薛振飞

摘  要：在资源匮乏、运营成本高的市场环境下，企业为了保持其竞争力，越来越多的决策者开始从供应链管理的角度开始寻找解决问题的方法。该文以智能硬件公司为例，从智能硬件企业存在的问题结合供应商评价指标选取原则确定了初步供应商评价指标。在此基础上运用因子分析法将各指标聚合，确定一级评价指标，并计算出各级指标权重，建立智能硬件企业供应商评价指标体系。运用灰色关联分析法对收集到的数据进行处理、计算、排序、择优。建立了一个定性定量相结合的综合供应商评价模型。

关键词：供应商评价  因子分析法  灰色关联分析法

中图分类号：F274;F719    文献标识码：A 文章编号：1672-3791（2020）01（a）-0189-02

近年来，随着人们生活质量不断地上升，对于智能设备的需求也越来越旺盛，使智能硬件产业规模不断扩大，竞争日益激烈。智能硬件企业产品迭代快，定制化需求高，产品种类也极速增多，因此对供应商的要求也越来越高。一个长期稳定的优秀供应商，能够保证企业具有稳定的竞争优势。而目前由于极速扩张的市场导致智能硬件供应商水平参差不齐，价格差异也比较大。因此对供应商进行评价、选择对智能硬件企业发展至关重要。

1  建立供应商评价指标体系

1.1 选取供应商评价指标

供应商评价指标的确立要结合具体问题具体分析。在目的性原则、科学性原则、全面性原则、实效性原则、灵活可操作性原则、独立性原则、可拓展性与稳定性原则等供应商评价指标选取原则[1]的基础上，主要针对智能硬件公司目前存在的产品上线延迟、客户满意度降低问题、技术创新问题、价格问题、企业长期发展问题和其他有价值的指标这6个方面并结合企业专家意见对供应商评价指标进行选取。

（1）产品上线延误问题。其指标包括生产设备与基础、设施产能及生产规模、生产柔性、订货提前期、准时交货率、物流与配送能力。

（2）客户满意度降低问题。其指标包括合格率、质量管理系统认证及执行情况、质量问题处理能力、库存管理专业化程度、质量问题退换货率。

（3）技术创新问题。其指标包括技术创新及学习投入经费、新技术掌握能力、自主创新能力、新产品生产周期。

（4）价格问题。其指标包括成本批量、采购优惠政策、付款条件、成本降低计划。

（5）企业长期发展问题。其指标包括发展长期关系的可能性、企业资质、财务状况、服务水平、管理水平、新项目配合程度、企业信誉。

（6）其他有价值指标。其指标包括绿色生产、企业信息化程度、沟通协调能力、契约相关弹性、环境因素制约。

1.2 基于因子分析法的指标体系建立

该文根据初步的评价指标设计了指标调查问卷，邀请行业专家参与问卷调查。发放300份，共收回255份，有效问卷227份。对问卷进行整理，用SPSS软件对问卷进行了分析。

（1）判断能否进行因子分析。

该文采用KMO检验，该检验判断变量是否符合因子分析的依据是计算变量之间的相关系数和偏相关系数，系数越大，越适合做因子分析，其值范围为0～1。通过计算得到KMO=0.834，远大于0.6，适合做因子分析;Bartlett检验的近似卡方为7959.756，显著性为0，表示此相关矩阵不是单位矩阵，调查问卷获得的数据呈多元正态分布。

（2）提取主因子。

该文采用主成分分析法选取公因子[2]，判断依据为特征根大于1（Kaiser标准）。通过SPSS对调查问卷获得的数据进行分析、降维。运行结果显示，其中有7个因子对应的特征值大于1，方差贡献率分别为27.952%、16.347%、10.947%、9.601%、5.906%、5.413%、4.943%。总贡献率达81.110%。

运用SPSS软件进行因子旋转，使得一个因子上具有最少的高载荷变量数，以便对公共因子所表示的具体含义做出合理解释。该文采用的旋转方法是方差最大正交旋转法[3]，根据旋转后载荷矩阵，利用在公共因子上具有高载荷变量的指标对公因子进行命名，分别为：生产能力、成本控制、质量保障能力、业务保障能力、技术创新能力、运营能力、长期合作基础。

（3）一级指标权重确定。

公因子的方差貢献体现了公因子的重要程度，方差贡献越大，公因子越重要。所以，该文通过方差贡献来计算公因子即一级指标的权重。其公式如下：

（1）

（4）二级指标权重确定。

各因子在各公共因子的贡献程度不同，根据其贡献程度，可确定其对于所在的公因子的贡献程度，即通过各因子在其所在的公因子的贡献程度可求出其权重。公式同为上式。

（5）信度分析。

用SPSS对公因子进行分析，得出公因子的协方差矩阵，公因子的协方差矩阵为单位阵，表示这7个公因子各不相关，有很强的独立性，可作为7个一级指标来描述二级指标。7个公因子的克朗巴哈α系数，分别为0.913、0.899、0.991、0.889、0.791、0.915、0.969，均大于0.70，保证了因子构造的一致性和有效性。

最终得到供应商评价指标体系。如表1所示。

2  基于灰色关联度分析的供应商评价模型

（1）确定供应商评价的比较矩阵。各个供应商评价指标得分作为比较数列，设待评价的供应商有n个，评价指标有m个，bij表示为对第i个供应商在第j个评价指标上的得分，建立供应商评价比较矩阵。

（2）确定供应商评价的参考数列。每个评价指标都有自己的评价标准，有的越大越好，有的越小越好，需要根据其具体属性来确定。根据评价指标体系、属性和得分选取各个评价指标下最优的数值作为参考数列。

U0=[b（1）0…bj0…b0（m）]T        （2）

（3）无量纲化处理。由于每个供应商评价指标都有自己的显示意义和评价单位，若不进行处理，无法对其进行评价，遂需对参考数列和比较矩阵进行无量纲化处理。其公式为：

j=1，2，…，m        （3）

（4）计算相关系数。计算第i个供应商在第j个评价指标上的评价结果相对于参考数列的相关系数ξi（j）[4]，其式为：

（4）

（5）求考虑指标权重的灰色关联度γij。在得到相关系数ξi（j）矩阵后，需要将其进行按行标准化。从而得到灰色关联度γij，根据γij进行后续计算。其公式为：

λj=∑γijCj  i=1，2，…，m  j=1，2，…，n        （5）

（6）排序择优。

根据计算结果从大到小进行排列，关联度大小可直接反映供应商的水平与最优供应商水平曲线的相似程度。选取关联度高的供应商作为长期合作伙伴。

3  结语

该文通过目前智能硬件存在的问题出发，设计评价指标，并通过因子分析法建立供应商评价指标体系，运用灰色关联分析法确定考虑权重的灰色关联度，进行排列择优，选出最优供应商，建立了一个因子分析法结合灰色关联分析的综合评价模型。

参考文献

[1] 吴坤.JIT采购模式下制造企业供应商评价研究综述[J].科技经济导刊，2017（3）：74.

[2] 姜博烨.电子产品绿色供应商选择研究[J].时代金融，2018（26）：257.

[3] 林海明.因子分析模型的改进与应用[J].数理统计与管理，2009，28（6）：998-1012.

[4] 马双双，郑建华.灰色关联度分析法在供应商选择中的应用[J].物流工程与管理，2015，37（6）：129-130.