基于anp理论的制造业逆向物流外包或私营决策模型

基于anp理论的制造业逆向物流外包或私营决策模型

0逆向物流外包或自发决策由于制造技术的复杂性、制造技术的更新频繁、消费者需求的个性化，公司无法绝对避免设计、生产、仓储、运输、装卸、销售和其他缺点。因此,越来越多的企业将自己不擅长或非核心的业务外包给专业化公司,以期更加专注自己的核心业务,并创造更大的价值。随着逆向物流战略地位的提升,企业纷纷把焦点转向逆向物流的处置问题上,在第三方逆向物流供应商这一职业出现之后,企业在逆向物流决策中有了更多的选择。影响企业实施逆向物流外包或自营决策的因素有很多。DennisWKrumwiede(2002)建立了一个企业逆向物流外包或自营的决策流程图,并以美国的运输公司作为例证,这是国外学术界第一次比较系统的研究逆向物流外包或自营的选择问题。国内学术界对于物流外包或自营的研究多集中在正向物流领域。杨金等(2002)认为转换成本在外包决策中是个十分重要的因素,在此基础上提出了考虑转换成本的物流外包决策图;魏众(2003)等对物流外包风险做了详细的研究,倾向于把其作为外包决策的重要依据;韩翔(2003)从交易成本经济学的角度分析制造企业物流外包决策,并得出结论:制造企业目前完全的外包和自营现象都是少见的,更多的是采用混合外包的方式。上述文献多从风险及成本的方面考虑影响物流外包决策的因素,定量分析研究较少。国内学术界仍然没有把逆向物流外包或自营决策作为一个重要的领域单独考虑。逆向物流相比正向物流复杂,具有不确定性与不可预知性等正向物流不具备的特征。因此关于正向物流决策的一些理论并不能从根本上指导逆向物流的实施。企业是否选择第三方逆向物流是一种战略决策,只有对包括逆向物流成本、逆向物流处理能力、风险、逆向物流组织等因素进行周密的分析论证,才能正确的选择有利于企业发展的逆向物流运作模式。本文利用网络分析法,量化制造业逆向物流外包或自营决策流程,希望为企业逆向物流运作提供决策借鉴。1anp网络元素权重的确定网络分析法(analyticnetworkprocess,ANP)是由美国Pittsburgh大学Satty教授提出的一种系统分析理论方法。它的前身是已经在系统决策中得到广泛应用的层次分析方法(analytichierarchyprocess,AHP)。ANP方法认为:网络中各个组成元素存在相互影响(A→B表示元素A受元素B影响),其中各元素组成的成分之间自身也存在反馈关系,这种影响和反馈在决策时必须被考虑。这是AHP方法中没有涉及过的,也是以往相关定量分析方法所欠缺的,AHP是ANP的一个特殊情况。ANP通过图形形式定性表示组成网络各个元素之间的影响及反馈关系(见图1)。同时,ANP用矩阵形式定量地表示元素之间相互影响或者反馈的程度,并通过计算超矩阵和极限矩阵对各种相互影响的因素进行综合分析得出其混合权重,最终确定选择方案。ANP的控制层有元素p1,…,pn。控制层下,网络层有元素组C1,…,CN,其中Ci中有元素ei1,…,eini,i=1,…,N。以控制层元素Ps(s=1,…,m)为准则,以Cj中元素ejl(l=1,…,nj)为次准则,其中,j=1,…,N。元素组Ci中元素按其对ejl的影响力大小进行间接优势度比较,构造判断矩阵如表1所示。由特征根法得排序向量wi1(jl),…,wini(jl),记Wij为[wi1(j1)wi1(j2)⋯wi1(jnj)wi2(j1)wi2(j2)⋯wi2(jnj)⋮⋮⋮wini(j1)wini(j2)⋯wini(jnj)]⎡⎣⎢⎢⎢⎢⎢wi1(j1)wi1(j2)⋯wi1(jnj)wi2(j1)wi2(j2)⋯wi2(jnj)⋮⋮⋮wini(j1)wini(j2)⋯wini(jnj)⎤⎦⎥⎥⎥⎥⎥矩阵的列向量代表的是元素ei1,ei2,…,eini对Cj中元素ej1,ej2,…,ejnj的重要程度排序向量。如果Cj中元素不受Ci中元素的影响,则Wij=0,最终获得在Ps下,超矩阵W为这样的矩阵共有m个,它们都是非负矩阵,超矩阵的子矩阵Wij是列归一化的,但是W却不是列归一化。以Ps为准则,对各组元素相对于准则Cj的重要性进行比较,得到归一化的排序向量如表2所示。与Cj无关的元素组对应的排序向量分量为零,由此得到加权矩阵A为对超矩阵W的元素加权,得ˉW=ˉWij=aijWijW¯¯¯¯=W¯¯¯¯ij=aijWij,其中,i=1,…,N,j=1,…,N。ˉWW¯¯¯¯为加权超矩阵,其列之和为1,矩阵中的组成元素就是ANP网络中各元素的权重。在ANP方法中,为了防止或减少排序颠倒现象,对加权超矩阵做一个稳定的处理,当W∞=limt→∞WlW∞=limt→∞Wl存在时,W∞的第j列就是Ps下网络层中各元素对于元素j的极限相对排序向量。2逆向物流决策基于上述分析,构建制造企业逆向物流外包或自营决策的网络分析图如图2所示。本文的目标是进行逆向物流外包或自营决策。决策问题分解为各个元素组,元素组由元素组成。目标元素组(Goal)是逆向物流决策元素,即选择逆向物流外包或自营方式。它受四个规则元素组(Criteria)影响:逆向物流成本、逆向物流处理能力、风险和逆向物流组织。(1)企业微商业开发的部分逆向物流业务,在一定的时间和成本中逆向物流业务外包将导致企业交易成本和转换成本的发生。如果企业将全部逆向物流业务外包,则企业需要投入的成本为交易成本、转换成本及企业支付给第三方逆向物流商的费用,这部分费用归入企业的运营成本中,交易成本和转换成本的存在使物流外包初期不一定会产生很显著的成本降低效果;如果企业只将部分逆向物流业务外包,则运营成本中包括自营时发生的处置成本等相关成本以及支付给第三方逆向物流商的费用;如果企业自营全部逆向物流业务,则投入的成本均计入运营成本中。企业在物流外包或自营决策时必须考虑成本的组成及预算数值,文献对这方面都有所提及。(2)物流信息技术过程处置能力重点考量企业在实施逆向物流活动时对拟进行外包或自营决策的环节:诸如信息采集、分拣、运输、装卸等过程的处置能力;信息流是物流的导向,逆向物流的信息技术包括运输管理系统、仓储管理系统、缺陷分析系统、质量追溯系统以及顾客管理系统等,其完善程度是逆向物流决策的重要依据;逆向物流往往具有突发性,引发逆向物流活动的诱因对企业来说有时是陌生的,如召回活动,因此,企业在逆向物流决策时必须考虑外包或自营时对突发事件的应急能力。(3)逆向物流回收中心的设置,有利于降低企业的财务风险信息风险是指由于信息失真、沟通不畅而使物流合作中信息不对称或者信息泄露等情况发生的可能性,信息风险在物流外包时存在的可能性很大;逆向物流活动的不确定性和不可预知性使企业在对人员的管理,对合作方的监控,对技术的掌握,以及对经济与环境矛盾的解决过程中都会产生管理风险;逆向物流的财务风险相比正向物流显著,逆向物流中存在着很多隐性成本,这部分成本必须在决策中被充分地考虑进去才能降低企业的财务风险;逆向物流处理回收中心与地区配送中心的集成,在实践中并不成功,很多双向物流经理们表示这种做法好象“一身侍二主”,处理过程往往力不从心,因此,独立的逆向物流回收中心的设置是必要的。自营时逆向物流信息系统的研究开发、回收中心的建设要占用企业大量资金,且回收期很长,容易导致企业市场运作不灵,业务外包后企业内部物流创新能力可能会降低,这些都构成了企业的市场风险。(4)关键要素的确定逆向物流业务之间的协调需要建立一个高效而权威的组织系统,它能够控制物流实施的运作情况,并能及时有效地处理衔接中出现的各种疑难问题和突发事件。逆向物流组织建立的合理性对逆向物流外包或自营决策十分重要。企业在决策前,必须清楚合作方的人员管理机制以及可行的信息管理机制,还要考虑能否建立起应对突发事件的预案机制,以此方面为对比考察自营和外包时的各自优势,并作出决策。方案组(Alternatives)为外包和自营两个元素。各元素间的相互作用用箭头表示,环形箭头表示同一元素组元素之间存在互相影响反馈作用。图2中,成本、逆向物流处理能力、风险、组织及其下属元素之间并不是独立的。比如在规则组元素之间:组织的合理性会影响成本的多少,同时会影响风险的大小;而逆向物流处理能力的水平也会影响成本的多少等。在下属网络元素之间:信息技术水平会影响过程处置能力和应急能力的大小等。这些元素之间的反馈作用在ANP网络图和计算中被很好的包含在内。3分析一家汽车制造公司3.1当前，一家汽车制造公司的物流系统正在进行中从该汽车制造企业汽车生产直到消费的过程中,通常存在如表3所示逆向物流。该汽车制造企业物流系统的现状大致如下。(1)企业物资活动站仓储是流通过程中因订单前置或回收检测等原因而存放产品、物品的地点。它是集中反映企业物资活动状况的综合场所,是连接生产、供应、销售的中转站。该汽车制造企业的仓储物流操作模式:入场零部件通过外借的10余家仓库中转,仓库规模及管理水平参差不齐,配送结构复杂,普遍存在仓库间驳运现象,缺乏整合性的仓储管理系统。(2)输物流操作模式运输物流是物流系统中的一个重要基本环节。该汽车制造企业的运输物流操作模式:零部件入场由供应商自行负责,车辆利用率低,没有有效的运输控制,运费居高不下;运输车辆型号繁多,绝大多数供应商车辆不符合要求,不能有效控制运输质量和降低质损率。(3)上线物流关键指标上线物流是一体化物流服务与需求主体的接口所在,也是零部件入场供应链的最后一道环节,及时、准确性是衡量上线物流的关键指标。该汽车制造企业的上线物流由于收货过于集中,通常造成场地、人工及设备资源瓶颈,人工操作失误率也很高,操作流程的流畅性不够。(4)管理模块功能不复杂即物流管理信息系统。该汽车制造企业主要使用ERP系统提供的模块功能,不能满足管理日益复杂化的需求。该汽车企业物流系统的现状使其在进行逆向物流决策时对外包还是自营必须做出准确的选择,以便适应快速发展的市场需求。3.2sd软件模拟在图2建立的ANP网络图中,将互相存在反馈关系的元素两两比较,利用专家测评技术,得到20个关系判断矩阵。由于ANP超矩阵及极限矩阵计算复杂,尤其是在多种因素存在互相影响的情况下,因此,本文利用SuperDecisions(SD)软件仿真模拟。(资料来源:http://.)限于篇幅,输入的关系判断矩阵不一一列示。由SD软件调整数值,使之符合一致性检验,并对结果进行稳定处理,计算得出的极限矩阵如表4所示。从极限矩阵可以看出,目标层受规则层元素的影响为:逆向物流组织>逆向物流处理能力>逆向物流成本>风险。这说明了该汽车制造企业在逆向物流决策时最先考虑的是逆向物流组织,其次是逆向物流处理能力,再次是逆向物流成本,最后是风险。在清楚了各个决策影响因素的权重指标之后,依据此进行逆向物流外包或自营决策。从图3中我们可以得出如下结论:在已知第三方逆向物流供应商的情况下,选择逆向物流外包方式优于选择逆向物流自营方式。(0.543196>0.456804)3.3优势度检验灵敏度计算旨在分析因素的变化对最终决策方案将会产生的影响。选择逆向物流成本元素和一个由逆向物流成本、逆向物流组织组成的组合元素分别作为试验对象,考察当它们发生变化时,决策方案将会产生的变化,从而进一步分析影响该汽车制造企业逆向物流外包或自营的影响因素。(1)选择逆向物流成本作为独立实验变量,使其权重由0变为1,步长为0.1。观察当逆向物流成本因素权重变化时,外包和自营优势度的变化。图4中,纵轴表示优势度,横轴表示实验的步长。当逆向物流成本的权重发生变化时,外包和自营优势度曲线都有所变化。随着成本元素在决策影响因素中权重值的增加,我们观察到:外包和自营曲线交叉于一点,在交叉点的左右两侧优势度差距变化方向不同。图4(a)中虚线所指的位置逆向物流成本权重为0.305,此时外包优势度曲线位于自营优势度曲线上方,该制造企业选择外包逆向物流决策优于选择自营逆向物流决策。图4(b)中虚线所指的位置逆向物流成本权重为0.876,此时自营优势度曲线位于外包优势度曲线上方,该制造企业选择自营逆向物流决策优于选择外包逆向物流决策。这说明样本企业自营逆向物流时,在成本控制方面相比第三方逆向物流供应商具有更大的优势。如果样本企业选择外包逆向物流业务,那么在决策初期,不一定会带来显著的成本降低效果。(2)选择逆向物流成本、逆向物流组织作为组合实验变量,使它们的权重由0变为1,步长为0.1。当组合实验变量的权重变化时,决策方案优势度的变化如图5所示。图中曲线呈波形排布,波峰、波谷均随实验次数呈规律性变化,即波峰波谷交替出现。图5(a)中虚线所指的位置两种元素组合权重为:(逆向物流成本0.882,逆向物流组织0.118),自营优势度曲线位于外包优势度曲线上方。我们看到,此时逆向物流成本元素的权重值远远大于逆向物流组织元素的权重值,验证了实验(1)中的结果,即自营逆向物流时在成本控制方面更具一些优势。图5(b)中虚线所指的位置两种元素组合权重为:(逆向物流成本0.219,逆向物流组织0.781),外包优势度曲线位于自营优势度曲线上方。此时,逆向物流组织元素的权重值很高,由此可见,第三方逆向物流供应商的组织机制相比样本企业的逆向物流组织机制更具有一些优势。4企业逆向物流决策中的anp仿真模拟汽车行业逆向物流过程纷繁复杂,涉及到的流程很多,目前汽车行业企业物流系统存在一些问题,在信息化水平和物流处理能力等方面存在着很多不足。汽车行业企业对影响自身逆向物流决策因素的定量化分析可以使企业更加清晰地了