云檢驗環境下基于前景理論的電網物資供應商評價與優選

熊漢武，樊煒，牛艷召，曾思成，王玲，龔承柱*

（1．國家電網有限公司物資部，北京市 西城區 100031；2．中國電力科學研究院，北京市 海淀區 100192；3．中國地質大學（武漢）經濟管理學院，湖北省 武漢市 430074）

0 引言

以大數據、云計算等網絡信息技術為依托的云檢驗質量監督評價體系是國家電網有限公司物資部為響應2020年習近平總書記提出的以“新基建”為支撐，建設數字經濟，盡快實現能源互聯網，促進實現“雙碳”目標的重要舉措[1]。以往電網物資供應商選擇模式存在選擇范圍窄、信息不對稱、流程冗雜、選擇周期長等局限性。由于缺乏科學的供應商選擇評價方法，評級指標選擇不夠合理，可操作性不強，大多只能憑經驗判斷，使其效果未能達到要求。供應商選擇是公司對供應商進行綜合評價的過程，是一個復雜的、面向應用的多目標決策問題[2]。國家電網物資部云檢驗系統通過建設一站式供應鏈服務平臺“e鏈國網”和供應鏈管理平臺“五E一中心”，實現對物資供應商信息的可視化與高度共享，極大改進了傳統選擇模式。但是在云檢驗環境下，供應商資源的多樣性、復雜性和模糊性也給供應商選擇帶來了新的難題。因此，如何在云檢驗環境下，更加科學合理地評估、選擇和優化電網物資供應商，是電網物資部門面臨的迫切問題。

目前，物資供應商評價與優選的相關研究主要包括兩方面：評價標準如何確定和評價方法的適應性。在評價標準如何確定的問題上，Dickson[3]通過調查，確定了多個不同的標準，包括物資供應質量、供應準時率、價格、口碑、售后服務、技術能力等方面，其中前三個標準最為通用，已在大多數物資供應商選擇問題上得到應用。隨著“精益物流、供應鏈管理、供應鏈協調”等管理目標成為企業關注的焦點，學者開展了有針對性的評價指標研究。黃瀚等[4]認為，在“精益物流”目標下，物資供應商評價指標應該涵蓋“質量、成本、效率、服務、合作”五大方面。鐘謹貴等[5]研究了第三方物流供應商選擇評價方法，包括“物流成本、運輸時效、顧客滿意度、合作緊密程度、附加增值服務、報關與清關能力、企業信譽”7個指標。在應急物資供應方面，曾凡龍等[6]將“產品價格、供應能力、配送時間、產品品質”作為供應商的評價指標。上述研究表明，“價格、質量、交貨、服務”可以作為評價供應商的關鍵因素，本研究也將基于此，構建電網物資供應商評價指標體系。

在決策方法方面，早期的研究采用了一些經典方法來解決供應商選擇問題，這些方法具有清晰的數值評估信息，例如AHP（analytic hierarchy process）、ANP（analytic network process）和TOPSIS（technique for order preference by similarity to an ideal solution）等方法。其中，AHP首先由Saaty[7]提出，并應用于決策領域；Abdollahi 等[8]將ANP方法應用于供應商選擇問題。此外，國內一些學者采用熵值法和TOPSIS方法進行供應商選擇，例如王春紅等[9]采用基于前景理論-TOPSIS方法來選擇裝配式建筑PC構件供應商。然而，隨著決策問題復雜性增加，決策信息越來越模糊。Pedrycz等[10-11]認為語言變量適合描述定量評估信息，通過將語言變量轉換為三角模糊數，提出了許多模糊決策方法。Hashemian 等[12]和Lee 等[13]通過模糊AHP推導出矩陣標準權重，采用模糊 PROMETHEE（集中評價的偏好排序組織方法）和模糊TOPSIS進行供應商質量排序。Tirkolaee等[14]基于模糊決策和多目標規劃構建了在兩級供應鏈中選擇供應商的可持續和可靠的新方法。Karsak等[15]使用客觀權重，應用數據包絡分析（data envelopment analysis，DEA）進行供應商排名。烏云娜[16]、尤筱玥[17]、王魯萍[18]等運用折衷排序法（VlseKriterijumska Optimizacija I Kompromisno Resenje，VIKOR）分別建立評價指標值為梯形模糊數、三角模糊數、猶豫模糊數、語義變量的供應商選擇模型。

雖然以往的評價與決策方法可以應用于電網物資供應商選擇問題，但仍存在一些不足，例如：在供應商評價指標體系設計上，指標類型單一，難以多層次展示評價指標的多樣性；在評價方法中，難以同時平衡供應商的質量和決策者偏好。因此，針對上述問題，本文在電網物資云檢驗環境以及混合型評價指標體系下，提出了一種基于前景理論的評價與優選方法。該方法通過電網物資云檢驗系統，挖掘電網物資供應商多種類型信息，根據決策者給出的各種屬性的決策偏好（參考點），將獲得的各種信息轉化為決策偏好的盈虧決策矩陣，然后采用交叉循環迭代法求解變量模糊識別模型，得到各個物資供應商和決策偏好的最優隸屬度和權重向量。最后，結合前景值和隸屬度，綜合得出各個供應商的綜合前景值，從而對供應商進行評價和優選。

1 問題描述及評價指標

1.1 問題描述

為提升電網物資供應系統智能化水平，國家電網物資部目前已建立電網物資云檢驗平臺，其核心業務流程如圖1所示。在電網物資云檢驗平臺“五E一中心”的支撐下，電網物資部門構建供應商全息多維評價業務管理體系，由供應鏈運營中心（electronic supply chain，ESC）具體實施。各專業管理人員通過手機端對供應商履約質效進行實時評價，數據同步至電子商務平臺（e-commerce platform，ECP）；ESC通過全業務統一數據中心將供應商工商、司法等外部信用信息推送至ECP；ESC通過全業務統一數據中心自動獲取ECP、企業管理系統（enterprise resource planning，ERP）、生產調度平臺（manufacture scheduling platform，MDS）、生產管理系統（power production management system，PMS）等平臺的各維度數據，根據評價模型自動計算分析，形成供應商評價得分、分類等級、全息畫像等成果，評價結果共享共用，為招標采購提供數據支撐。物資質量監督工作通過一體化平臺運行，打破各專業條塊界限，促進業務融合，不僅提供物資供應商的基礎信息，還可以提供經過信息處理后的供應商信息。

1.2 評價指標

電網物資供應商的評價指標需要基于“體系全面性、科學簡明性、可比穩定性和操作靈活性”的原則進行綜合考慮。在云檢驗環境下，由于物資供應商信息來源多樣，本文構建的電網物資供應商評價體系包括2級，一級指標反映供應商的基礎能力、過程管控、產品質量和服務支撐4個層面，然后對4個一級指標進一步細化，最終得到10個二級指標，其中指標類型包括語義短語、精確數和區間數，指標數據主要來自電網物資部的云檢驗系統，部分是原始數據，部分是基于原始數據通過公式計算得到，還有一些是專家打分得到。具體的電網物資供應商評價體系如表1所示。

表1 電網物資供應商資質能力評價體系Table 1 Evaluation system for power grid material suppliers

2 評價與優選方法

根據電網物資供應商評價體系，可以發現電網物資部的預期和評價供應商的屬性值通常有精確數、區間數和語義短語3種形態，不失一般性，本文構建混合型多屬性評價和優選問題。物資供應商集為A ={ A1, A2,… , Ai,… , Am}，各個指標屬性集為C ={C1, C2,… , Cj,… , Cn}，由供應商集和指標屬性集形成決策矩陣為B=[Bij]m×n，根據已知信息和對未來的期望，電網物資部給出了關于屬性的期望向量E={E1, E2,… , Ej,… , En}。上文中：Ai為第i個候選供應商；Cj為第j個屬性；Bij為第i個候選供應商的第j個屬性值，屬性之間相互獨立。

為了匹配電網物資評價指標體系，把指標屬性分為精確數、區間數和語義短語（比如“優、良、劣”）3種類型，依次用CN、CI、CL表示，且CN∪ CI∪ CL= C 。各類指標屬性特征如下。

1）當屬性Cj∈ CN時，Cj= Bj，其中Bj是實數型數值，一般假定Bj≥0；

2）當屬性Cj∈ CI時，其中是實數型數值，一般假定

3）當屬性Cj∈ CL時，Cj= Bj，其中Bj∈ S 。S為提前設定的語義狀態集，即S = {Sf| f = 0,1,… , (T /2)- 1,T /2,(T /2)+1,… , T }，其中Sf表示S中第f+1個語義語言，當T為偶數時，S包含T+1個元素。當T=6時，S ={S0,S1, S2, S3, S4, S5, S6} ，順次對應“非常差、差、較差、中、較好、好、非常好”7個狀態，即 S={ VP, P, MP, M, MG, G, VG }。S作為語義狀態集，有如下3個性質：①有序性，當f＞g時，Sf? Sg，即狀態Sf優于狀態Sg；②存在逆運算“neg”，當g=T-f時，Sg=neg(Sf)；③極值運算，當Sf? Sg時，有max{Sf,Sg} = Sf，min{Sf,Sg} = Sg。對于語義短語的處理和計算，本文將語言轉換成對應的三角模糊數，假如Cj= Sf，則：

各個屬性的期望向量E={E1, E2,… , Ej,… , En}可看作參照點，將參照點設定為期望向量更符合前景理論的特征。本文要解決的問題是，在已知決策者的期望向量E和最初決策矩陣B=[Bij]m×n的情況下，通過可變模糊識別模型和前景理論計算電網物資部的隸屬度、各個屬性的權重向量和前景決策矩陣，采用隸屬度和前景理論，對電網物資供應商進行多角度評價和優選。

2.1 數據規范化處理

各個屬性變量在混合型多屬性問題中可區分為成本型變量和收益型變量，其集合分別記作CC和CB，前者越小越有利，后者越大越有利，并通過規范化處理期望向量和決策矩陣，消除不同物理量綱對決策結果的影 響。令M ={1,2,… , i, … , m}，N ={1,2,… , j, … , n}，屬性屬于不同類別，不能直接測算，其規范化處理方式如下。

1）當屬性 Cj∈ CN、 i∈M 時 ， 記=max{max{Bij}, Ej}，=min{min{Bij}, Ej}，規范化計算公式為

2）當屬性 Cj∈ CI、 i∈M 時 ， 記=max{max=min規范化計算公式為

3）當屬性Cj∈ CL、i∈M時，將Ej和Bij通過式（1）轉換成對應的三角模糊數。

2.2 確定前景決策矩陣

基于前景理論，決策層需要通過參考點來測算出不同物資供應商屬性的“收益”或者“損失”。這里采用歐氏距離方法，將物資供應商的屬性值Bij′與期望屬性Ej′進行比較，從而確定前景決策矩陣V=[Vij]m×n。由于屬性的不同，比較方式也不同，具體如下。

1）當屬性Cj∈ CN時，直接比較Bij′與Ej′的大小。

根據上述規則，當i∈M時，歐氏距離Dij的計算公式為

進一步，通過比較Bij′與Ej′，確定物資供應商的屬性對于期望的“收益”或“損失”。由于決策層在“收益”和“損失”上存在不同風險偏好[19]，可以進一步建立前景決策矩陣V=[V(Bij)]m×n，其中V(Bij)表示第i個供應商的第j個屬性前景值，其計算公式為

式中：參數α和β表示V(Bij)的凹凸程度，且0＜α ＜ 1, 0＜β＜ 1；θ表示決策者損失厭惡水平，且θ＞1。

2.3 確定權重和隸屬度

前文已構造出前景決策矩陣，可以計算供應商每個屬性的前景值。為了確定供應商的累積前景值，必須確定屬性權重，只有在同一個屬性權重下，各個供應商才能進一步相互比較。根據式（6）提出的歐氏距離Dij的計算方法，可知Dij∈[0,1]。當Dij→0時，說明第i個供應商的第j個屬性與決策者第j個屬性的期望差距相對較??；當Dij→1時，說明第i個供應商的第j個屬性與決策者第j個屬性的期望差距相對較大。根據上述特征，構造兩極對立模糊模式識別中心，判別各供應商與決策者期望之間的隸屬度，以及最優屬性權重。首先，構建各個屬性的對立模式識別中心矩陣Vc=[vhj]2×n，其中h取值1或2。當h=1時，表示處于最優模式，對應的v1j=0；當h=2時，表示處于最劣模式，對應的v2j=1。顯然，當Dij→0，越靠近最優模式；相反，當Dij→1，越靠近最劣模式。然后，構造供應商隸屬度矩陣U=[uhi]2×m，其中uhi表示第i個供應商與2個對立模式中心的隸屬度，由于模

式中心對立，因此滿足u2i=1- u1i。假設各個屬性的權重為wj，根據各個供應商與決策者期望的歐氏距離Dij，令rij= Dij，可以進一步計算各個供應商與對立模式中心的廣義加權歐氏距離fi(u,w)如下：

顯然，若fi(u,w)越小，物資供應商i與期望目標的距離越近，即對期望向量的識別越優。設定F(u,w)為物資供應商集中各個供應商與所有參照點的差異，則F(u,w) = [f1(u,w) , f2(u,w) ,… , fm(u,w)]。由于各個供應商之間是獨立且平等的關系，建立優化模型如下：

滿足約束條件：

針對該目標優化問題，構造拉格朗日松弛函數：

令 ?L/?u =0， ?L/?w =0 ， ?L /? λu=0，?L/?λw=0，得：

式（12）和（13）給出了uhi和wj的計算方法，因為模型的復雜多變性，式（12）和（13）采用梯度下降法難以迭代求解[20]。本文采用可變模糊模式識別模型中的循環迭代方法[21]來求解最優隸屬度矩陣uhi*和權重向量w*，步驟如下：

1）設定w的迭代精度ε，通常設定ε=0.0001；

2）初始權重向量隨機取值w0={w1, w2,… , wn}，要求wj≥0，

3）將w0代入式（12），解得相應的初始矩陣

5）比較w1與w0，若則停止迭代，得到最終結果；否則，繼續輸入權重w1進行循環迭代，直至達到迭代精度后，退出循壞。

在迭代求解過程中，由于模型的合理性和收斂性已經在理論上得到了證明[20]，因此權重向量w既是變量又是已知的，則交叉迭代過程結束得到的就是最優隸屬度矩陣uhi*和最優屬性權重向量w*。最優隸屬度矩陣uhi*中，當h=1時，代表各個供應商與辨識中心最優集之間的隸屬關系，可記作U(Ai)。

2.4 排序與優選

在前景理論中，可根據前景決策矩陣判斷各個供應商的屬性值屬于“收益”或是“損失”。這里采用可變模糊迭代中求得的權重向量w*=( w1, w2,… , wj,… , wn)，根據累積前景理論[22]，各個物資供應商的累積前景值P(A)i計算如下：

如果通過累積前景值判斷供應商的優劣，則P(Ai)越大，物資供應商Ai越好；如果通過物資供應商的隸屬度判斷，則U(Ai)越大，物資供應商Ai越好。當前大多數研究僅單方面根據前景值或隸屬度進行評價與優選[15]，但兩者實際上是從2個維度來判斷物資供應商與決策者預期的關系，評價結果取決于決策者的風險偏好。如果供應商Ai的累積前景值較大，隸屬度較低，說明供應商Ai前景較優，但與決策期望偏差較大，供應商Ai不是最優的。若供應商Ai的累積前景值較低，但隸屬度較高，表明供應商Ai雖然比較接近決策期望，但前景較差，供應商Ai同樣不是最優的。當且僅當供應商Ai的累積前景值越大，且隸屬度越高，供應商Ai越優。因此，本文為更精確和全面地對各個供應商進行排序和優選，將各個供應商的累積前景值和隸屬度綜合考慮，即提出綜合前景值R(Ai)，其取決于各個供應商的累積前景值P(Ai)和隸屬度U(Ai)，計算方法為

式（15）體現了P(Ai)不同正負取值對于綜合前景值的影響。根據綜合前景值R(Ai)，可以更好地對電網物資供應商進行評價和優選。

3 應用分析

考慮物資部X的配電變壓器供應商遴選問題。目前存在5個供應商{ A1, A2, A3, A4, A5}可供選擇，需要考慮10個屬性C1～ C10，分別為C1：研發費用占比，%；C2：產品抽檢合格率，%；C3：出廠試驗一次性通過率，%；C4：運行故障率，%；C5：年度供貨量，萬臺；C6：故障恢復時間，min；C7：信譽水平；C8：企業信息化程度；C9：監造配合度；C10：用戶滿意度。其中信譽水平按照供應商相應資信等級賦值，企業信息化程度主要包括供應商的生產設備機械化、信息一體化程度，監造配合度是指供應商在監造過程中的配合程度，用戶滿意度是指電網公司對于整個供應過程的滿意程度。其中C1～C4是精確數類型，C5～C6是區間數類型，C7～C10是語義短語類型?；陔娋W物資部云檢驗數據，通過電網物資部在過去對變壓器供應商期望的考慮，X公司決策者提出了期望目標，轉化成期望向量為

利用本文提出的方法對變壓器供應商進行評價與優選。首先，根據式 （1）處理不同類型信息，得到初始決策矩陣如表2所示。然后按照式 （2）—（5），規范化處理決策者期望和初始決策矩陣，結果如表3所示。

表2 具有不同信息類型的初始決策矩陣Table 2 Initial evaluation data with different information types

表3 數據規范化后的期望向量與決策數據Table 3 Evaluation data after standardized processing

根據式（6）和表3中的數據，計算各個物資供應商與決策層期望向量之間的歐氏距離，結果如表4所示。

表4 各供應商與期望向量之間的距離矩陣Table 4 Euclidean distance between each supplier and expectation

為了計算前景決策矩陣，需要確定式 （7）中的參數α,β和θ。本文采用Tversky[22]的實驗數據，即α=β=0.88，θ=2.25，得到前景決策矩陣如表5所示。

表5 前景決策矩陣Table 5 Prospect decision data for each supplier

通過式（12）—（13）進行交叉循環迭代計算求解，最終得到的最優隸屬度矩陣uhi*為

最優權重為

各個物資供應商的隸屬度為U=[0.8783,0.8476,0.9804,0.9106,0.9576]。依據式（14），各個物資供應商的累積前景值為P=[-0 .6060,- 0.7431,- 0.0498,- 0.3368,-0.4231] 。最后根據式（15）計算得到各個供應商的綜合前景值為R=[-0 .0738,-0 .1133,-0 .0010,-0 .0301,-0.0179]。根據得到的各個供應商的隸屬度、累積前景值和綜合前景值，對供應商進行排序和對比分析，結果如表6所示。

表6 本文實例在不同決策方法下的供應商排序Table 6 Optimization and ranking of suppliers under different evaluation methods

由表6可以看出，如果根據隸屬度排序，最優供應商為A3，次優供應商為A5；如果從累積前景值來看，最優供應商為A3，次優供應商為A4；如果根據綜合前景值排序，最優供應商為A3，次優供應商為A5。結果說明，供應商A4的前景值比供應商A5更高，但供應商A5與決策者的期望最為接近。綜合考慮，最終的最優供應商為A3，次優供應商為A5。

4 結論

針對電網物資種類和供應商數量較多，存在信息不對稱和個性化需求的問題，本文在電網物資云檢驗環境下，構建物資供應商評價指標體系，采用基于前景理論的混合型多決策模型對供應商進行評價與優選，解決電網物資供應商選擇中主觀因素影響、信息利用不充分等現實問題。通過本文提出的評價與優選方法，可以將電力物資采購服務供應鏈中的供應商選擇評價方法引入電網公司購買服務的選擇評價，并引入電網公司采購的宏觀調控目標對其進行改進。與當前的電網物資供應商評價方法對比，該方法充分利用了云檢驗環境下信息的多樣性，規避了權重分配時可能出現的主觀因素影響，有助于電網物資部門更加科學合理地選擇供應商，保障電網安全穩定運行。