《cm4合作伙伴选择》PPT课件.ppt

西陆直升机有限公司（WHL）的供应商选择 马丁波特，彩色显示发生器项目 业务： 向全球市场提供全套直升机系统和客户支持服务。 （1）设计、开发、制造军用直升机和相关武器系统、系统集成 （2）可靠性和快速修理 18个国家，1000多架飞机 n合作伙伴评价指标的确定 n合作伙伴评价方法的确定 一、评价指标体系的建立 建立原则 系统全面性原则 简明科学性原则 稳定可比性原则 灵活可操作性原则 Dickson 的23条准则 170 Yahya Kingsman(16) n马士华： n企业业绩、业务结构与生产能力、质量 系统与企业环境 以制造企业为主，上游合作伙伴、下游合作伙伴 共性： 财务成本状况、服务水平、管理水平、企业文化、外部环境 个性： 原材料供应商：产品质量、价格、生产能力等 零部件供应商：更注重敏捷性和柔性，企业技术水平（产品竞 争优势） 分销商：分销渠道、促销策略、促销能力等 上游合作伙伴： 敏捷性和柔性创新成本、创新时间、产品健壮 性、适应性范围 技术水平技术领先度、技术保密度、技术 综合度 财务状况资产负债结构、损益情况、财务 状况变动情况 成本与价格产品价格、交易成本、机会成本 生产能力和质量 水平 交货质量、运输质量、生产过程 质量控制、设备状况、业务生产 状况 服务水平服务态度、服务响应速度、技术 服务水平 管理与文化企业信誉、企业忠诚度、企业文 化兼容性、企业信息化水平、管 理水平兼容性、管理体制兼容性 企业外部环境企业竞争环境、政治法律环境、 自然地理位置 营销能力分销渠道创新性、分销渠道多样 性、促销能力 预测与控制客户需求与预测能力、客户需求 反馈速度、库存控制水平 财务状况资产负债结构、损益情况、财务 状况变动情况 成本与收益产品价格、交易成本、机会成本 服务水平 服务态度、服务响应速度、技术 服务水平 管理与文化企业信誉、企业忠诚度、企业文 化兼容性、企业信息化水平、管 理水平兼容性、管理体制兼容性 企业外部环境企业竞争环境、政治法律环境、 自然地理位置 下游合作伙伴： 数据易采集、度量 产品质量 （产品合格率） 产品价格 售后服务水平 （用户抱怨解决时间） 地理位置 （供应商所在地和企业所在地的距离） 技术水平 （新产品开发率） 供应能力 （日单班产量） 经济效益 （净资产收益率=利润总额/净资产总额） 交货情况 （准时交货率=准时交货的订单数/总订单数） 市场影响度 （市场占有率=供应商产品数/市场同类产品数） 二、供应链合作伙伴选择方法 n内涵：定性分析定量分析定性 与定量分析相结合 n原理：相互比较基准比较 n技术：从传统到先进 n因素：单一综合 n过程：静态动态 层次分析法（Analytic Hierarchy Process AHP） u 美国著名运筹学家匹兹堡大学教授T LSaaty于 20世纪70年代初期提出的一种将定性分析与定量分 析相结合、定性定量化的实用决策方法。 u将一个复杂的问题分解成若干个组合因素，将这 些因素按其系统的支配关系，分组形成递阶层次结 构；通过两两比较的方式确定层次中诸因素的相对 重要性，然后综合人们的经验判断，以决定诸因素 相对重要性的顺序和权重。 u 可靠性高，但规模大时容易出问题 合作伙伴选择 B1B2B3 P1P2P3 P4 目标层 准则层 方案层 标度含义 1表示两个元素相比，具有同样重要性 3表示两个元素相比，前者比后者稍重要 5表示两个元素相比，前者比后者明显重要 7表示两个元素相比，前者比后者强烈重要 9表示两个元素相比，前者比后者极端重要 2，4，6，8表示上述相邻判断的中间值 倒数 若第i个因素对第j个因素的重要性之比为 aij ，则第j个因素对第i个因素的重要性之比为 n一致性检验 完全一致： 一致性指标： 平均随机一致性指标 检验系数： 阶数345 RI0.580.91.12 2.1 内涵：从定性分析到定量分析 再到定性与定量分析相结合 n定性，如直观判断法、招标法和协商选 择法等 n简单易行、费用低，但易产生逆向选择 ，仅适用于备选者不多时次要合作伙伴 的选择。 n定量方法 n成本比率法（The Cost Ratio），首先计算与成本 有关的质量、运输、服务等项目的总成本，然后 根据每一项准则的成本占总成本的百分比来选择 合作伙伴。 n基于活动的成本法（Activity Based Costing, ABC ），通过计算备选合作伙伴的总成本选择最佳者 。 n定量方法的应用提高了合作伙伴选择的合理性 和有效性，但面对客观存在的难以定量化的因 素，纯粹的定量方法显现出较大的局限性 n定性与定量相结合 n层次分析法（Analytic Hierarchy Process ，AHP） nDae- Ho Byun 韩国汽车制造企业合作伙伴选择 ，Tam和Tummala 分析香港通信设备的合作 伙伴选择模型和决策过程，他们发现用AHP 法 可缩短选择合作伙伴花费的时间 n数据挖掘、智能推理、神经网络、群体决 策、机器学习 2.2 原理：从相互比较到基准比较 合作伙伴选择必须建立在科学准确的评价基础之上，评价的实质 是比较 n相互比较 nAHP 法 nDEA（Data Envelopment Analysis）数据包络分 析），一种非参数统计方法。 n评价的依据是决策单元的“输入”数据和“输出”数据，输 入数据是指决策单元在某种活动中需要消耗的某些量， 例如投入的资金总额，投入的总劳动力数，占地面积等 等；输出数据是决策单元经过一定的输入之后，产生的 表明该活动成效的某些信息量，例如不同类型的产品数 量，产品的质量，经济效益等等 n根据输入数据和输出数据来评价决策单元的优劣，即所 谓评价部门（或单位）间的相对有效性 2.2 原理：从相互比较到基准比较 基准比较 n灰色关联分析法（单基准比较） n将m个子序列对同一母序列的关联度按大小顺序排列起 来，组成了关联序 n根据因素之间发展趋势的相似或相异程度，亦即“灰色 关联度”，作为衡量因素间关联程度的一种方法 nTOPSIS （Technique for Order Preference by Similarity to Ideal Solution）法，逼近于理想点 的排序方法，双基准比较。 n集对分析（SPA, Set Pair Analysis）最优、 最劣、中间 2.3 技术：从传统到先进 2.3.1 单项技术不断完善 nAHP 有一下方面的不足 n无法表述一些模糊和不精确的因素, 19 的标度不精 确且不易把握； n只考虑下层因素对上层的单向层次关系，未考虑同一 层次因素间的相互作用 n针对第一点不足，Morlacch 提出了模糊层次模型（FAHP） n针对第二点不足，Sarkis 和Talluri 提出网络分析（Analytic Network Process，ANP）。ANP法在层次分析的基础上建立 各因素或相邻层次间的相互作用矩阵，称为超矩阵，利用超矩 阵得出各备选伙伴的混合权重，体现了因素间的交叉影响。 n模糊综合评价 n提供了一个从正面解决含糊性问题的方法 ，但它忽略了侧面影响的作用 n牛文学等人，提出Vague综合评价。引进 真、假两个隶属度概念，分别反映评价因 素的含糊性和不可分辨性 2.3.2 技术运用从单一到集成 nMorlacchi将AHP 法与模糊综合评价结合起来 nGhodsypour 和Brien 将AHP和LP 结合起来开发了用 于选择合作伙伴的决策支持系统。 nWeber 等人将MOP （多目标规划）和DEA 结合起来 构建供应商选择优化模型，首先利用MOP 选择出多 个供应商，再用DEA 模型过滤从中选择效率高的伙伴 组合。 nLi 和Yamaguchi 将灰色关联分析和粗集理论相结合解 决合作伙伴选择的决策问题，其基本步骤是：确定灰 色决策矩阵并标准化确定合适的供应商、确 定理想供应商选择最合适的供应商。 nAHP 与DEA、BP神经网络、TOPSIS、LP、MOP、 灰色关联分析，以及DEA 与平衡计分卡和广义熵等组 合得到广泛应用。 nAHP 法与其它方法组合的主要目的是确定指标权重，但用 AHP 法确定指标权重存在两方面的缺陷， n判断矩阵存在着较明显的主观色彩； n未考虑评价对象所包含的信息 n信息熵法确定指标权值，形成了熵与其它方法的组合。 n熵是表示从一组不确定事物中提取信息量的多少。信息熵法确定指 标权值的原理是：决策中某项指标的指标值变异程度越大，该指标 提供的信息量越大，信息熵越小，其权重也应越大；反之，该指标 的权重越小。 n邵晓峰等人构建了基于熵和TOPSIS 的供应链中供应商选择 模型 n信息熵和灰色关联分析相结合的合作伙伴选择模型。 n熵与神经网络组合、熵与主成分投影组合等也得到了应用。 TOPSIS 1. 构造初始矩阵 设有m个供应商,n 个评价指标,xij 表示第i 个供应商的第j 个 指标评价值,得到的初始矩阵:Y=(xij)m n,按 进行规范化 得到的标准化矩阵:Y=(yij)m n。 2. 计算各指标的权重 设第j 个指标的信息熵为： ; 其中k 是与m 有关的常数，k=(1n m)-1，0 ej 1;各指标的效 用价值 hj等于信息熵ej 与1 的差 3.构造加权规范化矩阵 4.确定理想解和负理想解 其中：J1 为效益型指标集，J2 为成本型指标集 5.计算距离 供应商的评价值与理想解和负理想解的距离分别为 ： 6.确定相对接近度。供应商的评价值与理想 解的相对接近度为； 7.排序优选 按Ci由大到小的顺序对供应商进行排序优 选，其中相对接近度Ci 最大的供应商，就是最 佳的合作伙伴。 2.4 因素：从单一到综合 2.4.1 选择准则从单项到多项 n最早的选择准则是单一的成本准则，对应于这一准则 ，逐步形成了多种基于成本的合作伙伴选择方法。 EOQ 法、成本比率法和活动成本法； n成本准则简单易行，并能考虑数量打折情况，但存在准则 单一、以偏概全的缺陷。 nDickson 的研究最早、最有影响，他通过对采购经理 和采购代理的调查整理出23 条合作伙伴选择准则，并 按重要性对其进行排序 nWeber 等人统计分析了19671990 年间出现的74 篇相 关文献，给出了23 条准则的重新排序。 2.4.2 优化模型从单目标到多目标 n单目标线性规划。1974 年，Gaballa 首次将线性规划方 法用于合作伙伴选择问题，以采购成本为目标，以需求 和供应能力为约束，并考虑全额数量打折情况；Turne ，Pan 等 n1993 年Weber 和Curre 首次运用多目标规划建立合作伙 伴选择模型，将价格、质量、交货作为目标，供应能力 、需求、政策、资金等作为约束，根据Fortune 500 强的 一个企业的供应商选择问题建了一个具体模型，得到较 满意的结果 n史学锋和徐国华以价格、质量和配送水平等三方面引起 的客户不满意度为目标，需求量和供给能力为约束，建 立了集成单阶段与多阶段合作伙伴选择的混合整数规划 模型，既可以选择单阶段供应商，也可选择多阶段供应 商，即供应商的供应商。 n模糊多目标规划。Kumar、Vrat 和Shankar 以成本、次 品和延期交货最小化为目标，以需求量、能力、配额弹 性、购买价值为约束，利用模糊线性处理技术，建立了 模糊多目标混合整数规划模型。 2.5 过程：从静态到动态 n指标权重的动态性 n针对不同的评价对象给出不同的权重。传统的指标权重确定方法 主要有头脑风暴法、Delphi 法和AHP 法。利用这些方法得出的指 标权重，除受主观因素影响较大外，还具有一旦确定下来就固定 不变的缺陷。 n信息熵技术，使权重随评价对象的变化而改变，使评价选择结果 更加客观有效。 n主成分分析法选择合作伙伴，把主成分贡献率作为指标权重 n虽能体现动态性，但缺少定性分析。用主观权重修正客观权重得 到综合权重。 n行为表现的动态性 n王学军和郭亚军提出了合作伙伴选择的三维动态组合评价方法， 分历史、现状和将来三个不同时期分别进行评价，再采用线性加 权的方法对三个时期的评价结果进行综合； n王迅和刘德海运用有限次重复博弈理论建立了合作伙伴选择的声 誉效应模型，根据合作伙伴过去的信誉程度判断当前行为和未来 可能的行为方式，进而选择能够形成稳定合作关系的伙伴。 遗传算法（Genetic algorithm） n遗传算法是模拟达尔文生物进化论的自然选择 和遗传学机理的生物进化过程的计算模型，它 根据适者生存、优胜劣汰等自然进化规则搜索 和计算问题的解。它最初由美国Michigan大学 J.Holland教授于1975年首先提出来的，并出 版了颇有影响的专著Adaptation in Natural and Artificial Systems，GA这个名称才逐渐 为人所知，J.Holland教授所提出的GA通常为 简单遗传算法（SGA）。 由于遗传算法的整体搜索策略和优化搜索 方法在计算上不依赖于梯度信息或其它辅助知 识，而只需要影响搜索方向的目标函数和相应 的适应度函数，所以遗传算法提供了一种求解 复杂系统问题的通用框架，它不依赖于问题的 具体领域，对问题的种类有很强的鲁棒性（ robustness） ，所以广泛应用于生产、自动 控制、机器人学、图象处理、人工生命、遗传 编码和机器学习等方面。 遗传算法的基本思想是：从一组解的初值开始 进行搜索，这组解称为一个种群，种群由一定数 量、通过基因编码的个体组成，其中每一个个体 称为染色体。不同个体通过染色体的复制、交叉 和变异又生成新的个体，依照适者生存的规则， 个体也在一代一代进化，通过若干代的进化最终 得出条件最优的个体。 基本概念 1. 个体与种群 个体就是模拟生物个体而对问题中的对象 （一般就是问题的解）的一种称呼，一个个 体也就是搜索空间中的一个点。 种群(population)就是模拟生物种群而由若 干个体组成的群体, 它一般是整个搜索空间 的一个很小的子集。 2. 适应度与适应度函数 适应度(fitness)就是借鉴生物个体对环境的 适应程度,而对问题中的个体对象所设计的 表征其优劣的一种测度。 适应度函数(fitness function)就是问题中的 全体个体与其适应度之间的一个对应关系。 它一般是一个实值函数。该函数就是遗传算 法中指导搜索的评价函数。 3. 染色体与基因 染色体（chromosome）就是问题中个体 的某种字符串形式的编码表示。字符串中的字 符也就称为基因（gene）。 例如： 个体 染色体 9 - 1001 （2，5，6）- 010 101 110 4. 遗传操作 亦称遗传算子(genetic operator)，就是关 于染色体的运算。遗传算法中有三种遗传操作: 选择-复制(selection-reproduction) 交叉(crossover，亦称交换、交配或杂交) 变异(mutation，亦称突变) 构造初始种群 遗传操作（复制， 交叉，变异） 新种群 满意否 end 遗传算子 的实现 评价 编码 遗传空间的基 因串结构 n编码 n二进制编码，如X=13，01101 n评价适应度函数 n目标函数 n遗传操作 选择-复制 选择优良个体，使其有机会繁殖 下代。（适者生存） 通常做法是：对于一个规模为N的种群S,按每 个染色体xiS的选择概率P(xi)所决定的选中机会, 分N次从S中随机选定N个染色体, 并进行复制。 这里的选择概率P(xi)的计算公式为 交叉 就是互换两个染色体某些位上的基因。 s1=01000101, s2=10011011 可以看做是原染色体s1和s2的子代染色体。 例如, 设染色体 s1=01001011, s2=10010101, 交换其后4位基因, 即 变异 就是改变染色体某个(些)位上的基因。 例如, 设染色体 s=11001101 将其第三位上的0变为1, 即 s=11001101 11101101= s。 s也可以看做是原染色体s的子代染色体。 算法中的一些控制参数： 种群规模：10-160 交叉率(crossover rate)就是参加交叉运算的 染色体个数占全体染色体总数的比例，记为Pc, 取值范围一般为0.40.99。 变异率(mutation rate)是指发生变异的基因 位数所占全体染色体的基因总位数的比例，记 为Pm，取值范围一般为0.00010.1。 优化准则： 种群中个体的最大适应度超过预先设定值 种群中个体的平均适应度超过预先设定值 代数超过预先设定值 特点 ： 与传统的优化算法相比，主要有以下特点： 1、 遗传算法以决策变量的编码作为运算对象。 2、 遗传算法直接以适应度作为搜索信息，无需导 数等其它辅助信息。 3、 遗传算法使用多个点的搜索信息，具有隐含并 行性。 4、 遗传算法使用概率搜索技术，而非确定性规则 。 遗传算法应用举例 例1 利用遗传算法求解区间0,31上的二 次函数y=x2的最大值。 y=x2 31 X Y 分析 原问题可转化为在区间0, 31中搜索能使 y取最大值的点a的问题。那么，0, 31 中 的点x就是个体, 函数值f(x)恰好就可以作为x的 适应度，区间0, 31就是一个(解)空间 。这 样, 只要能给出个体x的适当染色体编码, 该问 题就可以用遗传算法来解决。 解 (1) 设定种群规模,编码染色体，产生初始 种群。 将种群规模设定为4；用5位二进制数编码 染色体；取下列个体组成初始种群S1: s1= 13 (01101), s2= 24 (11000) s3= 8 (01000), s4= 19 (10011) (2) 定义适应度函数, 取适应度函数：f (x)=x2 (3) 计算各代种群中的各个体的适应度, 并 对其染色体进行遗传操作。 首先计算种群S1中各个体 s1= 13(01101), s2= 24(11000) s3= 8(01000), s4= 19(10011) 的适应度f (si) 。 容易求得 f (s1) = f(13) = 132 = 169 f (s2) = f(24) = 242 = 576 f (s3) = f(8) = 82 = 64 f (s4) = f(19) = 192 = 361 再计算种群S1中各个体的选择概率。 选择概率的计算公式为 由此可求得 P(s1) = P(13) = 0.14 P(s2) = P(24) = 0.49 P(s3) = P(8) = 0.06 P(s4) = P(19) = 0.31 赌轮选择示意 s4 0.31 s2 0.49 s1 0.14 s30.06 赌轮选择法 在算法中赌轮选择法可用下面的子过程来模拟: 在0, 1区间内产生一个均匀分布的随机 数r。对选择概率由小到大排序，求累积概率。 若rq1,则染色体x1被选中。 若qk-1rqk(2kN), 则染色体xk被选中。 选择-复制 设从区间0, 1中产生4个随机数如下: r1 = 0.450126, r2 = 0.110347 r3 = 0.572496, r4 = 0.98503 染色体选择选择 概率累积积概率选择选择 次 数 S30.060.060 S10.140.21 S40.310.511 S20.4912 于是，经复制得群体： s1 =11000（24）, s2 =01101（13） s3 =11000（24）, s4 =10011（19） 交叉 设设交叉率pc=100%，即S1中的全体染色体都 参加交叉运算。 设设s1与s2配对对，s3与s4配对对。分别别交换换 后两位基因，得新染色体： s1=11001（25）, s2=01100（12） s3=11011（27）, s4=10000（16） 变异 设变设变 异率pm=0.001。 这样这样 ，群体S1中共有 540.001=0.02 位基因可以变变异。 0.02位显显然不足1位，所以本轮遗传轮遗传 操作不 做变变异。 于是，得到第二代种群S2： s1=11001（25）, s2=01100（12） s3=11011（27）, s4=10000（16） 第二代种群S2中各染色体的情况 染色体 适应度选择概率积累概率 估计的 选中次数 s1=11001 625 0.36 0.36 1 s2=01100 144 0.08 0.44 0 s3=11011 729 0.41 0.85 2 s4=10000 256 0.15 1.00 1 假设这一轮选择-复制操作中，种群S2中的 4个染色体都被选中，则得到群体： s1=11001（25）, s2= 01100（12） s3=11011（27）, s4= 10000（16） 做交叉运算，让s1与s2，s3与s4 分别交换 后三位基因，得 s1 =11100（28）, s2 = 01001（9） s3 =11000（24）, s4 = 10011（19） 这一轮仍然不会发生变异。 于是，得第三代种群S3： s1=11100（28）, s2=01001（9） s3=11000（24）, s4=10011（19） 第三代种群S3中各染色体的情况 染色体 适应度选择概率积累概率 估计的 选中次数 s1=11100 784 0.44 0.44 2 s2=01001 81 0.04 0.48 0 s3=11000 576 0.32 0.80 1 s4=10011 361 0.20 1.00 1 设这一轮的选择-复制结果为： s1=11100（28）, s2=11100（28） s3=11000（24）, s4=10011（19） 做交叉运算，让s1与s4，s2与s3 分别交换 后两位基因，得 s1=11111（31）, s2=11100（28） s3=11000（24）, s4=10000（16） 这一轮仍然不会发生变异。 于是，得第四代种群S4： s1=11111（31）, s2=11100（28） s3=11000（24）, s4=10000（16） 显然，在这一代种群中已经出现了适应度 最高的染色体s1=11111。于是，遗传遗传 操作终终止 ，将染色体“11111”作为为最终结终结 果输输出。 然后，将