电子商务平台下的供应商选择

　　0.引言

　　

　　在现代企业中，企业外购部分的成本占了总成本的绝大部分。在美国的一般企业中，外购的原材料成本通常占产品成本的40%~60%，对于大型汽车企业约占50%，对于高新技术企业可达80%。由此可见，采购部门在企业的运行效率和效果方面起到了关键的作用，它对企业降低成本、增加利润、加强柔性等方面都有直接的影响。因此，供应商选择问题，受到了广泛的重视。

　　

　　供应商选择是一个多目标决策问题，需要对多个供应商在多条相互影响的准则基础上进行评价。Dickson于1966年在273名代理商和管理人员中进行了统计调查，总结了23条准则，基本上涵盖了供应商选择时应当考虑的因素。1991年Weber统计了1966~1991年的74篇文章，重新评价了23条准则在实际应用中的被关注程度。目前的研究一般都是基于Dickson准则完成的。

　　

　　在评价准则的基础上，进行供应商选择采用的算法一般有线性加权（Iinearweighting)、数学规划(mathematicaIprogramming)、人工智能等算法。

　　

　　1.存在的问题

　　

　　目前，对于供应商选择问题的研究一般依托较大的供应链管理系统或决策支持系统，以某一企业为核心研究对象，与企业信息系统紧密结合，企业内信息采集量大，对比较稳定、准确、单一的企业而言，管理者学习采购策略比较多。

　　

　　行业性B2B电子商务平台是面向一个行业提供电子商务服务，向行业中的核心企业提供采购、销售的功能，向配套商（向核心企业)提供销售原材料、零配件服务的功能。当使用此平台的企业达到一定的临界数量时，交易行为出现自组织性后，信息量可以满足平台核心企业对采购决策的需要。

　　

　　行业性B2B电子商务平台中的采购决策系统，由于参与企业多，交易信息丰富，企业内部信息少；决策者类型丰富、决策策略多样。因此，不能单纯依托单一企业数据、以生产数据为核心进行研究，需要参照行业性B2B电子商务平台的特点进行改造。

　　

　　针对行业性B2B电子商务平台的特点，本文设计了一种供应商选择系统，并已应用于某摩托车电子商务平台。

　　

　　2.行业性B2B电子商务平台环境下的供应商选择系统模型

　　

　　文献提出了一种供应商选择系统，该系统又分为供应商管理系统、企业管理策略管理系统和供应商选择系统三个部分，并且给出了一般的系统构建方法。相比之下，行业性B2B电子商务平台环境下的供应商选择系统，既有某些类似，也有改进和独特之处：

　　

　　!由供应商管理系统向B2B电子商务平台中的销售厂商信息管理系统转移；

　　

　　!由企业管理策略管理系统向采购人员的评价习惯积累系统转移；

　　

　　!增加B2B电子商务平台中各采购者对销售商的协同评价系统；

　　

　　!结合B2B电子商务平台的配套市场系统，实现厂商模糊搜索系统；

　　

　　!相关的订单处理、库存处理系统。

 

　　在这个系统中进行供应商选择决策，首先要根据产品数据查找能够提供所需产品的供应商，然后根据必须的条件进行预选择，再采用选择算法进行选择。选择结束后，对于采购者的采购习惯进行积累，交易结束后，采购者对供应商进行协同评价。该系统考虑了行业性B2B电子商务平台的具体特点和自身约束，设计了独特的部分。

　　

　　厂商的模糊搜索与预选择系统，用于从配套市场中根据所需产品搜索厂商，作为供应商选择输入。在一般供应商选择决策支持系统中，可供选择的供应商来自配套企业和企业信息库，数据描述规范单一，范围界限明显。但是，在B2B电子商务平台中，产品的种类、描述不容易保持规范，产品容易相互交叉，有必要建立模糊的搜索系统，既保证足够的查全率,又保证一定的查准率，为进一步供应商选择过程提供足够的信息源。

　　

　　供应商协同评价系统，用于积累供应商的信誉、交易量、交货拖期时间、服务等信息，作为选择供应商时的评价依据。一般来说，采购商不可能和每个供应商都发生交易关系。在一般供应商选择系统中，都要维护一个供应商信息库，存储各个供应商的信息。对于行业性B2B电子商务平台基础上的供应商选择系统而言，它的优势在于不同企业的评价信息可以共享，采购者可以从别人的交易经验中获得知识，指导自己的采购过程。这不仅可弥补单个企业信息不足的局限，还起到了行业性宣传和监督的作用，充分发挥了信息化的优势。

　　

　　企业采购策略和习惯积累系统，是将企业采购者某些特殊重视的评价准则，或者某些特殊的习惯加以积累，进一步提高决策系统推荐的准确性。由于来自企业内部的信息比较少，不能期望在决策系统运行前对采购者的习惯进行学习，于是面向行业性B2B电子商务平台的供应商选择系统，采用系统运行使用过程中学习的方法。供应商协同评价系统和企业采购策略及习惯积累系统，在空间和时间两个尺度上积累信息，结合了行业性B2B电子商务平台的自身特点，提高了评价的有效性。

　　

　　3.行业性B2B电子商务平台下的供应商选择关键问题

　　

　　3.1基于模糊搜索的厂商预选择

　　

　　行业性B2B电子商务平台中的供应商选择，要求通过产品搜索到供应企业。配套市场产品种类繁多、商品丰富，搜索功能应该能够辅助采购者快速、准确地找到需要的商品及供应者，进行选择购买。目前实际应用的电子商务平台系统的搜索功能一般比较简单，大多是在数据库中，在产品名称、厂家等字段进行“包含”查找操作。查找的结果一方面准确性差，容易包含许多企业不需要的产品；另一方面也容易遗漏，将许多词义相同、词形不同的商品忽略。在行业性B2B电子商务平台中，企业分别输入产品的信息，难以进行过分严格的语法限制。同时搜索的内容也不容易进行限制，这就给准确搜索带来了难度。用户查找好商品后，还要进行供应商对比选择等工作。在这种情况下，提高搜索的“查全率”和“查准率”更显得必要。

　　

　　根据这一需求，本文设计了搜索算法和削减算法，如图4所示。在搜索算法中，首先进行同义词扩张，将用户输入的一个查找项扩展成为多个，扩大搜索的范围。同义词扩张后，对于每一个同义词分别进行搜索，首先进行种属定位，缩小查询范围，提高查准率。即进行预查询，确定商品所处的种类位置，对于“距离”较远的种类，由用户进行选择，去除“形近义远”的情况。其中距离定义为：=2m+n。其中，S={在目录树上从a到b的路径}，n={在目录树上上升的步数}，m={在目录树上下降的步数}。因为在目录树上上升是进入父类，而下降是进入另一个子类，所以下降距离定义较长。

　　

　　定义了五种查找方式，相对来讲，范围逐渐放宽，目的是获得五个范围逐渐扩大的查找结果，并且在这所有结果的合并中选取一个合适的子集，作为查找结果。

　　

　　对于每一种查找方式查找的结果，按照查找属性的类型(数字和字符）以及属性的值，再进行一次削减，以期尽量排除无关结果。每一个词条都得到5个结果集，对于多个词条的结果进行合并，削减不同词条和同一词条不同查找方式一样的结果。最后，将n个词条的5n个结果集进行排序，按照查找方式的优先级排队，所得结果靠前的为相关度较高的，靠后的为相关度较低的。得到的产品表对应的企业表就是所需要的能够提供所需产品的企业。

　　

　　为了简化选择算法的计算，有必要对结果进行进一步削减，目的是保留想要的，然后施加条件约束进行削减，不断循环，直至保留的产品数目达到一定数量为止。这是一个“must”类型的预选择算法。

　　

　　3.2 供应商选择的AHP算法及其参数学习

　　

　　进行供应商选择的算法很多。其中，线性加权算法是应用最多的，有很多改进算法。如CostRatio方法;Multi-AttributeUtilityTheory(MAUT)方法。目前研究比较活跃的是AHP(anaiytichierar?chyprocess)算法和ANP(anaiyticnetworkprocess)算法。

　　

　　数学规划方法则偏重定量准则的准确计算，客观性较高、主观性较低，如线性规划方法、多目标规划方法、混合整数规划方法等。此外，还有将两者结合的算法、神经网络方法、数据包络方法、基于实例的推理（Case-based-rea-soning，CBR)方法等。

　　

　　本文采用层次分析法作为本系统的核心算法。层次分析法是美国着名运筹学家匹兹堡大学教授I.L.SaatyC赛惕）于20世纪70年代中期提出的，是一种将定性分析与定量分析相结合、定性问题定量化的实用决策方法。

　　

　　AHP算法的基本思想是将一个复杂的多规则评价问题，分解为层次状的若干个因素的组合，对同一层次上的因素，通过成对的重要程度比较，组成比较矩阵。如果矩阵基本满足对称性、一致性、传递性，矩阵主特征值和主特征矢量元素就可以表示各评价因素的优先关系。结合不同层次间的优先关系，可以对决策问题形成由各个影响因素组成的评价模型。

　　

　　采用AHP算法，应当针对决策对象选择合适的评价准则。本文主要参考Dickson总结的23条准则(既包括了易于量化的因素，如价格等，也包括主观性比较强的准则，如信誉等）以及1997年华中理工大学管理学院CIMS-供应链管理课题组调查的国内企业关注的准则。

　　

　　针对AHP算法，以及协同评价系统的需要，设计了动态的层次树建立数据结构，行业性B2B电子商务平台管理员针对本平台的行业和特色，动态设计评价的层次树。平台下的所有企业因为要采用协同评价系统，需要使用同一评价层次树，但是，可以根据各个企业评价习惯积累的不同，调整各个评价准则的参数。图5给出了一个摩托车供应市场的评价层次树对于准则中的非数值型参数评分采用Saaty的9分量化法，对于数值型参数评分可以使用评分相除法。

　　

　　各个采购商使用的评价准则所占比重变化较小，本文采取针对不同类型厂商（如JIT等）建立几组共性较强的参数。各个采购商可以从与自己类似的类型入手，进行适当的修改得到自身的评价准则权重表。在使用过程中，对于AHP算法的评分和用户的最终选择进行比较学习，对各个准则权重进行微调一一供应商选择系统的自学习模块。

　　

　　对于准则权重的学习分为下列几种：用户指定加分属性，即供应商的某属性得到了用户的特别重视,则此准则的权重得到增长;用户不指定加分属性，根据用户的多次选择过程，可以评判用户的倾向，则相应准则的权重得到增长;用户不指定加分属性，根据用户的多次选择过程不能评判用户的倾向，说明指定采购商得到用户的特别重视，相应供应商得到特别加分处理。

　　

　　3.3供应商选择的协同评价

　　

　　供应商的系统评价是对行业性B2B电子商务平台中交易信息在空间尺度上的积累。由于供应商选择算法是以AHP算法为基础，协同评价中的信息收集主要包括以下内容：

　　

　　(1) 某采购商对某供应商在某准则方面的评述;

　　

　　(2) 某采购商在某准则方面对供应商的打分；

　　

　　(3) 某采购商和某供应商交易成功与否及原因的信息；

　　

　　(4) 某采购商和某供应商交易的批量频率等其他信息；

　　

　　(5) 某采购商对某供应商的主观评述。

　　

　　其中（1)、(2)、（3)的信息在进行统计和归一化后，在采购商进行AHP评分时，直接向采购商进行反馈。（4)、（5)的信息在AHP评分结束后，采购商在选择前向采购商进行反馈。

　　

　　在行业性B2B电子商务平台下的供应商选择系统中，每个企业都拥有多名采购员，于是协同评价的信息就分为企业内部和企业外部两大类。对于本企业反馈的信息，采购员可以看到较详细的信息，并且对评价过程影响较大。对于其他企业反馈的信息，一方面进行统计综合处理，如（1)、（2)将独立的评分转化成为分值的分布；另一方面有些对企业比较重要的信息(如交易时间、交易量），其他企业采购员得不到。此外，采购商对某供应商的主观评述，从企业采购员的角度，也是一种两面的信息，采购者可以根据企业间联盟关系等信息进行主观评判。

　　

　　4.实现与总结

　　

　　在摩托车行业性电子商务平台用户角色管理系统上，该系统集成了电子商务平台的知识，提供了从模型建立、算法实现、参数优化、协同评价与订单处理的统一连续的决策支持与信息反馈、学习积累的过程。图6以一个发动机选择，演示了供应商选择过程。系统在提供给企业对配套市场全面、准确、快速搜索的基础上，实现采购决策的预选择；在以AHP算法为核心的评分决策的过程中，进行知识库反馈和辅助决策;在电子商务平台商务订单交易的基础上进行参数学习和协同评价信息积累。

　　

　　基于Web的程序具有通用性强、人机界面简单、企业逻辑和表现分离的特点。本文将参数的计算和知识库的转化放在服务器端，客户端进行人机交互和数据预处理,计算结果通过HTTP协议传递。

　　

　　决策过程是一个连续的过程，系统采用SessionBean，保证同一个用户进行评价的过程进度，避免出现同一用户多评价过程。在用户选择参数优化上，采用自主选择的方法，保证系统参数改良、学习和历史延续的统一。这些方法克服了灵活使用Web类程序带来的负面影响。

 

作者简介：李昕（1978 - ），男，河北阜城人，清华大学自动化系硕士研究生，主要从事现代集成制造系统、电子商务、供应链、控制等研究。