供应链合作伙伴绩效评价研究
摘要：根据供应链管理的复杂性以及对合作伙伴评价的模糊性，探讨“基于三角模糊数的FUZZY AHP方法”的供应链合作伙伴绩效评价研究思路，构建供应链合作伙伴绩效评价指标体系，并阐述以三角模糊数为特色的供应链合作伙伴绩效评价方法和步骤，对某汽车零配件供应商进行了实际绩效评价分析。
关键词：绩效评价；指标体系；层次分析法；三角模糊数 Abstract:Against the complication of supply chain management and the ambiguity of appraisal on the performance of supply chain partners, this paper presents a“FUZZY AHP based” appraisal method for the performance of supply chain partners. The paper constructs an appraisal index system designed with the utilization of triangle fuzzy values. A case study is made to appraise a supplier of automobile parts as the upstream partner in supply chain. Key words:performance appraisal; index system; AHP; triangle fuzzy value 在供应链管理中，对合作伙伴业绩的评价是一项基础性工作。
供应链合作的一些基本手段如激励、帮助和奖惩等都必须建立在对伙伴企业的实际表现（业绩）做出全面、具体、客观的评价基础之上。
而在我国，供应链管理是新兴的管理模式，对大多数企业来说都缺乏这方面的经历和经验，这使得对合作伙伴绩效的评价往往带有有很大的模糊性。
笔者引入“基于三角模糊数的FUZZY AHP方法”，研究对供应链合作伙伴绩效的评价。
一、供应链合作伙伴绩效评价准则及指标体系 （一）供应链合作伙伴绩效评价准则 合作伙伴的评价是根据一定的评价准则对合作伙伴进行描述的一个过程，因此，评价一个合作伙伴首先应建立评价准则。
影响合作伙伴性能的因素是多方面的，这使得合作伙伴的评价工作变得异常复杂。
在对进行合作伙伴的评价时，必须全面衡量各种因素，而其评价标准随着许多因素而变化，因此，合理地确定评价准则，选择影响合作伙伴绩效的主要因素是研究的重点之一。
系统研究合作伙伴评价准则始于1966年Diskon的工作[ 1]，Hatheran 在 1988年对制药业也作了类似的研究[ 2]，而最具影响的是Weber所作的研究，他在1991年研究了从1967年到1990年的74篇相关文献，归纳出价格、交货、质量、生产能力/生产设施、地理位置、技术能力、管理和组织等因素较受重视[ 3]。
合作伙伴评价问题涉及因素众多,既有定性因素又有定量因素，要建立一套通用的、可扩充的评价指标体系,应遵循以下原则: （1）全面性和完整性。
评价指标体系应全面反映合作伙伴的运营情况．而不仅仅反映单个节点(或部门)的运营情况，还应包括关于伙伴企业发展前景的各方面评价指标。
（2）稳定可比性。
（3）简洁性和科学性。
（4）实效性。
指标体系尽量简化，突出重点，从而使指标体系易于操作、切实可行。
（5）通用性与发展性相结合。
指标体系必须具有广泛的适应性、发展性和灵活性, 能根据实际情况的变化对评价体系进行调整，重视从供应链整体角度、对合作伙伴的动态评价，重视供应链长期利益和长远发展潜力的评价。
（6）定量与定性相结合。
定性指标要明确其含义，并按照一定标准赋值，使其能够恰如其分地反映指标的性质。
（二）供应链合作伙伴绩效评价指标体系的构建 笔者以制造商评价供应商的绩效为例,选择了质量水平、成本水平、服务水平、效益水平、敏捷性水平和信息化水平等6个评价因素，并建立了三级评价指标体系。
二、供应链合作伙伴绩效的评价方法 传统AHP方法有两个缺陷，其一是专家评分分值缺乏弹性，其二是构造比较矩阵时，由一 个专家给出比较矩阵往往带有很大片面性[ 4]。
因此，笔者采用了基于三角模糊数的FUZZY AHP方法，在使用AHP方法进行专家咨询时，将专家对定性指标和指标权重的判断和评价用实数域上的三角模糊数来描述（为处理上的方便和一致性，定量指标也用三角模糊数来描述），使所得到的判断矩阵成为模糊判断矩阵，再经过对指标和权重求解，最终完成评价。
（一）建立评价指标的层次结构 应用层次分析方法，评价指标应分不同的层次，同一层内的因素尽量保持相互独立。
（二）产生权重 1．模糊判断矩阵的构成 运用Delphi法，由若干专家独立地对指标两两之间的相对重要性进行判断，再对指标进行平均化处理。
根据三角模糊数理论，若以三角形隶属函数来表示一个模糊集，则规则如下[ 5]：记三角形的3个顶点在横轴上的坐标分别为（a,b,c)，b是相对隶属度最大的点。
其中a,c表示判断的模糊程度，当c—a越大，表示的模糊程度越高；c—a=0则表示判断是非模糊的。
该三角模糊数对应的隶属函数如下[ 6，7]: 2.判断矩阵的综合处理 在层次结构中，一般分为对于某层上所有决策因素的两两比较（所得评分矩阵为因素判断矩阵）和针对任意一个因素的所有方案两两比较（所得评分矩阵为方案判断矩阵） （2）二级指标对于一级指标的模糊权重Zk。
从而得到二级指标对于一级指标的模糊权重向量：Z=（Z1，Z2，…，Zp)T。
（三）原始评价指标值的获取和处理 1.原始评价指标值的获取 评价指标数据主要有两类别，一是定量数据，指实际的数据，通过科学、客观而且经过所确定的数学公式计算得到的数据，笔者所使用的定量原始数据均源自企业，如相关报表等；二是定性数据，指通过专家语言变量法或问卷征询法产生的指标数据，具有一定的主观性。