供應商選擇是供應鏈采購決策的一項重要內容。對大多數企業來說，采購成本占產品總成本的70％以上，合理的選擇供應商將降低企業成本、增加企業柔性、提高企業的競爭力。目前供應商選擇的研究工作主要集中在選擇方法和評價指標上，對評價數據的來源研究較少。由于影響供應商選擇的因素有很多，評價數據的來源大致分為2類：專家打分法(定性)、統計當前和歷史的客觀數據(定量)。用來選擇的評價數據的獲取多采用人工收集的方式，效率不高且費時，這樣就導致評價間隔時間較長，數月評價一次，而在此期間可能有多次采購活動，因此，評價的時效性不強。
動智能體技術，可自動的從供應商處獲取評價數據，將數據采集的時間問隔縮短，提高了數據的時效性，實現了供應商的自動選擇。但該方法使得用于評價的指標偏少，且僅考慮了定量的情況。本文提出使用移動智能體自動獲取評價數據的同時，引入信息可信度、AHP，增加評價指標，考慮評價數據的時效性后，再從定量和定性兩方面來進行評價。
1 基于移動智能體的供應商評價數據收集模型
1.1 移動智能體在供應鏈中的應用
移動智能體系統是一個代替人或其他程序執行某種任務的程序，它在復雜的網絡系統中能自主地從一臺主機移動到另一臺主機，該程序能夠選擇何時、何地移動。在移動時，該程序可以根據要求掛起其運行，然后轉移到網絡的其他地方重新開始或繼續其執行，最后返回結果和消息，其技術優勢包括：①節約網絡帶寬；②封裝網絡協議；③支持異步自主執行；④支持平臺無關性；⑤易于分發服務；⑥支持實時的遠程交互；⑦具有動態適應性；⑧增強應用的魯棒性和容錯能力。
鑒于移動智能體的以上技術優勢，很多學者將其應用引入到供應鏈管理之中。劉西林等針對供應鏈管理模式的動態性和不確定性特點，將移動Agent引入智能分布式供應鏈系統，建立了基于移動智能體供應鏈系統運行體系。王崇海等給出了基于移動智能體的物流管理系統的體系結構、物流實體行為交貨過程及物流服務移動智能體的BPG規范化模型，并開發了應用系統。Trappey等使用移動智能體技術開發了基于互聯網的跨企業物流服務跟蹤系統。ChiBin Cheng等提出使用移動智能體技術在供應商與核心企業之間傳遞信息，獲取訂單相關信息，根據交貨及生產等情況來自動的選擇供應商，并對訂單進行了跟蹤。
1.2 基于移動智能體的供應商評價數據收集模型
由于供應鏈環境的分布性、異構性、動態性、跨組織性，在目前多采取人工的方式對供應商的評價數據進行收集。而供應商的數量和評價指標較多，導致溝通成本高，時間漫長。
移動智能體可以較好的解決分布、異構、動態環境下的信息檢索任務，本文給出了一個基于移動智能體的供應商評價數據收集模型，如圖1所示。
圖1 基于移動Agent的供應商評價數據收集模型
在圖1中，數據收集中心根據用戶輸入，生成查詢agent，遷移到供應商數據中心及本地數據服務器查詢相關數據，查詢完畢后，agent將結果返回。
主計算環境的組成結構如圖2所示。子計算環境的組成結構如圖3所示。下面詳細說明這些agent的主要作用。
圖2 主計算環境
圖3 子計算環境
用戶界面agent：主要負責與用戶交互。一方面負責接受用戶的輸入，獲取查詢條件；另一方面將查詢的信息輸出給用戶。
任務agent：一方面，根據用戶界面agent的輸入，向本體agent發送信息，并根據其反饋信息，向移動agent管理器發出相關指令；另一方面，接受移動agent管理器反饋的查詢信息，向用戶界面agent反饋。
本體agent：主要為了解決供應商之間語義的異構性，它為查詢提供術語概念上的一致性。
移動agent管理器：主要與任務agent交互，根據具體任務，主要負責創建或銷毀相關MA。接收任務agent的輸入或向其輸出相關信息。
MA：負責移動到指定計算環境，并攜帶相關查詢信息。
搜索agent：主要負責根據接收到的指令在信息數據庫中查詢相關信息，并將查詢結果返回給MA。
2 供應商評估
2.1 信息可信度
將時間序列T表示為(t0，t1，...，tn)。形表示數據的可能的結果總數，是時間t的函數，用結果函數，(t)表示。Wm,min表示第m項指標的最小可能結果總數，Wm,min = f (t0)；Wm,max表示第m項指標的最大可能結果總數；Wm,max = fm (fmax)，顯然fm(t0) < fm(fmax)。
假設每種結果發生的概率相同，根據信息熵理論，第m項指標的信息量可表示為：
根據定義1，第0時刻其信息可信度Dm,0為1，隨著時間的增加而遞減。
2.2 基于AHP與信息可信度的供應商評估
層次分析法(AHP)是一種定性與定量分析相結合的多目標決策分析方法。該方法簡單、實用、有效，得到了廣泛的運用。這種方法充分發揮人的主觀能動性，在不確定的環境下，依據人的經驗、直覺和洞察力作出判斷，把一些定性的因素以定量的形式表示出來。在本文中，假設已由評價矩陣A求得指標權重，結合信息可信度的概念，給出基于AHP與信息可信度的供應商評估算法，步驟如下：
步驟1：由業務人員給定時間序列t及結果函數f(t)；
步驟2：根據時間變量t計算結果函f(t)；
步驟3：通過式(1)計算各指標在第i時
步驟5：計算各層次指標單排序，使用ω'計算綜合評估總排序；
步驟6：算法結束。
算法考慮了評價數據的時效性，通過時間變量計算出評價數據的可信度，通過可信度重建指標權重，最后計算出綜合評價總排序。在評價數據獲取時間周期不一致的情況下，可以較好的完成評價任務。
3 案例分析
中國西部某企業是以批量訂貨模式為主的生產型制造公司。當企業獲得訂單后，需要準備30余種原材料及零部件。準備原材料及零部件中的重要丁作就是選擇供應商(在此考慮的供應商均與該企業建立了合作伙伴關系)；某些零件需要在20多家供應商之中進行選擇。在評價的指標中有的需要在供應商處進行現場審核，有的需要專家對供應商提供的資料進行打分，有的需要供應商提供如價格、生產能力、供貨能力、產品不良率等可以在其ERP中查找的數據。顯然，這些評價指標的收集有的非常耗時，有的則很快。目前該企業2個月進行一次供應商的評價，而在此期間可能有幾十次的采購任務。對于今天瞬息萬變的市場來說，需要進行多次評價。根據上面的方法，提出基于移動智能體的供應商評價系統解決這一問題，系統評價流程如圖4所示。
圖4 供應商評估流程
在本文中，結果函數的定義使用簡單的一次線性函數，如圖5所示；已建立層次分析結構模型，并通過評價矩陣求得t0時刻綜合評價總排序，如表1所示。
圖5 結果函數
表1 t0時刻綜合評價總排序
其中批次合格率、產品不良率、生產能力、價格使用基于移動agent的供應商評價數據收集模型來獲取評價數據，周期T1為3天，而交付能力、質量體系、現場評估、服務這4個指標主要通過專家打分的方式來獲取，周期T2為60天。供應商3天評價一次，因此周期T1的指標信息可信度一直為1，而根據指定的結果函數可知：交付能力、質量體系、現場評估、服務這4個指標的可信度在T2周期內不斷降低，如圖6所示。使用本文給出的算法可計算出綜合評價總排序，如圖7所示。
圖6 T2周期內的可信度
圖7 T2周期內的綜合評價總排序
通過計算各指標的層次單排序，結合每一時刻的綜合評價總排序，便可以得到該時刻的供應商評價排名。
4 結論
供應商的評估是供應鏈采購的關鍵環節之一。指標的確定、評價數據的獲取、評價方法的選擇是供應商評估的主要工作。使用基于移動智能體技術在供應商和采購商之間建立聯系，可以方便快速的獲取評價數據。但定性指標只能人為的獲取，導致數據的時效性獲取不一致，基于AHP與信息可信度的算法可以較好的解決這個問題，縮短了評價周期。
轉載請注明出處：拓步ERP資訊網http://m.hanmeixuan.com/
本文標題：基于移動智能體的供應商評估方法研究
相關文章
