基于動態(tài)直覺模糊VIKOR群決策的冷鏈供應(yīng)商選擇研究

李 梅，吳 沖，胡建平

（1.哈爾濱工業(yè)大學(xué)管理學(xué)院，黑龍江 哈爾濱150001；2.廣西師范學(xué)院物流管理與工程學(xué)院，廣西 南寧530001；3.廣東工貿(mào)職業(yè)技術(shù)學(xué)院，廣東 廣州510510）

隨著物流行業(yè)的深入發(fā)展和人們生活水平的不斷提升，高附加值的冷鏈物流在流通領(lǐng)域扮演著越來越重要的作用。所謂冷鏈物流[1]，是指冷藏冷凍類物品在生產(chǎn)、儲存、運輸、再加工以及銷售的全過程中始終處于規(guī)定的低溫環(huán)境下，以保證物品質(zhì)量和性能的供應(yīng)鏈系統(tǒng)。供應(yīng)商選擇是冷鏈物流中下游企業(yè)（客戶）采購流程的重要環(huán)節(jié)。能否全面客觀地對其進(jìn)行選擇評價，并與之建立穩(wěn)定的聯(lián)盟伙伴關(guān)系，關(guān)系到下游企業(yè)（客戶）的采購效用，也關(guān)系到冷鏈物流的運營效率。

目前，國內(nèi)外學(xué)者對供應(yīng)商選擇進(jìn)行了大量的研究，主要集中在兩個方面：一是供應(yīng)商選擇的指標(biāo)選取；二是供應(yīng)商評價的模型方法[2]。在供應(yīng)商選擇的指標(biāo)體系中，比較集中的指標(biāo)主要有供應(yīng)商的質(zhì)量、價格、服務(wù)能力、財務(wù)水平、關(guān)系管理、選址及文化適應(yīng)[3-5]等；供應(yīng)商選擇的評價方法則集中于數(shù)據(jù)包絡(luò)分析法（DEA）、網(wǎng)絡(luò)層次分析法（ANP）、模糊評價法、理想點決策法（TOPSIS），以及這些方法的有效結(jié)合[6-9]等。然而，針對冷鏈物流供應(yīng)商選擇的文獻(xiàn)鮮見。本文借鑒并改進(jìn)已有的研究成果，構(gòu)建冷鏈物流供應(yīng)商選擇的評價指標(biāo)體系，并采用動態(tài)直覺模糊VIKOR 群決策模型對其進(jìn)行研究分析，為冷鏈物流供應(yīng)商選擇提供一種新的算法。一方面，決策評價過程引入動態(tài)直覺模糊數(shù)，將傳統(tǒng)的靜態(tài)評價升級為動態(tài)評價，同時考慮了決策過程中的不確定性和決策專家打分的猶豫度水平，使屬性評價值合理性增強，更加符合實際工作需求；另一方面，使用VIKOR 決策方法進(jìn)行綜合評價，該方法是一種基于理想點的決策方法，它的基本思想是以群體效用最大化及個體遺憾最小化為出發(fā)點，根據(jù)各評估方案與理想方案的接近程度來排列方案的優(yōu)先順序并進(jìn)行方案優(yōu)選，同時兼顧了決策者的偏好影響，從而得到更合理的決策效果。

1 基于動態(tài)直覺模糊VIKOR 群決策模型基礎(chǔ)理論

1.1 直覺模糊集及運算

定義1[10]設(shè)X 是一個非空集合，則論域X 上的直覺模糊集A 可表示為

其中，μA（x）和vA（x）分別為X 元素中x 屬于A 的隸屬度和非隸屬度，即μA：X→［0，1］，x∈X→μA（x）∈［0，1］，vA：X→［0，1］，x∈X→vA（x）∈［0，1］。同時，滿足0≤μA（x）+vA（x）≤1；則πA=1-μA（x）-vA（x）為X 元素中x 屬于A 的猶豫度或不確定度。顯然，對于任意的x∈X，都有0≤πA（x）≤1。

設(shè)α = （μa，va）為直覺模糊數(shù)，且設(shè)Θ 為全體直覺模糊數(shù)的集合[11]。顯然，α+= （1，0）為最大的直覺模糊數(shù)，α-= （0，1）為最小的直覺模糊數(shù)。

直覺模糊集的一些基本運算法則如定義2 所示：

定義2[12]若α1= （μa1，va1）和α2= （μa2，va2）均為直覺模糊數(shù)，則

1） α-= （va，μa）；

2） α1∧α2={min（μa1，μa2）,max （va1，va2）}；

3） α1∨α2={max（μa1，μa2）,min （va1，va2）}；

4） α1⊕α2=（μa1+μa2-μa1μa2，va1va2）；

5） α1?α2=（μa1μa2，va1＋va2－va1va2）；

6） λα=（1-(1-μa）λ，vαλ，λ＞0）；

7） αλ=（μaλ，1-(1-va）λ，λ＞0）。

1.2 直覺模糊集成算子[11]

定義3[13]設(shè)αj=(μaj，vaj)(j=1,2,…，n)是直覺模糊數(shù)，且設(shè)IFWA：Θn→Θ，

若

定理1[13]設(shè)aj=（μaj，vaj）（j=1,2,…，n) ，則有

且由IFWA 算子集成所得到的值也是直覺模糊數(shù)。

1.3 直覺模糊數(shù)的距離測度公式

若a1= (μa1，va1)和a2=（μa2，va2）為兩個直覺模糊數(shù)，則

為a1和a2的距離。

1.4 動態(tài)直覺模糊多屬性群決策問題描述

動態(tài)直覺模糊多屬性群決策問題可以描述為：在tk(k=1，2，…，r)個時段中，由p 人組成的決策專家團(tuán)Dl(l=1，2，…，p)從一系列備選方案Ai(i=1，2，…，m)中，依據(jù)評價準(zhǔn)則Cj(j=1，2，…，n)，給出含有直覺模糊數(shù)形式的評價信息，并對方案進(jìn)行決策優(yōu)選。設(shè)ωk表示各個時段tk的權(quán)重，λkl表示tk時段決策者Dl的權(quán)重，ζkl表示tk時段指標(biāo)Cj的權(quán)重。則tk時段決策者Dl的決策矩陣可以表示為

表1 tk 時段決策者Dl 的直覺模糊決策矩陣Tab.1 Intuitionistic fuzzy decision-making matrix of Dl in period tk

其中，（μklmn，vklmn） 表示tk時段決策者Dl給出的Ai方案在Cj指標(biāo)下的直覺模糊評價值，μklmn和vklmn分別表示評價值的隸屬度和非隸屬度，且

1.5 動態(tài)直覺模糊數(shù)的加權(quán)平均DIFWA 算子[14]

將公式（2）和（3）加以推廣，形成動態(tài)直覺模糊數(shù)的加權(quán)平均算子DIFWA，設(shè)α1,α2,…，αr為r 個不同時段tk(k=1,2，…，r)狀態(tài)下的直覺模糊數(shù)，且ωk為各個時段tk的權(quán)重，則稱

進(jìn)一步簡化T-Map空間域，以獲得不同交點軸線偏差的2維坐標(biāo)波動范圍，對T-Map的3維空間域再次進(jìn)行降維。依次設(shè)定λF中和任意兩項為0進(jìn)行降維，可得到6個2維空間域，利用式(12)可得2維空間域邊界分別為：

為動態(tài)直覺模糊數(shù)的加權(quán)平均DIFWA 算子。

2 動態(tài)直覺模糊VIKOR 群決策模型的構(gòu)建

首先，組織決策專家小組分階段采集冷鏈物流供應(yīng)商的信息并根據(jù)指標(biāo)內(nèi)容對其進(jìn)行打分，接著根據(jù)IFWA 算子將各個時段專家打分的直覺模糊信息與其權(quán)重信息集結(jié)，得到每個時段的群評價信息矩陣，再根據(jù)DIFWA 算子將各個時段的群評價信息與指標(biāo)權(quán)重信息集結(jié)，得到綜合評價的直覺模糊矩陣。在此基礎(chǔ)上，將VIKOR 決策方法［15］引入到模型中，構(gòu)建動態(tài)直覺模糊VIKOR 群決策模型。具體步驟：

步驟1 根據(jù)決策專家的打分矩陣，利用IFWA 算子（3），計算每個時段的群評價信息矩陣；

步驟2 根據(jù)DIFWA 算子（6），將各個時段的群評價信息與指標(biāo)權(quán)重信息集結(jié)，得到綜合評價的直覺模糊矩陣；

步驟3 分別定義直覺模糊正理想解x+和負(fù)理想解x-，即

其中，α+= （1，0），α-= （0，1）。

步驟4 根據(jù)直覺模糊距離測度公式（5），計算各供應(yīng)商的群體效益值Si和個體遺憾度Ri，公式：

步驟5 計算各待評價供應(yīng)商的折衷排序值

式中，ε 為折衷排序系數(shù)，ε∈[0，1]，若ε＞0.5，則表示方案群體效益的比重高于個體遺憾度的比重；反之亦然。通常情況下，取ε = 0.5。

步驟6 按照VIKOR 決策法的決策準(zhǔn)則對備選供應(yīng)商進(jìn)行排序，Qi值越大，說明方案越差；Qi值越小，說明方案更優(yōu)。同時，若存在Q′-Qmin≥1/（m-1），則說明最小解所對應(yīng)的方案為最優(yōu)，其中Q′為次小解，Qmin為最小解，m 為對比方案個數(shù)。

3 冷鏈物流供應(yīng)商選擇指標(biāo)體系的建立

供應(yīng)商選擇是企業(yè)與其供應(yīng)商建立和保持長期合作關(guān)系的基礎(chǔ)。一般來說，傳統(tǒng)供應(yīng)商的選擇是通過供應(yīng)商供貨的產(chǎn)品價格、產(chǎn)品質(zhì)量、供貨及時性、交貨期的穩(wěn)定性及客戶服務(wù)等各項評定指標(biāo)進(jìn)行綜合分析的。冷鏈物流供應(yīng)商選擇更是在這基礎(chǔ)上把供應(yīng)商的冷鏈能力和水平作為首要因素而提出的。通過選擇合適的冷鏈供應(yīng)商，并與之建立緊密長久的合作關(guān)系，不僅可以降低下游企業(yè)（客戶）成本、減少庫存、提高現(xiàn)金流量、提升物流專業(yè)化水平，更能滿足冷鏈商品消費者對于產(chǎn)品高品質(zhì)享受的預(yù)期。

通過歸納梳理大量文獻(xiàn)，并結(jié)合冷鏈物流的發(fā)展現(xiàn)狀，綜合專家意見，最終確立了冷鏈物流供應(yīng)商選擇的18 項指標(biāo)，并將其整合為5 項指標(biāo)（C1～C5）。由于指標(biāo)數(shù)量較多，為了便于專家快速、準(zhǔn)確、全面打分，設(shè)計了冷鏈物流供應(yīng)商選擇評價指標(biāo)的體系圖，如圖1所示。

圖1 冷鏈物流供應(yīng)商選擇的評價指標(biāo)體系Fig.1 Evaluation index system of cold logistics supplier selection

4 算例分析

某冷鏈物流企業(yè)對5 個潛在的供應(yīng)商（A1，A2，…A5）分資格審查t1，初步溝通t2，和深入調(diào)研t3，3 個階段進(jìn)行優(yōu)選，3 個決策專家小組（D1，D2，D3）分別從財務(wù)指標(biāo)（C1）、客戶服務(wù)指標(biāo)（C2）、運輸能力指標(biāo)（C3）、倉儲能力指標(biāo)（C4）及響應(yīng)能力指標(biāo)（C5）等5 個維度對其進(jìn)行評價。評價值均為直覺模糊數(shù)，且設(shè)ωk表示各個時表示tk時段決策者Dl的權(quán)重，λ1= [0.40，0.28，0.32]，λ2=段tk的權(quán)重，ω3[0.30，0.35，0.35]，λ3= [0.40，0.30，0.30]； ζkl表示tk時段指標(biāo)Cj的權(quán)重，ζ = [0.30，0.17，0.13，0.26，0.14]。專家決策小組在各階段對5 個供應(yīng)商的評價值如表2～表4所示。

下面利用本文所建模型進(jìn)行求解。

首先，根據(jù)決策專家的打分矩陣，利用IFWA 算子（3），計算每個時段的群評價信息矩陣，如表5所示。

表2 專家決策小組在t1 階段對5 個供應(yīng)商的評價值Tab.2 Evaluation values for the five suppliers made by expert decision group in t1 stage

表3 專家決策小組在t2 階段對5 個供應(yīng)商的評價值Tab.3 Evaluation values for the five suppliers made by expert decision group in t2 stage

表4 專家決策小組在t3 階段對5 個供應(yīng)商的評價值Tab.4 Evaluation values for the five suppliers made by expert decision group in t3 stage

表5 群評價信息矩陣Tab.5 Group evaluation matrix

然后，根據(jù)DIFWA 算子（6），將各個時段的群評價信息與指標(biāo)權(quán)重信息集結(jié)，得到綜合評價的直覺模糊矩陣，如表6所示。

表6 直覺模糊矩陣的綜合評價Tab.6 Comprehensive evaluation of intuitionistic fuzzy decision-making matrix

接著，根據(jù)步驟3，4，5 分別定義直覺模糊正理想解x+和負(fù)理想解x-，通過直覺模糊距離測度公式（5），計算各供應(yīng)商的群體效益值Si和個體遺憾度Ri，并依據(jù)VIKOR 決策法的決策準(zhǔn)則對備選供應(yīng)商進(jìn)行排序，Qi值越大，說明方案越差；Qi值越小，說明方案更優(yōu)。結(jié)果如表7所示。

表7 待選擇供應(yīng)商的Si、Ri 及Qi 值Tab.7 Si，Ri and Qi of five suppliers

最后，進(jìn)行最優(yōu)解的判斷，Q′-Qmin= 0.4139-0.0000=0.4139≥1/（m-1）=0.250，故滿足最優(yōu)解判斷標(biāo)準(zhǔn)，A1為最優(yōu)冷鏈物流供應(yīng)商。

使用TOPSIS 方法[16]進(jìn)行供應(yīng)商優(yōu)選，結(jié)果與本文一致，即A1＞A3＞A5＞A4＞A2，從而說明了本文所構(gòu)建方法的可行性和有效性。此外，在決策專家打分的過程中，若存在多種類型的數(shù)據(jù)，如實數(shù)、區(qū)間數(shù)及直覺模糊數(shù)并存的情況，與TOPSIS 方法相比，選擇VIKOR 決策方法可以有效降低數(shù)據(jù)間的不可公度性，提高決策的合理性。

5 結(jié)束語

本文基于冷鏈物流供應(yīng)商選擇的評價指標(biāo)體系，構(gòu)建了動態(tài)直覺模糊VIKOR 群決策模型，提出了在時間權(quán)重、專家權(quán)重及指標(biāo)權(quán)重已知的條件下進(jìn)行動態(tài)直覺模糊多屬性群決策的方法和步驟，并通過一個算例證明該方法是有效可行的，為物流供應(yīng)商選擇提供了一種新的思路。本決策方法也可推廣到人員動態(tài)評價、服務(wù)質(zhì)量動態(tài)評價及醫(yī)療診斷等領(lǐng)域，具有比較廣闊的應(yīng)用前景和實用價值。

[1]毋慶剛.我國冷鏈物流發(fā)展現(xiàn)狀與對策研究[J].中國流通經(jīng)濟(jì)，2011（2）:24-28.

[2]袁宇，關(guān)濤，閆相斌，等.基于混合VIKOR 方法的供應(yīng)商選擇決策模型[J].控制與決策，2014，29（3）：551-560.

[3]SANJAY JHARKHARIA，RAVI SHANKAR.Selection of logistics service provider: An analytic network process (ANP) approach

[J].The International Journal of Management Science.2007，35（3）：274-289.

[4]綦振法，程鈞謨，徐福緣.供應(yīng)商綜合實力的指標(biāo)評價體系及模糊判斷[J].數(shù)學(xué)的實踐與認(rèn)識，2006，36（8）：13-18.

[5]李柏生.供應(yīng)商評價指標(biāo)體系在ERP 系統(tǒng)中的建立[J].電子技術(shù)與軟件工程，2014（1）：107.

[6]胡軍，余文芳，陳云南.基于TOPSIS 理論的企業(yè)供應(yīng)商選擇應(yīng)用[J].統(tǒng)計與信息論壇，2008（11）：65-70.

[7]黃細(xì)燕，徐玉萍.基于分類預(yù)處理的協(xié)同供應(yīng)商模糊綜合評價[J].華東交通大學(xué)學(xué)報，2014，31（6）：126-130+142.

[8]孫璐.基于SODM-TOPSIS 的物流供應(yīng)商選擇研究[J].物流技術(shù)，2013，32（12）：333-335.

[9]黃晉川，范建平.基于AHP 和DEA 的綠色建材供應(yīng)商選擇研究[J].項目管理技術(shù)，2014（10）：88-92.

[10]ATANASSOV K.Intuitionistic fuzzy sets[J].Fuzzy Sets and Systems，1986，20（1）：87-96.

[11]徐澤水.直覺模糊信息集成理論及應(yīng)用[M].北京：科學(xué)出版社，2008.

[12]ATANASSOV K.New operations defined over the intuitionistic fuzzy sets[J].Fuzzy Sets and Systems，1994，61（2）：137-142.

[13]XU Z S.Some similarity measures of intuitionistic fuzzy sets and their applications to multiple attribute decision making[J].Fuzzy Optimization and Decision Making，2007，6（2）：109-121.

[14]XU Z S，YAGER R.Dynamic intuitionistic fuzzy multi-attribute decision making [J].International Journal of Approximate Reasoning.2008，48（1）：246-262.

[15]SANAYEI A，MOUSAVI S F, YAZDANKHAH A.Group decision making process for supplier selection with VIKOR under fuzzy environment[J].Expert Systems with Applications，2010，37（1）：24-30.

[16]南江霞，李登峰，張茂軍.直覺模糊多屬性決策的TOPSIS 法[J].運籌與管理，2008，17（3）：34-37.