企业供应链绩效考核指标浅析

企业供应链绩效考核指标浅析

学校：上海复旦大学信息科学与工程学院

姓名：***

工作单位：

年龄：

学历：

电话：

字数：9,380

Email：

论文完成时间：2009年5月25日

论 文 大 纲

THESIS OUTLINE

第一章：绪论

Chapter 1 Introduction

1．1 研究背景：阐述供应链管理体系的发展现状，以及提出改进供应链绩效评价指标体系的必然性和重要性；

1.1 Research background: expatiate the actual status of the supplier chain management system development, and bring forward the importance and inevitability about to improve the supplier chain management performance measure system.

1．2 问题的提出：以目前笔者所工作的企业环境为大背景，以特定的供应链为研究对象，简要提出当前该供应链运作中所存在的问题

1.2 Problem introduce : As the author worked company background be the thesis background, and according to a given product’s supplier chain to be a research project, show some problem in this supplier chain operation roughly;

第二章：供应链绩效评价体系现状以及其相关理论

Chapter 2 Actual situation of Supplier Chain Management KPI system and interrelated theory

2．1 简述供应链绩效评价体系的发展及其现状

2.1 Actual situation of Supplier Chain Management KPI system analysis roughly

2．2 简要阐述供应链绩效评价体系的相关理论

2.2 Expatiate Supplier Chain Management KPI system interrelated theory;

第三章 改进供应链绩效评价体系—灰色聚类分析法的实证应用

Chapter 3 Improvement of supplier chain management KPI system – application of Grey Cluster analysis

3．1 改进的灰色聚类分析法浅析

3.1 Analysis about improvement of Grey Cluster analysis

3．2 实证分析

3.2 Demonstration analysis

第四章 结论与展望

Chapter 4 Conclusion and expectation

4．1 结论

4.1 Conclusion of thesis

4．2 不足与展望

4.2 Insufficiency and expectation

摘 要

本文通过对供应链管理评价体系现状的探讨与分析，运用供应链管理的核心思想，以某集团的供应链评价指标体系为研究对象，旨在寻找出一套更适合于供应链评价的指标体系。 在对于该论点的阐述过程中，提出了将灰色聚类分析法改进并用于供应链绩效评价指标体系中，并对如何进行分析，决策等做了详细说明与论证。

关键词 供应链管理考核指标体系；灰色聚类分析法；供应链管理；

Abstract

This article presents a complete analysis to the Performance Analysis System actual situation of whole Supplier Chain Management. Author use the key mood of SCM and citing a company example to be a study case, in order to find a more fit Performance System to evaluate whole supplier chain. And this article presents a Grey Cluster Relation Analysis

Method(GCRAM).The new method combines the cluster method with the relation analysis method and is used to judge the class(e. g. Class of disease or class of economic zone)which the object element(e. g. a ptient or a region)belongs to. The method is now first applied to medical diagnosis on diseases, and is verified very well.

Key Words : Supplier Chain Management Performance Evaluation; Grey Cluster Relation Analysis Method(GCRAM) ; Supplier Chain Management

目 录

第一章 绪论 ………………………………………………………. 5

1．1 研究背景 …………………………………………………. 5

1．2 问题的提出 ………………………………………………. 7

第二章 供应链绩效评价体系现状以及其相关理论 …………….. 10

2．1 供应链绩效评价体系的现状 …………………………… 10

2．2 和供应链绩效评价相关的理论介绍- 灰色理论 ……… 15

第三章 O集团供应链绩效评价体系分析 ……………………… 17

3．1 改进的灰色聚类分析法浅析 …………………………... 17

3．1．1 灰色聚类分析法的相关定义 ……………………. 17

3．1．2 改进后的灰色聚类分析法 ………………………. 19

3．2 实证分析 ………………………………………………... 22

第四章 结论与展望 ……………………………………………... 29

4．1 结论 ……………………………………………………... 29

4．2 不足 ……………………………………………………... 29 参考文献 …………………………………………………………. 31

第一章 绪论

1．1 研究背景

供应链管理强调供应链中企业间的合作，旨在以物流、信息流、资金流将供应商、制造商、分销商联系成为一体，商品生产者与分销商之间在价值产生和实现上是相互依存的，而在利益分配上又是相互矛盾的，表现在商品上就是价格的竞争，企业成本简单地转移到上游或下游企业并不能使其增强竞争力，如果社会再生产各个环节均把成本简单的推到下游企业或产业，只会增加最终消费者的商品购买价格，而商品价值的实现，必须通过商品的最终消费来完成。从此角度讲，最终的竞争并不是表现为企业间的竞争，而是供应链之间的竞争。

现行的企业绩效评价(performance evaluation)指标侧重于单个企业，平均的对象是某个企业的内部职能部门或具体职位，其评价指标在设计上有如下特点：

（1） 数据来源于财务结果，在时间上略为滞后，不能反映供应

链的动态运营情况；

（2） 主要评价职能部门的工作完成情况，不能对企业流程进行

评价，更不能科学、客观地评价整个供应链运营；

（3） 不能对供应链业务流程进行实时评价和分析，而是侧重于

事后分析，当出现偏差时，危害已经造成并很难补偿。

当前企业绩效评价指标已经不适用于对供应链运营绩效的评价，

应该用基于业务流程的绩效评价指标。

供应链绩效评价是供应链管理成果的体现，是进一步改进供应链，实现再造的基础，传统的企业绩效评价只能衡量单个企业的绩效，无法对供应链整体的利益和绩效进行衡量，导致供应链无法真正作为一个整体运作。只有建立衡量供应链绩效的评价体系，才能对供应链的运行进行持续、动态的跟踪，为决策者提供状态参数，为调整和优化供应链提供依据。

在实际操作中，为了建立能有效评价供应链绩效的指标体系，大体上都是遵循如下原则：

（1） 突出重点，要对关键绩效指标进行重点分析；

（2） 供应链评价指标集成化，能反映整个供应链运营状况，而不

仅仅是单个节点企业的运营状况；

（3） 财务指标和非财务指标并重，关注供应链长期发展和短期利

润的有效结合，实现两个目标之间的有效传递；

（4） 采用能反应供应商、制造商及用户之间关系的绩效评价指

标，把评价的对象扩大到供应链上的相关企业；

（5） 供应链绩效评价能全方位、多角度、多层次地反映供应链竞

争优势，注重组织未来的发展性；

（6） 绩效评价除了对企业内部运作的基本评价之外，还把注意力

放在外部供应链的监控上，以保证供应链内部和外部在绩效上达成一致。

目前国内外许多研究学者都试图通过指标体系的建立或模

型的确立来弥补用企业绩效对供应链绩效评价的不足。所以，从供应链绩效评价的重要地位和当前供应链绩效评价的状况出发，都有研究的必要和空间，本文将在已取得研究成果的基础上结合具体企业情况开展深入的探讨，在发现问题的同时解决问题，同时推动理论的前进。

1．2 问题的提出

对于供应链或称供应网络，所涉及的企业众多，各个企业的指标也大量的融合并相互影响，如果将所有涉及的数据均收集和分析，不仅工作量巨大，也没有一种能涵盖纵向、横向比较的模型。

笔者所在的公司O集团是欧洲第一大运动品集团，该集团的经营方式不但包括B2B，还包括B2C，O集团在全球拥有近500家运动品超市，概念店，直接销售该集团自己的运动产品，产品类别广泛，基本上涵盖了所有的运动品范围，同时，O集团的生产团队中，不但采用外协生产，在很多主要产品上还拥有自己的组装工厂，有专门的工业采购团队进行全球采购。供应商数量多，但是供应链比较清晰。O集团是笔者自从业以来，所遇到的拥有最简短供应链的集团，从生产到销售，其经营理念，就是要运动爱好者尽可能大的享受到运动的乐趣，这就是企业的生存价值。

再O集团中，有一项主打产品就是自行车，O集团拥有自己的研发团队，拥有世界上一流的自行车测试实验室，O集团目前在欧洲拥有4个自行车组装工厂：葡萄牙组装厂，法国组装厂，意大利组装厂，罗

马尼亚组装厂，以便给欧洲近375家商场供货，而在生产自行车的主要零件，车架和前叉则是从中国四个供应商中采购，深圳两间（A, B），常州一间（C）,苏州昆山一间（D），过去的四年中平均每年的总采购金额在2.5亿欧元。为了保证欧洲各商场的客户满意度，四个组装工厂必须在合理的控制库存的前提下，最大可能的满足商场的订单需求，这就意味着，面对中国的四家供应商，如何维持良好的上下游关系，如何合理的分配订单，如何减少车架和前叉这种主要零配件的生产周期（Production Lead-time）都是非常重要的，所以，此次项目就以O集团自行车主要零配件车架和前叉的供应链管理为研究对象，笔者将在此次项目研究中介绍目前O集团所使用的供应链绩效考量指标体系，并提出新的改进的考量指标，并进行实证，说明其对于整条供应链的考量更为有效。

所以，对于我们当前所要研究的供应链，简单图示1-2如下：

B2B

B2C

图1-2 O集团欧洲自行车主要零配件供需供应链图解

从企业管理角度看，有许多共同的供应商（所供应原材料可能不相同），采用共同的质量标准、生产流程（公司标准），有共同的物流中心/VMI库房提供相同的服务，共同多变的消费市场，四个工厂的供应链管理应该趋于同一个水平，但实际的情况是在紧急订单的处理上为什么某一个工厂做的比较好？

为什么某一个工厂有如此多的突发事件来弥补应该正常的供应链？

为什么当前的指标不能真实反映供应链的运营情况？

因此，以企业绩效模式粗放型的衡量四条供应链显然不是合适的选择，也无法回答以上的问题，公司不可能在对各条供应链没有清晰认识的情况下作预期的改善或优化，同时不成熟的KPI指标会使相关人员失去认清供应链问题的动力，造成问题的持续积累。对以上问题的回答也是本文将要作为实证研究的部分。

第二章：供应链绩效评价体系现状以及其相关理论

2.1 供应链绩效评价体系的现状

绩效评价（Performance Measurement，PM）是基于目标对运行结果的衡量。它的过程主要包括绩效指标定义、分析和报告、评价和改进三个部分，三个阶段循环往复，不断提高。绩效评价的目的主要有两个：一是判断各方案是否达到了各项预定的性能指标，能否在满足内外条件下实现系统的预定目标；二是按照预定的评价指标体系评出参评方案的优劣，做好决策支持，为进行最优决策，选择系统实施方案服务。

目前对供应链绩效评价的研究主要是指标选取、体系构建和绩效算法几个方面。

（1）供应链绩效评价指标选取和体系构建方面

国际上，Lummus等人列举了供应链绩效的主要考核指标，每一项指标都有3个指标值：理想值、目标值和当前值。

供应链绩效管理的目的就是按照理想值设定目标值，进而改进现有的绩效状况。

如表2-1所示：

表2-1 供应链绩效的主要评价指标 (lummus et.al.)

为了避免传统绩效评价的问题，比蒙（Beamon）于1999年提出了三个可以反映供应链绩效的战略目标：资源、产出和柔性，资源评价和产出评价在供应链评价中已经得到广泛的应用，而柔性则在应用中是有限的。资源评价（成本评价）是高效生产的关键，产出评价（客户响应）必须达到很高的水平以保持供应链的增值性，柔性评价则要达到在变化的环境中快速响应，它们之间是互相作用彼此平衡的。

经过进一步的发展，目前ROF法三个方面对应的指标如表2-2所示：

表2-2 ROF评价指标

供应链研究的权威机构PRTM在供应链运作参考模型—SCOR模型中提出了绩效评价指标，并指出对于公司不必成为全能冠军，而应该集中自己的优势，把目标瞄准市场上的4-6个选定的领域，创造差别优势。

当前供应链管理协会（Supply Chain Council）发布最新8.0版

的SCOR。结合比较成熟的使用指标，我们将其列成表2-3：

表2-3 供应链绩效和基准衡量标准

将平衡计分卡（BSC）延伸到供应链管理中，布鲁尔和斯拜（Brewer and Speh，2000）认为如果公司考虑到供应链的重要性但仍然使用绩效方法对员工进行评估，这些绩效方法不受供应链效率提高的影响，那么公司将忽视在供应链方面的努力，他们建立起一个框架将供应链和BSC联系起来，如图2-1：

图2-1 将供应链管理与平衡计分卡相联系

Roger教授认为顾客服务质量是评价供应链整体绩效的最重要手段，绩效评价系统应该包含有形体的外在绩效；可靠性、响应速度、能力、服务态度等十个方面。

（2）研究方法方面

前面部分开始已经说明，供应链评价的方法必须于现有企业绩效评价方法相结合才能达到真正认识当前供应链的作用，因此在方法上两者存在共用内容。前面指标体系中已经涉及一些研究方法，如ROF法、SCOR模型、BSC等，这里就不再阐述。

标杆法（Benchmarking）。标杆法最早可以追溯到美国施乐公司，是一个不断地和竞争对手及行业中最优秀的公司比较实力，衡量差距的过程。定量分析自己公司现状与其它公司现状，加以比较，是一个组织不断学习、改进、维持竞争力的重要手段。

层次分析法(The Analytic Hierarchy Process，简称AHP)。美国运筹学家、匹兹堡大学的萨迪（T.L.Satty）教授于20世纪70年代提出了层次分析法，AHP的基本思路是：

a.将复杂问题分解为若干组成要素，并将这些要素按支配关系形成有序的递阶层次结构；

b.通过两两比较矩阵求出各要素的相对权重，以及要素所属大类的相对权重；

c.对每个评价要素下指标作单因素评价，形成单因素评判矩阵； d.综合各层次要素的重要程度，得到各要素的综合评价值。 AHP法还有一个很大的实用之处是它很容易和其他方面合并使用，以解决实际操作中的某一个方面，并将其阐述清楚，使结合的方法论既保持原来的框架又在一定程度上被完善。如陈功玉等用AHP与Delphi法相结合来确定供应商评价指标权重。

模糊层次综合评价法。它是将模糊数学与层次分析法相结合的一种系统评价方法，它能比较好地解决系统多指标的综合评价问题。但在进行模糊综合评价时，一般很少考虑评价对象的特性值随时间而变化的情况，而是把评价指标作为常量进行评价，或是只根据某时间点的一组指标值进行评价，然后将评价结果推及整个时间段。

灰色关联法。灰色关联法是灰色系统理论的一个分支，是一种从信息的非完备性出发，研究和处理复杂系统的理论。它通过分析参考序列与比较序列的曲线几何形状的接近程度，来判断变化趋势的接近程度。

作业成本法（Activity Based Costing，ABC）。ABC法是衡量供应链绩效的有效方法，它能使企业准确的得到营销某一特定产品或服务某一特定顾客的总成本，可以计算物流的成本并非单单运输等有形的费用，并且可以和其它评价方法有效的结合，得到更为准确的供应链成本指标。

2．2 和供应链绩效评价相关的理论介绍 – 灰色理论

灰色系统理论以“部分信息已知，部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象，主要通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效监控艾什比（Ashby）将内部信息未知的对象称为黑箱（Black Box），表示信息未知，如同20世纪初对企业的研究，只是考虑投入和产出（输入和输出），至于企业是什么，如何运作并不去考虑，直到《企业的性质》被认同才开始进行系统的研究，相应地，信息完全明确的系统称为白色系统，介于两者之间的，即部分信息明确、部分信息未知的系统则成为灰色系统。系统信息不完全的情况可以归纳为四个方面：

（1） 元素（参数）信息不完全

（2） 结构信息不完全

（3） 边界信息不完全

（4） 运行行为信息不完全

人们在社会、经济活动或科学研究过程中，经常会遇到信息不完全的情形，因此在灰色理论的发展过程中，大量的被延伸到相关领域，和其他学科的理论方法相结合，达到学科现有方法论不能完成或很难达到的目标，如邱学军提出的灰色聚类关联分析法，李勇平等进行的投资项目灰色综合评估，Li Mancheng应用灰色关联法和灰色聚类法对考试质量精心的评价，结合经典的层次分析法（AHP）,连育青提出层次-灰色关联分析法，能够克服决策者的主观影响和不必要的计算误差，结合拓展的最小二乘准则来建立灰色综合评价模型，很好的解决了关联度很小情况下的比较问题。

第三章 O集团供应链绩效评价体系分析

3．1 改进的灰色聚类分析法浅析

3．1．1 灰色聚类分析法的相关定义

经典灰色聚类方法的基本思想是依据问题的实际背景，确定所需划分的灰类个数和相应的白化权函数；将收集到的分散信息，通过白化函数和灰色聚类权值的分析计算，生成灰色聚类矩阵，以此对研究对象进行分类。在介绍之前我们首先解释一下将要使用到的名词：

聚类对象：要评价的对象，如本文中的四个工厂

聚类指标：适用于对象的指标，如本文中的质量、出货达成率等指标不同灰类：对象对应指标所处的程度，如好、中、差等

白化权函数：某一个灰数对其取值范围内不同数值的“偏爱”程度

灰色聚类方法要求每一个特性指标对每一个评判子类都要设定白化权函数。

下面给出几个定义：

定义3.1 设有n个聚类对象，m个聚类指标，s个不同灰类，根据第i（i=1，2，„，n）个对象关于j（j=1，2，„，m）个指标的观测值Xij 将第i个对象归入第k（k∈｛1，2， „，s｝个灰类,

称为灰色聚类。

定义3.2 将n个对象关于指标j的取值相应地分为s个灰类,称之为j指标子类。

j指标k子类的白化权函数记为fjk(∙)。典型白化权函数fjk(a1,b1,b2,a2)如图所示：

图3-1 典型白化权函数

用公式表示的典型白化权函数为：

l(χ)

f(χ)=1

(χ)a1≤x

b2

定义3.3 设为j指标k子类临界值，则称

ηk

j=λk

jλkj

为j指标k子类的权。 ∑λj=1mkj 式（3.1）

定义3.4 设Xij为对象i关于指标j的观测值，fjk(∙)为j指标k子类白化权函数，ηk

j为j指标k子类的权，则称

σ=∑fjkχ∙ηkj

ki

j=1

ij

m

()

式（3.2）

为对象i属于k灰类的灰色变权聚类系数。 定义3.5 设max

1≤k≤s

{σ}=σ

k

i

k*i

，则称对象i属于灰类k* ；当

有多个对象同属于灰类k*时，可以进一步根据综合聚类系数的大小确定同属于灰类k*的各对象的优劣或位次。

以上定义由于本论文的篇幅限制，暂时不做实例验证，我们将在下面的章节中介绍根据理论上的灰色聚类分析法的改进定义。

3．1．2 改进后的灰色聚类分析法

灰色聚类决策用于按照多个不同的决策指标对决策对象进行综合评价，以确定决策对象是否满足给定的取舍准则，经典灰色聚类决策的基本思想是依据问题的实际背景，确定所需划分的灰类个数和相应的白化权函数；将收集到的分散信息，通过白化函数和灰色聚类权值的分析计算，生成灰色聚类矩阵，以此对研究对象进行分类。经典灰色聚类决策方法又称为灰色变权聚类，它适用于指标意义、量纲皆相同的情况，对于聚类指标意义、量纲不同且不同指标的对象评价值在量纲上悬殊较大时的情况，有两种方法可以解决，一是对初始矩阵进行归一化处理，二是采用灰色定权聚类。

对于指标优化处理，按其取值类型有成本型指标、效益型指标和区间型指标。前两种指标我们已经介绍过，区间型指标使用过程中需

要在主观评价的基础上对j指标k子类的临界值进行进一步处理，我们在三角白化权函数的介绍中给予解释。

灰色关联聚类是观测到的特征变量在某个临界值r下的分类情况，r可根据实际问题的需要确定，r越接近于1分类越细，每一组分类中的变量相对地越少；r越小分类越粗，每一组分类中的变量相应地越多。例如我们对于一个人的评价，可能会有几十种衡量指标，每种指标都隐含着某一方面的能力，此时如果用所有的指标进行分析显然是不合理的，因此可以用灰色关联聚类，计算所有指标对应第一个指标的灰色绝对关联度，设定一个临界值r，根据r值的大小得到几种能力大类对应的关键指标，然后运用相关分析法对这几个指标进行分析，简化了计算同时又能反映所有指标的特性。

基于三角白化权函数的灰色评估，按照评估要求所需划分灰类数s，将各个指标的取值范围也相应地划分为s个灰类，此时取值不是一个具体值，而是一个区间；对相邻的数值取平均值就得到，进而划出j指标k灰类的三角白化权函数对于第一个和最后一个函数的取值，需要将指标取值数域在坐标上向左、向右延拓（a和e）。图例可以表示为：

λkj

λkj

图3-2 三角白化权函数

本文从实用和简洁性出发，选择使用对灰色定权聚类分析法的改进来作为实证研究的理论依据。

然后，我们在定义3.1到定义3.5的基础上给出另外一个定义： 定义3.6 设原始序列mj=min{x1j ，x2j ，„，xnj }，Mj=max{x1j ，x2j ，„，xnj }。对于效益型指标，令yij=

对于成本型指标yij=1-

(χM

ijj

-mj)

-mj ；

(χM

ijj

-mj)

-mj

得到聚类对象的区间化特性指标序列组成的矩阵：yij

此时的白化权函数与变权、定权聚类中的白化权函数的是有区别的，由于特征数据已经被区间化，所以白化权函数相应的只在[0，1]间取值，同时白化权函数适用于任何特性指标。如图3-3：

图3-3 简化后的白化权函数

把定义3.6与定义3.1 到定义3.5结合，我们得出改进灰色聚类的算法步骤：

（1） 构造初始序列矩阵

（2） 区间化处理 定义3.6 （3） 选定白化权函数 （4） 计算指标权重

（5） 求聚类系数 定义3.4 （6） 灰类比较 定义3.5

此方法与传统方法具有一致性且思路简单，计算量小，应用较方便，最终得出的灰色聚类系数矩阵，通过对它的分析可以的达到对聚类对象的分类的目的。

3．2 实证分析

现在请回顾论文前部分关于O集团欧洲自行车的四个组装工厂的简单供应链图1-2，笔者将根据该供应链关系以葡萄牙工厂为例，列出其2008年第四季度相关的供应链绩效指标的考核数据，并对其进行比较，说明。然后我们将凭借聚类分析法进行分类，评价其供应链的现状和待改进的要点。

（1）出货达成率（On-time Delivery Rate） OTD=

出货达成笔数

⨯100%库存水平

计划出货笔数

葡萄牙工厂第四季度的三个月中收到订单笔数为32，40，30，未完成订单笔数为：2，2，1，所以计算得出OTD1=97/102*100%=95%。

（2）产品柔性

新增机种数量

⨯100%

期初+期末/2

葡萄牙工厂第四季度开发新产品两个，都已投入生产，同时淘汰掉两个品种，期初和期末数都是7个，所以产品柔性为0.286。

（3）免检比例

免检物料数量

⨯100%

物料总数量

季度结束时从原材料质量控制部门人员处得到免检比例的资料，显示该厂物料免检率为85%。

（4） 产能利用率

实际产能

⨯100% = 95%

计划总产能

（5） 平均年资

个人服务公司时间的加权平均值 = 3.2 年 （6） VMI比例

VMI物料数量

⨯100% = 56%

计划VMI总数量

（7） 流程改善

改善项目经济效益评估可以节省50万/年的项目数。 （8） 成品不良率

成品不良率用每百万单位产品的中不良品的数量表示（Defect

Per Million Units），计算公式为：

DPMU=

不良品数量

⨯1000000

总抽检数量

葡萄牙工厂的产品比较稳定，生产数量也是整个欧洲的工厂中最多的，这两个因素使得该厂成品不良率一直保持在较低的位置。成品检验人员根据批次，每天抽取样品检验，每天、每周、每月都会整理出不良率，综合三个月的不良品数据，我们得到该厂的DPMU1=350。

（9） 库存水平

库存水平用天数表示，代表在现有材料在不购进新原材料的情况下，可以满足客户出货需求的天数，包含原材料库存、半成品库存和成品库存。计算公式为：Dos=

库存总金额

⨯28 = 12 天

未来28天的出货需求

上面一节以葡萄牙工厂为例，计算出对应的九个指标数值，同理我们可以得到其它工厂相应的数字，我们设灰类k为好、良、差三个。并按照顺序将四个工厂简称为一厂（葡萄牙），二厂（法国），三厂（意大利），四厂（罗马尼亚）

第一步 整理出四个工厂对应的各项指标，如下表所示：

表3-1 各厂指标

前面七个指标为效益型指标，取值越大说明越好，越具有优势；

后面两个为成本型指标，取值越小越好，对公司资金占用越小，客户满意度越高，更符合公司战略。

第二步 用定义3.6对应的公式对初始数值进行区间化处理，得表3-2：

表3-2 指标的区间化

第三步 给出白化权函数

f1=x0≤x≤1

2x

0≤x≤0.5

2

f

2-2x0.5

f3=1-x0≤x≤1

第四步 计算指标权重

对于企业绩效也包含的指标，我们采取先求值的办法，计算其数值，对不在企业绩效评价表中的指标，如产品柔性等，我们采取人力资源首先赋值，结合专家咨询法，得到初步数值，经计算如下表所示：

表3-3 各指标权重值

根据此权重值取得供应商和客户的协调一致，得出最终的指标权重：

ηi(0.11,0.1,0.08,0.12,0.07,0.1,0.12,0.14,0.16)

第五步 求聚类系数

根据定义3.4的公式，可以得出灰色聚类系数矩阵：

⎡0.671⎢0.549k

σi=⎢

⎢0.362⎢

⎣0.536

0.0890.1150.6250.452

0.397⎤0.582⎥⎥ 0.081⎥

⎥0.462⎦

第六步 对初始指标进行分类σ1k

σ}=σmax{

k1

1≤k≤s

11

=0.671

max{σ}=σ

k2

1≤k≤s

32

=0.582

max{σ}=σ

k3

1≤k≤s

23

=0.625

σ}=σmax{

k4

1≤k≤s

14

=0.536

因此，根据各厂最大值的取值情况知：一厂和四厂同属于好的范畴，三厂属于良的范畴，二厂属于差的范畴。

如果对上述的案例实证进行分析，我们可以发现，同样的供应商，同样的供货方式，在四条不同的组装工厂，不同的生产管理绩效，就会产生不同的供应链整体绩效。所以，对于O集团而言，对于供应商的管理评价，不能仅仅从供应商对应某单个组装工厂的供货水平，而是要从整条链上的绩效进行分析和评价，这样才能找到症结点。

从实证结果分析，我们看到绩效水平较高的是葡萄牙工厂和罗马尼亚工厂，因为这两间工厂的生产产品种类少，主要是MTB(越野自行车)RR5.2, RR5.3, MCL 24等目前市场上O集团的主打产品，设计成熟，销量稳定，和供应商的配合都很顺利，而且工厂的采购很尊重生产周期，每月得Forecast提供的准时并且差异相对较小。对于国内的供应商而言，可以尽可能减少备料周期，生产周期，甚至对常用的车架品种进行备货；然而，对于意大利工厂而言，我们可以从产品柔性指标看出，该工厂主要是做新品，高档的产品较多，受众人群较少，而且销量不稳定，前期市场的预测不准确直接影响了后续的整条供应链的运作均衡；而法国的工厂则是在尽可能以最低的原材料库存为原则进行采购物料，然后生产，所以法国的工厂每逢遇到急单，加单，销售大好，商店需要紧急补货时就体现出其限制性。

所以面对意大利和法国的供应链问题，目前的改进措施是，对于新品和高档产品，工厂承担部分的原材料库存，销售预测由每月一次改为每周更新一次给采购中心，供应商和O集团对于此类特殊的品种，

签订原材料备料协议，并且每逢促销，圣诞节等销售旺季前，转移部分的成熟品种至两个工厂，一方面缓解其他工厂产能不够的困境，同时可以使意大利和法国的工厂增加其产能的利用率。

目前该措施正在实践中，结果是否理想要看2009年圣诞节过后的全年销量，客户满意度以及供应链绩效评价指标实际数据。

第四章 结论与展望

4．1 结论

本文从当前供应链绩效评价的现状出发，结合笔者所在公司的实际，提出了对O集团所属品牌的自行车欧洲的组装工厂供应链绩效评价的模型和方法，目前正在持续改善中。本文主要完成的工作可以概括如下：

（1） 从核心产业出发，对其各组装工厂供应链绩效进行评价，

完善了当前供应链绩效评价的体系；

（2） 在供应链绩效评价方法中引入灰色聚类分析法，拓展了评

价视角，并且以具体算例，验证灰色聚类的实用性。此

前在经济管理中应用较多的是灰色理论中“灰关联分析

法”；

（3） 系统性地选取各工厂评价指标，标示其意义和关联，可以

适用于类似企业的相关活动范畴；

4．2 不足

由于笔者水平所限，对供应链绩效评价中的相关研究没有深入下去，还存在着不足和待改进和完善的地方：

（1） 本文侧重于某一类型企业供应链绩效的评价，指标方面的

选取不能推广到所有企业进行供应链绩效的评价；

第 31 页 共 33 页

（2） 对指标权重的计算方面，包含上下游企业和核心企业自身

的主观因素；

除了对灰色聚类的改进，还可以引入灰色评估的理论体系来解决经济管理中一些问题，包括供应链绩效评价。

第 32 页共 33 页

参考文献:

[1]候定丕 等，非线性评估的理论探索与应用［M］合肥：中国科技大学出版社，2001，2

[2]刘奇志，王芹，武器系统的模糊聚类方法 [J] 系统工程理论与实践，1998，18（11）：61-65

[3]谢梅芳，胡涛 李晖 直觉决策及其可信度评估方法研究[J]武汉理工大学学报：信息与管理工程版，2006，28(8):104-106

[4]曹明霞 灰色关联分析模型及其应用的研究 [D]南京航空航天大学，2007

[5]霍震佳，隋明刚，刘仲英，集成化供应链整体绩效评价体系构建

[J]同济大学学报，2002,3(2)

[6]赵小惠 赵小苗 基于模糊决策的供应链选择方法[J]工业工程与管理

第 33 页 共 33 页