第26卷 第1期2006年1月北京理工大学学报
T ransactions of Beijing Institute of T echnolog y Vol.26 No.1Jan.2006
文章编号:1001-0645(2006)01-0031-05
杨玉中
1,2
, 张强1, 吴立云
2
(1.北京理工大学管理与经济学院，北京 100081; 2.河南理工大学能源学院，河南，焦作 454010)摘 要：结合汽车制造企业的实际，提出了供应商选择的指标体系，建立了基于熵权的逼近理想解的排序方法(technique for order preference by similarity to ideal solution,T OP SI S )的多层次评价模型.由于在该模型中采用了熵权，从而避免了低层次多因素权重确定的主观性.通过将该模型在某汽车制造企业供应商 选择中的应用，得出了其供应商的优劣排序，为该企业选择了理想的优秀供应商.关键词：熵权；逼近理想解排序；供应商选择；相对接近度中图分类号:F 252121 文献标识码:A
Technique for Order Preference by Similarity to Ideal Solution
Based on Entropy Weight for Supplier Selection
YANG Yu -zhong 1,2, ZHANG Qiang 1, WU L-i yun 2
(1.School of M anag ement and Eco nomics,Beijing Institute of T echnology ,Beijing 100081,China; 2.School of
Energy Science and Eng ineering,Henan Poly technic U niversity,Jiaozuo,Henan 454010,China)
Abstract :A system of evaluation indices for supplier selection is put forward based on automobile m an -ufacturing enterprises,and a mult-i level model of technique for order preference by similarity to ideal solution (TOPSIS),based on entropy w eight,is constructed.Because entropy weig ht is adopted in the model,the subjectivity in ascertaining factors .w eights in low er hierarchy can be avoided.T he im -proved model has been applied in supplier selection in some automobile manufacturing enterprises.The
order preference of suppliers w as attained,and the ex cellent and ideal suppliers w ere ascertained for the enterprise.
Key words :entropy weight;technique for order preference by similarity to ideal solution(TOPSIS);
supplier selection;relative adjacent deg ree
收稿日期:20050414
基金项目：国家自然科学基金资助项目(70471063,60274050)作者简介：杨玉中(1972-)，男，在职博士生,E -mail:jityyz@bit.edu；张强(1955-)，男，教授，博士生导师.
供应商的选择是供应链合作关系运行的基础.对于生产型企业而言，供应商的优劣直接影响到产品的成本、质量和交货期及供应链的整体绩效.因此，科学、合理、客观地评价并选择供应商是供应链上核心企业的重要工作之一.
供应商选择的定量化方法主要有模糊评价模
型[1-2]、AH P (analytical hierarchy process )方法[3-4]
、综合评价方法[5]、灰综合评价[6-7]
、高维
云模型等[8]
.这些方法或计算比较复杂，或者权重
的确定具有很大的主观性，对不同类型的核心企业需要重新确定权重，应用很不方便.作者结合汽车制造企业的实际情况，建立了供应商选择的指标体
系，在此基础上，利用基于熵权的逼近理想解排序方法对某汽车制造企业的供应商的选择进行了研究.
1供应商选择的指标体系
不同企业供应商选择指标的侧重点不同.在大多数跨国公司中，供应商选择的基本准则是质量、成本、交付与服务并重.结合某汽车制造企业的实际，归纳出以下主要评价指标.
产品质量.采购物料的质量最终会反映到企业产品的质量和总成本中，所以物料质量是衡量供应商的首要因素.衡量产品质量的因素主要包括企业的质量保证体系、生产所需产品的设备状况、工艺水平及产品的合格率等.
价格.采购价格对于降低企业生产成本，提高产品竞争力有明显的作用，因此价格也是一个重要因素.但在供应链战略合作关系中，价格因素必须与质量、服务等其他因素综合考虑.
供应商能力.供应商能力是一个综合性指标，主要包括供应商的供货能力、技术力量、组织管理能力、沟通协作能力、产品开发能力、快速反应能力等.这些因素旨在考察供应商能否持续、稳定地为企业带来增值服务.
服务水平.即供应商内部各作业环节，能够配合购买者的能力和态度，主要包括订单处理的速度、准确性、企业交易各流程的健全性、员工的责任心等.
管理制度及信誉.这是选择供应商建立战略性合作关系的长期标准，主要考察供应商的企业体制是否健全、管理制度是否完备、经营理念是否以客户为中心、研发方向是否符合企业需求、财务状况是否良好、企业信誉状况是否良好等.
上述指标构成的评价指标体系如图1所示
.
图1供应商选择评价指标体系
Fig.1The sys tem of evaluation indices for supplier selection
2基于熵权的TO PSIS方法
T OPSIS是一种统计分析方法，它借助多属性
问题的理想解和负理想解对评价对象进行排序[9].
理想解是一个虚拟的最优解，它的各个指标值都达
到评价对象中的最优值；而负理想解是虚拟的最差
解，它的各个指标都达到评价对象中的最差值.
设有m个评价对象(供应商),n个评价指标,
各供应商的评价指标值组成矩阵X,x ij表示第i个
供应商的第j个指标值.
数据的规范化.因为各指标通常具有不同的量
纲，无法直接进行比较，所以必须对指标值矩阵进行
规范化.规范化的方法很多，这里仅给出常用的标
准化方法:
y i j=x
ij E
m
i=1
x i j.(j=1,2,,,n)(1)
确定评价指标的熵权.在信息论中，信息熵是
系统无序程度的度量[10].信息熵定义为
S(y j)=-E m i=1y ij ln y ij,(2)产翁制
0ln0S0.
式中m为评价对象的个数.
一般来说，综合评价中某项指标的指标值变异
程度越大，信息熵S(y j)越小，该指标提供的信息
量越大，该指标的权重也应越大；反之，该指标的权
重也应越小.因此，可以根据各项指标值的变异程
度，利用信息熵这个工具计算出各指标的权重)))
熵权.
首先求解输出熵
S j=S(y j)/ln m.(3)
其次求解指标的差异度
G j=1-S j.(1[j[n)(4)
让子弹飞 久石让最后计算熵权
32北京理工大学学报第26卷
a j =G
j
E
n
i=1
G i . (j =1,2,,,n)(5)
构造加权规范化矩阵.因为各因素的重要性不
同，所以应考虑各因素的熵权，将规范化数据加权，构成加权规范化矩阵
V =(v ij )m @n =
a 1y 11
a 2y 12,a n y 1
n a 1y 21a 2y 22,
a n y 2n ,,,a 1y m 1
a 2y m 2
,a n y m n
.
(6)
确定评价对象的理想解和负理想解 V +
={(max i
v ij |j I J 1),(min i
v ij |j I J 2)|i =1,2,,,m }.(7)
V -={(min i
v i j |j I J 1),(max i
v ij |j I J 2)|i =1,2,,,m }.(8)
式中:J 1为效益型指标集;J 2为成本型指标集.
计算距离.评价对象与理想解和负理想解的距离分别为
d +
i =E n
j =1(v ij -v +j )
2
1/2
,d -i =
E n
j =1
(v ij -
v -j )
2
1/2
.
(i =1,2,,,m )
(9)
确定相对接近度.评价对象与理想解的相对接近度为
C i =d -i
d +i +d -i
. (i =1,2,,,m )
(10)
根据相对接近度大小，就可以对评价对象的优劣进行排序，从而选择合适的供应商.
当评价对象的指标划分成不同层次时，就需要利用多层次评价模型进行评价.多层次评价模型是在单层次评价模型基础上得到的，单层次评价的结果C i ，即由各评价对象的相对接近度组成上一层次的评价矩阵C 2，此时考虑各因素的权重，评价矩阵和权重向量合成为评价结果向量.
C =A #C 2.(11)
根据加权相对接近度的大小即可确定评价对象
的优劣.
3 应用实例
某汽车制造企业需要采购一种汽车配件，而且该种配件将长期使用.能够生产该种配件的供应商
共有6家，分别以A,B,C,D,E,F 表示.该企业通过对这些供应商的详细调查，由公司的供应、生产、质检、销售各部门组成的专家组对各供应商的定性指标进行了评定，每项指标实行10分制，各指标的评定值见表1.定量指标中的合格率、价格和服务水平见表2.
表1 供应商评价指标值
刮刀涂布Tab.1 The value of evaluation indices of suppliers
评价指标
得分
A
B C D E F 质量保证体系
918818916811914710产品质量
设备状况912816615814716914工艺水平813712714911913618供货能力
1091781691681410技术力量916815914818912810供应商组织管理能力912910916816911915能力
沟通协作能力818911913812914910开发能力
917817915910916813快速反应能力
915911819913716910处理订单速度113215015014216111服务水平
交易流程健全性916914918914819910责任心918811915715816910企业体制915911916816910914管理制度
914912918911817916管理制度
经营理念915913917916814919研发方向
913915814912811916财务状况913819915813815916信誉
信誉
916
911
914
811
813北京地质仪器厂
914
激光放大器实验
表2 供应商评价定量指标值Tab 12 The value of quantitative evaluation
indices of suppliers
供应商产品质量合格率/%价格/元服务水平/%
A 95163329914
B 96173129916
C 94122879813
D 93142989915
E 95123109112F
9711
302
9316
311 第2层次评价
以质量为例对第2层次的指标进行评价.
33
第1期 杨玉中等：基于熵权的T OPSIS 供应商选择方法
数据的规范化.根据式(1)，规范化后的矩阵为
Y =
011860118501173011670116701173011500116901182011310115401165
0115401169011890116301178冰川冻土
01153
01193
01166
01133011890114101170
1
计算各指标的熵权.根据式(2)~(5)，计算出各指标的熵权为
A 1={01308,01308,01308,01077}.构造加权规范化矩阵.根据式(6)，得加权规范化矩阵
V =
0105701057010530101290105101053010460101300105601040010470101270104701052010580101260105501047010590101280104101058
01043
010131
1
确定理想解和负理想解.产品质量的这4个指标均为效益型指标，即越大越好，所以理想解和负理想解分别为
V +={01057,01058,01059,010131},
V -={01041,01040,01043,010126}.计算距离.根据式(9)，分别计算各供应商与理想解和负理想解的距离为:
d +1=010061,d -1=010254;d +
2=010152,d -2=010167;d +
3=010217,d -
3=010155;
d +4=010117,d -4=010201;d +5=010112,d -5=010224;d +6=010226,d -6=0101801确定相对接近度.根据式(10)，各供应商与理想解的相对接近度分别为:
C 11=01806,C 12=01524,C 13=01417,C 14=01632,C 15=01667,C 16=01443.同理可分别就价格、供应商能力、服务水平、管理制度及信誉等指标对供应商进行评价，计算过程略，评价结果如下.
价格:C 21=0,C 22=01458,C 23=11000,C 24=01750,C 25=01500,C 26=01667.
供应商能力:C 31=01910,C 32=01633,C 33=01578,C 34=01676,C 35=01353,C 36=01562.
服务水平:C 41=01591,
C 42=01048,
C 43=01952,C 44=01967,C 45=01014,C 46=01683.
管理制度及信誉:C 51=01853,C 52=01693,C 53=01657,C 54=01353,C 55=01120,C 56=01889.
312 第1层次评价
第2层次的评价结果组成第1层次的评价矩阵，此时考虑第1层次各因素的权重，权重的确定采用层次分析法(计算过程略).
A ={0130,0115,0125,0120,0110}.则第一层次的综合评价
C =[0130 0115 0125 0120 0110]@01806
0191001591018530152401458016330104801693014171100001578019520165701632017500167601967013530166701500
01353
010*******
0144301667015620168301889
=
[01673 01463 01676 01700 01378 01599].
根据评价准则可知，供应商D 最好，其次是供应商C 和A，这三者相差不大.所以若只选择一个供应商，则供应商D 就是最佳选择；若需选择几个供应商，则D,C,A 应为最佳选择.
4 结束语
供应商选择是搞好供应链管理的前提，是提高供应链整体绩效的关键环节之一.基于熵权的多层次TOPSIS 方法，避免了低层次多因素权重确定的主观性，使评价结果更加客观，更符合实际，是对TOPSIS 方法的发展.通过在某汽车制造企业供应商选择中的应用表明，该方法便于操作，易于推广使用.但该模型在上层因素权重的确定中，仍然无法避免主观性，所以尚需进一步深入研究.
参考文献:
[1]So roosh S,Fazel Zar andi M H.A comprehensive fuzzy
mult-i objective model for supplier selection process [C]M Proceedings IEEE International Confer ence o n Fuzzy Sys -tems.St Louis,M O :[s.n.],2003.
[2]Youngpil C,M ooyoung J.Satisfaction assessment of mu-l
t-i objective schedules using neural fuzzy methodolog y [J].International Jour nal of Production Research,2003,41(8):1831-1849.
[3]Chan F.I nteractive selection mo del fo r supplier selection
34北京理工大学学报 第26卷
process:an analytical hierarchy process appro ach[J].
International Journal of Product ion Research,2003, 41(15):3549-3579.
[4]金鑫，张之敬，卢玉波，等.发射器设计方案评判
的改进AHP法[J].北京理工大学学报,2004,24(1): 35-39.
Jin Xin,Zhang Zhijing,LU Y ubo,et al.A n improved analytical hierarchy process alg orithm for the evaluation of rocket launcher desig n schemes[J].T r ansact ions of Beijing
I nstitute of T echno logy,2004,24(1):35-39.(in Ch-i
nese)
[5]Cho y K L,L ee W B,L au Henr y C W,et al.An enter-
pr ise collaborativ e manag ement system:a case study of supplier selection in new product development[J].I nterna-tional Jour nal o f T echnolo gy Management,2004,28(2): 206-226.
[6]W u L iyun,Y ang Yuzhong.Grey comprehensive judgment
on collier y transpor tation system[C]M Proceedings P rogress in Safety Science and T echnolog y.Beijing:Sc-i ence Press,2004:2006-2011.
[7]韩晓，何明，李金林，等.基于灰关联度的科研项目风
险评价方法[J].北京理工大学学报,2002,22(6):778-781.
Han Xiao,He M ing,L i Jinlin,et al.M ethod o f evalua-tion for risks in research projects based on gr ey r elevancy [J].Journal of Beijing Institute of T echnolog y,2002, 22(6):778-781.(in Chinese)
[8]张国英，沙云，刘旭红，等.高维云模型及其在多属性评
价中的应用[J].北京理工大学学报,2004,24(12):1065-1069.
Zhang Guoy ing,Sha Yun,L iu Xuhong,et al.High d-i mensional cloud model and its application in multiple attr ibute evaluation[J].T r ansactions of Beijing Institute of T echnolog y,2004,24(12):1065-1069.(in Chinese) [9]岳超源.决策理论与方法[M].北京：科学出版社,2003.
Yue Chaoy uan.T heory and methods for decision[M].
Beijing:Science Press,2003.(in Chinese)
[10]Y oshiaki Y.Wave fr ont-flatness evaluation by wave
fron-t corr elatio n-information-entropy method and its application for adaptive co nfocal microsco pe[J].Optics Communications,2004,232(6):91-97.
(责任编辑：赵秀珍)
(上接第30面)
参考文献:
[1]M aybank S J,Faug er as O D.A theory of sel-f calibration
of a moving camera[J].International Journal of Computer V ision,1992,8(2):123-151.
[2]L uong Q T,Faug er as O D.T he fundamental matrix:the-
ory,algorithms and stability analysis[J].International Journal of Computer V i sion,1996,17(1):43-75. [3]Hartley R I.Sel-f calibration of statio nary cameras[J].
International Journal of Computer Vision,1997,22(1): 5-23.
[4]Po llefeys M,K och R,V an Gool L.Sel-f calibr ation and
metric r econstruction in spite of vary ing and unknow n in-ternal camer a par ameters[C]M Proceedings of ICCV98.
Bombay,India:[s.n.],1998:90-95.
[5]Po llefeys M,Van Gool L,Proesmans M.Euclidean3D
r econstruction from image sequences w ith variable focal lengths[C]M P roceedings of ECCV96.Berlin:Springer V erlag,1996:31-42.
[6]胡占义，吴福朝.基于主动视觉摄像机标定方法[J].计
算机学报,2002,25(11):1149-1156.
Hu Zhany i,Wu F uchao.A review on some active vision based camera calibration techniques[J].Chinese Journal of Computers,2002,25(11):1149-1156.(in Chinese)[7]Basu A.Active calibration:alternative strateg y and analy-
sis[C]M Pro ceedings of CV PR93.New Yor k:[s.n.], 1993:405-500.
[8]Du F,Brady M.Sel-f calibration of the intrinsic par ame-
ters of cameras for activ e visio n systems[C]M Proceedings of CV PR93.New Y ork:[s.n.],1993:477-482. [9]M a S D.A sel-f calibration technique for activ e vision sys-
tems[J].IEEE T rans on Robo tics and Automat ion,1996, 12(1):114-120.
[10]杨长江，汪威，胡占义.一种基于主动视觉的摄像机内
参数自标定方法[J].计算机学报,1998,21(5):428-
435.
Y ang Changjiang,Wang Wei,Hu Zhany i.An active v-i
sion based camera intr insic parameters sel-f calibration technique[J].Chinese Journal o f Computers,1998,
21(5):428-435.(in Chinese)
[11]L i H,Zhang Huaifeng,Wu F C,et al.A new linear
camera sel-f calibr atio n technique[C]M Proceedings of the 5th Asian Conference on Computer Vision.M elbourne,
Australia:[s.n.],2002:676-681.
[12]L i H,Wang G H,Lei C,et al.A new sel-f calibration
technique v ia epipoles[C]M Proceedings of the5th A sian Conference on Computer Vision.M elbourne,Australia:
[s.n.],2002:670-675.
(责任编辑：李玉丹)
35
第1期杨玉中等：基于熵权的T OPSIS供应商选择方法
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议