基于MCDM模型的汽車行業(yè)第三方逆向物流供應(yīng)商的選擇

潘愛娟

（江南大學(xué) 商學(xué)院，江蘇 無錫 214000）

基于MCDM模型的汽車行業(yè)第三方逆向物流供應(yīng)商的選擇

潘愛娟

（江南大學(xué) 商學(xué)院，江蘇 無錫 214000）

基于多標(biāo)準(zhǔn)決策，提出基于熵方法、接近理想值法（TOPSIS）和灰色關(guān)聯(lián)分析的整合模型。熵決策得到最初的權(quán)重，TOPSIS和灰關(guān)聯(lián)分析得到最終的排序。并根據(jù)汽車行業(yè)確定和總結(jié)了評價標(biāo)準(zhǔn)，以一家中國的汽車制造商案例證明了模型的可行性和有效性。

第三方逆向物流供應(yīng)商；MCDM模型；熵；逼近理想值法；灰色關(guān)聯(lián)

1 引言

第三方逆向物流（3PRL）是將部分或全部逆向物流活動外包給第三方物流服務(wù)供應(yīng)商，意味著產(chǎn)品從終端客戶流向最初制造商。汽車行業(yè)繁榮導(dǎo)致環(huán)境污染、資源浪費和汽車制造商內(nèi)部激烈的競爭。隨著國家綠色立法的頒布，可持續(xù)發(fā)展意識的深入人心，逆向物流的復(fù)雜性和物流追蹤設(shè)備先進性要求，越來越多汽車制造商外包逆向物流給第三方物流供應(yīng)商，選擇合適的第三方逆向物流供應(yīng)商成為物流外包過程中至關(guān)重要的一步。

國內(nèi)外學(xué)者對于供應(yīng)商、供應(yīng)鏈選擇的評價進行了廣泛的研究，其研究范圍主要為供應(yīng)商的評價與選擇，供應(yīng)鏈模式的剖析選擇以及供應(yīng)鏈中逆向物流供應(yīng)商評價與選擇的方法研究。文獻[1]-[2]運用綜合方法對物流服務(wù)供應(yīng)商進行了評價選擇，基于層次分析法(AHP)構(gòu)建了包括四個一級指標(biāo)和11個子指標(biāo)的評價體系，并通過修正灰關(guān)聯(lián)法改善了指標(biāo)之間的差異型[1]-[2]。供應(yīng)鏈的運營模式由于供應(yīng)商和供應(yīng)鏈的不確定性而存在高度復(fù)雜性。倪明等（2012）運用Multi-Agent技術(shù)結(jié)合Anylogic仿真軟件，構(gòu)建了四種逆向物流事件合作伙伴動態(tài)仿真模型，協(xié)調(diào)了供方與需方的需求，識別了影響逆向物流事件的主要因素指標(biāo)[3]。與此同時，逆向物流供應(yīng)商選擇由于環(huán)保意識、綠色立法及其自身復(fù)雜性等問題引起了高度重視，其主要研究方向是指標(biāo)體系的構(gòu)建和評價方法的選擇及指標(biāo)的敏感性分析。文獻[4]-[8]構(gòu)建了包括成本、環(huán)境、服務(wù)能力和企業(yè)發(fā)展概況等在內(nèi)的指標(biāo)體系，Kannna，Devika（2012）補充了第三方物流服務(wù)（3PLs）、逆向物流功能（RLF）、組織角色（OR）、顧客滿意度（US）、3PL應(yīng)用影響（IU3PL）、組織性能標(biāo)準(zhǔn)（OPC）和網(wǎng)絡(luò)應(yīng)用（IT）七種評價標(biāo)準(zhǔn)。對于逆向物流供應(yīng)商的評價方法主要歸類于多標(biāo)準(zhǔn)決策法，并且多數(shù)文獻基于不同的評價指標(biāo)進行了敏感性分析。文獻[9]-[10]發(fā)現(xiàn)公司為了成本節(jié)約和生態(tài)友好發(fā)展逆向物流，然而逆向物流外包過程中在質(zhì)量、數(shù)量和回收時間上存在不確定性。運用層次分析法（AHP）和理想值逼近法（TOPSIS）提出了模糊環(huán)境下供應(yīng)商選擇與評價。Ramesh等（2014）認為評價和選擇最有效的逆向物流承包商這一挑戰(zhàn)性的任務(wù)對于成本節(jié)約、運輸、庫存至關(guān)重要。決策的過程是不確定或模糊的，文章在不確定環(huán)境下，運用層次分析法（AHP）和模糊接近理想值法（TOPSIS），敏感性分析確認穩(wěn)定性是必要的[11]。

汽車行業(yè)繁榮雖然引起了學(xué)者們的高度重視，國內(nèi)汽車行業(yè)第三方逆向物流供應(yīng)商的指標(biāo)體系構(gòu)建以及評價仍然障礙重重。文獻[12]-[13]強調(diào)汽車物流可以分為整車物流和零部件物流，零部件物流遠復(fù)雜于整車物流，閉環(huán)由正向供應(yīng)鏈和逆向供應(yīng)鏈構(gòu)成的供應(yīng)鏈也變得越來越復(fù)雜，再循環(huán)供應(yīng)商由于復(fù)雜性成為當(dāng)今最主要的問題。自主創(chuàng)新薄弱限制了汽車行業(yè)的可持續(xù)發(fā)展，由于管理技術(shù)、先進設(shè)施、專家的缺乏和供應(yīng)鏈的復(fù)雜性，企業(yè)不能集中于核心競爭力的發(fā)展以及復(fù)雜供應(yīng)鏈的運營[14]。逆向物流由于資源減少和環(huán)境破壞獲得世界范圍發(fā)展契機。逆向物流發(fā)展存在四個重要障礙：管理、金融、政策和設(shè)施，外包逆向物流的最終目的是發(fā)展核心優(yōu)勢和降低成本，企業(yè)不僅需要獲得利潤也要保護環(huán)境和保護資源[15-16]。

本文基于上述文獻，分析了汽車行業(yè)物流外包現(xiàn)存問題，構(gòu)建相應(yīng)評價標(biāo)準(zhǔn)體系，呈現(xiàn)由熵、接近理想值法（TOPSIS）和灰色關(guān)聯(lián)分析的混合模型，同時將這一模型與汽車行業(yè)3PRLP選擇算例相結(jié)合，目的在于為汽車行業(yè)選擇最合適的逆向物流供應(yīng)商。文章基于專家對比矩陣，從戰(zhàn)略規(guī)劃角度得到最終的排序，將3PRLP問題與實踐相結(jié)合，并運用了新型的模型評價選擇方法，結(jié)果更加客觀可靠，且實用性強。

2 建模

2.1 汽車行業(yè)3PRLP指標(biāo)體系構(gòu)建

本文基于上述文獻綜述，結(jié)合我國汽車行業(yè)的發(fā)展現(xiàn)狀，構(gòu)建了包括成本、質(zhì)量、逆向物流服務(wù)功能、組織角色、兼容性、風(fēng)險以及互聯(lián)網(wǎng)的7個一級指標(biāo)和相對應(yīng)的29個二級指標(biāo)的汽車行業(yè)第三方逆向物流供應(yīng)商指標(biāo)體系，囊括了汽車行業(yè)在供應(yīng)商選擇過程中所考慮的關(guān)鍵因素，不僅僅是成本、服務(wù)質(zhì)量，也包括信息的暢通及時和服務(wù)的完善等。具體的指標(biāo)體系見表1。

表1 評價指標(biāo)體系

2.2 基于熵權(quán)法的指標(biāo)權(quán)重確定

熵是利用概率論衡量信息不確定性，信息量越大，不確定性越小，熵值越??；反之信息量越小，不確定性越大，熵也就越大。熵權(quán)法基于指標(biāo)所能提供的信息量來確定權(quán)重[17]。具體過程如下：

（2）標(biāo)準(zhǔn)化。為了消除指標(biāo)量綱不同的影響，對評估指標(biāo)進行標(biāo)準(zhǔn)化處理。當(dāng)指標(biāo)j是效益指標(biāo)時，用式子進行標(biāo)準(zhǔn)化；當(dāng)指標(biāo)j是成本指標(biāo)時，用式子進行標(biāo)準(zhǔn)化，得到標(biāo)準(zhǔn)狀態(tài)矩陣Y。

（3）計算評估指標(biāo)的熵，如下：

（4）計算標(biāo)準(zhǔn)權(quán)重。

2.3 基于TOPSIS法的灰色關(guān)聯(lián)分析的3RLP選擇

接近理想解法（TOPSIS）首先由Hwang&Yoon（1981）提出，根據(jù)評價目標(biāo)與理想方案的接近程度對候選者進行排序的方法，廣泛應(yīng)用于多標(biāo)準(zhǔn)決策中（MCDM）。1982年鄧聚龍教授提出了灰色理論，其基本觀點是分析和比較系統(tǒng)數(shù)據(jù)的關(guān)聯(lián)度。TOPSIS可以揭示目前的位置關(guān)系，而灰色關(guān)聯(lián)度精確地解釋了關(guān)聯(lián)程度，文章提出了由TOPSIS和灰色關(guān)聯(lián)相加權(quán)的新的評價方法，達到第三方物流供應(yīng)商的最終排序[18]，具體步驟如下。

（1）賦權(quán)標(biāo)準(zhǔn)矩陣。根據(jù)熵權(quán)法得到初始標(biāo)準(zhǔn)化矩陣Y，用式子 Vij=Yij×wj得到賦權(quán)標(biāo)準(zhǔn)矩陣V=[Vij]m×n，i=1,2,···,m; j=1,2,···,n

（3）計算第i個方案分別與理想方案和負理想方案關(guān)于第j個指標(biāo)的距離。

（4）計算賦權(quán)灰色關(guān)聯(lián)度。

則賦權(quán)灰色關(guān)聯(lián)矩陣為：

其中，α1、α2反映了決策者對位置和形狀的偏好程度，并且滿足α1+α2=1，得到方案的相對貼近度為：

新貼近度基于歐式距離和灰色關(guān)聯(lián)度，同時反映了方案與理想方案和負理想方案之間的位置關(guān)系和數(shù)據(jù)曲線相似性差異。按照貼近度的大小對方案進行排序，貼近度越大方案越優(yōu)；貼近度越小方案越劣。

3 算例分析

為了說明模型的可行性、實用性，本文選擇了一家汽車制造商作為算例分析對象。公司A是中國東南部的一家汽車制造商，主要生產(chǎn)各種各樣的汽車零配件。公司A運用尖端設(shè)備、先進技術(shù)、高質(zhì)量人才對產(chǎn)品進行鑄造、電鍍和焊接等加工。在最近幾年，公司拓展經(jīng)營規(guī)模導(dǎo)致了物流復(fù)雜性的增加。在綠色立法頒布和環(huán)境保護、資源節(jié)約意識加強的背景下，公司A作出了戰(zhàn)略性決定，即為保護環(huán)境和滿足顧客需求外包逆向物流。公司A基于供應(yīng)商評價指標(biāo)的專家對比矩陣見表2。

表2 供應(yīng)商一級評價指標(biāo)原始數(shù)據(jù)

根據(jù)熵權(quán)法計算步驟，計算一級評價指標(biāo)權(quán)重見表3。

表3 一級評價指標(biāo)權(quán)重

將一級指標(biāo)權(quán)重賦予二級評價指標(biāo)，仍然根據(jù)熵權(quán)法計算出二級指標(biāo)的權(quán)重見表4。

表4 二級評價指標(biāo)權(quán)重

基于熵權(quán)法確定的權(quán)重，計算第i個方案分別與理想方案和負理想方案關(guān)于第j個指標(biāo)的距離，見表5。

表5 方案分別與理想方案和負理想方案的距離

基于熵權(quán)法確定的權(quán)重，計算第i個方案分別與理想方案和負理想方案關(guān)于第j個指標(biāo)的關(guān)聯(lián)度，見表6。

表6 方案分別與理想方案和負理想方案的關(guān)聯(lián)度

基于熵權(quán)法確定的權(quán)重，計算加權(quán)貼近度，α1、α2取不同的值，得到最終的加權(quán)排序，見表7。

表7 加權(quán)貼近度

分析的過程說明第三方逆向物流供應(yīng)商的選擇高度取決于管理者和專家制定的評價標(biāo)準(zhǔn)，確定理想方案和負理想方案非常重要，綜合性的方案可以使外包獲得成功。同時，本文選取了不同的加權(quán)貼近度，得到了一致的排序，說明基于熵權(quán)法賦權(quán)，灰關(guān)聯(lián)理想點法相結(jié)合的第三方逆向物流供應(yīng)商評價方法的評價效果較為客觀，可以應(yīng)用于汽車行業(yè)這一案例分析中，結(jié)果表明A3供應(yīng)商在成本、質(zhì)量、逆向物流服務(wù)功能以及風(fēng)險等方面都優(yōu)于其他供應(yīng)商，從而為汽車行業(yè)成功地選擇了較優(yōu)的逆向物流供應(yīng)商。

4 結(jié)論

汽車行業(yè)實施逆向物流存在許多困難和風(fēng)險，不僅是制造商選擇合適的第三方逆向物流供應(yīng)商，同時也是逆向物流供應(yīng)商承擔(dān)可承受的物流活動。供應(yīng)商需要滿足客戶需求并有效回收廢舊產(chǎn)品。該文為汽車行業(yè)選擇第三方逆向物流供應(yīng)商提出了綜合性的模型。首先，提出基于文獻綜述和專家觀點的評價標(biāo)準(zhǔn)。然后，專家團隊?wèi)?yīng)用綜合性模型為汽車行業(yè)候選供應(yīng)商進行了排序。文章運用熵權(quán)法客觀賦權(quán)，專家確定理想方案和負理想方案，計算每一方案到它們的距離以及灰色關(guān)聯(lián)度，加權(quán)得到最終的候選者排序。最后，文章應(yīng)用實例論證了模型的有效性和實用性。

然而，文章提出的評價標(biāo)準(zhǔn)主要基于文獻綜述和專家意見，也沒有討論標(biāo)準(zhǔn)之間的相互關(guān)系。盡管如此，文章的模型仍可應(yīng)用于除了制造商和逆向物流供應(yīng)商之外的其他領(lǐng)域。未來仍可做許多研究，如可采用敏感性研究討論每一標(biāo)準(zhǔn)權(quán)重的穩(wěn)定性，也可提出更加復(fù)雜的模型分析多標(biāo)準(zhǔn)的相互關(guān)系。

[1]Jharkharia S,Shankar R.Selection of logistics service provider: An analytic nerwork process(ANP)approach[J].Omega,2007, 35:274-289.

[2]Hsu C C,Liou J H,Chuang Y C.Integrating DANP and modified grey relation theory for the selection of an outsourcing provider[J].Expert Systems with Applications,2013,40:2 297-2 304.

[3]倪明,陶雙雙,郭軍華.企業(yè)逆向物流外包合作伙伴動態(tài)選擇模型研究[J].工業(yè)工程與管理,2012,(5):21-28.

[4]Govindan K,Palaniappan M,Zhu Q H,Kannan D.Analysis of third party reverse logistics provider using interpretive structural modeling[J].International Journal of Production Economics,2012,140:204-211.

[5]Cheng Y H,Lee F.Outsourcing reverse logistics of high-tech manufacturing firms by using a systematic decision-making approach:TET-LCD sector in Taiwan[J].Industrial Marketing Management,2010,39:1 111-1 119.

[6]賀團英,馬天山.基于可拓法的報廢汽車逆向物流供應(yīng)商選擇與評價模型研究[J].武漢理工大學(xué)學(xué)報(社會科學(xué)版), 2009,(6):52-57.

[7]Guarnieri P,Soberiro VA,Nagano M S.The challenge of selection and evaluating third-party reverse logistics providers in a multicriteria perspective:a Brazilian case[J].Journalof Cleaner Production,2015,96:209-219.

[8]Xi F,Jiang W Q.Study on Scrap Automobile Manufactures Reverse Logistics Partners Based on Evaluation Engineering[J]. Systems Engineering Procedia,2012,2 211(3 819),213-221.

[9]Jayant A,Gupta P,Garg S K,Khan M.TOPSIS-AHP Based Approach for Selection of Reverse Logistics Service Provider:A Case Study of Mobile Phone Industry[J].Procedia Engineering, 2014,97:2 147-2 156.

[10]Kannan G,Pokharel S,Kumar P S.A hybrid approach using ISM and fuzzy TOPSIS for the selection of reverse logistics provider[J].Resources,Conservation and Recycling,2009,54: 28-36.

[11]Senthil S,Srirangacharyulu B,Ramesh A.A robust hybrid multi-criteria decision making methodology for contractor evaluation and selection in third-party reverse logistics[J]. Expert systems with Applications,2014,41:50-58.

[12]曾娟,張國方.中國汽車零部件物流與整車物流的比較分析[J].武漢理工大學(xué)學(xué)報(信息與管理工程版),2006,01:112-115.

[13]Dhouib,D.An extension of MACBETH method for a fuzzy environment to analyze alternatives in reverse logistics for automobile tire wastes[J].Omega,2014,42:25-32.

[14]楊沿平,唐杰,周俊.我國汽車產(chǎn)業(yè)自主創(chuàng)新現(xiàn)狀、問題及對策研究[J].中國軟科學(xué),2006,(3):11-16.

[15]孟麗君,張寶友,黃祖慶.資源與企業(yè)逆向物流能力間關(guān)系的實證研究:以浙江省為例[J].物流技術(shù),2014,07:226-228.

[16]Abdulrahman M D,Gunasekaran A,Surbramamian N.Critical barriers in implementing reverse logistics in the Chinese manufacturing sectors[J].Production Economics,2014,147: 460-471.

[17]谷麗麗,曹翠芬,崔利華.淺析供應(yīng)商選擇中熵權(quán)法的不足與改進[J].物流技術(shù),2009,(1):95-96+111.

[18]錢吳永,黨耀國,熊萍萍,王正新.基于灰色關(guān)聯(lián)定權(quán)的TOPSIS法及其應(yīng)用[J].系統(tǒng)工程,2009,(8):124-126.

Selection of Automobile Third Party Reverse Logistics Suppliers Based on MCDM

Pan Aijuan
(School of Business,Jiangnan University,Wuxi 214000,China)

In this paper,based on the multi-standard decision-making process,the TOPSIS and the grey correlation analysis model, we arrived at the initial weighting of the indexes in the selection of the automobile third party reverse logistics suppliers and their final ranking,then summarized and finalized the corresponding evaluation standard,and at the end,proved the feasibility and validity of the model through an empirical case.

3PRLP;MCDM;entropy;TOPSIS;grey correlation

F253;F224.0

A

1005-152X(2017)01-0117-04

10.3969/j.issn.1005-152X.2017.01.025

2016-10-24

潘愛娟（1991-），女，江蘇鹽城人，在讀碩士，主要研究方向：供應(yīng)鏈管理、逆向物流、第三方物流。