大型煤炭企业供给系统供应链复杂性分析及测度研究

1、 煤炭经济研究2008年第7期大型煤炭企业为了更好地对供给系统供应链实施控制,需要对供应链的复杂性进行分析,目前关于煤炭企业供应链复杂性的研究比较少,相关文献有吴永平基于复杂性的视角分析煤炭国际化供应与中国经济增长的复杂关系,本文在定性分析大型煤炭企业供给系统供应链复杂性的基础上,利用熵论对复杂性进行定量研究,为有效降低大型煤炭企业供给系统供应链的复杂性以及供应链管理奠定基础。一、大型煤炭企业供给系统供应链复杂性的定性分析穆东结合供应链协同的类型,构造了供应链复杂性度量的集成、运作、制造和环境的四维体系。本文结合煤炭企业供给系统特点,构造了煤炭企业供应链复杂性的测度体系(如图1所示。大型煤炭企

2、业供给系统主要由原煤生产、内部加工和产品运销三部分组成。三者要素间相互作用的结果,是供给系统供应链运作的涌现,使供应链具有复杂性,形成供应链复杂性度量三维构成和测度体系。二、基于熵的大型煤炭企业供给系统供应链复杂性的测度1.大型煤炭企业供给系统供应链熵度量。大型煤炭企业与煤炭客户、原煤供应之间要传递信息,信息的多少与信源的不确定性有关。因此,大型煤炭企业供给系统供应链复杂性问题的研究转变成对各信源不确定性问题的研究。一般情况下,一个信源可以用一个概率空间来描述,因此,信源的不确定程度H(x可以用信源概率空间的概率分布来描述,即H(x=H(P 1,P 2,P N 式中:P 1,P 2,P N 各

3、状态x 1,x 2,x N 的概率P(x 1,P(x 2,P(x N 分布的缩写。本文把信源输出一个消息所提供的平均信息量或者信源的不确定度H(x叫做信源熵,表示为H(x=-p(xlog 2p(x2.大型煤炭企业供给系统供应链的系统熵模型建立。大型煤炭企业供给系统供应链复杂性包括内部复杂性和外部复杂性。内部复杂性即内部加工复杂性;外部复杂性包括原煤生产复杂性和产品运销复杂性。因此,描述大型煤炭企业供给系统复杂性的系统熵包括两部分:系统由于内部因素相互作用而产生的影响即熵产,以及系统与外界的相互作用而产生的熵流,这种交流影响大型煤炭企业供给系统供应链熵的变化。大型煤炭企业供给系统供应链的系统熵模

4、型如图2所示。大型煤炭企业供给系统供应链复杂性分析及测度研究姜辉周梅华黄艳波理论探索Theory Probe26 COAL ECONOMIC RESEARCH全国优秀科技期刊中国工业经济类核心期刊dS=d i S+d e S式中:dS 大型煤炭企业供给系统供应链的总熵,表示系统的整体混乱度,dS 越大,表示系统越混乱,复杂性越高;d i S 熵产,表示供应链由于内部因素相互作用而产生的影响,即系统内部的熵产生;d e S 熵流,表示大型煤炭企业供给系统供应链和外界环境的物质和能量交换引起的熵流。d e S=d e1S+d e2S式中:d e1S 大型煤炭企业供给系统供应链与原煤供应关系不确定性

5、熵流;d e2S 大型煤炭企业供给系统供应链与煤炭客户的关系不确定性熵流。三、大型煤炭企业供给系统供应链复杂性测度实证研究1.大型煤炭企业供给系统供应链与一般制造企业供给系统复杂性测度比较。为简化起见,本文从数量(原煤计划生产量和实际生产量、商品煤计划销售量和实际销售量和质量角度(商品煤计划灰分值和实际灰分值进行对比。以华东某大型煤炭企业为例,利用原煤实际产量与原煤计划产量之间的偏差量计算d e1S ,表示大型煤炭企业供给系统与原煤供应关系的不确定性熵流;利用商品煤实际销售量与计划销售量的偏差量计算大型煤炭企业供给系统与原煤供应的熵流d e2S ,表示大型煤炭企业供给系统与煤炭用户关系的不确定

6、性熵流;利用商品煤实际灰分值和计划灰分值的偏差量来计算大型煤炭企业供给系统的熵产d i S ,表示大型煤炭企业供给系统内部相互作用而产生的影响。计算步骤及参数选择如下:步骤1:计算偏差值。偏差值=实际量-计划量步骤2:划分系统状态。供应链中的每个信源存在很多状态,但分为可控状态和不可控状态两种,各个信源的复杂度由不可控状态造成,根据偏差值将系统分为可控(T和不可控(NT两大类状态。通过定义适当的指标作为状态的分界线,选取9种状态X 1=(1,2,3,4,5,6,7,8,9,其中X 1(0是可控状态,其对不确定度没有影响,在此不考虑;状态X 2,X 3,X 9是非可控状态,它们会对不确定度产生不

7、同程度的影响。步骤3:计算各种状态出现的概率。由于数据是离散的有限序列,可以用频度来近似各种状态出现的概率。频率F (X i :偏差出现在不同状态的次数;概率P (X i :每种状态出现的概率。步骤4:计算熵值和不确定性指标。每种状态的不确定度:P(X i logP(X i ;总的不确定度H (x :非可控状态的不确定度之和。计算大型煤炭企业供给系统与原煤供应交互引起的熵流d e1S ,如表1所示。计算煤炭客户与大型煤炭企业相互作用引起的系统熵流变化de 2S ,如表2所示。表1原料不确定度大型煤炭企业供给系统与原煤供应交互产生的熵流d e1S状态(x i 原煤实际生产量-计划生产量频率F (

8、x i 概率P (x i log P (x i P (x i log P (x i 可控状态(x 1(000非可控状态(单位:千t 00-0.46438600000H (x (d e1S 1.846439(x 2(+10+(x 3(+7+9(x 4(+4+6(x 5(+1+3(x 6(-3-1(x 7(-6-4(x 8(-9-7(x 9(-10表2客户不确定度大型煤炭企业供给系统与煤炭客户交互产生的熵流d e 2S状态(x i 商品煤实际销售量-计划销售量频率F (x i 概率P (x i log P (x i P (x i log P (x i 可控状态(x 1(010.1非可控状态(单位:

9、万t 00000000-0.33219000H (x (d e2S 0.589735(x 2(+10+(x 3(+7+9(x 4(+4+6(x 5(+1+3(x 6(-3-1(x 7(-6-4(x 8(-9-7(x 9(-10理论探索27 煤炭经济研究2008年第7期计算商品煤实际灰分值和计划灰分值的偏差量引起的内部加工不确定的熵产d i S ,如表3所示。将煤炭企业供给系统供应链的复杂性与一般制造企业供给系统的复杂性进行比较。如表4所示,大型煤炭企业供给系统供应链的不确定度高于一般制造企业,是复杂性更高的系统。分析其原因,大型煤炭企业供给系统原料不确定度高于一般制造企业,由于煤炭产品复杂的地

10、质条件,导致原煤生产的不确定性,是大型煤炭企业供给系统供应链复杂性程度更高的主要来源。2.大型煤炭企业供给系统供应链复杂性测度的时间序列分析。把大型煤炭企业供给系统供应链总熵dS 与时间t 进行拟合,检验结果显著。R 2=0.573,DW=2.161,F=13.417如表5所示,通过对复杂性程度进行时间序列分析,大型煤炭企业供给系统供应链总熵dS 与时间t 有线性正相关关系,复杂性程度随时间变化逐渐升高。四、结论大型煤炭企业供给系统供应链不确定程度高于一般制造企业,从时间序列方面分析,供应链复杂性程度逐渐升高。大型煤炭企业供应链内各环节之间的矛盾是系统正熵的源泉,随着正熵不断增加,供应链越来越

11、无序,复杂性程度越来越高,严重影响煤炭企业生存与发展。相应的,其负熵是可能有利于消除或缓解各种矛盾的因素,供应链要获得生存与发展,要不断地引入负熵,以抵消正熵的增加,确保走向更高层次的稳定有序结构,大型煤炭企业供应链应输入负熵流,采取控制措施,对供应链进行优化。其优化措施如下:第一,加强煤炭供应链的关键点控制。从复杂性测度结果得知,煤炭产品复杂性来源于煤炭产品的原料供给环节,煤炭企业应加强对原煤生产不确定性的控制,减少原煤生产的复杂性,对原煤生产的关键节点进行控制,其管理核心是对原煤生产波动进行系统管理,即对前端的质量波动、生产波动、运输波动的有效管理,通过供应链的运行转化为稳定的产品输出,并

12、运送到客户方。第二,对煤炭生产进行统筹规划。煤炭企业生产涉及到资源、人员、技术、管理、环境等因素,需要通过统筹规划,制定运营计划,协调组织资源,对供应链所需信息、节点、路径和技术进行统筹安排、控制、协调,对供应链中各类软资源进行规划、利用、监控的协同,以减少供应链运行的不确定性和复杂性,确保煤炭企业更加稳定有序的发展。(作者单位:中国矿业大学管理学院(编辑:孙驭华表5大型煤炭企业供给系统复杂性测度的时间序列分析(2006年时间t总熵ds时间t总熵ds5.456112月6.5615表3内部加工不确定度大型煤炭企业供给系统的熵产diS状态(x i 商品煤实际灰分值-计划灰分值频率F (x i 概率P (x i log P (x i P (x i log P (x i 可控状态(x 1(000非可控状态(单位:%-3.32193000H (x (d i S 2.521