面向服裝供應鏈平臺的訂單生產雙向推薦策略

陳清婷，杜勁松，林 鑲，朱建龍

(1.東華大學 服裝與藝術設計學院，上海 200051；2.復旦大學 計算機科學技術學院， 上海 200433；3.海瀾之家集團股份有限公司，江蘇 無錫 214426)

服裝供應鏈平臺是由電商與銷售商、銷售商與制造商、制造商與生產供應商等要素構成的復雜供應鏈網絡結構，通過訂單交易雙方的自動匹配機制[1]實現訂單的推薦方案，能有效提高訂單的下單效率，也能有效提升供應鏈的快速反應能力。電商下單和制造商接單是雙邊市場多目標約束匹配問題，不合理的訂單匹配方案會造成分單理性不足、調度靈活性差、生產資源配置不合理、生產效率不穩定、訂單延期等現象。

國內外學者圍繞訂單的收發從訂單分配和訂單接收等角度進行了大量的研究：1)從訂單下單需求進行研究，建立以交期準確、質量最優、成本最低為訂單分配目標[2-3]，以制造商產能、產品批量、產能均衡等作為約束條件，利用最大滿意度法、動態規劃、遺傳算法等方法對多目標問題進行求解[4]，也同時考慮了對制造商資質、制造商選址、物流費用[5]、企業能力、合作程度、交易歷史評價、服務水平等約束條件的評價和選擇；2)針對接單能力進行研究，包括訂單接收時間、交貨期、交期懲罰、產品數量及產品類型的相似性[6-7]等訂單屬性，生產均衡[8]、交期能力和交易利潤等企業屬性研究；3)研究第三方制造資源平臺的接單、定價、公平等問題，綜合研究訂單分配調度，實現客戶與制造商的最優的匹配方案，增強競標的公平性和平臺競標活力[9]。

本文基于紡織服裝工業互聯網平臺中的服裝供應鏈管理平臺系統，研究服裝下單與接單的一對多雙向匹配機制，努力解決多個服裝電商與多個制造商間的生產訂單分配問題。以襯衫訂單為例，通過專家問卷調研法獲得服裝生產訂單交易雙方需求偏好，分析訂單交易雙方的交易意向，構建交易函數對分配方案進行偏好排序，并借助Gale-Shapley(GS)算法實現整體匹配結果的最優化。

1 服裝下單/接單匹配問題描述

服裝供應鏈平臺周期性地存在電商下單方需求和制造商接單方需求，訂單信息存儲在數據中臺，下單方與接單方均無法看到同側競爭者信息。平臺在某交易周期T時間內，下單方交期內的訂單Oi暫存在訂單池O中，該交期內有產能剩余的接單方制造商Sj信息保存在制造商池S中。運用下單方的效用函數Uij和制造商接單方的效用函數Gji，建立訂單Oi的下單偏好序列P(Oi)和制造商Sj的接單偏好序列P(Sj)。平臺以GS算法雙邊匹配決策理論為機制基礎，根據下單方偏好序列P(Oi)中的制造商順序向制造商Sj發出邀約，制造商Sj面向多個邀約訂單在其偏好排序P(Sj)進行比較，最終選擇留下適合的訂單。被拒絕的訂單Oi將繼續向序列P(Oi)中的下一個制造商發出邀約，直到沒有Oi再發出邀約為止(如圖1所示)。

圖1 平臺化訂單匹配機制Fig.1 Platform-based order matching mechanism

2 訂單交易偏好建模

2.1 電商下單/制造商接單偏好

“偏好”的本質是在序數效用理論中表現為滿足程度的高低順序，通過效用計算對匹配結果滿意程度進行量化，實現交易雙方對不同訂單、不同制造商進行比較排序。服裝訂單的款式工藝復雜度、面輔料差異、產品質量、訂單數量等對制造商的生產條件、設計研發能力、供應鏈管理、生產反應能力有特殊的要求，在訂單下單和接單的過程中，下單方與接單方在決策時產生各自的交易偏好。本文研究以襯衫訂單為例，采用專家問卷法分析服裝下單和接單交易雙方在決策中的選擇偏好。通過對9名專家的問卷分析，總結得出下單方偏好的2個一級指標要素、6個二級指標內容，接單方偏好的2個一級指標要素、3個二級指標內容，如表1所示。通過歸一化處理得到下單方偏好二級指標權重，下單方偏好各二級指標權重之和為1。

表1 交易雙方的偏好指標Tab.1 Preference index of trading parties

表2 交易雙方的支撐數據及賦值方法Tab.2 Supporting data content from trading parties and the valuations

2.2 下單方效用函數分析

(1)

(2)

(3)

(4)

(5)

(6)

綜上所述，訂單Oi分配給制造商Sj的下單方效用函數為：

(7)

2.3 接單方效用函數分析

制造商Sj接單效用分析采用約束理論求解，根據服裝制造商接單需求偏好分析可知：

(8)

(9)

(10)

(11)

綜上所述，制造商Sj接收訂單Oi的接單效用函數為：

(12)

根據推薦方案的效用值可建立不同的訂單偏好排序集合，訂單Oi對可滿足基本生產條件的制造商的偏好序列為P(Oi)，制造商Sj對可接受的電商訂單的偏好序列為P(Sj)。

3 訂單匹配機制建立

3.1 匹配假設

根據下單Oi的偏好排序集合P(Oi)與制造商Sj的接單偏好排序集合P(Sj)進行匹配的約束假設為：1)任意一個服裝生產訂單只能分配給一家制造商；2)任意一家制造商在產能滿足的情況下可以匹配多個服裝訂單；3)以電商下單偏好為主，電商先發起邀約；4)匹配結果必須是穩定的。

3.2 服裝訂單匹配流程

根據GS算法的延遲接收策略，對訂單匹配策略進行規劃,建立基于雙方偏好的服裝訂單匹配流程，其具體實施步驟如圖2所示。

圖2 匹配流程及機制Fig.2 Matching mechanism and process

步驟2:在訂單池O內找到未匹配的Oi；

步驟3:檢查訂單Oi的偏好序列P(Oi)中還未被邀請且排序靠前的第f(Oi)位的制造商Sf的情況，其判斷及處理如下：

2)判斷Sf是否已有匹配對象。若無匹配對象,即M′(Sf)=?，則拒絕訂單Oi,轉步驟3。否則進行下一步。

3)判斷Sf的已匹配的訂單對象集合M′(F)中，是否有在制造商Sf的偏好排序P(Sf)中優先級位于Oi后面的企業。若有，進行下一步；若無，則拒絕訂單Oi,轉步驟3。

步驟4:當所有訂單已匹配完畢或者所有制造商已檢查，則運算終止，輸出最終的匹配集合M。

4 應用研究

4.1 案例數據分析

應用“淘數據”電商數據分析平臺提供的某女裝品牌的6款襯衫訂單數據，如表3所示的2021年4月份的訂單基本信息，并基于表2中的各指標計算方法對訂單/制造商指標信息進行處理。選擇6家不同類型的服裝制造企業，采用服裝智能制造能力成熟度評價模型對企業類型進行評估[10]，制造商信息如表4所示。

表3 訂單原始數據信息及支撐數據Tab.3 Original information and supporting data of orders

表4 制造商的支撐數據Tab.4 Supporting data of manufacturers

4.2 結果分析

基于案例數據求得各訂單下單和接單的效用結果如表5、6所示。通過效用值排序得到訂單下單方及制造商各自的偏好序列，基于排序對訂單進行分配，分配過程與結果如表7所示。由于在匹配結果集M(Oi)、M(Sj)中匹配雙方Oi和Sj均有不放棄匹配意愿，即均認為達成交易比放棄交易的結果要好，所以匹配結果集都具備個體理性。在任意匹配結果M(Oi)、M(Sj)中都不存在某個訂單Oi和制造商Sj認為對方比自己現有的匹配結果中某個對象個體偏好級別更高，且在規定的交期內通過替換合作對象完成生產任務，從而形成新的匹配關系，并確保最終推薦匹配結果具有穩定性。

表5 下單效用Tab.5 Ordering utility

表6 接單效用Tab.6 Order receiving utility

表7 穩定匹配過程及匹配結果Tab.7 Stable matching process and matching results

4.3 結果驗證

本文研究邀請了服裝企業銷售部門的6位下單高管和6位接單高管，通過調研問卷分析訂單匹配模型的雙邊推薦效果，其中6位服裝下單高管對匹配結果的接受度達到94%，6位服裝工廠高管對訂單匹配的接受度為89%。針對不接受匹配結果的產生原因，本研究進行了如下分析：1)由于本文研究雙邊匹配樣本數量較少，導致部分匹配方案中的單邊匹配條件差異性較小，選擇范圍較小，導致了不接受結果的出現；2)季節差異導致的價格波動對雙邊匹配結果造成了客觀性的誤差，造成了對匹配結果中的價格不滿意或拒絕接受的情況。

5 結 論

在服裝供應鏈平臺化發展的趨勢下，為滿足服裝互聯網平臺生產訂單的分配需求，本文研究了服裝生產訂單交易雙方的匹配策略，有利于提高平臺化推薦結果達成和交易穩定。通過對服裝訂單交易雙方需求的調研，構建了下單方和接單方的效用模型，借助Gale-Shapley(GS)算法的延遲策略優化了訂單匹配流程，并通過應用實例得到驗證，得到如下主要結論。

1)本文通過對專家問卷調研和分析，制定了影響訂單交易雙方偏好的一級指標4個，二級指標 9個，以及能充分反映各二級指標的支撐數據13個，并對不同類型數據進行歸一化處理，以降低計算誤差。上述訂單匹配雙方各指標內容和相關性能夠充分滿足該類(襯衫)訂單匹配需求。

2)效用函數分析是解決訂單匹配雙方均可接受的量化方法，并基于此建立下單方和接單方各匹配對象的科學排序。此偏好效用計算方法在實際應用中可進一步拓展變形，使之適應于不同服裝交易需求環境。

3)根據訂單交易雙方的達成意向和各偏好相關性，采用GS算法構建的匹配機制能有效地適用于服裝訂單匹配環境中，實驗充分表明本文研究結果能促進第三方平臺推薦結果的理性和穩定性，對提高服裝訂單交易效率具有重要意義。

FZXB