電子商務平臺下的供應商選擇

　　0.引言

　　

　　在現代企業中，企業外購部分的成本占了總成本的絕大部分。在美國的一般企業中，外購的原材料成本通常占產品成本的40%~60%，對于大型汽車企業約占50%，對于高新技術企業可達80%。由此可見，采購部門在企業的運行效率和效果方面起到了關鍵的作用，它對企業降低成本、增加利潤、加強柔性等方面都有直接的影響。因此，供應商選擇問題，受到了廣泛的重視。

　　

　　供應商選擇是一個多目標決策問題，需要對多個供應商在多條相互影響的準則基礎上進行評價。Dickson于1966年在273名代理商和管理人員中進行了統計調查，總結了23條準則，基本上涵蓋了供應商選擇時應當考慮的因素。1991年Weber統計了1966~1991年的74篇文章，重新評價了23條準則在實際應用中的被關注程度。目前的研究一般都是基于Dickson準則完成的。

　　

　　在評價準則的基礎上，進行供應商選擇采用的算法一般有線性加權（Iinearweighting)、數學規劃(mathematicaIprogramming)、人工智能等算法。

　　

　　1.存在的問題

　　

　　目前，對于供應商選擇問題的研究一般依托較大的供應鏈管理系統或決策支持系統，以某一企業為核心研究對象，與企業信息系統緊密結合，企業內信息采集量大，對比較穩定、準確、單一的企業而言，管理者學習采購策略比較多。

　　

　　行業性B2B電子商務平臺是面向一個行業提供電子商務服務，向行業中的核心企業提供采購、銷售的功能，向配套商（向核心企業)提供銷售原材料、零配件服務的功能。當使用此平臺的企業達到一定的臨界數量時，交易行為出現自組織性后，信息量可以滿足平臺核心企業對采購決策的需要。

　　

　　行業性B2B電子商務平臺中的采購決策系統，由于參與企業多，交易信息豐富，企業內部信息少；決策者類型豐富、決策策略多樣。因此，不能單純依托單一企業數據、以生產數據為核心進行研究，需要參照行業性B2B電子商務平臺的特點進行改造。

　　

　　針對行業性B2B電子商務平臺的特點，本文設計了一種供應商選擇系統，并已應用于某摩托車電子商務平臺。

　　

　　2.行業性B2B電子商務平臺環境下的供應商選擇系統模型

　　

　　文獻提出了一種供應商選擇系統，該系統又分為供應商管理系統、企業管理策略管理系統和供應商選擇系統三個部分，并且給出了一般的系統構建方法。相比之下，行業性B2B電子商務平臺環境下的供應商選擇系統，既有某些類似，也有改進和獨特之處：

　　

　　!由供應商管理系統向B2B電子商務平臺中的銷售廠商信息管理系統轉移；

　　

　　!由企業管理策略管理系統向采購人員的評價習慣積累系統轉移；

　　

　　!增加B2B電子商務平臺中各采購者對銷售商的協同評價系統；

　　

　　!結合B2B電子商務平臺的配套市場系統，實現廠商模糊搜索系統；

　　

　　!相關的訂單處理、庫存處理系統。

 

　　在這個系統中進行供應商選擇決策，首先要根據產品數據查找能夠提供所需產品的供應商，然后根據必須的條件進行預選擇，再采用選擇算法進行選擇。選擇結束后，對于采購者的采購習慣進行積累，交易結束后，采購者對供應商進行協同評價。該系統考慮了行業性B2B電子商務平臺的具體特點和自身約束，設計了獨特的部分。

　　

　　廠商的模糊搜索與預選擇系統，用于從配套市場中根據所需產品搜索廠商，作為供應商選擇輸入。在一般供應商選擇決策支持系統中，可供選擇的供應商來自配套企業和企業信息庫，數據描述規范單一，范圍界限明顯。但是，在B2B電子商務平臺中，產品的種類、描述不容易保持規范，產品容易相互交叉，有必要建立模糊的搜索系統，既保證足夠的查全率,又保證一定的查準率，為進一步供應商選擇過程提供足夠的信息源。

　　

　　供應商協同評價系統，用于積累供應商的信譽、交易量、交貨拖期時間、服務等信息，作為選擇供應商時的評價依據。一般來說，采購商不可能和每個供應商都發生交易關系。在一般供應商選擇系統中，都要維護一個供應商信息庫，存儲各個供應商的信息。對于行業性B2B電子商務平臺基礎上的供應商選擇系統而言，它的優勢在于不同企業的評價信息可以共享，采購者可以從別人的交易經驗中獲得知識，指導自己的采購過程。這不僅可彌補單個企業信息不足的局限，還起到了行業性宣傳和監督的作用，充分發揮了信息化的優勢。

　　

　　企業采購策略和習慣積累系統，是將企業采購者某些特殊重視的評價準則，或者某些特殊的習慣加以積累，進一步提高決策系統推薦的準確性。由于來自企業內部的信息比較少，不能期望在決策系統運行前對采購者的習慣進行學習，于是面向行業性B2B電子商務平臺的供應商選擇系統，采用系統運行使用過程中學習的方法。供應商協同評價系統和企業采購策略及習慣積累系統，在空間和時間兩個尺度上積累信息，結合了行業性B2B電子商務平臺的自身特點，提高了評價的有效性。

　　

　　3.行業性B2B電子商務平臺下的供應商選擇關鍵問題

　　

　　3.1基于模糊搜索的廠商預選擇

　　

　　行業性B2B電子商務平臺中的供應商選擇，要求通過產品搜索到供應企業。配套市場產品種類繁多、商品豐富，搜索功能應該能夠輔助采購者快速、準確地找到需要的商品及供應者，進行選擇購買。目前實際應用的電子商務平臺系統的搜索功能一般比較簡單，大多是在數據庫中，在產品名稱、廠家等字段進行“包含”查找操作。查找的結果一方面準確性差，容易包含許多企業不需要的產品；另一方面也容易遺漏，將許多詞義相同、詞形不同的商品忽略。在行業性B2B電子商務平臺中，企業分別輸入產品的信息，難以進行過分嚴格的語法限制。同時搜索的內容也不容易進行限制，這就給準確搜索帶來了難度。用戶查找好商品后，還要進行供應商對比選擇等工作。在這種情況下，提高搜索的“查全率”和“查準率”更顯得必要。

　　

　　根據這一需求，本文設計了搜索算法和削減算法，如圖4所示。在搜索算法中，首先進行同義詞擴張，將用戶輸入的一個查找項擴展成為多個，擴大搜索的范圍。同義詞擴張后，對于每一個同義詞分別進行搜索，首先進行種屬定位，縮小查詢范圍，提高查準率。即進行預查詢，確定商品所處的種類位置，對于“距離”較遠的種類，由用戶進行選擇，去除“形近義遠”的情況。其中距離定義為：=2m+n。其中，S={在目錄樹上從a到b的路徑}，n={在目錄樹上上升的步數}，m={在目錄樹上下降的步數}。因為在目錄樹上上升是進入父類，而下降是進入另一個子類，所以下降距離定義較長。

　　

　　定義了五種查找方式，相對來講，范圍逐漸放寬，目的是獲得五個范圍逐漸擴大的查找結果，并且在這所有結果的合并中選取一個合適的子集，作為查找結果。

　　

　　對于每一種查找方式查找的結果，按照查找屬性的類型(數字和字符）以及屬性的值，再進行一次削減，以期盡量排除無關結果。每一個詞條都得到5個結果集，對于多個詞條的結果進行合并，削減不同詞條和同一詞條不同查找方式一樣的結果。最后，將n個詞條的5n個結果集進行排序，按照查找方式的優先級排隊，所得結果靠前的為相關度較高的，靠后的為相關度較低的。得到的產品表對應的企業表就是所需要的能夠提供所需產品的企業。

　　

　　為了簡化選擇算法的計算，有必要對結果進行進一步削減，目的是保留想要的，然后施加條件約束進行削減，不斷循環，直至保留的產品數目達到一定數量為止。這是一個“must”類型的預選擇算法。

　　

　　3.2 供應商選擇的AHP算法及其參數學習

　　

　　進行供應商選擇的算法很多。其中，線性加權算法是應用最多的，有很多改進算法。如CostRatio方法;Multi-AttributeUtilityTheory(MAUT)方法。目前研究比較活躍的是AHP(anaiytichierar?chyprocess)算法和ANP(anaiyticnetworkprocess)算法。

　　

　　數學規劃方法則偏重定量準則的準確計算，客觀性較高、主觀性較低，如線性規劃方法、多目標規劃方法、混合整數規劃方法等。此外，還有將兩者結合的算法、神經網絡方法、數據包絡方法、基于實例的推理（Case-based-rea-soning，CBR)方法等。

　　

　　本文采用層次分析法作為本系統的核心算法。層次分析法是美國著名運籌學家匹茲堡大學教授I.L.SaatyC賽惕）于20世紀70年代中期提出的，是一種將定性分析與定量分析相結合、定性問題定量化的實用決策方法。

　　

　　AHP算法的基本思想是將一個復雜的多規則評價問題，分解為層次狀的若干個因素的組合，對同一層次上的因素，通過成對的重要程度比較，組成比較矩陣。如果矩陣基本滿足對稱性、一致性、傳遞性，矩陣主特征值和主特征矢量元素就可以表示各評價因素的優先關系。結合不同層次間的優先關系，可以對決策問題形成由各個影響因素組成的評價模型。

　　

　　采用AHP算法，應當針對決策對象選擇合適的評價準則。本文主要參考Dickson總結的23條準則(既包括了易于量化的因素，如價格等，也包括主觀性比較強的準則，如信譽等）以及1997年華中理工大學管理學院CIMS-供應鏈管理課題組調查的國內企業關注的準則。

　　

　　針對AHP算法，以及協同評價系統的需要，設計了動態的層次樹建立數據結構，行業性B2B電子商務平臺管理員針對本平臺的行業和特色，動態設計評價的層次樹。平臺下的所有企業因為要采用協同評價系統，需要使用同一評價層次樹，但是，可以根據各個企業評價習慣積累的不同，調整各個評價準則的參數。圖5給出了一個摩托車供應市場的評價層次樹對于準則中的非數值型參數評分采用Saaty的9分量化法，對于數值型參數評分可以使用評分相除法。

　　

　　各個采購商使用的評價準則所占比重變化較小，本文采取針對不同類型廠商（如JIT等）建立幾組共性較強的參數。各個采購商可以從與自己類似的類型入手，進行適當的修改得到自身的評價準則權重表。在使用過程中，對于AHP算法的評分和用戶的最終選擇進行比較學習，對各個準則權重進行微調一一供應商選擇系統的自學習模塊。

　　

　　對于準則權重的學習分為下列幾種：用戶指定加分屬性，即供應商的某屬性得到了用戶的特別重視,則此準則的權重得到增長;用戶不指定加分屬性，根據用戶的多次選擇過程，可以評判用戶的傾向，則相應準則的權重得到增長;用戶不指定加分屬性，根據用戶的多次選擇過程不能評判用戶的傾向，說明指定采購商得到用戶的特別重視，相應供應商得到特別加分處理。

　　

　　3.3供應商選擇的協同評價

　　

　　供應商的系統評價是對行業性B2B電子商務平臺中交易信息在空間尺度上的積累。由于供應商選擇算法是以AHP算法為基礎，協同評價中的信息收集主要包括以下內容：

　　

　　(1) 某采購商對某供應商在某準則方面的評述;

　　

　　(2) 某采購商在某準則方面對供應商的打分；

　　

　　(3) 某采購商和某供應商交易成功與否及原因的信息；

　　

　　(4) 某采購商和某供應商交易的批量頻率等其他信息；

　　

　　(5) 某采購商對某供應商的主觀評述。

　　

　　其中（1)、(2)、（3)的信息在進行統計和歸一化后，在采購商進行AHP評分時，直接向采購商進行反饋。（4)、（5)的信息在AHP評分結束后，采購商在選擇前向采購商進行反饋。

　　

　　在行業性B2B電子商務平臺下的供應商選擇系統中，每個企業都擁有多名采購員，于是協同評價的信息就分為企業內部和企業外部兩大類。對于本企業反饋的信息，采購員可以看到較詳細的信息，并且對評價過程影響較大。對于其他企業反饋的信息，一方面進行統計綜合處理，如（1)、（2)將獨立的評分轉化成為分值的分布；另一方面有些對企業比較重要的信息(如交易時間、交易量），其他企業采購員得不到。此外，采購商對某供應商的主觀評述，從企業采購員的角度，也是一種兩面的信息，采購者可以根據企業間聯盟關系等信息進行主觀評判。

　　

　　4.實現與總結

　　

　　在摩托車行業性電子商務平臺用戶角色管理系統上，該系統集成了電子商務平臺的知識，提供了從模型建立、算法實現、參數優化、協同評價與訂單處理的統一連續的決策支持與信息反饋、學習積累的過程。圖6以一個發動機選擇，演示了供應商選擇過程。系統在提供給企業對配套市場全面、準確、快速搜索的基礎上，實現采購決策的預選擇；在以AHP算法為核心的評分決策的過程中，進行知識庫反饋和輔助決策;在電子商務平臺商務訂單交易的基礎上進行參數學習和協同評價信息積累。

　　

　　基于Web的程序具有通用性強、人機界面簡單、企業邏輯和表現分離的特點。本文將參數的計算和知識庫的轉化放在服務器端，客戶端進行人機交互和數據預處理,計算結果通過HTTP協議傳遞。

　　

　　決策過程是一個連續的過程，系統采用SessionBean，保證同一個用戶進行評價的過程進度，避免出現同一用戶多評價過程。在用戶選擇參數優化上，采用自主選擇的方法，保證系統參數改良、學習和歷史延續的統一。這些方法克服了靈活使用Web類程序帶來的負面影響。

 

作者簡介：李昕（1978 - ），男，河北阜城人，清華大學自動化系碩士研究生，主要從事現代集成制造系統、電子商務、供應鏈、控制等研究。