论文部分内容阅读
摘要:本文根据数据包络分析(Data Envelopment Analysis, DEA)法(以下简称DEA法)的基本原理,在对此法进行分析的基础上,提出在运用该方法进行物流服务供应商筛选时应引入层次分析法(Analytic Hierarchy Process, AHP)和主因子提取法,建立DEA法改进的物流服务供应商筛选模型,从而弥补单纯运用DEA方法的不足,为物流服务需求方选择物流服务供应商提供一套行之有效的方法。
关键词:物流服务供应商;指标体系;层次分析法;数据包络分析
中图分类号:F252.8 文献标识码:A
物流是企业价值创造和价值实现的关键环节,随着物流理论及实践在我国的深入和发展,物流外包趋势愈发明显。但在实践中,物流外包也会带来一系列的经营风险,其中绝大多数风险的根源在于没有选中合适的物流服务供应商,因此,合理评价与筛选物流服务供应商,就成为物流服务需求企业在进行物流外包前的一项十分重要的工作。
一、物流服务供应商筛选方法现状分析
目前国内外对物流服务供应商筛选的研究比较多,采取的方法也是多种多样,但大致可以分为非精确的主观经验法和精确的客观定量分析两种。
主观经验法是在对物流服务供应商选择评价的决策中充分发挥人的智慧作用,通过主观分析和判断,对筛选决策方案作出评价和选择的方法,主要有评分法、分等级法、加权评分法等,这类方法的优点是简单直观,易于使用,不足之处在于评价结果很大程度上取决于专家的水平以及对供应商的认知程度。
客观定量法是一种建立在数学模型和计算基础上的评价选择方法,运用统计学、运筹学、计算机等科学技术和方法,把评价变量和目标的关系用数学关系式表示出来,通过计算、评价和比较,选择较优方案。就物流服务供应商筛选研究来说,主要有层次分析法(Analytic Hierarchy Process, AHP)、模糊综合评价法(Fuzzy Comprehensive Evaluation, FCE)、数理统计方法、数据包络分析方法(Data Envelopment Analysis, DEA)等。这些方法各有千秋,相同点在于都能较为客观地对待选对象进行评判,但不可否认的是,每种方法都存在一定的缺陷。表1-1为几种评价方法的优劣比较。
由于每种方法的评价机理不同,同一资料的评价结果也很可能不同,人们没有任何依据认为某一种方法一定是最优的,最多只能假定被评价单位的真实水平或真实排序被包含在这些不同的评价方法之中。此外,物流服务供应商的筛选显然是一种典型的动态非结构化决策问题,单种结构化算法的运用缺乏动态性,目前运用的方法大多是基于一种单一的静态模型,难以准确地解决这类动态的非结构化决策问题。
因此,本文认为有必要把不同的方法结合起来进行评价,采用定量与定性相结合的方法,从而克服单纯运用某种方法的不足。在选择物流服务供应商时将数据包络分析法和层次分析法和结合起来,会使选择的结果更加科学、合理、有效。
二、DEA法概述
1.DEA法的基本原理
数据包络分析法(Data Envelopment Analysis, DEA)是由美国著名的运筹学家A.Charnes和W.W.Cooper等人以相对效率概念为基础而创建的一种系统分析方法,用于研究多投入-多产出的决策单元(Decision Making Units,DMU)的相对有效性。数据包络分析法自1978年提出第一个模型-C2R模型到现在已有近30年的历史。该法采用数学规划模型来比较决策单元(Decision Making Unit,DMU)之间的相对效率,对决策单元做出评价。通过输入和输出数据的综合分析,DEA法可以得出每个DMU综合效率的数量指标。据此将各DMU定级排队,确定有效(即相对效率高)的DMU,并指出DMU非有效的原因和程度,给主管部门提供管理(决策)信息。此外,DEA法还能判断各DMU的投入规模是否适当,并给出各DMU调整投入规模的正确方向和程度。
假设在实际观测值基础上得到一个参考集,其中决策单元(DMU)为7个,输入为 ,输出为y,如表2-1所示:
由上图可以看出,把点 连接起来,再加上引伸出来的垂直、水平线,可以得到一个由部分DMU构成的分段线型的“最小凸包”,而所有的 都位于这个“最小凸包”的右上方。图2-1中分段线的“最小凸包”是在有限多个实际观测值基础上构成的输入可能集的最理想的边界。凡在此边界上的DMU,如果要保持输出量不变,已不能使其各输入量按某一定比例减少,即为“有效”(相对的);而不在此边界上的DMU,在保持原输出水平的前提下,可使其各输入分量有所减少,或者以现在的输入量,应该得到更多的输出量。
2.DEA法的优点及缺陷
DEA法的优点在于:
(1)可以用来处理多个投入、多个产出的决策单元的相对效率测算与评价问题,这为一般的多元统计回归方法所不及,因而DEA方法的适用范围更广。
(2)DEA法在测算若干决策单元的相对效率时注重的是对每一个决策单元进行优化,所得出的相对效率是其最优值,所得出的权重也是最优的,而统计回归注重的是对整体(所有决策单元)的优化,因而是一种“平均优化”,难免会掩盖某些决策单元的个性特征。
(3)DEA不需要事先决定决策单元的具体投入产出函数形式,而这在统计回归方法中就显得是必不可少的。通常确切的函数形式又难于确定,即便能够确定,对于单位无法统一的投入产出的各分量也难于实量描述,有关参数也是很难确定的。
(4)对于非DEA有效的决策单元,不仅能够指出有关指标的调整方向是增加还是减少,而且能够给出具体的数量,以确保它们在作此调整之后能够达到DEA相对有效。
DEA法的局限性在于:
○1DEA法只能粗略地把DMU的效率分成三个等级,对于同为DEA有效的DMU,模型的结果认为是一样的好。此外,综合决策是个复杂的过程,依旧要考虑人为的经验因素,因此,有必要在单纯应用DEA方法的基础上考虑定性指标的应用。
○2运用DEA方法非常强调指标间的低相关性,因此,在运用DEA方法之前必须首先确保指标间是不相关或者低相关的,但由于在对某一经济事物进行评价时往往涉及的指标数量比较多,在一定程度上不可避免地会出现指标相关的情况,所以还需要借助其他分析方法解决此类问题。
3.DEA法改进的可行性及基本思路
对物流服务供应商进行评价,是为了选择出最适于企业的合作伙伴,备选对象的投入产出比是一个较恰当的评价标准,并且可以将指标分为输入指标和输出指标,因此采用DEA法作为物流服务供应商的评价方法是可行的。对于DEA 法存在的缺陷,如对定性指标考虑不够和要求指标之间的低相关性,可以结合AHP和因子分析法来克服其不足之处。在DEA方法的基础上结合这两种方法的运用, 将单纯运用DEA或AHP带来的局限性降到最低。
三、基于DEA改进的物流服务供应商选择
在物流管理中企业若决定将物流业务外包给物流服务供应商,就将面临在众多的物流服务供应商中做出选择以适应和满足自身需求的问题。在筛选过程中企业应该遵循经济性、安全性、及时准确性、适应性和互惠性原则,具体来说,必须充分考虑物流成本、经营效果、作业效率和技术水平、物资实力等方面的条件因素。
1.物流服务供应商评价指标体系的建立
在进行物流服务供应商筛选时应综合考虑定性和定量两大类指标。
定性指标是为了反映物流服务供应商的一些难以一次性对其进行量化的综合素质指标,其中信誉状况、发展潜力、企业文化和合作关系是四个最主要的指标。而对于定量指标,本文则是依照时间、质量、效率、成本来划分。此外,根据DEA方法的运用条件,本文又将定量指标根据其特性分为输入变量和输出变量两大类。输入变量,又称控制变量,即物流服务供应商完成某种绩效的途径(如投入的资金等);输出变量,即第三方物流企业的输出数据,该部分主要包括运作质量绩效、技术绩效、合作绩效等方面的指标。具体的指标体系如表3-1所示。
2.DEA法改进中定性指标的AHP法排序
本文将AHP法作为整个DEA法改进的一部分,主要是为了将物流评价中的定性指标进行量化,实现候选企业的基本面评估,以此来消除DEA方法对定性指标考虑不足的问题。
(1)建立物流服务供应商综合素质评价的AHP模型层次结构
由于本文的AHP模型只是对物流外包的物流服务供应商的综合素质进行定性的评价,所以建立的层次结构也相对简单,结合上文选择的信誉状况、发展潜力、企业文化和合作关系四个指标,建立了如图3-1所示的层次结构。
(2)构造判断矩阵
根据图3-1所示的层次结构,就可以在各层方案中进行两两比较,构造比较判断矩阵。判断矩阵表示针对上一层次因素,本层次与之有关因素之间相对重要的比较。对于n个元素来说,得到两两比较矩阵 ,其中 表示因素i和j相对于目标重要值。
关键词:物流服务供应商;指标体系;层次分析法;数据包络分析
中图分类号:F252.8 文献标识码:A
物流是企业价值创造和价值实现的关键环节,随着物流理论及实践在我国的深入和发展,物流外包趋势愈发明显。但在实践中,物流外包也会带来一系列的经营风险,其中绝大多数风险的根源在于没有选中合适的物流服务供应商,因此,合理评价与筛选物流服务供应商,就成为物流服务需求企业在进行物流外包前的一项十分重要的工作。
一、物流服务供应商筛选方法现状分析
目前国内外对物流服务供应商筛选的研究比较多,采取的方法也是多种多样,但大致可以分为非精确的主观经验法和精确的客观定量分析两种。
主观经验法是在对物流服务供应商选择评价的决策中充分发挥人的智慧作用,通过主观分析和判断,对筛选决策方案作出评价和选择的方法,主要有评分法、分等级法、加权评分法等,这类方法的优点是简单直观,易于使用,不足之处在于评价结果很大程度上取决于专家的水平以及对供应商的认知程度。
客观定量法是一种建立在数学模型和计算基础上的评价选择方法,运用统计学、运筹学、计算机等科学技术和方法,把评价变量和目标的关系用数学关系式表示出来,通过计算、评价和比较,选择较优方案。就物流服务供应商筛选研究来说,主要有层次分析法(Analytic Hierarchy Process, AHP)、模糊综合评价法(Fuzzy Comprehensive Evaluation, FCE)、数理统计方法、数据包络分析方法(Data Envelopment Analysis, DEA)等。这些方法各有千秋,相同点在于都能较为客观地对待选对象进行评判,但不可否认的是,每种方法都存在一定的缺陷。表1-1为几种评价方法的优劣比较。
由于每种方法的评价机理不同,同一资料的评价结果也很可能不同,人们没有任何依据认为某一种方法一定是最优的,最多只能假定被评价单位的真实水平或真实排序被包含在这些不同的评价方法之中。此外,物流服务供应商的筛选显然是一种典型的动态非结构化决策问题,单种结构化算法的运用缺乏动态性,目前运用的方法大多是基于一种单一的静态模型,难以准确地解决这类动态的非结构化决策问题。
因此,本文认为有必要把不同的方法结合起来进行评价,采用定量与定性相结合的方法,从而克服单纯运用某种方法的不足。在选择物流服务供应商时将数据包络分析法和层次分析法和结合起来,会使选择的结果更加科学、合理、有效。
二、DEA法概述
1.DEA法的基本原理
数据包络分析法(Data Envelopment Analysis, DEA)是由美国著名的运筹学家A.Charnes和W.W.Cooper等人以相对效率概念为基础而创建的一种系统分析方法,用于研究多投入-多产出的决策单元(Decision Making Units,DMU)的相对有效性。数据包络分析法自1978年提出第一个模型-C2R模型到现在已有近30年的历史。该法采用数学规划模型来比较决策单元(Decision Making Unit,DMU)之间的相对效率,对决策单元做出评价。通过输入和输出数据的综合分析,DEA法可以得出每个DMU综合效率的数量指标。据此将各DMU定级排队,确定有效(即相对效率高)的DMU,并指出DMU非有效的原因和程度,给主管部门提供管理(决策)信息。此外,DEA法还能判断各DMU的投入规模是否适当,并给出各DMU调整投入规模的正确方向和程度。
假设在实际观测值基础上得到一个参考集,其中决策单元(DMU)为7个,输入为 ,输出为y,如表2-1所示:
由上图可以看出,把点 连接起来,再加上引伸出来的垂直、水平线,可以得到一个由部分DMU构成的分段线型的“最小凸包”,而所有的 都位于这个“最小凸包”的右上方。图2-1中分段线的“最小凸包”是在有限多个实际观测值基础上构成的输入可能集的最理想的边界。凡在此边界上的DMU,如果要保持输出量不变,已不能使其各输入量按某一定比例减少,即为“有效”(相对的);而不在此边界上的DMU,在保持原输出水平的前提下,可使其各输入分量有所减少,或者以现在的输入量,应该得到更多的输出量。
2.DEA法的优点及缺陷
DEA法的优点在于:
(1)可以用来处理多个投入、多个产出的决策单元的相对效率测算与评价问题,这为一般的多元统计回归方法所不及,因而DEA方法的适用范围更广。
(2)DEA法在测算若干决策单元的相对效率时注重的是对每一个决策单元进行优化,所得出的相对效率是其最优值,所得出的权重也是最优的,而统计回归注重的是对整体(所有决策单元)的优化,因而是一种“平均优化”,难免会掩盖某些决策单元的个性特征。
(3)DEA不需要事先决定决策单元的具体投入产出函数形式,而这在统计回归方法中就显得是必不可少的。通常确切的函数形式又难于确定,即便能够确定,对于单位无法统一的投入产出的各分量也难于实量描述,有关参数也是很难确定的。
(4)对于非DEA有效的决策单元,不仅能够指出有关指标的调整方向是增加还是减少,而且能够给出具体的数量,以确保它们在作此调整之后能够达到DEA相对有效。
DEA法的局限性在于:
○1DEA法只能粗略地把DMU的效率分成三个等级,对于同为DEA有效的DMU,模型的结果认为是一样的好。此外,综合决策是个复杂的过程,依旧要考虑人为的经验因素,因此,有必要在单纯应用DEA方法的基础上考虑定性指标的应用。
○2运用DEA方法非常强调指标间的低相关性,因此,在运用DEA方法之前必须首先确保指标间是不相关或者低相关的,但由于在对某一经济事物进行评价时往往涉及的指标数量比较多,在一定程度上不可避免地会出现指标相关的情况,所以还需要借助其他分析方法解决此类问题。
3.DEA法改进的可行性及基本思路
对物流服务供应商进行评价,是为了选择出最适于企业的合作伙伴,备选对象的投入产出比是一个较恰当的评价标准,并且可以将指标分为输入指标和输出指标,因此采用DEA法作为物流服务供应商的评价方法是可行的。对于DEA 法存在的缺陷,如对定性指标考虑不够和要求指标之间的低相关性,可以结合AHP和因子分析法来克服其不足之处。在DEA方法的基础上结合这两种方法的运用, 将单纯运用DEA或AHP带来的局限性降到最低。
三、基于DEA改进的物流服务供应商选择
在物流管理中企业若决定将物流业务外包给物流服务供应商,就将面临在众多的物流服务供应商中做出选择以适应和满足自身需求的问题。在筛选过程中企业应该遵循经济性、安全性、及时准确性、适应性和互惠性原则,具体来说,必须充分考虑物流成本、经营效果、作业效率和技术水平、物资实力等方面的条件因素。
1.物流服务供应商评价指标体系的建立
在进行物流服务供应商筛选时应综合考虑定性和定量两大类指标。
定性指标是为了反映物流服务供应商的一些难以一次性对其进行量化的综合素质指标,其中信誉状况、发展潜力、企业文化和合作关系是四个最主要的指标。而对于定量指标,本文则是依照时间、质量、效率、成本来划分。此外,根据DEA方法的运用条件,本文又将定量指标根据其特性分为输入变量和输出变量两大类。输入变量,又称控制变量,即物流服务供应商完成某种绩效的途径(如投入的资金等);输出变量,即第三方物流企业的输出数据,该部分主要包括运作质量绩效、技术绩效、合作绩效等方面的指标。具体的指标体系如表3-1所示。
2.DEA法改进中定性指标的AHP法排序
本文将AHP法作为整个DEA法改进的一部分,主要是为了将物流评价中的定性指标进行量化,实现候选企业的基本面评估,以此来消除DEA方法对定性指标考虑不足的问题。
(1)建立物流服务供应商综合素质评价的AHP模型层次结构
由于本文的AHP模型只是对物流外包的物流服务供应商的综合素质进行定性的评价,所以建立的层次结构也相对简单,结合上文选择的信誉状况、发展潜力、企业文化和合作关系四个指标,建立了如图3-1所示的层次结构。
(2)构造判断矩阵
根据图3-1所示的层次结构,就可以在各层方案中进行两两比较,构造比较判断矩阵。判断矩阵表示针对上一层次因素,本层次与之有关因素之间相对重要的比较。对于n个元素来说,得到两两比较矩阵 ,其中 表示因素i和j相对于目标重要值。