基于群組DEMATEL與灰關(guān)聯(lián)投影的供應(yīng)商質(zhì)量績效評價

何杜博, 黃 棟,*, 石文成

(1.海軍工程大學(xué)管理工程與裝備經(jīng)濟(jì)系, 湖北 武漢 430033; 2.陸軍勤務(wù)學(xué)院軍事物流系, 重慶 401331)

0 引 言

目前,由于裝備采購業(yè)務(wù)中外包外協(xié)產(chǎn)品所占比例逐漸增多,供應(yīng)主體日益多元化,裝備采購供應(yīng)鏈中隱含的各種質(zhì)量風(fēng)險越來越多。建立科學(xué)有效的裝備采購供應(yīng)鏈環(huán)境下的供應(yīng)商準(zhǔn)入評價體系和評價方法,是裝備采購供應(yīng)鏈質(zhì)量保證體系構(gòu)建和運(yùn)行的核心要務(wù)。而系統(tǒng)性的評價裝備采購供應(yīng)商質(zhì)量績效,對于供應(yīng)鏈潛在質(zhì)量問題識別、運(yùn)作結(jié)構(gòu)優(yōu)化、運(yùn)行效率提高都具有重要意義。

質(zhì)量績效是組織在其質(zhì)量經(jīng)營活動過程中,用來表現(xiàn)其產(chǎn)品質(zhì)量、運(yùn)行質(zhì)量和經(jīng)營結(jié)果特性的特征量,是指組織通過自身和外部的質(zhì)量管理所創(chuàng)造的卓越績效。供應(yīng)商質(zhì)量績效具有多維度性和復(fù)雜性,其衡量的不僅是供應(yīng)商自身質(zhì)量行為的績效,還包括其在供應(yīng)鏈質(zhì)量管理上維持的績效水平。裝備采購部門往往會尋求不同背景的評價專家組成決策小組進(jìn)行供應(yīng)商考核,通過集結(jié)群決策信息,得到可信度較高的主觀評價信息,并結(jié)合實(shí)際收集的客觀數(shù)據(jù)信息來對供應(yīng)商進(jìn)行綜合評估[1]。實(shí)際評價中,部分質(zhì)量績效指標(biāo)信息存在一定的模糊性。

因此,裝備采購供應(yīng)商質(zhì)量績效的評價是一類模糊混合型多屬性群決策問題?，F(xiàn)有的模糊多屬性群決策方法主要是通過選取能有效描述決策者主觀評價信息的數(shù)據(jù)類型,如直覺模糊集[2-5]、概率語義術(shù)語集[6-7]、二元語義[8-10]等。利用主客觀賦權(quán)的方法如層次分析法[11-12]、數(shù)據(jù)包絡(luò)分析[13-14]、熵權(quán)理論[15]確定指標(biāo)權(quán)重,最后基于多屬性決策方法或集結(jié)算子如基于理想解方法[16-18]、直覺模糊集結(jié)算子[19-21]等來綜合評價信息,得到評估對象最終的優(yōu)劣排序。

上述方法雖然能得到較為客觀的結(jié)果,但在評價裝備采購供應(yīng)商質(zhì)量績效中仍存在以下不足:① 評價方法中只考慮了決策者的單一主觀評價數(shù)據(jù)類型,未將實(shí)際評價中可以得到的客觀指標(biāo)數(shù)據(jù)納入評價范圍;② 群決策信息集結(jié)過程中尚未考慮不同決策者之間主觀判斷及事物模糊偏好信息的關(guān)聯(lián)性,使得集結(jié)后的評價結(jié)果不貼近實(shí)際;③ 以上方法鮮有考慮評價指標(biāo)之間的內(nèi)在關(guān)聯(lián),導(dǎo)致某些評價指標(biāo)的賦權(quán)容易造成偏差。

為此,本文提出一種基于決策實(shí)驗(yàn)室分析法(decision making trial and evaluation laboratory,DEMATEL)與灰關(guān)聯(lián)投影的混合多屬性群決策模型。該模型考慮了供應(yīng)商質(zhì)量績效評價中客觀性統(tǒng)計(jì)數(shù)據(jù)和主觀性判斷融合的情形。利用模糊測度來描述群決策中不同專家聯(lián)盟之間的內(nèi)在關(guān)聯(lián)性,引入廣義λ-Shapley Choquet算子來集結(jié)群決策主觀評價信息。然后,將DEMATEL拓展到群體模糊決策領(lǐng)域,用以確定評價指標(biāo)的權(quán)重,使得權(quán)重確定過程中更能考慮指標(biāo)間的關(guān)聯(lián)性。最后,利用混合灰關(guān)聯(lián)投影法對不同對象進(jìn)行客觀評價,規(guī)避數(shù)據(jù)類型轉(zhuǎn)換帶來的損失,提高評價的準(zhǔn)確性和客觀性。

1 裝備采購供應(yīng)商質(zhì)量績效評價體系

在裝備采購供應(yīng)鏈構(gòu)建初期,軍方與總承包商簽訂武器裝備采購合同,確定了武器裝備采購的初步計(jì)劃。作為供應(yīng)鏈核心的總承包商會通過招標(biāo)采購的方式搜尋潛在的合作承制單位,重點(diǎn)對承制單位資質(zhì)、質(zhì)量管理體系和產(chǎn)品認(rèn)證、企業(yè)單位各方面績效進(jìn)行考察,將具有合作資格的承制單位納入裝備采購承制單位目錄(供應(yīng)商庫)中。裝備產(chǎn)品服役年限長、質(zhì)量要求高、產(chǎn)品需求多變等特點(diǎn)決定了其在供應(yīng)商的選擇上與一般民用產(chǎn)品供應(yīng)商選擇存在較大差別。從裝備采購供應(yīng)商的內(nèi)外部質(zhì)量績效考慮,有以下4個評價維度。

(1)裝備采購供應(yīng)商應(yīng)當(dāng)具有良好的質(zhì)量控制能力。質(zhì)量是裝備配套產(chǎn)品最基本的要求,其要求供應(yīng)商具有良好的質(zhì)量保證能力,使得產(chǎn)品的制造過程質(zhì)量得到保障。

(2)裝備產(chǎn)品的研制生產(chǎn)中存在大量的技術(shù)創(chuàng)新,因此其供應(yīng)商應(yīng)當(dāng)具有良好的技術(shù)支撐能力,以便產(chǎn)品換代升級時能夠快速適應(yīng)供應(yīng)需求,滿足軍方各項(xiàng)技術(shù)指標(biāo)要求。

(3)裝備產(chǎn)品服役時間較長,在產(chǎn)品壽命周期內(nèi)其供應(yīng)商應(yīng)當(dāng)具有良好的服務(wù)協(xié)同能力,在售前和售后都能快速響應(yīng)軍方客戶需求,并通過及時調(diào)整生產(chǎn)計(jì)劃來滿足需求。

(4)供應(yīng)商的產(chǎn)品交付能力是考核供應(yīng)商的基本準(zhǔn)則之一,其決定了裝備產(chǎn)品的研制生產(chǎn)進(jìn)度。同時,供應(yīng)商還應(yīng)當(dāng)具有一定的提前交付能力，以應(yīng)對緊急情況下的各項(xiàng)交付需求。

建立的指標(biāo)體系如表1所示。

表1 基于供應(yīng)鏈的裝備采購供應(yīng)商質(zhì)量績效評價體系

2 理論基礎(chǔ)

考慮供應(yīng)商質(zhì)量績效評價中涉及不同評價準(zhǔn)則、客觀的統(tǒng)計(jì)數(shù)據(jù)和主觀的判斷信息等。為了簡化研究問題,將客觀數(shù)據(jù)類型(如精確數(shù)、區(qū)間數(shù))統(tǒng)一為區(qū)間數(shù)類型(如精確數(shù)a可以轉(zhuǎn)化為區(qū)間數(shù)[a,a]);而主觀判斷信息主要是由專家通過語義變量或模糊數(shù)形式給出,具有一定模糊性和猶豫性。直覺模糊集通過隸屬度、非隸屬度和猶豫度來描述決策者的評價信息,能更加細(xì)膩地刻畫出人們對客觀事物的判斷。不同專家的評價準(zhǔn)則粒度不同,利用轉(zhuǎn)換公式將其統(tǒng)一轉(zhuǎn)化為直覺模糊數(shù),提高計(jì)算效率。

2.1 區(qū)間型數(shù)據(jù)相關(guān)定義

定義 1[22]任意給定兩個區(qū)間數(shù)a=[aL,aU],b=[bL,bU],a與b的距離為

(1)

2.2 直覺模糊數(shù)相關(guān)定義

(2)

2.3 語義變量與直覺模糊數(shù)的數(shù)據(jù)轉(zhuǎn)換

語義變量是指以自然語言短語的形式來評價某個對象的模糊屬性,決策者一般通過選取熟悉合適的語義變量來表達(dá)其給出的主觀判斷信息。為數(shù)據(jù)處理方便,將語義變量統(tǒng)一轉(zhuǎn)換為直覺模糊數(shù),以便更好地處理主觀判斷信息。給出語義變量轉(zhuǎn)換到直覺模糊數(shù)的統(tǒng)一定義如下。

定義 3[24]設(shè)任一語言評價集

q個語言評價粒度對應(yīng)的直覺模糊數(shù)形式表示為

(3)

(4)

2.4 模糊測度和Choquet積分算子

定義 4[25]設(shè)S為一有限集合,P(S)表示S的冪集,若μ:P(S)→[0,1],若滿足下列條件,則稱μ為定義在(S,P(S))上的模糊測度。

(1)μ(?)=0,μ(S)=1;

(2)A,B∈P(S),A?B?μ(A)≤μ(B)。

定義 5[25]假設(shè)對于任意的C,D∈P(S),C∩D=?,有

γλ(C∪D)=γλ(C)+γλ(D)+λγλ(C)γλ(D)

式中,λ∈(-1,+∞),稱γ為λ的模糊測度,記為γλ。

對于有限集S,γλ滿足下列條件:

(5)

易知μ(S)=1,λ可以通過

(6)

定義 6[26]若f為定義在S上的非負(fù)函數(shù),μ為定義在S上的模糊測度,則f關(guān)于模糊測度μ的離散Choquet積分為

Cμ(f(x(1)),f(x(2)),…,f(x(n))=

(7)

式中,(i)表示f(x(i))一個置換,0≤f(x(1))≤…≤f(x(n));A(i)=(x(i),x(i+1),…,x(n));A(n+1)=0。

(8)

2.5 廣義λ-Shapley Choquet積分算子

考慮主觀評價中專家聯(lián)盟(集合)決策中存在的內(nèi)在關(guān)聯(lián),傳統(tǒng)加權(quán)平均法來集結(jié)主觀判斷信息會使評價結(jié)果產(chǎn)生偏差。模糊測度以約束條件較弱的單調(diào)性和連續(xù)性取代經(jīng)典概率中的可加性約束,能很好地描述不同指標(biāo)或?qū)＜抑饔^評價之間的相互關(guān)聯(lián)[28]。因此,通過模糊測度確定關(guān)聯(lián)條件下各專家聯(lián)盟權(quán)重,并利用Choquet積分集結(jié)各位專家對主觀績效指標(biāo)的模糊判斷,以確定各主觀績效指標(biāo)的綜合評價值。但從離散Choquet積分定義可知,其只對相鄰因素的相互影響關(guān)系進(jìn)行了分析,只考慮了專家聯(lián)盟中的一種情況。但實(shí)際情況中,不同因素之間的關(guān)系是隨機(jī)的,所有因素之間的相互關(guān)系是未知的,這就要求模糊測度應(yīng)當(dāng)是每個因素或不同因素構(gòu)成集合的模糊測度的平均值。為更好地解決此問題,根據(jù)文獻(xiàn)[27]的思路,引入Shapley函數(shù)到模糊測度與Choquet積分算子中。利用Shapley函數(shù)在合作博弈中通過單個局中人在群決策中所做貢獻(xiàn)來確定局中人利益的特征,其分配利益方式可以很好地應(yīng)用到群決策的權(quán)重確定中。廣義Shapley函數(shù)[29]值為

(9)

特別地,當(dāng)X={xi}時,令|X|=x,根據(jù)式(5)和式(9)有

(10)

式中,γλ為S上的模糊測度,式(10)反映的是每個專家、專家聯(lián)盟之間的整體平均模糊測度,其整體考慮了所有專家構(gòu)成的不同集合之間的模糊測度,更貼近實(shí)際。

(11)

易證明其冪等性、有序單調(diào)性、有界性和置換不變性等性質(zhì)。通過AIFGSC可以有效集結(jié)具有模糊測度的主觀決策信息。

2.6 專家模糊測度計(jì)算

考慮以上兩方面因素來確定每個專家的模糊測度,引入直覺模糊數(shù)的Hamming距離函數(shù)和直覺模糊熵。通過求解不同專家給出的決策矩陣之間的距離測度來確定專家的模糊測度。

(12)

(13)

(14)

(15)

根據(jù)式(13)和式(15)專家ek的λ模糊測度可被定義為

(16)

顯然γλ(ek)∈[0,1],此定義方法得到的λ模糊測度具有較好的特性。專家給出的決策矩陣模糊熵越小、與群體決策信息偏離程度越小,其能夠?yàn)闆Q策提供的信息更多,其模糊測度越大。此定義能減少單個專家評價與整體評價偏差較大帶來的不良影響,同時考慮專家評價中的信息量。在求得所有專家的λ模糊測度的基礎(chǔ)上,通過式(5)和式(6)可以得到λ值及不同專家聯(lián)盟(集合)的模糊測度。

在求得所有專家聯(lián)盟(集合)和個體的模糊測度值后利用AIFGSC集結(jié)群體決策信息,得到考慮了所有專家個體和專家集合之間的關(guān)聯(lián)性的各個主觀性評價指標(biāo)的綜合評價信息,其形式仍是直覺模糊數(shù),避免了因數(shù)據(jù)轉(zhuǎn)換而造成的評價信息的損失。

2.7 基于AIFGSC的群組DEMATEL屬性權(quán)重確定

(17)

同理,根據(jù)專家群體在對主觀屬性指標(biāo)進(jìn)行評價過程中所確定的模糊測度γλ(ek),通過AIFGSC來集結(jié)專家判斷矩陣,從而得到最終的綜合判斷矩陣

H=[hi j]s×s=

(18)

式中,hi j=(ui j,vi j,πi j)為AIFGSC集結(jié)各個專家判斷矩陣信息后所得的判斷信息。引入風(fēng)險偏好系數(shù)τ來將綜合判斷矩陣去模糊化,得到實(shí)數(shù)化矩陣B=[bi j]s×s,其中bi j為去模糊化后的群體決策確定偏好度,其計(jì)算公式為

bi j=ui j-vi j+(2τ-1)πi j

(19)

式中,τ∈[0,1],τ>0.5則表示群決策是風(fēng)險偏好的;τ≤0.5則表示群決策是風(fēng)險規(guī)避的。對確定信息的群體判斷矩陣B=[bi j]s×s進(jìn)行標(biāo)準(zhǔn)化:

(20)

得到標(biāo)準(zhǔn)化矩陣T=[ti j]s×s。確定綜合影響矩陣R:

(21)

根據(jù)R可以確定各個屬性的影響度Pi,被影響度Qi,中心度Mi及原因度Xi:

(22)

(23)

Mi=Pi+Qi

(24)

Xi=Pi-Qi

(25)

則最終的屬性權(quán)重可以由Mi和Xi的幾何平均數(shù)確定:

(26)

(27)

可以得到最終的屬性權(quán)重向量ω=(ω1,ω2,…,ωs)。

3 改進(jìn)的灰關(guān)聯(lián)投影法

灰關(guān)聯(lián)投影法通過結(jié)合灰色系統(tǒng)理論和矢量投影原理來進(jìn)行多屬性決策,其優(yōu)勢在于能在指標(biāo)空間中較為全面地分析屬性之間的相互關(guān)聯(lián),避免了單方向偏差,能在復(fù)雜的系統(tǒng)決策中發(fā)揮較好的效用。為了更好地處理混合型數(shù)據(jù)信息,將傳統(tǒng)灰關(guān)聯(lián)投影法進(jìn)行擴(kuò)展。

3.1 建立方案集評價矩陣

由于指標(biāo)屬性形式不同,為了保證在指標(biāo)空間中各指標(biāo)之間的等效性和同序性,首先對不同形式的原始數(shù)據(jù)進(jìn)行規(guī)范化處理,消除量綱不同帶來了影響。設(shè)有備選方案集X={X1,X2,…,Xm},指標(biāo)集R={Rj|j∈I1,I2},其中:I1為區(qū)間數(shù)型評價指標(biāo)集,I2為直覺模糊數(shù)型評價指標(biāo)集,分別對I1和I2形式的原始數(shù)據(jù)進(jìn)行規(guī)范化處理。

(1)I1型數(shù)據(jù)

(28)

(29)

(2)I2型數(shù)據(jù)

(30)

式中,B為效益型指標(biāo);C為成本型指標(biāo)。于是,備選方案集X對于指標(biāo)集R的規(guī)范化評價矩陣為

X=(ui j)m×n,i=1,2,…,m;j=1,2,…,n

(31)

(32)

3.2 加權(quán)灰關(guān)聯(lián)決策矩陣建立

記Δi j為理想方案向量X0與備選方案向量Xi在屬性Rj上的絕對差值,即

Δi j=|u0j-ui j|=

(33)

由灰色關(guān)聯(lián)理論可知,每個屬性值ui j對理想方案向量X0的灰關(guān)聯(lián)系數(shù)為

(34)

式中,α為分辨系數(shù),α∈[0,1],通常取α=0.5。

(35)

(36)

記權(quán)重向量為ω=(ω1,ω2,…,ωn),對矩陣G+和G-分別加權(quán)可以得到加權(quán)正負(fù)灰關(guān)聯(lián)決策矩陣分別為

(37)

(38)

3.3 計(jì)算灰關(guān)聯(lián)投影值

由于每個備選方案都是灰關(guān)聯(lián)決策矩陣中的一個行向量(矢量),則每個備選方案向量Xi與理想方案向量X0之間的夾角θi為灰關(guān)聯(lián)投影角,其余弦值為

(39)

記備選方案向量Xi的模為ai,則備選方案向量Xi在理想方案向量X0上的投影值為

(40)

式中,

(41)

(42)

(43)

根據(jù)文獻(xiàn)[30-33],定義灰關(guān)聯(lián)投影系數(shù)Ei綜合衡量方案Xi靠近優(yōu)勢方案和劣勢方案的程度。

(44)

綜上所述,本文模型的具體步驟如下。

步驟 2通過第2.6節(jié)中提出的專家模糊測度公式,確定每個專家ek的λ模糊測度及專家決策集合E={e1,e2,…,eq}不同子集(專家聯(lián)盟)的λ模糊測度,并通過第2.5節(jié)所提公式確定不同子集的廣義λ-Shapley指標(biāo)值。

步驟 3利用AIFGSC集結(jié)專家評估信息,得到直覺模糊數(shù)形式的綜合主觀評價信息。

步驟 4邀請?jiān)瓕＜胰后w對評價指標(biāo)集中各個指標(biāo)間的影響關(guān)系進(jìn)行二次評價,得到個體模糊決策矩陣,并根據(jù)計(jì)算所得的專家模糊測度,通過AIFGSC集結(jié)后得到綜合模糊決策矩陣。并根據(jù)第2.7節(jié)中的方法確定屬性權(quán)重。

步驟 5利用第3節(jié)中的多屬性決策方法,計(jì)算灰關(guān)聯(lián)決策矩陣,并將屬性權(quán)重代入計(jì)算正負(fù)加權(quán)灰關(guān)聯(lián)矩陣。求出不同方案的灰關(guān)聯(lián)投影系數(shù),并根據(jù)灰關(guān)聯(lián)投影系數(shù)來對不同備選方案進(jìn)行排序擇優(yōu)。

模型的具體框圖如圖1所示。

圖1 供應(yīng)商質(zhì)量績效評價步驟

4 算例分析

4.1 備選供應(yīng)商擇優(yōu)排序

以某型號裝備采購供應(yīng)商準(zhǔn)入評價為例,為了從資質(zhì)合格名單中對質(zhì)量績效良好的供應(yīng)商進(jìn)行再次篩選評價,確定4個備選供應(yīng)商S={S1,S2,S3,S4},分別由來自裝備論證、裝備研制和裝備采購部門的決策者E={e1,e2,e3}組成決策小組對備選供應(yīng)商進(jìn)行擇優(yōu)評價。其質(zhì)量績效評價準(zhǔn)則如表2所示,其中B為效益型指標(biāo),C為成本型指標(biāo)。采集到的原始信息如表3～表6所示,其中包括專家群體{e1,e2,e3}對4個供應(yīng)商的主觀屬性準(zhǔn)則的評估矩陣。語義變量類型準(zhǔn)則的評價已轉(zhuǎn)換為直覺模糊數(shù),客觀屬性的評價準(zhǔn)則通過實(shí)際考察數(shù)據(jù)統(tǒng)計(jì)得到。

表2 裝備采購供應(yīng)商質(zhì)量績效評價準(zhǔn)則

表3 專家e1的主觀決策矩陣

表4 專家e2的主觀決策矩陣

表5 專家e3的主觀決策矩陣

表6 供應(yīng)商客觀屬性準(zhǔn)則評價值

步驟 1根據(jù)式(11)～式(16)可以得到專家個體的模糊測度,將其代入式(5)和式(6)求出不同專家聯(lián)盟的模糊測度,得到λ-Shapley模糊測度如表7所示。

表7 專家聯(lián)盟的λ模糊測度及λ-Shapley模糊測度

根據(jù)不同專家聯(lián)盟的λ-Shapley模糊測度,利用AIFGSC集結(jié)專家信息,得到最終主觀綜合評價信息如表8所示。

表8 專家綜合主觀決策矩陣

步驟 2邀請?jiān)瓕＜胰后w{e1,e2,e3}對指標(biāo)之間的影響度進(jìn)行評價,利用其在指標(biāo)評價階段所計(jì)算得到的模糊測度,通過AIFGSC集結(jié)專家評價矩陣,基于第2.7節(jié)中DEMATEL來確定指標(biāo)權(quán)重,各個指標(biāo)的中心度與原因度分布如表9所示。

表9 各個指標(biāo)影響度分析及類型確定

根據(jù)各個指標(biāo)中心度與原因度確定指標(biāo)權(quán)重向量為

w=[0.126 0.091 0.060 0.066 0.099 0.093

0.074 0.061 0.067 0.124 0.051 0.088]

步驟 3規(guī)范化處理原始主客觀信息后得到規(guī)范化群決策矩陣如表10所示。

表10 規(guī)范化群決策矩陣

確定正負(fù)理想方案向量:

(1,0,0),(1,0,0),(1,0,0),[1,1],1.000,1.000}

(0,1,0),(0,1,0),(0,1,0),[0,0],0.000,0.000}

步驟 4計(jì)算正負(fù)理想方案向量與各個方案決策向量之間的絕對差值,令α=0.5,根據(jù)灰關(guān)聯(lián)系數(shù)的計(jì)算公式,得到正負(fù)灰關(guān)聯(lián)矩陣:

代入指標(biāo)權(quán)重可以得到加權(quán)正負(fù)灰關(guān)聯(lián)決策矩陣,根據(jù)指標(biāo)權(quán)重計(jì)算灰關(guān)聯(lián)投影矢量:

0.018 0.012 0.015 0.051 0.009 0.026]

步驟 5根據(jù)灰關(guān)聯(lián)投影矢量與加權(quán)正負(fù)灰關(guān)聯(lián)決策矩陣中的各個方案向量(行向量),可以求出不同方案的灰關(guān)聯(lián)投影值與灰關(guān)聯(lián)投影系數(shù)如表11所示。

表11 各方案的Z+, Z-, E值

由表11可知,無論是根據(jù)優(yōu)勢方案還是劣勢方案進(jìn)行排序,其結(jié)果與依據(jù)灰關(guān)聯(lián)投影系數(shù)值得到最終的優(yōu)劣排序保持一致,均為S3>S4>S1>S2,S3均為最優(yōu)方案。但是灰關(guān)聯(lián)投影系數(shù)的差異性更加明顯,其區(qū)分不同方案優(yōu)劣性的能力更強(qiáng)。

4.2 對比分析

現(xiàn)有文獻(xiàn)模型中,對群決策的關(guān)聯(lián)性及指標(biāo)關(guān)聯(lián)性考慮還不夠充分,如文獻(xiàn)[22]中的模型根據(jù)信息熵原理來建立信任函數(shù)確定決策權(quán)重來集結(jié)群決策信息,通過熵值法來確定指標(biāo)的客觀權(quán)重,從而避免指標(biāo)間的屬性轉(zhuǎn)換。將其方法應(yīng)用到本文案例中得到如表12所示的結(jié)果。

表12 不同評價模型的排序結(jié)果

從最終的排序結(jié)果來看,文獻(xiàn)[22]與本文在對S1的評價偏差較大。一方面,在群決策信息集結(jié)時,其未考慮到專家間的偏好關(guān)聯(lián),使得專家e2和e3的權(quán)重偏大,導(dǎo)致主觀信息的集結(jié)產(chǎn)生一定偏差。另一方面,在對評價指標(biāo)的權(quán)重確定時,其主要是基于熵值法來計(jì)算不同評價指標(biāo)的客觀權(quán)重,并未考慮不同指標(biāo)間的關(guān)聯(lián)性,這亦是最終的評價結(jié)果存在差異性的原因。本文通過λ-Shapley模糊測度來衡量專家間的模糊關(guān)系,并引入群組DEMATEL到?jīng)Q策模型中來進(jìn)行指標(biāo)間的關(guān)聯(lián)性評價和權(quán)重確定,使得多屬性群決策模型更加符合實(shí)際問題中決策者對復(fù)雜事物的評價和感知。

4.3 敏感性分析

(45)

由于γλ(ek)、θ、λ均已知,代入式(45)即可求得φ值。分別對3個專家模糊測度進(jìn)行擾動,θ依次取為0.4、0.5、0.6、0.7、0.8、0.9、1.1、1.2、1.3、1.4、1.5和1.6共進(jìn)行36次試驗(yàn),計(jì)算不同方案最終的灰關(guān)聯(lián)投影系數(shù),得到如圖2所示結(jié)果。由圖2可見,專家模糊測度的變化使得不同方案的最終評價值變化幅度較大,是因?yàn)楸疚哪Ｐ驮跈?quán)重和指標(biāo)評價時都是采用的相同的專家群體,專家個體的模糊測度確定會對結(jié)果造成較大的影響。但是,在36次試驗(yàn)中模型最終得到的最優(yōu)方案穩(wěn)定性較好(僅有2次改變了最優(yōu)方案,占試驗(yàn)總體5.56%),且在實(shí)際評價中,評價專家群體能同時參與定性指標(biāo)的評價打分和對指標(biāo)間的影響關(guān)系分析,更加適用于裝備采購供應(yīng)鏈環(huán)境中的管理和決策,有利于提高軍方在供應(yīng)鏈質(zhì)量管理和監(jiān)督中的主導(dǎo)地位。

圖2 基于專家模糊測度的敏感性分析

5 結(jié)束語

裝備采購供應(yīng)鏈運(yùn)作初期,構(gòu)建合理科學(xué)的供應(yīng)商質(zhì)量績效評價模型是軍方監(jiān)測裝備承制單位的質(zhì)量體系運(yùn)行和產(chǎn)品生產(chǎn)質(zhì)量狀況、促進(jìn)承制單位競爭性發(fā)展的重要手段。利用專家模糊評價與群體評價的偏差程度和不確定程度來確定專家評價的模糊測度,并通過引入Shapley函數(shù)到Choquet積分算子中,使專家信息集結(jié)方法更客觀。通過群組DEMATEL進(jìn)行指標(biāo)的影響度評價,可以在分析不同指標(biāo)相互影響關(guān)系的基礎(chǔ)上進(jìn)行指標(biāo)權(quán)重確定;利用灰關(guān)聯(lián)投影法集結(jié)不同類型評價信息,避免不同類型數(shù)據(jù)之間的不可公度帶來的影響。算例表明，本文評價模型能有效應(yīng)對混合型模糊信息條件下的多屬性群決策問題,在裝備采購供應(yīng)商的質(zhì)量績效評價中具有較強(qiáng)的實(shí)用性。