夏緒輝,胡俊峰,王 蕾
(武漢科技大學機械傳動與制造工程湖北省重點實驗室,湖北 武漢,430081)
?
基于VIKOR的再制造服務供應商選擇決策方法
夏緒輝,胡俊峰,王 蕾
(武漢科技大學機械傳動與制造工程湖北省重點實驗室,湖北 武漢,430081)
再制造服務是實現產品多生命周期的重要運行管理模式之一。本文針對再制造服務活動及其組合方式,構建了一種以供應商匹配決策為主導的三階段再制造服務過程模型。為解決供應商決策中評價信息的復雜性和不易量化的問題,引入區(qū)間數、語言變量、模糊數等多種數據類型進行信息描述,保持了數據的真實性和實用性;針對主、客觀兩種評價準則下的混合數據類型評價信息,運用VIKOR方法對備選方案擇優(yōu)排序,克服了混合數據的不可公度性和數據轉換導致的失真問題,得到的妥協(xié)最優(yōu)解更符合企業(yè)實際需求;運用信任函數和熵權法來確定決策者和各準則的權重,避免主觀賦權的二次不確定性。最后通過算例和敏感性分析驗證了所提出的供應商選擇方法的可行性和穩(wěn)定性。
再制造服務;供應商選擇;VIKOR方法;多準則群決策;模糊數;熵權法
隨著世界經濟模式從產品經濟向服務經濟轉型,服務業(yè)與傳統(tǒng)制造業(yè)逐步融合。再制造作為傳統(tǒng)制造的拓展[1-2],也需要以服務化運作模式來滿足其個性化服務需求,以不斷擴展和延長其價值鏈,由此產生了再制造服務[3]。供應商是再制造服務戰(zhàn)略中不可忽視的主體之一,制造商的產品回收和再制造戰(zhàn)略會對供應商的零部件供應產生重大影響[4]。在再制造服務集成和協(xié)同運作模式下,再制造服務供應商是完成再制造服務的直接參與者和主要實施者,其服務活動的完成質量直接決定整個再制造服務的質量,因此,供應商選擇決策問題成為再制造服務的關鍵。
目前關于供應商選擇方法與模型的研究成果有不少。Wang等[5]針對具有直覺語言信息的多準則群決策問題,定義了新的分數函數與精度函數,并給出比較兩種直覺語言數的簡單方法。Ng[6]以最大化供應商評分為目標,建立一個加權線性規(guī)劃模型來解決供應商選擇問題,但沒有考慮決策者權重變化對模型的影響以及線性規(guī)劃對數據準確性要求過高而與實際決策環(huán)境不符等問題,并且計算過程復雜、運算量大、耗時長。秦娟等[7]提出基于極大熵配置模型與Choquet積分的物流供應商選擇群決策方法,該方法同時考慮了專家偏好關聯和評估指標關聯的作用。Wu等[8]將模糊多屬性決策方法應用于供應商的優(yōu)選。Liu[9]針對具有梯形模糊直覺信息且屬性權重完全或部分未知的問題,建立新的模型和公式確定屬性權重,通過計算理想方案與備選方案的距離來對供應商排序。
再制造服務過程中,廢舊產品的數量、批次有隨機性,質量、工藝路線有不確定性,因此對再制造服務供應商在生產柔性、技術能力、價格成本等方面應有更高要求,而決策過程中,評價信息不易獲取,決策指標與決策環(huán)境更加復雜,如何提高數據的準確性、實用性和保證決策的有效性成為決策的關鍵。供應商選擇應由采購、生產、物流等多個部門共同決定,并考慮影響各個服務環(huán)節(jié)的諸多因素,這實質上是一個多準則群決策的排序擇優(yōu)問題,選擇妥協(xié)最優(yōu)解往往更符合企業(yè)管理需求,而改進型多準則妥協(xié)解排序方法(VIKOR)能夠有效處理混合數據并保持數據轉換過程中的真實性,在多準則群決策問題上有較大優(yōu)勢。因此,本文針對再制造服務過程中的供應商選擇問題,結合語言值和模糊數進行主觀評價,并運用熵權法確定決策者權重[10-11],建立一種基于VIKOR的再制造服務供應商決策模型,最后通過實證研究和敏感性分析來驗證模型的可行性,以期為再制造服務供應商的選擇提供新的思路。
1.1 再制造服務過程
再制造服務由眾多相互關聯的服務功能活動按照既定次序組合而成,服務對象不同,對應的服務活動及其組合方式也不同,對于同一服務活動,其服務供應商也可能不同。如針對廢舊機床的拆解清洗服務,必須根據其零部件狀況采取不同的清洗措施,對普通油垢或泥垢只需進行高溫高壓清洗服務,嚴重污染零部件則需要高效噴砂綠色清洗服務。所以,根據清洗服務具體目標,需匹配能力相當的服務供應商。
根據再制造服務的特點,本文構建一種以供應商匹配決策為主導的三階段再制造服務過程模型,如圖1所示。
(1)再制造服務準備階段。首先進行廢舊產品性能檢測及可再制造性評估,并根據需求確定再制造服務活動方案。然后根據質量、成本要求匹配出每一個服務活動的最優(yōu)供應商,確定供應商決策方案。
(2)再制造加工服務階段。根據前一階段的再制造服務活動方案和服務供應商決策方案,督促相關供應商完成再制造拆解、清洗、加工、裝配等服務活動。
(3)再制造物流服務階段。再制造物流服務供應商根據給定的服務活動要求,確定再制造產品物流方案,完成再制造產品的倉儲、運輸交付等服務活動。
圖1 再制造服務過程
1.2 再制造服務供應商
圖1所示的再制造服務過程涉及服務需求者、服務集成商、服務供應商3個服務主體。服務需求者是再制造服務的起點與終點,即再制造服務起始于服務需求者向服務集成商發(fā)出需求,在完成一系列相關活動后,結束于服務集成者向服務需求者提供的再制造產品服務。服務集成商是再制造服務的組織者,它連接服務需求者和眾多的服務供應商,按照服務需求者的要求安排相應的再制造服務功能活動,給出針對性的解決方案,并選擇出合適的服務供應商。服務供應商是再制造服務的主要實施者,它為服務集成商在制定解決方案時提供知識支持,并根據服務集成者下達的相應任務,完成再制造服務過程的實際活動。再制造服務質量依賴于各供應商對服務活動的執(zhí)行質量,因此再制造服務供應商的選擇決策是整個再制造服務的關鍵。
2.1 供應商選擇的決策方法
如前所述,供應商選擇決策可描述為一個多準則群決策問題,即要將多個決策者對于方案的偏好按規(guī)則集結為決策群的一致/妥協(xié)偏好排序。對方案的評價通常包括定性和定量兩種,其中定性評價如環(huán)境適應性、綜合素質等通常采用自然語言,并采用模糊數進行定性指標的量化,部分定量評價指標由于受決策者素質和環(huán)境的影響,無法給出精確評分,也需要采用區(qū)間數、模糊數等形式進行表達。
VIKOR方法基于與理想解接近的折衷思想,通過最大化群體效益和最小化個別遺憾,對有限個決策方案進行折衷排序,得到決策者可接受的妥協(xié)解[12],適用于準則間沖突或不可公度以及決策者無法準確描述偏好但能接受妥協(xié)方案的情況。
基于VIKOR的再制造服務供應商選擇的決策步驟為:首先,采用數值、模糊數等多種數據類型描述評價信息,并進行規(guī)范化處理;然后,采用熵權法和信任函數對評價數據進行處理,得出相應的決策者和準則的權重;最后,用VIKOR方法擇優(yōu)排序,確定最優(yōu)供應商。
2.2 評價信息及其規(guī)范化
2.2.1 數值型
原始評價數據uij規(guī)范化后記為rij,有
(1)
式中:i和j分別代表備選方案(即供應商)和評價準則;B為效應型準則集;C為成本型準則集。
2.2.2 直覺模糊數型
由于決策者的知識、經驗、所處部門的不同或因時間限制,會導致評價信息具有不確定性。此外,復雜環(huán)境也會影響決策者的數值判斷能力,使得決策參數的準確值難以獲取,因此可采用直覺模糊數描述這些不確定的決策信息。
定義1 設X為一個非空集合,A={〈x,uA(x),vA(x)〉︱x∈X}為直覺模糊數集,其中uA(x)和vA(x)分別為元素x屬于X的隸屬度與非隸屬度,uA(x),vA(x)∈[0,1],且滿足條件0≤uA(x)+vA(x)≤1。另外,定義πA(x)=1-uA(x)-vA(x),表示元素x屬于X的猶豫度,且0≤πA(x)≤1,稱a=(uA,vA,πA)為直覺模糊數,也簡記為a=(uA,vA)。
定義2 任意兩個直覺模糊數a=(uA,vA,πA)和b=(uB,vB,πB)的距離為
(2)
2.2.3 語言變量型
專家在決策評審過程中經常會給出文字評語,評語表達了專家的真實想法,成為評審的重要依據,將其轉化為模糊數來處理,其評估標度和相應的直覺模糊數如表1所示。
表1 語言變量與直覺模糊數的轉化
Table 1 Transformation of linguistic variables to intuitionistic fuzzy numbers
語言變量標記直覺模糊數極差/極低EP/EL(0.05,0.95,0.00)非常差/非常低VP/VL(0.15,0.80,0.05)差/低P/L(0.25,0.65,0.10)偏差/偏低MP/ML(0.35,0.55,0.10)一般/中等F/M(0.50,0,40,0.10)偏好/偏高MG/MH(0.65,0.25,0.10)好/高G/H(0.75,0.10,0.15)非常好/非常高VG/VH(0.85,0.10,0.05)極好/極高EG/EH(0.95,0.05,0.00)
2.2.4 區(qū)間數型
對于決策過程中的價格等不確定的評價指標,通常采用區(qū)間數來描述,其測度距離定義如下。
定義3 兩個區(qū)間數α=[αL,αU]與β=[βL,βU]的測度距離為
(3)
(4)
(5)
2.3 決策者和準則的權重
2.3.1 決策者權重
事情過去兩天后,項目部副經理開始找我談話。主題是我在這件事情上欠考慮,影響了正常的生產工作。我腦子熱的已經冷靜不下來了,心里倍感委屈,覺得自己并未做錯什么,冷冷地甩下兩句話:“我履行了自己的職責,處罰通報也是經你們同意的,如果你不滿意我的工作,可以換人?!彪S后奪門而出。接下來的幾天時間里,我完全沒有工作的心,每天就在辦公室做做資料,瀏覽一下網頁,再也沒去現場。
決策者對方案評價的不確定程度直接影響最終方案的排序,不確定程度越大則客觀權重應越小。根據信息熵原理來確定決策者客觀權重,定義信任函數為Bs(π),決策者客觀權重為λs,有
(6)
(7)
利用所得權重,根據層次分析法對主觀評價信息集結,然后與客觀評價信息加權組合得到綜合評價矩陣R。
2.3.2 準則權重
對各評價準則采用語言變量進行評價,轉化為直覺模糊數,并參照式(6)和式(7)先求出決策者權重,然后對準則主觀評價值加權求和得到一階矩陣T,在決策者對準則的語言評價中選取一個最優(yōu)評價值,將其轉化成直覺模糊數amax。對一階矩陣T運用熵權法得到各評價準則的權重ωj為
(8)
其中
(9)
式(9)中:tj為T中的元素;d(tj,amax)參照式(2)計算。
2.4 基于VIKOR方法的排序擇優(yōu)
根據供應商評價決策矩陣對供應商進行擇優(yōu),具體如下:
(10)
(11)
(12)
(13)
(14)
式中:S*=maxSi,S-=minSi;R*=minRi,R-=maxRi;v∈[0,1]為決策機制系數,v>0.5表示依據最大化群體效用機制進行決策,v<0.5表示依據最小化個體遺憾機制進行決策,v=0.5表示依據經協(xié)商達成共識機制進行決策。
步驟3 確定折衷方案。根據Si、Ri和Qi對備選方案進行排序,數值越小表示方案越優(yōu)。
如果按照Qi值遞增的方案排序為A(1)、A(2)、…、A(j)、…、A(n),即A(1)為最優(yōu)方案,且同時滿足:①QA(2)-QA(1)≥1/(n-1),其中n為備選方案總數;②方案A(1)依據Si、Ri排序也是最優(yōu)方案,則判定A(1)為穩(wěn)定的最優(yōu)方案。若上述條件不能同時成立,則得到妥協(xié)解方案,這里又分為兩種情況:
(1)若條件①滿足而條件②不滿足,則妥協(xié)解方案有2個:A(1)、A(2);
(2)若條件①不滿足而條件②滿足,則妥協(xié)解方案有j個:A(1)、A(2)、…、A(j),其中,j是根據QA(j)-QA(1)<1/(n-1)確定的最大化j值。
3.1 問題描述及評價數據
目前我國各類熱、冷軋輥和支承輥的年報廢量達到140多萬噸,對廢舊軋輥的再制造利用具有良好的經濟效益。本文以某軋鋼廠廢舊軋輥再制造服務中的表面處理環(huán)節(jié)為例,進行激光表面熔覆服務供應商的選擇決策。
再制造服務平臺中對應有4個潛在供應商(A1,A2,A3,A4),選取最常用的8個供應商評價準則(C1,C2,…,C8)如表2所示,其中,C3和C4為成本型準則,其余為效應型準則,C1~C4為客觀性指標,C5~C8為主觀性指標。
表2 供應商評價準則
由采購、制造、質檢3個部門組成的決策小組(D1,D2,D3)對4個潛在供應商進行評價,同時完成對所選8個評價準則的評價。經調研得到各供應商的客觀性指標的原始數據如表3所示;決策者對各供應商的主觀評價值如表4所示;決策者對各準則的主觀評價值如表5所示,表中評價值表示相應準則的重要程度。
表3 供應商的客觀指標值
表4 供應商的主觀評價值
表5 評價準則的主觀評價值
Table 5 Subjective evaluation values for the evaluation criteria
評價準則D1D2D3C1EGVGEGC2FFMGC3MPPPC4PMPPC5VGEGVGC6GMGFC7MGGGC8MPFF
3.2 基于VIKOR方法的供應商選擇
首先,對表3的客觀指標值按式(1)、式(4)、式(5)進行規(guī)范化處理。然后,利用表1將語言變量轉化為直覺模糊數,列出主觀評價值的π值矩陣,并利用式(6)求出B1(π)=-0.353、B2(π)=-0.366、B3(π)=-0.356,則決策者的權重分別為λ1=0.328、λ2=0.341、λ3=0.331。
根據求出的決策者權重,運用層次分析法對主觀評價信息集結后,與規(guī)范化后的客觀評價信息組合得到綜合評價矩陣,見表6。
表6 綜合評價矩陣
將表5轉化成直覺模糊數矩陣,根據決策者權重將準則評價信息加權求和得到一階矩陣T,選取表5中最優(yōu)評價EG為amax=(0.95,0.05),再由式(8)、式(9)計算出相應的準則權重如表7所示。
表7 評價準則的權重值
根據式(10)和式(11)可得表6中的最優(yōu)值和最差值為:
結合式(2)~式(3)與式(12)~式(14),并取v=0.5,分別計算VIKOR排序值S、R和Q,結果見表8。
表8 各供應商的VIKOR排序值
根據S、R和Q的大小得到的方案優(yōu)劣順序分別為:A2>A1>A4>A3,A2>A1>A3>A4,A2>A1>A3>A4。幾個排序中A2均為最優(yōu)方案,且依照判定形式有QA1-QA2=0.637≥1/(4-1),滿足前述兩個判定條件,因此可以認為供應商A2是該決策模型下的最優(yōu)供應商。
3.3 結果對比分析
為了對比分析,本文還通過常用的決策方法AHP(層次分析法)與TOPSIS(逼近理想解排序法)對該實例進行了求解。由AHP法得出各供應商的評分為(0.9772,0.0071,1.3400,1.1106),由TOPSIS方法得出各供應商的貼近度為(0.0462,0.1182,0.0566,0.0358)。3種方法的決策結果如表9所示。
表9 采用不同方法的決策結果對比
Table 9 Comparison of decision results by different methods
決策方法方案排序(優(yōu)→劣)VIKORA2A1A3A4TOPSISA2A3A1A4AHPA2A1A4A3
3.4 敏感性分析
本文提出的基于VIKOR的供應商決策模型是通過主觀評價方法確定準則權重。下面通過敏感性分析,研究在準則權重發(fā)生變化的條件下,供應商的優(yōu)先排序是否會產生變化以及怎樣變化。
由圖2可見,供應商A2的S、R值在32次實驗中均為最小,即依此排序時A2為最優(yōu)供應商,而在Q值排序中A2在第5、6、13、14、27、28次(約占18%)實驗中不如其他供應商,即對應在準則C2(生產柔性)、C4(采購成本)、C7(技術支持)上的優(yōu)劣排序是是不穩(wěn)定的,這與對應準則權重的 變化相關?從VIKOR 排序值的總體變化來看, 供應商A3與A4在大多數情況下都是排在后兩位, A1則基本維持在第二的位置,這與準則權重擾動前的排序是一致的。綜上,本文決策方法對準則權重的改變相對不敏感,即主觀給定的準則權重值對決策結果影響很小,說明該模型的客觀性和穩(wěn)定性較好。
(a)S值
(b)R值
(c)Q值
Fig.2 Sensitivity analysis of VIKOR ranking values of the suppliers
再制造服務供應商選擇決策可轉化為一個多準則群決策模型,針對一些常用決策方法的不足以及決策者和準則的權重設置具有主觀性和不確定性的問題,本文提出了一種基于混合型VIKOR的供應商決策方法。首先構建了以服務需求者、服務集成商、服務供應商為服務主體,以供應商匹配決策為主導的三階段再制造服務過程模型。然后引用定量準則下的數值型、區(qū)間數型和定性準則下的模糊數型、語言變量型等多種數據類型來描述評價信息,同時使用熵權法和信任函數求得各決策者和評價準則的權重,避免了主觀賦權帶來的二次不確定性。最后通過案例和敏感性分析驗證了所建模型的可行性與穩(wěn)定性。
[1] 徐濱士,董世運,史佩京.中國特色的再制造零件質量保證技術體系現狀及展望[J].機械工程學報,2013,49(20):84-90.
[2] 徐濱士,董世運,朱勝,等.再制造成形技術發(fā)展及展望[J].機械工程學報,2012,48(15):96-105.
[3] 王蕾,夏緒輝,熊穎清,等. 再制造服務資源模塊化方法及應用[J].計算機集成制造系統(tǒng),2016,22(9):2204-2216.
[4] 丁斌,馬海慶.兩級再制造的S-M閉環(huán)供應鏈的決策與績效分析[J].中國管理科學,2015,23(6):118-125.
[5] Wang X F, Wang J Q, Yang W E. Multi-criteria group decision making method based on intuitionistic linguistic aggregation operators[J]. Journal of Intelligent and Fuzzy Systems: Applications in Engineering and Technology, 2014,26(1):115-125.
[6] Ng Wan-Lung. An efficient and simple model for multiple criteria supplier selection problem[J].European Journal of Operational Research, 2008,186(3):1059-1067.
[7] 秦娟,李延來,陳振頌.基于極大熵配置模型與Choquet積分的物流供應商選擇群決策方法[J].計算機集成制造系統(tǒng),2015,21(10):2746-2759.
[8] Wu W Y, Lin C T, Kung J Y. Supplier selection in supply chain management by using fuzzy multiple-attribute decision-making method[J]. Journal of Intelligent and Fuzzy Systems: Applications in Engineering and Technology, 2013,24(1):175-183.
[9] Liu A F. Topsis method for multiple attribute decision making under trapezoidal intuitionistic fuzzy environment[J]. Journal of Intelligent and Fuzzy Systems: Applications in Engineering and Technology, 2014,26(5):2403-2409.
[10]Gül?in Büyük?zkan. An integrated fuzzy multi-criteria group decision-making approach for green supplier evaluation[J]. International Journal of Production Research, 2012,50:2892-2909.
[11]Shemshadi A, Shirazi H, Toreihi M, et al. A fuzzy VIKOR method for supplier selection based on entropy measure for objective weighting[J]. Expert Systems with Applications, 2011,38(10): 12160-12167.
[12]Zhang N, Wei G W. Extension of VIKOR method for decision making problem based on hesitant fuzzy set[J]. Applied Mathematical Modeling, 2013,37(7):4938-4947.
[責任編輯 尚 晶]
VIKOR-based decision-making method for remanufacturing service supplier selection
XiaXuhui,HuJunfeng,WangLei
(Hubei Key Laboratory of Mechanical Transmission and Manufacturing Engineering,fWuhan University of Science and Technology, Wuhan 430081, China)
Remanufacturing service is one of the most important operation management modes to realize product multi-lifecycle. This paper builds a supplier matching decision-making oriented three-stage remanufacturing service process model for the remanufacturing service activities and their combinations. Since evaluation information of the vendors is complex and difficult to quantify, in order to keep its authenticity and practicality, a variety of data types such as interval number, linguistic variable and fuzzy number are used to describe this information. In view of the two types of evaluation criteria including objective and subjective ones and the evaluation information with mixed data types, VIKOR method is used to rank and select the alternatives. Thus the incommensurability of mixed data and the distortion in data conversion are solved, and the compromised optimal solution is more suitable for the actual requirements of the enterprises. To avoid the second uncertainty of subjective weight assignment, belief function and entropy weight method are applied to determine the weights of each decision maker and criterion. Finally, the feasibility and stability of the proposed method for supplier selection are verified by numerical example and sensitivity analysis.
remanufacturing service; supplier selection; VIKOR method; multi-criteria group decision-making; fuzzy number; entropy weight method
2017-03-13
國家自然科學基金資助項目(71471143);武漢科技大學冶金礦產資源高效利用與造塊湖北省重點實驗室開放基金資助項目(2016zy013).
夏緒輝(1966-),男,武漢科技大學教授,博士生導師.E-mail:xiaxuhui@wust.edu.cn
10.3969/j.issn.1674-3644.2017.04.011
C934
A
1674-3644(2017)04-0295-07