劉 玲,張新潔,夏 露,杜學鵬
(云南財經大學 物流學院,云南 昆明 650221)
國務院辦公廳于2017 年10 月5 日發布并實施了《關于積極推進供應鏈創新與應用的指導意見》,指出要通過大力倡導綠色制造、積極推行綠色流通以及建立逆向物流體系積極倡導綠色供應鏈,國內存在的供給側方向綠色消費問題也得到了國家的重視。因此綠色供應鏈隨著國家政策改革,越來越受到社會各界的關注,成為國家綠色產業構建的核心專注點。現在很多企業的綠色供應鏈發展僅僅停留在綠色合規的層面上,對于自身企業的綠色供應鏈構建等問題尚未進行深入的探究。
對于綠色企業的供應鏈,最重要的問題是建立一套科學的評價體系,本文在查閱分析綠色供應鏈管理和供應鏈績效評價文獻之后,構建一套評價體系。通過對現有評價指標模型進行對比研究,本著科學性的原則通過BP 神經網絡對模型進行準確性驗證。在國家越來越重視綠色發展的前提下,如何高效評價綠色供應鏈運營績效,是一個值得深入探究的問題。
X 企業是一家大型零售企業。在線下零售店、線上商店以及設備移動端等不同領域都有自己的建樹。據相關統計,每個星期都有至少2 億名顧客光顧X 企業及旗下的分店。公司員工數量已超過220 萬名。不僅如此,在企業綠色發展以及為社會提供就業平臺領域也一直起到領頭作用。
1.2.1 積極采用高新技術
企業對信息技術系統投入的增多,能夠加快整個企業的運作效率,也有利于供應商降低成本,打造一條更敏捷的綠色供應鏈。X 企業一直在使用自己的信息系統,在信息技術方面的運用是比較成熟的,貫穿了供應鏈的整個過程,從采購開始,到到貨→入庫→運輸→銷售等流程都實現了信息化,加快了運轉效率。
1.2.2 實施綠色采購
綠色采購是供應鏈的開端,包括綠色原材料的獲取、供應商的選擇等問題。在對供應商進行管控時,采用平衡計分卡,通過數據量化選擇合適的供應商。在過去,X 企業對其供應商做過相應的調查,其最后的目標就是建立一個在綠色產品領域屬于自己的數據庫,該數據庫能夠更全面地給企業提供其產品相關的綠色指數,以供企業參考。這樣能夠給予供應商一定的壓力,積極響應綠色生產,對X 企業的綠色營銷也具有推動作用。
1.2.3 發展綠色配送中心
由于X 企業配送中心龐大,光是在照明、冷凍和冷藏方面付出的能源消耗既是巨大的。為了達到節能減排的目的,X 企業的室內照明基本裝上了LED 燈。為了能夠最大化利用資源,引入了生產管理系統,能夠根據實際情況,對設備進行相關調整,大大提高運作效率。在運輸方面,X 企業建設了屬于自己的運輸網絡,盡量使用裝貨量比較大的卡車,并盡量保證每一輛車都是滿載的狀態,提高了整個倉庫的存貨周轉率,減少了一些不必要的中間運輸環節和費用支出。
1.2.4 實施綠色營銷
X 企業的綠色營銷戰略一直發展的比較好,在具體的戰略實現過程中,要在做到綠色環保的同時,也為消費者帶來更好的產品,這一切都是在綠色戰略的基礎上實現的。X 企業認為只有協調好各方面的資源,持續的對綠色產品進行綠色推廣,打造一條完整的綠色供應鏈,才能使綠色營銷戰略更出色。
1.3.1 綠色采購效率有待提高
上文中提到,X 企業正致力于從根源上實現整條供應鏈的綠色循壞,積極發展企業綠色采購,包括對原材料的綠色處理以及相關的綠色包裝物的獲取,都是值得肯定和保持的。但由于綠色采購正處于初級發展階段,所以在整個綠色采購系統的構建方面存在著一定的不完整性,包括人員的管控、信息的快速傳遞、綠色原材料的質檢方案等方面都有待提高。
1.3.2 材料回收不夠經濟
在X 企業,包裝材料和其他材料都會被回收,但回收的成本卻很高,期間還會產生額外回收費用,但是利用率卻很低,一定程度上相當于做無用功。另一方面,包裝材料一般都是一次性材料,不僅不環保還浪費大量庫存。最后,由于市場需求的不確定性和不可預測性,往往訂單的穩定性也很差。訂單數量的不斷增加,也會造成倉庫中庫存的浪費和積壓。因此,對于X 企業來說,包裝材料應做到及時回收的同時也要合理安排庫存。
1.3.3 供應商綠色化程度低
作為一家大型零售商,X 企業擁有很多職能部門,各職能部門之間協調是企業管理的重要工作,各職能部門協調一致統一對接供應商是必須要做到的。在這個過程中,企業內部各部門協調工作不完善,導致計劃制定不準確,對于供應商是否能夠提供綠色產品、供應商是否為綠色企業等問題不能全面的掌握。
總的來說,正是由于存在著綠色采購、材料回收以及供應商的綠色化程度等問題,使得整體供應鏈在效率提升方面還有很大的空間,所以,對X 企業綠色供應鏈運營績效做出評價很有必要,并根據績效評價結果進行改善,以此實現高效的供應鏈管理。
根據查閱的相關文獻,本文選取的平衡計分法由財務指標和非財務指標組成。結合平衡計分法與綠色供應鏈的投入產出指標,結合實際情況總結出一套綠色供應鏈運營績效評價指標體系(如表1 所示)。

表1 綠色供應鏈運營績效評價指標體系
本文數據主要來源有兩個:一個是通過網絡獲得的,主要來源渠道包括X 企業的官方網站、其他一些網絡數據;另一個是通過咨詢X 企業的員工獲得。本文收集了2008~2021 年X 企業綠色供應鏈運營投入與產出的相關指標費用數據。
期望值是X 企業2008~2021 年供應鏈管理績效進行綜合評價后得出的結果,BP 神經網絡進行模擬訓練之后得出的預測值與期望值進行對比,當兩者之間的誤差達到滿意的標準后,BP 神經網絡也就停止訓練。本文選取層次分析法來計算各指標的權重,對原始數據的相關指標進行評價,得到評價矩陣,兩者進行加權求和得到的結果即為期望值。
2.3.1 建立評價模型
投入和產出指標均能反應綠色供應鏈運營績效水平(如表2 所示),形成如下兩兩比較矩陣。

表2 準則層對于目標層的兩兩比較矩陣
2.3.2 構建指標層對于準則層的判斷矩陣
投入指標維度下方案層相對于準則層的判斷矩陣如表3 所示:

表3 投入指標兩兩比較矩陣
產出指標維度下方案層相對于準則層的判斷矩陣如表4 所示:

表4 產出指標兩兩比較矩陣
2.3.3 計算各層次權重并進行一次性檢驗
通過計算得出各指標的權重以及綜合的權重如表5 所示:

表5 權重計算結果表
2.3.4 構建模糊評價矩陣
本文通過對相關專家進行電話咨詢或郵件咨詢,結合行業背景和企業實際的情況,聯系上下文對各指標的表現進行等級劃分,并根據各指標數據對X 企業數據進行模糊評價得出模糊評價矩陣如表6 所示。

表6 綠色供應鏈運營績效指標模糊評價矩陣
由上文的層次分析法以求得權重,將權重與各指標數據加權求和可得期望值,即綠色供應鏈管理運營績效如表7 所示。

表7 綠色供應鏈管理運營績效
本文通過相關資料查閱選取的是單隱含層的BP 神經網絡。根據本文實際樣本數據情況,分別取2008~2021 年份為13 個輸入值。通過多次實驗和對比,本文選取隱含層神經元個數為4,輸出層神經元的個數為1 個,取值0,[ ]5 之間的常數,在BP-神經網絡進行訓練后計算與實際期望值的誤差。
在Matlab 中建立BP 神經網絡后,輸入相關數據,訓練的基本過程如圖1 所示。

圖1 BP 神經網絡訓練圖
從圖2 中可以看出,最好的實驗結果出現在第3 次,但誤差趨近于1,并不符合訓練要求,在訓練第7 次后,誤差小于10-10,達到預定要求,訓練結果可以接受。

圖2 網絡收斂圖
從圖3 中可以看出,擬合度已經達到0.999,說明該BP 神經網絡精度較高,神經網絡的訓練效果可以接受。

圖3 BP 神經網絡訓練結果分析圖
分析可知,隨著時間的推移,X 企業的綠色供應鏈等級評價也是不斷增高,X 企業的綠色供應鏈整體實現效果較好,但仍然存在一些問題。2016 年,綠色供應鏈投入增加,期望值較2015 年相比有所下降,對比數據可知2016 年顧客滿意度和庫存周轉率都有所下降。2018、2019 年綠色供應鏈整體投入在增加,但期望值不變,說明綠色供應鏈效率投入與產出不成正比,綠色原材料采購、可再生資源投入、綠色供應鏈人員、綠色供應鏈信息的投入存在冗余,應當適當減少,以免未來繼續出現此情況。
就X 企業目前的情況分析,X 企業在綠色供應鏈中的員工成本非常高。一些商店一開始對當地市場并不完全了解,不利于供應鏈工作的開展。可以通過改變組織架構,適當關閉一些效率不高的商鋪,減少員工,從而減少員工開支,減少綠色供應鏈的投資冗余。
X 企業可以與數據庫建立專用平臺或通信渠道,以加快信息的傳遞。現在很多企業都會選擇ERP 信息管理系統,該系統能夠整合供應鏈上的資源,統籌規劃物流、信息流和資金流,能給企業帶來更多的利益。另外, VMI 庫存管理系統是對庫存進行現代化管理,方便針對企業的庫存狀況,做出相應市場對策。目前,X 企業雖然建立了一定的信息平臺,不過依然可以往更全面的方向發展,通過投入信息系統,不僅能夠加快供應鏈的運作效率,同時也能給企業帶來更多的利益。
目前最常見的回收方法是零售商回收。當前退貨的政策條件比較寬松,零售商退貨的問題經常發生。對于退貨的商品,企業需要對其進行重新的質檢。就當前的市場情況來看,逆向物流的主要還是零售商回收。采取這樣的回收方式更容易了解消費者的消費觀念,從而深入了解市場,更容易獲得商品的回收。此外,還需要發展商品標準化的貨物分類技術,這也是逆向物流的一個重要內容,因為在實現逆向物流的過程中,不管是重新拆卸或者組裝,都需要相應的技術標準來控制。
本文在梳理了相關的基礎理論后,通過相關文獻的閱讀分析和X 企業實際情況的考慮,通過結合層次分析法、模糊綜合評價法和BP 神經網絡作為X 企業的綠色供應鏈運營績效評價方法,將企業實際的綠色供應鏈與平衡計分法相結合,提取了所需要的指標,建立了綠色供應鏈運營績效評價體系。采用層次分析法和模糊綜合評價法,從X 企業綠色供應鏈運行中獲得預期效果,并利用BP 神經網絡對模型進行驗證和預測,通過數據證實訓練后的BP 神經網絡精確度較高,能夠運用到X 企業的綠色供應鏈運營績效評價中,最后提出了意見與建議。