廢水廢氣、循環經濟等環保項目。環境質量管理體系指企業根據環境管理標準所建立的一套管理體系,并對管理體系執行的情況。企業信譽指企業在社會中的聲譽和信用,包括企業的品牌形象、服務質量、信用記錄等,企業信譽可以影響企業的商業合作、市場競爭、品牌價值。

4 基于區間二型模糊集的供應商評價

4.1 區間二型模糊集定義

區間二型模糊集是區間一型模糊集理論的一種擴展[12],這一模糊集通過上隸屬度函數和下隸屬度函數來表示。這種類型的模糊集可以在不確定的環境下捕捉更多程度的不確定性,從而得到更合理的模型。如果區間二型模糊集的形狀是梯形,就稱為區間二型梯形模糊集。區間二型梯形模糊集如圖2所示,數學表達式為:

(1)

區間二型模糊集能夠有效處理不確定信息和模糊信息,這是因為它可以用來表示模糊度。相比于其它模糊集合,區間二型模糊集能夠用區間來表示模糊度,可以更好地反映實際情況,更易于理解和應用。由于筆者研究中供應商的非經濟因素指標都是定性指標,定性指標難以與經濟指標結合考慮,因此采用區間二型模糊集處理這些指標,通過對供應商表現和指標的評價,可以得到區間二型模糊集的評價結果,由此提供了一個有效方法來量化非經濟因素的表現。

通過C公司的三名決策專家評估每個指標的重要性,并且評估每個供應商在每個指標上的表現。決策專家通過基于區間二型梯形模糊集定義的語言變量來給出他們的評價。語義變量和對應的區間二型梯形模糊集見表2。決策專家對環境污染、循環材料使用、環保資金投入、環境質量管理體系、企業信譽這五個非經濟因素指標的權重評價見表3。決策專家對六個供應商在各非經濟因素指標上的表現評價見表4。環境污染是非效益指標,循環材料使用、環保資金投入、環境質量管理體系和企業信譽是效益指標。

表2 語義變量和對應區間二型梯形模糊集

表3 非經濟因素指標權重評價

表4 非經濟因素指標供應商表現評價

4.2 區間二型模糊集排序

使用Ghorabaee等[13]提出的方法來確定區間二型梯形模糊集在方法過程中的排序。這種方法是基于上下隸屬度函數的面積和模糊集的可能性對區間二型的排序方法。

第一步,建立第p個決策專家的決策矩陣Mp,為:

(2)

(3)

(4)

平均決策矩陣結果見表5。

表5 平均決策矩陣結果

第三步,構建第p個決策專家的權重矩陣Wp,為:

(5)

(6)

(7)

平均權重矩陣結果見表6。

表6 平均權重矩陣結果

第五步,對平均決策矩陣進行歸一化處理,構建歸一化矩陣N,為:

(8)

(9)

第六步,確定加權歸一化決策矩陣E,為:

(10)

(11)

(12)

(13)

效益值越大,說明供應商的評分越好。非效益值越小,說明供應商的評分越好。效益值和非效益值分別見表7和表8。

表7 效益值

表8 非效益值

第九步,確定考慮非經濟因素的量化評估值SQ,為:

(14)

量化評估值見表9。量化評估值越大,說明供應商在非經濟因素上的表現越好。量化評估值越小,說明供應商在非經濟因素上的表現越差。

表9 量化評估值

5 基于灰狼優化算法-粒子群優化算法的訂單分配模型

5.1 供應商數據

C公司為了提高供應鏈的環境表現,決定通過對一些供應商所采購的產品進行基于環境指標的模擬評估,以判斷環境計劃的可行性。由此,C公司選擇了六家質量較好,有意向遵守環境原則的供應商,由決策專家確定評估供應商的指標。

為了考慮企業信譽的影響,將企業信譽和四個環境指標一起考慮。決策專家根據C公司的歷史采購電機數據,對每個供應商的采購單價、最小允許訂單數量、產品合格率、平均交貨周期、準時交貨率進行記錄,形成供應商相關數據,見表10,并結合非經濟因素構建多目標優化模型。

表10 供應商相關數據

5.2 供應商訂單分配模型構建

考慮經濟因素和非經濟因素的供應商評價和訂單分配模型的變量參數見表11。

表11 變量參數

根據上述變量參數,提出考慮經濟因素和非經濟因素的供應商評價和訂單分配模型,為:

(15)

(16)

(17)

(18)

(19)

xi≥yiQimin

(20)

xi≥0

(21)

yi∈{0,1}

式中:D為供應商訂單數量矩陣。

考慮經濟因素和非經濟因素的供應商評價和訂單分配模型是通過最小化總采購成本和最大化量化評估值的一個多目標模型。式(17)顯示了需求的限制,表示在計算周期內從所有供應商處收到最大產品數量。式(18)表示從供應商處購買產品的合格率要高于最低允許合格率限制。式(19)表示從供應商處購買產品的準時率要高于最低允許準時率限制。式(20)表示從供應商處購買的產品數量需要滿足供應商最小允許訂單數的要求。

5.3 模型求解

盡管灰狼優化算法是一種基于灰狼狩獵行為的相對新的算法,但是當面對不連續的函數時,有限的探索性大大降低了算法性能。灰狼優化算法的核心操作是灰狼的群體行為,假設灰狼之間存在一定的關系和距離,則這些假設在離散或不連續函數中可能不再成立。粒子群優化算法在非連續函數問題上有很好的表現,所以提出灰狼優化算法-粒子群優化算法來解決供應商評價和訂單分配問題。通過結合兩種算法來改變搜索策略,避免不可行的解決方案。灰狼優化算法-粒子群優化算法流程如圖3所示。

第一步,初始化種群,在變量范圍內隨機產生若干個變量組,并計算目標函數值,即總采購成本和量化評估值的倒數。

第二步,通過快速非支配排序對個體優劣進行排序,記錄最優,并定義前三個個體為α、β、δ等級。

第三步,進行迭代,依次基于灰狼優化算法和粒子優化算法公式對個體進行更新,并且計算新的目標函數值。

第四步,通過快速非支配排序對個體優劣進行排序,更新記錄最優及α、β、δ等級。

第五步,達到最大迭代次數,輸出優選解。

這種算法的優點是可以同時充分利用灰狼優化算法和粒子群優化算法的優點,從而加快全局搜索過程,并且可以避免算法陷入局部最優解。

設置參數,訂單總數為1 000,最低允許合格率為99.2%,最低允許準時率為98.8%,最小允許訂單數為50,種群大小為200,最大迭代次數為50,學習因子c1為0.6,學習因子c2為0.4,最小慣性權重為0.01,最大慣性權重為0.5。

在Matlab軟件中使用灰狼優化算法-粒子群優化算法對訂單分配模型進行求解運算,結果如圖4所示。分別使用灰狼優化算法與粒子群優化算法對訂單分配模型進行求解運算,對三種算法的結果進行比較,結果如圖5所示。可以看出灰狼優化算法-粒子群優化算法獲得的解集比灰狼優化算法和粒子群優化算法有更好的收斂性,并且灰狼優化算法所獲得的非支配解的收斂性明顯弱于灰狼優化算法-粒子群優化算法和粒子群優化算法,這可能是因為灰狼優化算法將搜索空間分為若干個子空間,并且在每個子空間中進行搜索。而當搜索空間是離散的時,灰狼優化算法可能無法有效找到正確的搜索方向,所以導致出現較差的求解結果。

與單目標模型問題不同,多目標模型優化問題的結果通常是一個帕累托最優解集。為了能夠選出最滿意解,對總采購成本和供應商量化評估值的倒數進行權重分配,總采購成本為0.6,供應商量化評估值的倒數為0.4。根據式(22)對帕累托最優解集的兩個目標值進行歸一化,并根據權重計算最終的加權分數,進行排序選出最滿意解。通過灰狼優化算法-粒子群優化算法得到供應商評價和訂單分配模型最滿意解,并與只考慮最小化總采購成本的模型進行比較,見表12。

表12 最滿意解比較

(22)

式中:xmin為帕累托解集中單一目標的最小值;xmax為帕累托解集中單一目標的最大值。

6 結束語

筆者提出一種統籌經濟因素和非經濟因素的注塑機制造企業供應商評價和訂單分配方法,根據區間二型模糊集編寫Matlab程序,來計算每個供應商的量化評估值,并構建多目標線性規劃模型,來確定每個供應商的訂單數量,使總采購成本和供應商量化評估值的倒數最小。所提出的方法應用于C公司,針對六個供應商、五個非經濟因素指標進行供應商評價和訂單分配,基于灰狼優化算法-粒子群優化算法求解得到最滿意解。