基于灰色關聯分析與最短路徑算法的供應商選擇研究

摘 要：隨著企業間競爭與協作關系的深化，需要基于整個供應鏈網絡結構來考慮供應商的評價選擇問題。運用灰色關聯分析與最短路徑算法結合的評價模式選擇供應商，有利于使供應鏈節點企業間更好地合作，有效提高供應鏈運作的效率。營造信息共享環境，加強供應鏈節點企業間的協同合作，建立企業間的數據聯盟能有效地應用該評價模式。

關鍵詞：供應鏈網絡；供應商選擇；灰色關聯理論；最短路徑算法

1 前言

近年來，隨著互聯網的發展，特別是人工智能、物聯網的運用以及后臺云計算和大數據能力的提高，互聯網對社會經濟的推動作用逐步滲透到產業運行中[1]，愈來愈多的企業通過大數據、互聯網技術進行生產、服務、經營管理等的改造與優化。對于制造企業而言，隨著競爭的加劇，企業必須不斷地縮短產品開發及交貨周期、降低生產成本、改進產品質，以增強產品競爭力。為達到以上目標，企業不僅需要在企業內部挖掘潛力，更需要跨越企業界線，從供應鏈整體角度及全局高度來考慮提高產品競爭力的方法及手段。多個企業在共同目標下組成相互合作的供應鏈，形成一個由供應商、制造商、分銷商、零售商，直到最終用戶連成一個整體的功能網鏈結構模式[2]。企業供應鏈管理戰略開始轉向更廣闊的層面，由專注于企業內部資源的管理，延伸到對企業所在供應鏈網絡的管理。其中，處于供應鏈源頭的供應商是供應鏈運行的基礎，也是供應鏈管理中的關鍵環節。供應鏈上各相關企業加強合作，并通過強化供應鏈整體的控制管理，避免各節點企業因短期利益而傷害供應鏈整體效益，使其追求并獲得長期效益，最終維持了供應鏈整體的穩定性，這也是供應鏈管理的關鍵所在[3]。選擇優質的供應商，可以使供應鏈節點企業間更好地合作，提高供應鏈的運營效率。

目前，對于供應商評價選擇的研究多以定性與定量分析相結合的評價方法為主，且愈來呈現多種方法相融合的趨勢。常用的研究方法有：層次分析法（AHP法）、成本法（ABC法）、灰色關聯分析法（GRA法）、模糊綜合評判法（FST法）、多目標數學規劃法（MMP法）、優劣解距離法（TOPSIS法）、數據包絡分析（DEA法）、各種神經網絡法以及這些方法的融合等。這些方法大都局限于單個制造商對應單層多供應商這種相對簡單的采購模型中，沒有將制造商與供應商置于一個整體的供應鏈網絡結構下考慮供應商的評價選擇問題。

本文以制造企業供應鏈中供應商為研究對象，運用灰色關聯分析法與最短路徑算法相結合，將制造商與零部件供應商置于一個整體的供應鏈網絡結構中來探究供應商的選擇問題，建立供應商選擇模型。首先按照供應商選擇的步驟，在構建供應商綜合評價指標體系的基礎上，利用改進的灰色關聯分析法，計算出單層供應商的綜合評價結果，得到供應鏈網絡中連接各個節點的邊長；接下來運用最短路徑算法找出該供應鏈網絡中最短路徑，從而為制造商在供應網絡中選擇逐層供應商的最優路徑提供決策依據。

2 基于灰色關聯分析法和最短路徑算法的供應商選擇

2.1 供應鏈網絡的構建

隨著經濟活動的互聯網化，互聯網的推進作用將逐漸嵌入企業的產品設計、生產和運營等各個環節，使企業能夠運用人工智能、區塊鏈、大數據、物聯網等新的技術和手段對產業的整體運營流程與結構安排進行重新思考，進而改變整個產業的價值創造方式[4] 。在供應鏈實際環境下，制造商的供應系統往往是復雜相互關聯的。以汽車行業制造業供應鏈為例，其供應鏈鏈條非常長，鏈條末端企業以中小型企業為主。在采購生產階段，供應鏈上存在著大量輪胎、電子電器、玻璃、鋼材等零部件的中小企業供應商[5]。其首級供應商包括：發動機、車身、電子電器、底盤、輪胎等，而該級供應商又與下一層級零部件供應商相關。例如，發動機供應商又與下一級的發動機齒輪、汽缸、活塞等供應商相關，最后分層細化到各個詳細零件供應商。整個汽車制造業供應鏈由此連成一個整體的供應鏈網絡結構。而影響核心制造商的經濟競爭力的因素不僅僅是供應鏈上與制造商緊密鏈的某一級供應商，而是供應鏈中與之相連的整條鏈上的供應商。僅僅以直接關聯的下一級供應商狀態來選擇合作供應商，難以取得供應鏈系統的整體最優效果。

本文以Q制造企業為例，運用灰色關聯分析法和最短路徑算法研究供應鏈網絡中供應商的評價和選擇。Q制造企業與其各級供應商形成網絡結構。為便于數據處理，制造商及各個供應商用字母加數字來表示，“Q”表示起點（核心制造商），“A—D”級節點表示第一至四級供應商，他們之間的關系用有向線段來表示。其組織結構圖見圖1：

2.2 灰色關聯分析法在供應鏈選擇中的應用

灰色關聯度分析法根據因素之間發展趨勢的相似或相異程度，衡量因素間關聯程度。其基本思想是根據序列曲線的幾何形狀的相似程度來判斷其聯系是否緊密。曲線越接近，相應序列之間的關聯度就越大，反之則越小[6]。

本文運用灰色關聯法實證研究供應商的評價和選擇過程，以被評價供應商企業的各項指標組成比較數列，以各項指標對應的最優值作為參考數列，計算關聯度。假設與Q公司直接相聯的4家供應商A1、A2、B1、B3，選取產品質量、成本、交付能力、服務等4項指標進行評分。其中產品質量包括產品的合格率、質量保證體系及保證措施、質量改善方案等影響因素；成本包括產品價格、成本下降空間及降價計劃等影響因素；交付能力包括商品交貨平均期、突發訂單的應急處理能力、品種柔性等影響因素；服務包括供應商企業市場應變能力、信息共享程度等影響因素。指標得分在0～10分之間，得分越高則表示供應商指標越優，指標數據賦值見表1。

（1）確定比較數據列和參考數據列。列出比較數列，并將各個指標值中的最優值（本案例中為評價指標最大值）作為參考序列的具體值，組成參考數列。得到比較序列矩陣和參考序列如下：

參考序列c0=（10，9，7，9）

（2）無量綱化處理。在灰色關聯分析法中，往往由于原始數據中各個指標的內容和取值上存在差異，從而造成數據量綱的不同，不便于規整比較，因此要進行數據的無量綱化處理，使數據之間具有可比性[7]。因本案例中數據列均為評分值，數據量綱一致，因此不需要進行無量綱化處理。

（3）差序列的計算。逐個計算每個比較序列與參考序列對應元素的絕對差值|c0（k）-ci（k）|，得到差序列矩陣如下：

（4）計算綜合評判結果。計算關聯系數ζik，其計算公式如下：

式中ρ∈（0，1），取ρ=0.5。根據數值ζi的大小，判斷評價出各被評價對象的優劣次序，關聯度越大，說明與最優指標越接近，被評價對象越優。

2.3 關聯度系數轉換

由于在灰色關聯分析中，當關聯度最大時，被評價對象最優。若在構建的供應鏈網絡結構中以關聯度為節點間的邊長，則應以節點間最長路徑為最優。但是由于最長路徑可通過無限延長節點數，即繞路的方法獲得，因此最長路徑的算法是無解的。只有將供應鏈網絡結構中供應商選擇最優路徑的計算轉為最短路徑的計算才能得出最優決策方案。

因此將灰色關聯分析法中關聯度的系數進行轉換，將關系度系數ζi（k）改為求關聯度系數的倒數1/ζi（k），那么由此計算出來的關聯度倒數1/ζi越小，則說明ci（k）與最優指標c0最接近，從而對各被評價對象的優劣次序進行評價分析。

最終，得到關聯系數為：

計算得到關聯系數倒數矩陣：

在考慮各指標權重的基礎上，得到A1、A2、B1、B3四個公司的關聯系數倒數均值作為各節點的路徑值（保留2位小數）。

2.4 最短路徑算法在供應鏈選擇中的應用

最短路徑計算是計算機網絡科學中的一個重要問題，它用于解決網絡中兩節點之間的最短路徑優化問題，目前被廣泛運用于計算機科學、交通物流、管理運籌學等學科領域。Dijkstra 算法是最短路徑算法中的一種，用來解決從固定節點出發到網絡中任一節點的最短路徑問題。在本評價模型中，我們運用Dijkstra 算法計算供應鏈網絡結構中的最短路徑。在構建的供應鏈網絡結構中以關聯度倒數1/為節點間的邊長，則取節點間最短路徑為最優。以Q制造企業為例，其各級供應商形成網絡結構，供應商間的灰色關聯度倒數為節點間的距離參數，各個節點指向下級節點，其中部分節點可平級相連或向下跳級。該供應鏈網絡結構圖為包含節點、父節點和節點距離參數的結構圖。本文以灰色關聯分析法計算的各供應商間關聯度倒數作為節點間的距離參數，可以得到由節點間的邊長距離。假設在供應鏈中的制造商與供應商信息是共享的，各級供應商間關聯度信息可以通過共享獲取，且各級供應商間計算關聯度的指標及評分具有可比性，從而得到各節點間的距離關值如表2。

在此基礎上，我們運用Dijkstra 算法是用來計算節點到其他節點的最短路徑。算法步驟如下：

（1）初始時令 S={V0}，T={其余頂點}，T中頂點對應的距離值d的計算方法如下：若存在邊lt; V0， Vigt;，d（V0， Vi）為lt; V0， Vigt;邊上的權值；若不存在邊lt; V0， Vigt;，d（V0， Vi）為∞。

（2）從T中選取一個距離值為最小的頂點W，且該頂點W不在S中，然后加入S。

（3）對其余T中頂點的距離值進行修改，修改方法如下：若加進W作中間頂點后，從V0到Vi的距離值縮短，則修改此距離值。

重復以上（2）、（3）步驟，直到所有頂點都包含在S中，即當W=Vi時，計算停止。

依據最短路徑算法，可以得到Q到D1、D2和D3的最短路徑分別為P1（Q，A2，B2，C3，D1）、P2（Q，B1，C1，D2）和P3（Q，B3，C2，D3），其路徑長度分別為5.27，5.44，5.37。因此當我們以最短路徑法為中間商選擇策略時，應選取P1（Q，A2，B2，C3，D1）作為Q達到供銷商D的最短路徑，其路徑長度為5.27。

3 優化效果評價

為了比較不同供應商選擇方法，我們首先單純運用灰色關聯分析法來選擇供應商。單純運用灰色關聯分析法時，由于各個企業從獨立的經濟實體角度出發，都以實現各自的利益最大化為目標，制造商不考慮供應鏈整體經濟利益，僅依據與之直接相連的供應商關聯度排序，選擇關聯度最大，即關聯度倒數最小的供應商為合作伙伴。在這種情況下，核心制造商企業Q依據關聯度分析，將選擇關聯度最大，即關聯度倒數最小的供應商A2，同理，與A2直接相關的供應商中，B4關聯度系數最小。依此類推，最終選擇的路徑將是：P4（Q， A2，B4，B3，C2，D3），路徑長度7.28。

而本文運用灰色關聯分析法與Dijkstra算法相結合的方法，選取P1（Q，A2，B2，C3，D1）作為Q達到供銷商D的最短路徑，其路徑長度為5.27，路徑長度降低了38.14%，供應鏈上各企業通過合理選擇合作伙伴，優化整合供應鏈，有效的提高了整個供應鏈運作的效率，降低供應鏈運作成本，從而獲得更高的利潤。

4 結論及展望

供應鏈管理中的供應商選擇是企業的一項非常重要和復雜的決策問題，其選擇及評價的方法隨著管理理論及技術手段的更新而不斷改進。因此本文采用灰色關聯分析法與最短路徑算法相結合，將供應商的選擇問題置于整個供應鏈網絡結構中進行探究，為供應鏈上下游企業間選擇供應商提供了一種有效的方法。

但在實際運用中，最短路徑算法中各節點邊長需要在信息共享的環境中才能得到充分利用，因此加強制造商與供應商之間信息共享、資源共享的合作機制，充分利用大數據分析等信息技術手段尤為重要。

4.1 強化協同意識，建立戰略合作機制

在供應鏈協同方面，供應鏈節點企業之間應建立供應鏈協同的合作理念。供應鏈企業間有著共同的目標和利益，是一種長期的競爭合作關系，供應鏈協同使企業與企業之間以契約為紐帶，整合各自的資源，形成一種優勢互補、信息共享、風險共擔的戰略合作機制，從而形成一種長期戰略合作伙伴關系，以提高供應鏈網絡的整體競爭力[8]。

4.2善用信息技術，推動行業間數據聯盟

在信息技術方面，目前國內外已有不少研究者研究如何運用大數據分析及機器學習算法進行供應商選擇，這些研究進一步完善優化了企業供應商的選擇方法。通過大數據分析及機器學習進行供應商選擇能夠解決信息共享鴻溝難題，從而推動供應鏈網絡的優化及業務的發展[9]。在大數據時代，信息共享時代背景下，急需建立供應鏈節點企業間的數據聯盟，實現企業在客戶需求；產品質量如產品檢測結果、產品合格率；產品成本如成本利潤率；庫存及物流信息；服務能力等各方面的數據共享，增強供應網絡透明度，優化供應流程，提高供應網絡效率，以提升供應鏈網絡整體競爭力。

參考文獻

[1]宋華. 基于產業互聯網的現代供應鏈及其創新路徑[J].中國流通經濟，2018（3）：10-15.

[2]馬士華，林勇. 供應鏈管理（第二版） [M].北京：機械工業出版社，2005.

[3]趙麗娜.定制型制造企業業務流程內部控制建設——基于供應鏈管理視角[J].財會通訊，2017（26）：113-117.

[4]丁俊發.互聯網與供應鏈加速中國產業轉型[J].經濟研究參考， 2016（13）：10-11.

[5]代洪麗.供應鏈大數據視角下中小企業融資約束研究——以汽車制造業為例[J].沿海企業與科技. 2022（06）：25-30.

[6]鄧聚龍，灰色系統理論教程[M].武漢：華中理工大學出版社，1990.：13.

[7]覃正納，劉迎春.基于灰色關聯理論的區域科技創新能力評價分析——以廣西為例.沿海企業與科技，2020（02）：31-37

[8]董常亮.新零售背景下的流通供應鏈協同創新路徑及策略探討[J].沿海企業與科技. 2019（06）：31-35.

[9]程平，施陽，張菁.基于SVM-VIKOR的自營電商供應商選擇研究[J].會計之友. 2023（13）：147-155.

Selection of Suppliers based on the Grey Relevancy Theory and Shortest Path Algorithm

XIA Hui

（Hunan Open University， School of Economics and Management， Changsha， 410004）

Abstract： With the deepening relations of enterprise competition and cooperation， the supplier should be selected according to the whole supply chain network structure. This paper establishes a model of supplier selection on the basis of grey-relevancy theory and shortest path algorithm， which provides better cooperation among enterprises in supply chain and therefore improves the efficiency of supply chain operations. Creating an information sharing environment， strengthening collaborative cooperation between supply chain node enterprises， and establishing data alliances between enterprises can effectively utilizes this evaluation model.

Keywords： Supply Chain Network; Supplier Selection；Grey-related Analytical Theory; Dijkstra algorithm

基金項目：2023年度長沙市哲學社會科學規劃課題“新零售電商企業供應鏈優化方法研究”（項目號：2023CSSKKT118）

作者簡介：夏惠（1973—），女，漢族，副教授，碩士，研究方向：供應鏈管理，戰略管理會計。