基于數據包絡分析的乳制品企業供應鏈績效對比研究

李思維 張正勇 孫樹壘

[摘要]2008年中國奶制品污染事件已過去十多年，乳制品業經過這十多年的重新洗牌，呈現出另一番景象。根據相關新聞報道，某些曾經受到波及的企業經過這些年的精益求精，目前已成為行業中的領跑者，然而某些未受到影響反而在當時獲利的企業卻由于近年來管理決策不當，地位早已不復從前。本文為了解自中國奶制品污染事件以來不同企業在乳制品供應鏈各環節的效率差異，構建由生產加工環節與儲運銷售環節組成的兩階段數據包絡分析（Data Envelopment Analysis， DEA）的效率測度模型，并運用軟件將相關企業各環節投入產出數據代入模型進行分析討論。結果表明，不同企業在供應鏈的不同環節各有優勢，在各環節處于劣勢的企業應向優勢企業學習借鑒，并通過減小資源投入或提高技術能力，不斷改進完善自我;乳制品供應鏈各環節對其整體效率的影響也各不相同，在實際管理過程中，管理者應根據影響程度的大小，合理設置權重以便更好地進行分析。

[關鍵詞]數據包絡分析;乳制品企業;供應鏈;技術效率;績效研究

中圖分類號：C931.2文獻標識碼：ADOI：10.16465/j.gste.cn431252ts.202003

2008年9月，三鹿奶粉中含有三聚氰胺的新聞報道引發社會各界的強烈關注，2008年中國奶制品污染事件使得眾多乳制品紛紛下架，乳制品企業成為眾矢之的，整個乳制品行業面臨前所未有的信任危機。

如今，國內的乳制品工業正由工業化、機械化向智能化階段邁進。相關數據表明，2018年我國乳制品產量達2 687.1萬t，主營業務收入高達3 398.9億元，占食品制造行業收入的18.5%。種種數據表明乳制品業目前已成為中國食品制造業的第一大行業。2008—2018年中國乳業的變化翻天覆地，政府建立了更為嚴格的市場監管體系，乳制品企業也紛紛從原料采集、生產加工、儲運銷售等供應鏈的各環節著手，對乳制品質量進行監管。

為了解長時間以來乳制品業供應鏈各環節的績效變化，以及企業間相同供應鏈各環節的效率差異，本文利用數據包絡分析（Data Envelopment Analysis， DEA）分別對三家企業連續多年的供應鏈各環節進行細致的分析，構建兩階段乳制品供應鏈績效測量指標體系，并建立乳制品企業兩階段供應鏈績效測度模型，將三家企業各環節投入產出數據代入其中，進行測量與結果分析。

國內關于乳制品供應鏈的研究大多集中在產品的質量安全方面。王磊等[1]基于質量安全的視角探討了合作伙伴特性對乳制品供應鏈合作關系穩定性的影響;楊琦等[2]應用主成分因子分析和二項Logistic回歸分析，對我國乳制品供應鏈中銷售環節中的質量安全影響因素進行研究;桂冬冬等[3]提出一種包含原料供應商、生產商和消費市場的供應鏈網絡均衡模型，研究供應鏈各主體的決策行為對食品質量安全的影響程度;另有學者基于供應鏈的視角，應用博弈論等方法對食品質量安全風險進行相關的管控研究[4-6]。而國外關于食品供應鏈的研究，主要集中在供應鏈各環節的安全管理[7-8]以及整體的可持續性方面[9-10]，與國內相比更加側重于供應鏈的管理以及各環節效率的提高。

在乳制品供應鏈效率測度方面，國內的研究大部分為宏觀性研究，例如魏艷驕等[11]利用中國28個原奶主產省區面板數據，分析乳制品進口對于中國不同規模奶牛養殖效率的影響;陳吉銘等[12]基于京津冀地區有代表性的企業數據，對其冷鏈物流效率進行研究。國內關于效率測度的研究大多是利用DEA對供應鏈整體[13-14]或是分階段進行研究[15- 16]，然而在乳制品業的效率測度方面，則缺少對其供應鏈“黑箱”內部的研究。在國外，近年來關于DEA的研究，大都針對DEA模型本身進行改進[17-18]，或將DEA與其他研究方法相結合進行實例分析[19]，但是關于乳制品供應鏈“黑箱”的研究同樣十分有限。因此，本文基于國內外在此方面的共同不足，“打開黑箱”，構建乳制品供應鏈兩階段DEA模型，并從微觀角度對三家乳制品企業連續多年的績效進行對比分析，以期為各企業提供相關參考，促進企業在激烈的市場競爭中更快更好地發展，并逐漸獲得更高的關注度與知名度。

1 模型與數據

1.1 模型構建

乳制品供應鏈由于其產品的特殊性，對各環節的把控十分嚴格，在對供應鏈進行績效評估時，由于原料采集階段受牧場規模與乳牛產奶量不可控因素的影響，針對該階段的績效改進短時間內難以實現。因此，本文只考慮乳制品供應鏈的生產加工和儲運銷售兩個階段，并利用人機料法環的原則建立相應的投入產出指標體系。

在生產加工階段，員工的精細操作和設備的有效運行是保證產品質量安全的充分必要條件，員工投入數量的多少與固定資產投入的大小是影響乳制品最終產量的因素之一。因此，將生產技術人員與固定設備資產作為該階段的投入指標，將乳制品產量作為產出指標。

在儲運銷售階段，除了生產加工階段的乳制品產量投入，還存在大量的為產品銷售輔助產生的費用，比如廣告營銷費、裝卸運輸費、職工薪酬等?？紤]到指標的精簡問題，將這些費用統稱為銷售費用，儲運銷售階段的投入指標為乳制品產量（生產加工階段產出指標）、銷售費用與銷售人員，將利潤總額作為最終的產出指標。

綜上所述，本文所建立的乳制品供應鏈兩階段指標體系如圖1所示。

由圖1可知，乳制品產量既是上一階段的產出指標，又是下一階段的投入指標，本文將這類指標統稱為中間產品。值得注意的是，由于相關企業年報中乳制品產量這一數據公布不完全，因此采用乳制品營業成本這一指標來反映乳制品產量的多少，乳制品產量越大營業成本越高，從而這一指標在構建的DEA模型中可以很好地代替乳制品產量指標。

在建立指標體系的基礎上，進一步構建兩階段乳制品供應鏈結構模型（如圖2所示），圖2中每個子階段都對應著各自的投入產出指標。

顯而易見，上述模型結構既包含并聯又包含串聯，屬于復合型結構。以往有相關學者針對不同類型結構的生產系統提出了相應的DEA模型，本文在此基礎上根據圖2分別建立乳制品供應鏈兩階段的DEA模型，采用規模報酬可變的BC2模式，并作相應假設如下。

生產加工階段和儲運銷售階段的第i個決策單元投入指標權重值分別為αi，βi，乳制品供應鏈兩階段的效率分別為θ1，θ2。

1.2 相關數據及來源

本文在上述DEA模型結構下，對不同乳制品企業的供應鏈績效做對比研究，文中所有數據來源于各企業不同時間段年報，整理后分別得到三家乳制品企業投入產出數據如表1～表3所示。本文將利用表1～表3的數據，分別對三家處于不同梯級的乳制品企業進行績效對比研究。

2 模型運算及相關分析

在乳制品供應鏈中，任何環節對于乳制品企業來說都同等重要，因此本文假設生產加工環節與儲運銷售環節的權重相同，并通過DEAP2.1軟件對兩個環節分別進行效率測度分析。

2.1 生產加工環節績效分析

分別將三家企業生產加工環節的表中數據代入式（1），并選擇軟件中的VRS模型對所有決策單元的生產加工環節進行評價分析，不同企業該環節的分析數據分別如表4～表6所示。

在乳制品供應鏈生產加工階段，由表中技術效率值可知，A企業中決策單元（Decision Making Units，DMU）實現DEA有效的包括DMU1和DMU4，B企業中DMU4、DMU5、DMU7滿足DEA有效，C企業DEA有效的決策單元為DMU3、DMU4、DMU6和DMU11，此外其余的決策單元技術效率值小于1，說明存在投入冗余或產出不足的情形。在該環節造成企業間效率差異的原因主要是企業間純技術效率與規模效率的差異，A企業是由于規模效率逐年降低所導致，B企業則是由于純技術效率的后勁不足致使企業近年的技術效率停滯不前，C企業在該階段相比其他企業效率值更加穩定，雖然偶有波動，但總體呈現上升趨勢。因此，A、B企業應根據自身不足合理進行調整;減少投入，合理配置資源;加強管理，提高技術能力。C企業在保持現有狀態的前提下，應追求進一步穩步上升，扭轉效率低下的情形。

為進一步了解三家企業在該環節的績效演變趨勢以及對比情況，繪制企業隨時間變化的技術效率趨勢圖，如圖3所示。

由圖3可知，A、B企業在生產加工環節的技術效率隨時間變化波動較大，而技術效率是純技術效率與規模效率的乘積，因此A、B企業在該環節長時間的低效狀態是由這兩方面的原因造成的。對于A企業而言，技術效率無效是由規模效率無效引起，B企業則是純技術效率無效所導致。圖3顯示B企業整體效率高于A企業，這說明規模無效所引起的技術無效大于純技術效率無效引起的技術無效。值得注意的是，C企業技術效率隨時間變化的趨勢較為平緩，且達到有效狀態的決策單元要大于另外兩家企業。因此，在生產加工環節，A、B企業應該向C企業看齊，合理地改進自身不足，并提升技術效率，C企業也應常存憂患意識，以A、B企業為警示，追求技術效率進一步穩定、有效發展。

2.2 儲運銷售環節績效分析

將不同企業儲運銷售環節的投入產出數據代入式（2），利用軟件求解，最終得到該環節結果如表7～表9所示。

為了解不同企業在該環節技術效率的變化情況，繪制企業隨時間變化的技術效率趨勢圖，如圖4所示。在儲運銷售環節，A企業達到有效狀態的決策單元包括DMU7、DMU9和DMU10，B企業包括DMU9、DMU10，并且A、B企業的技術效率隨著時間逐漸增強，雖稍有波動，但整體呈現上升趨勢。這說明A、B企業在該環節的資源配置合理，管理技術能力達標。而C企業僅DMU1處于有效狀態，由圖4可知，C企業在2013年前后，技術效率呈現先降低后升高的變化，而導致技術效率降低的原因是純技術效率降低，因此C企業應該進一步提高自身的技術管理能力，例如冷鏈運輸技術、生產加工技術等，以追求技術效率的穩步增長。

由圖4可知，在儲運銷售環節，A、B企業的技術效率隨時間遞增，且A企業的整體效率高于B企業，有效決策單元的個數也多于B企業，而C企業在2013年之前，其技術效率一直在減小，2013年之后技術效率則逐漸遞增，這是因其純技術效率變化造成的，表明C企業管理者在2013年做了相應的技術調整，促使技術效率不斷升高。因此，在實際管理過程中，A、B企業在該環節應盡量保持現狀，并追求技術效率的連續穩定提升，C企業也應繼續改進自身的技術能力，使其技術效率達到有效狀態。

此外，為了解本文研究乳制品供應鏈中哪一階段對其整體效率影響較大時，將圖1中所有投入作為整體投入，所有產出作為整體產出，并同樣采用DEAP2.1軟件對三家企業進行整體績效分析，得到不同企業整體技術效率值如表10所示。

根據乳制品企業供應鏈整體技術效率分析可知，A企業相對于另外兩家企業的供應鏈整體效率更加有效突出，大部分決策單元均實現了DEA有效。B企業隨著時間推移，整體效率一直在提高，但在某些時刻還是略低于A企業。C企業在早年間也能連續保持DEA有效的狀態，然而后勁不足，近些年未能維持自身的有效狀態。

綜上所述，對比各企業供應鏈整體效率與各個環節的效率表現，發現兩者并不相同，進一步分析各企業生產加工環節和儲運銷售環節的技術效率與企業整體技術效率的關系可知，對于A、B兩家企業而言，儲運銷售環節的效率情況對整體效率的影響最大，而對于C企業來說，生產加工環節的效率情況對整體效率影響最大。

因此，乳制品企業管理者在制定相關政策時，需要從供應鏈的各個環節出發去考慮并解決問題，而不能只關注供應鏈的始終，僅從起始投入與最終產出來研究供應鏈效率問題。管理者在進行研究時，應根據供應鏈各個環節效率對整體效率的影響大小，設定不同的權重進行分析。以本文研究企業為例，A、B企業應設置生產加工環節權重大于儲運銷售環節權重，C企業反之。

3 結 論

本文為研究長時間以來不同乳制品企業關于供應鏈各階段的效率差異，構建由生產加工和儲運銷售兩個環節構成的兩階段DEA模型，并將整理得出的三家乳制品企業各環節投入產出數據代入軟件進行研究求解，最后得出的結論總結為以下幾個方面。

（1）在生產加工環節，A、B兩個企業的技術效率隨時間波動較大，且都呈現出早期技術效率大于中后期技術效率的情形，原因卻并不相同。對于A企業而言，是因規模效率隨時間一直降低而使得技術效率越來越低，B企業則是由純技術效率的降低所導致。因此，A企業應該減少投入，合理配置資源以實現最大產出;B企業應進一步提高企業的管理、技術能力以實現DEA有效。C企業的技術效率隨時間波動不大，說明C企業在純技術效率與規模效率的管理上都十分適宜，值得其他企業借鑒與學習。

（2）在儲運銷售環節，A、B企業隨著時間增長，技術效率不斷升高，說明無論是純技術效率還是規模效率都隨時間不斷地改進，從而使得DEA有效的決策單元越來越多。然而C企業的技術效率在2013年之前波動不斷，整體呈現下降趨勢，2013年之后技術效率則一直在升高。這是由其純技術效率的波動所導致，因此C企業在未來的發展過程中要注重提高企業在該環節的技術支撐能力。

（3）分析企業各環節的技術效率對供應鏈整體技術效率的影響可知，在A、B企業，儲運銷售環節對于整體技術效率的影響要遠大于生產加工環節，C企業與之相反，生產加工環節對于整體技術的效率提高的影響所占比重更大。因此，在實際管理過程中，要全面考慮供應鏈的各個環節，并根據不同企業各環節對整體效率影響的不同，設置不同的權重，以便更好地進行研究分析。

參考文獻

[1] 王磊，李翠霞，王澤民.合作伙伴特性對乳制品供應鏈合作關系穩定性的影響——基于質量安全視角的實證研究[J].農業技術經濟，2019（7）：104-114.

[2] 楊琦，裴磊，魏旭明.中國乳制品銷售環節安全監管狀況影響因素研究——基于主成分因子分析和二項Logistic回歸[J].南京工業大學學報（社會科學版），2019，18（3）：90-101.

[3] 桂冬冬，周燦，潘喜悅，等.多層次食品供應鏈網絡均衡研究[J].糧食科技與經濟，2017，42（6）：30-34.

[4] 晚春東，王雨佳.供應鏈視角下食品質量安全風險調控投資研究[J].科技管理研究，2019，39（5）：215-221.

[5] 劉永勝，王荷麗，徐廣姝.食品供應鏈安全風險博弈分析[J].經濟問題，2018（1）：57-64+90.

[6] 何靜，楊翼.物聯網環境下的乳制品供應鏈質量安全風險管理研究[J].中國乳品工業，2019，47（2）：43-47.

[7] Kirilova E G，Vaklieva-Bancheva N G.Environmentally friendly management of dairy supply chain for designing a green products portfolio[J].Journal of Cleaner Production，2017（167）：493-504.

[8] Njage P M K，Opiyo B，Wangoh J，et al.Scale of production and implementation of food safety programs influence the performance of current food safety management systems：Case of dairy processors[J].Food Control，2018（85）： 85-97.

[9] Herzog A，Winckler C，Zollitsch W.In pursuit of sustainability in dairy farming：A review of interdependent effects of animal welfare improvement and environmental impact mitigation[J].Agriculture，Ecosystems & Environment，2018（267）：174-187.

[10] Kazancoglu Y，Ozkan-Ozen Y D，Ozbiltekin M. Minimizing losses in milk supply chain with sustainability：An example from an emerging economy[J].Resources， Conservation and Recycling，2018（139）：270-279.

[11] 魏艷驕，朱晶.乳制品進口對中國不同規模奶牛養殖效率的影響[J].資源科學，2019，41（8）：1475-1487.

[12] 陳吉銘，劉芳，何忠偉，等.京津冀乳制品冷鏈物流效率與影響因素研究[J].中國畜牧雜志，2017，53（11）：123-128+143.

[13] 劉剛橋，師建華，張慶平.供給側改革背景下廣東省物流業 全要素生產率實證研究—基于DEA-Malmquist模型[J].物流技術，2019，38（9）：90-95.

[14] 方煒，楊步.基于DEA方法的企業綠色供應鏈運營效率評價研究[J].工業技術經濟，2017，36（12）：19-26.

[15] 羅蓉，袁碧蓉.利率市場化對我國商業銀行效率的影響研究—基于籌資、投資兩階段DEA模型效率測度[J].湘潭大學學報（哲學社會科學版），2017，41（2）：71-77.

[16] 孟維站，李春艷，石曉冬.中國高技術產業創新效率分階段分析—基于三階段DEA模型[J].宏觀經濟研究，2019 （2）：78-91.

[17] Izadikhah M，Saen R F.Assessing sustainability of supply chains by chance-constrained two-stage DEA model in the presence of undesirable factors[J].Computers & Operations Research，2018（100）：343-367.

[18] Cecchini L，Venanzi S，Pierri A，et al.Environmental efficiency analysis and estimation of CO2 abatement costs in dairy cattle farms in Umbria （Italy）：A SBM-DEA model with undesirable output[J].Journal of Cleaner Production，2018（197）：895-907.