直觉模糊VIKOR的服务供应商评估范文

本站小编为你精心准备了直觉模糊VIKOR的服务供应商评估参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《工业工程与管理杂志》2014年第三期

1基于变精度粗糙集挖掘的指标权重获取

应用变精度粗糙集方法确定供应商评价指标权重，首先要对获取的相关供应商各指标表现和整体服务满意度数据进行抽象描述，构建决策表。决策表是由实例对象和属性构成的二维决策表，其中属性分为条件属性和决策属性两类。该问题的粗糙化描述为：评价指标权重获取的基本思想是：条件属性的信息量反映了该属性对数据对象的分类能力，信息量越大表示分类能力越强；条件属性的被依赖度反映了决策属性分类对该属性的依赖程度，被依赖度越大表明该属性越关键。条件属性的信息量和被依赖度反映了属性重要度的不同方面，需要综合考虑。本文将条件属性的信息量和被依赖度加权求和，表达条件属性的权重即评价指标的权重。应用变精度粗糙集方法从决策表I中计算条件属性的信息量需要研究对象的分类机制。等价类概念和分类精度是变精度粗糙集分类机制的核心。本文采用An等人提出的分类正确率β［19］的概念表达数据对象的分类精度，β∈（0．5，1］。当β＝1时，变精度粗糙集模型退化为传统粗糙集模型.

2基于直觉模糊集和vikor的供应商评价

问题描述：制造企业欲开发的PSS中，假设某服务需要寻求供应商合作，可选的供应商集合为｛Gi1≤i≤M｝，供应商评价指标集合为｛Ej1≤j≤N｝，根据变精度粗糙集挖掘方法获得的指标权重集合为｛wj1≤j≤N｝。一组专家｛Ck1≤k≤H｝采用语义评价信息对各供应商的评价指标进行评价，采用直觉模糊集方法对语义评价信息进行处理。根据VIKOR方法对规范化处理后的决策信息进行分析，对候选供应商进行排序，寻求妥协解。

2.1采用直觉模糊集方法的供应商评价信息获取非空普通集合X上的直觉模糊集表达为V＝｛（x，［tV（x），1－fV（x）］）x∈X｝。tV（x）为x属于集合V的正隶属度函数，是支持x的证据所导出的x的肯定隶属度下界；fV（x）为x属于集合V的负隶属度函数，是从反对x的证据所导出的x的否定隶属度下界。0≤tV（x）＋fV（x）≤1，当tV（x）＝1－fV（x）时，直觉模糊集退化为模糊集。1－（tV（x）＋fV（x））即为判断x是否属于集合V的犹豫度，定义为πV（x），满足以下条件.决策者采用“语义评价信息（犹豫度）”的形式表达对供应商各个指标的评价，犹豫度分为5个等级：非常弱、弱、一般、强、非常强，分别用0．1、0．2、0．3、0．4、0．5表示。供应商的评价语义术语和对应的直觉模糊数形式如表1所示.

2.2基于VIKOR和直觉模糊相似度的供应商择优VIKOR方法是由Opricovic于1998年提出的一种基于理想解的多属性决策方法。根据3．1获取的供应商评价决策矩阵，依据VIKOR方法对供应商进行择优的步骤如下。步骤1根据供应商评价决策矩阵，找出供应商的正理想解P＊和负理想解P－.

3应用实例

某企业是全球知名的建筑设备制造商，主要生产不同型号的挖掘机、轮式装载机、自行式平地机、铰接式卡车等产品，其公司业务范围遍及全球150多个国家。该公司近年来开始重视服务的开发和设计，不断创新设计出产品和服务组合的整体解决方案即产品服务系统，为顾客提供金融和保险服务、租赁、IT解决方案和后勤保障等服务，满足顾客不断增长的需求。挖掘机产品使用环境复杂、恶劣并且有时会连夜施工，停机成本高，一旦出现缺水、缺油、故障以及作业事故情况，顾客需要紧急求援服务。本文将所提方法用于该公司挖掘机产品PSS开发过程中顾客挖掘机24小时救援服务供应商的评价和选择。企业经过调研筛选，初步确定了6个候选救援服务供应商。Parasuraman等人提出的SERVQUAL方法是一个常用的顾客期望或感知评估方法［20］，该方法评估指标分为五个维度：有形性、可靠性、响应性、保证性、移情性［21］，常用于服务质量评估。本文根据SERVQUAL方法的评估指标维度建立救援服务供应商评价指标体系，如表2所示，共10个指标。该企业结合服务人员对顾客的定期走访调研资料和从咨询公司获取的资料，收集到了大量顾客对现有救援服务指标和整体满意度的评价值。这些数据构成变精度粗糙集挖据的决策信息表。指标评价值用1、2、3、4、5分别代表非常差、比较差、一般、比较好、非常好。顾客整体满意度采用1、2、3、4、5分别代表非常不满意、比较不满意、一般、比较满意、非常满意。条件属性集为｛e1，e2，…，e10｝，分别对应供应商评价指标集｛E1，E2，…，E10｝；决策属性｛d｝为顾客整体满意度评价；决策信息表共有50个数据对象。限于篇幅，部分决策表数据如表3所示.步骤1：采用变精度粗糙集挖掘方法从决策信息表中计算10个评价指标的信息量和被依赖度，取β＝0．8，挖掘结果如表4所示。评价指标权重的排序为e9＞e8＞e4＞e7＞e10＞e2＞e1＞e5＞e3＞e6，下面将针对该排序进行对比分析。当β＝1时，变精度粗糙集退化为传统粗糙集方法。由于噪声数据的存在，关于各评价指标的正域将减小。评价指标权重的排序变为e8＞e9＞e4＞e10＞e2＞e7＞e1＞e3＞e5＞e6，其中指标e7的排序位置改变最大，这是由于该指标评价数据中存在较多噪声数据引起的。当β＝0．5时，粗糙集方法对噪声数据的容忍度加大。相比于β＝0．8，关于各评价指标的正域将加大。评价指标权重的排序变为e9＝e8＞e4＝e7＞e10＞e5＞e2＞e3＞e6＞e1，其中e1的排序位置变化较大并且该序列中出现两组权重相等的指标。这反映出减小分类正确率将会降低决策精度.步骤2企业选择5个专家和3个领先用户，共8个决策者根据确定好的10个评价指标对6个候选供应商进行评价。决策者采用语义评价（犹豫度）的形式，分别给出语义评价值和犹豫度，然后采用如表1所示的直觉模糊集处理方法将评价信息转化为直觉模糊数。8个决策者的权重为｛0．16，0．095，0．085，0．13，0．115，0．09，0．11，0．18｝，表5为8个决策者针对供应商G1给出的评价信息。最终获得的所有供应商评价决策信息如表6所示.步骤3根据直觉模糊相似度和VIKOR方法对供应商评价决策信息进行处理。根据式（9）～式（12）分别计算Si、Ri和Qi，1≤i≤5。按照Si、Ri和Qi由小到大的顺序进行排序，所得计算结果如表7所示。针对直觉模糊数x＝［tx，1－fx］，传统的反模糊化方法为Def（x）＝（tx＋1－fx）／2。对于两组直觉模糊数｛［0．65，0．75］，［0．6，0．8］｝和｛［0．65，0．75］，［0．5，0．9］｝，采用传统反模糊方法两组的差值为0；而采用本文所用的直觉模糊相似度方法，两组的距离分别为0．5和0．15。由此可看出直觉模糊相似度方法计算偏差的精确性较高。为进一步对比方法的有效性，对获取的表6决策数据直接采用反模糊化方法进行处理，得到精确决策矩阵后再采用VIKOR方法进行方案排序，相应的结果如表8所示（篇幅所限，不详细列出方法的计算过程）。根据VIKOR妥协解确定方法，供应商G4和G1均为折中妥协解，再次反映出传统反模糊方法处理的精度较差。

4结论

制造企业为获得差异化竞争优势、满足顾客不断提高的价值需求，需要开发和提供PSS。在此过程中，企业为不丧失其核心竞争力，需要在特定领域寻求外包服务供应商共同为顾客提供PSS。如何有效评价和选择服务供应商成为一个关键问题。该问题适合采用多属性决策方法解决，针对传统供应商评价常用AHP、ANP以及TOPSIS等多属性决策方法的不足，以及方法中指标权重确定具有主观性和不确定性的问题，提出了基于变精度粗糙集挖掘和直觉模糊VIKOR的外包服务供应商评价方法，所提方法已用于挖掘机产品24小时救援服务供应商评价过程中，通过实例分析，验证了所提方法的可行性与有效性。本文的主要贡献在于：①根据收集到的由服务各指标表现和顾客整体满意度数据构成的决策表，首次将变精度粗糙集挖掘方法应用于服务供应商评价指标权重获取。指标权重由指标（即条件属性）的信息量和被依赖度加权求和得到，该方法提高了指标权重获取过程的容噪性和客观性。②在应用VIKOR方法对候选供应商进行妥协排序的过程中，为有效处理不确定性评价信息，采用能反映正负隶属度信息的直觉模糊集方法处理决策者的语义评价信息；并通过计算直觉模糊数相似度间接得到“群体效益”和“个别遗憾”计算中需要的直觉模糊数差值，避免了直觉模糊数反模糊化带来的信息损失。下一步将在现有研究工作的基础上，结合企业和多个供应商间的关系，考虑顾客需求较快变动情况下，如何动态选择外包服务供应商以提高顾客满意度、优化PSS运作。

作者：耿秀丽叶春明单位：上海理工大学管理学院