醫療器械制造企業可持續供應商選擇研究

郭紫君，李益兵，郭 鈞

(1.武漢理工大學 機電工程學院，湖北 武漢 430070；2.武漢理工大學 數字制造湖北省重點實驗室，湖北 武漢 430070)

可持續供應商選擇是可持續供應鏈管理中的重要環節，上游供應商的經濟效益表現情況、環境及社會責任履行情況將對下游企業產生直接或間接的影響[1]。由于產品質量與患者健康息息相關，醫療器械制造企業對工藝流程、生產環境、滅菌情況、產品安全等要求遠高于一般制造業，對上游供應商也有更高的準入門檻和監管力度[2]。制造企業結合行業特點考慮供應商在經濟、社會、環境的可持續表現逐漸成為一種發展趨勢。

現有可持續供應商評價指標體系需涵蓋經濟效益類指標、社會效益類指標、環境效益類指標3個方面，已基于三重底線(tripple bottom line, TBL)原則構建可持續指標體系達成共識，但不同行業的評價指標也存在一定的區別。塑料包裝業[3]制定了生態設計費、物流成本、調料數量等11個指標。化工行業[4]從市場接受度、資源狀況、安全生產等方面出發，制定了準入許可、管理制度等8個指標。

決策模型方面，為克服主觀性和不確定性的影響，現有的可持續供應商選擇模型多集中于模糊性的處理和決策方法的優化。Chunxia等[5]提出區間Pythagorean模糊環境下，采用灰色關聯分析和TOPSIS(technique for order preference by similarity to an ideal solution)綜合評價法對備選供應商進行排序。Hazeri等[6]采用最佳-最差權重確定法計算指標權重，并利用灰色關聯分析對供應商進行排序。代文鋒等[7]基于前景理論和MULTIMOORA提出一種新的決策方法。在醫療行業供應商選擇研究中，?eljko等[8]認為由于不確定性在商業運作中長期存在，醫療行業供應商的選擇應該考察產品的質量與安全。

當前基于醫療器械制造企業的供應商選擇與評價指標體系研究偏少。因此，筆者從醫療器械制造企業對供應商高準入、強監管、重視安全生產等特點構建評價指標，提出了醫療器械制造企業可持續供應商選擇模型。該模型采用Pythagorean模糊集(pythagorean fuzzy sets, PFS)有效處理定量、定性兩類決策信息，提出改進的基于PFS的最佳-最差權重確定方法(best worst method, BWM)和多屬性邊界近似區域比較法(multi-attributive border approximation area comparison, MABAC)進行供應商選擇與決策。

1 醫療器械制造企業可持續供應商指標體系

醫療器械制造企業可持續供應商指標體系如圖1所示，該指標體系基于三重底線原則[9]，衡量供應商在經濟、社會、環境的綜合可持續效益，共包括9個1級指標、20個2級指標，涵蓋定性、定量兩類決策信息。其中價格比c1、產品合格率c3、交貨效率c6、環保投入比c17為定量指標，其決策信息以精確數據給出，其余16項指標為定性指標，指標決策信息由決策專家經過實地調研后定性給出定性語言評價。

圖1 可持續供應商選擇指標體系

2 PFS模糊環境下可持續供應商選擇模型

由于醫療器械制造企業可持續供應商選擇中涉及評價指標眾多，定量、定性兩類決策信息難以統一處理，決策過程充滿了一定的模糊性與不確定性。Yager[10]提出的PFS語言集能描述精確的信息，有效解決模糊性與不確定性問題。因此，筆者提出PFS模糊環境下的可持續供應商選擇模型，如圖2所示。主要選擇流程包括3個步驟：①以Pythagorean模糊數(pythagorean fuzzy numbers, PFNs)描述定性、定量兩類決策信息，構建標準決策矩陣；②采用改進BWM算法確定指標權重，用PFNs描述指標間重要度偏好，先計算出1級指標權重，再確定2級指標權重；③基于混合MABAC算法確定候選供應商優劣順序。

圖2 可持續供應商決策流程

為了更好地闡述所提出的模型，相關參數解釋與定義如表1所示。

表1 相關參數解釋與定義

2.1 獲取混合評價信息

針對定性、定量兩類決策信息的模糊性與局限性，基于PFS理論提出一種定性、定量決策信息的處理方法，并構建標準決策矩陣。具體步驟如下：

步驟1針對已構建的指標體系cj,j=1,2,…,n，組織相關專家對供應商si,i=1,2,…,m展開信息收集并給出定量、定性指標決策信息，構建初始決策矩陣A=(aij)m×n。

表2 語言變量和相應的PFNs

表2中隸屬區間mij可由供應商si的定量決策信息aij與指標cj的期望區間[amin,amax]計算得出，確定隸屬區間mij后，可從表2找出對應的PFNs。對于決策信息越大越理想的效益型指標與決策信息越小越理想的成本型指標，mij具體計算公式為：

(1)

對于定性決策信息aij，語言變量與PFNs的對應關系如表3所示。

表3 語言變量和相應的PFNs

2.2 基于改進BWM算法的權重確定

BWM是一種非常有效的確定準則權重的多準則決策方法。在醫療器械制造企業供應商評價中，由于2級指標數量眾多，指標間聯系密切、不同指標間的相對偏好用簡單實數表示缺乏客觀性、精確度表征不足。筆者提出一種改進BWM算法，以PFNs描述指標間偏好，先計算1級指標權重，再確定2級指標權重。具體步驟如下：

步驟1確定1級指標中重要度程度最大的指標zb與重要度程度最小的指標zw。

表4 語言變量與相應的PFNs

(2)

(3)

步驟3確定1級指標權重。以一致性偏好最小為目標，構建優化模型如下：

minξ

(4)

步驟4確定各2級指標相對于所屬1級指標的相對重要度，將1級指標權重依據各2級指標的相對重要度分配給各2級指標，并將2級指標權重記為WT={w1,…,wj,…,wn}。

2.3 基于混合型MABAC的供應商選擇策略

MABAC[12]算法過程簡單、結果穩定、且考慮了潛在的損益值、易獲得較全面的結果。考慮到醫療器械制造企業可持續供應商選擇中，決策信息統一用PFNs描述。因此，筆者將MABAC算法擴展到PFS環境下以確定供應商優劣順序，具體實施過程如下：

(5)

步驟3構造差分矩陣D=(dij)m×n。

(6)

(7)

步驟4計算候選供應商可持續得分sri，sri越大，供應商可持續表現越好，可由式(8)確定。

(8)

3 案例分析

以某生產注射器的醫療器械制造企業為例，在收集和審核供應商的相關證件對供應商進行初選后，該企業需從s1,s2,s3,s4中展開優選，確定可持續供應商。

3.1 供應商選擇過程分析

步驟1構建初始決策矩陣，如表5所示。

表5 初始決策矩陣

步驟2構建標準決策矩陣。以PFNs形式描述定性、定量兩類決策信息，其中定量指標c1、c3、c6、c17的期望區間分別為(0.8,1.0)，(98%,100%)，(0.9,1.0)，(0.1,0.2)。

步驟3計算指標權重。經商議一級指標重要度程度最大與最小的指標分別為質量z2、雇傭慣例z7。確定指標間相對重要度偏好后，求解式(4)確定1一級指標權重，再依據各2級指標相對于所屬1級指標的相對重要度，確定2級指標權重,如圖3所示。

圖3 各2級指標權重

步驟4構造加權標準決策矩陣。確定指標權重W后，可構建加權標準決策矩陣。

步驟5確定各指標邊界近似區域。各指標邊界近似區域的計算可通過式(5)計算得出。

步驟6確定可持續供應商。構造差分矩陣D并計算各候選供應商s1,s2,s3,s4的可持續得分，分別為-0.17，0.06，-0.11,0.04。候選供應商的優劣順序為s2>s4>s3>s1， 因此該企業應與供應商s2建立可持續合作關系。

3.2 敏感性分析

敏感性分析[8]的目的是評估最具影響力的指標對決策模型的影響，新指標權重的計算公式為：

(9)

在本研究中，指標z2(質量)被認為是影響程度最大的指標，其指標權重為0.15，參數Δx范圍為-0.15≤Δx<0.85。現根據Δx的可變區間確定20種計算場景{sc1,sc2, …,sc20}，并按照本文提出的供應商選擇模型計算候選供應商可持續得分，結果如圖4所示。

圖4 MABAC算法敏感性分析

敏感性分析結果表明，指標權重分配不同會導致供應商的可持續得分不同，但供應商排名始終保持s2>s4>s3>s1，供應商s2在20次實驗中的可持續得分均最高，始終為最優決策。

4 結論

針對醫療器械制造企業可持續供應商選擇問題，構建了可持續供應商評估指標體系和可持續供應商選擇模型。并以某醫療器械制造企業為例，驗證了所提模型的有效性和合理性，最后通過敏感性分析證明了決策結果具有良好的穩定性。