基于熵的供应链合作伙伴风险评估与选择方法

基于熵的供应链合作伙伴风险评估与选择方法　基于熵的供应链合作伙伴风险评估与选择方法　王邦兆，梁卡丽　（江苏大学管理学院，江苏镇江２１２０１３）　摘要：供应链合作伙伴选择影响因素错综复杂，协调关系繁多，是企业风险管理中的重点和难点，其风险评估对于　提高供应链的运营效率和企业核心竞争力具有重要价值。本文将熵理论引入到企业风险管理中，提出了基于熵的供应链合　作伙伴风险评估与选择方法。首先，简要介绍了信息熵、熵权、直觉模糊熵以及直觉模糊熵权等基础理论知识；其次，分　析了供应链合作伙伴的主要风险因素，并且详细论述了直觉模糊熵权方法和传统熵权方法分别在主观风险指标和客观风险　指标权重确定方面的应用方法；最后对熵理论在评估合作伙伴风险方面的应用效果进行了实例分析，并将其评估结果与原　文献的结果进行了比较。同实际应用效果分析与结果对比，验证了该方法的合理性和有效性，以及在评估风险方面所具有　的优越性，因此，该方法可以在供应链企业风险管理中得到推广应用。　关键词：供应链风险；熵理论；风险管理；企业风险　中图分类号：Ｆ２２４　文献标识码：Ａ　文章编号：１００４—２９２Ｘ（２０１３）０７—００２７—０５　Ｔｈｅ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｔｈｅ　Ｅｎｔｒｏｐｙ　Ｔｈｅｏｒｙ　ｉｎ　ｔｈｅ　ＳＣ　Ｐａｒｔｎｅｒ　Ｓｅｌｅｃｔｉｏｎ　ｂａｓｅｄ　ｏｎ　Ｒｉｓｋ　ＷＡＮＧ　Ｂａｎｇ－ｚｈａｏ，ＬＩＡＮＧ　Ｋａ－ｌｉ　（ｓｃｈ００ｌ　ｏｆ　Ｍａｎａｇｅｍｅｎｔ，Ｊｉａｎｇｓｕ　Ｕｎｉｖｅｒｓｉｔｙ，Ｚｂｅｎｊｉａｎｇ　Ｊｉａｎｇｓｕ　２１２０１３，Ｃｈｉａ）ｎ　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｐａｒｔｎｅｒ　ｓｅｌｅｃｔｉｏｎ　ｉｓ　ｔｈｅ　ｅｍｐｈａｓｉｓ　ａｎｄ　ｄｉｆｉｆｃｕｌｔｙ　ｏｆ　ｅｎｔｅｒｐｒｉｓｅ　ｒｉｓｋ　ｍａｎａｇｅｍｅｎｔ　ａｓ　ｔｈｅ　ｉｎｆｌｕｅｎｃｉｎｇ　ｆａｃｔｏｒｓ　ａｎｄ　ｔｈｅ　ｃｏｏｒｄｉｎａｔｉｏｎ　ｒｅｌａｔｉｏｎｓｈｉｐ　ａｒｅ　ｃｏｍｐｌｉｃａｔｅｄ　ａｎｄ　ｃｌｏｓｅｌｙ　ｒｅｌａｔｅｄ．Ｔｈｅ　ｒｉｓｋ　ａｓｓｅｓｓｍｅｎｔ　ｏｎ　ｔｈｅ　ｐａｒｔｎｅｒｓ　ｉｓ　ｏｆ　ｉｍｐｏｒｔａｎｔ　ｖａｌｕｅ　ｔｏ　ｉｍ—　ｐｒｏｖｅ　ｔｈｅ　ｏｐｅｒａｔｉｏｎ　ｅｆｉｃｉｅｎｃｙ　ｏｆｆ　ｔｈｅ　ｓｕｐｐｌｙ　ｃｈａｉｎ　ａｎｄ　ｉｎｃｒｅａｓｅ　ｔｈｅ　ｃｏｒｅ　ｃｏｍｐｅｔｉｔｉｖｅｎｅｓｓ　ｏｆ　ｔｈｅ　ｅｎｔｅｒｐｒｉｓｅ．Ｔｈｉｓ　ｐａｐｅｒ　ａｐｐｌｉｅｄ　ｔｈｅ　ｅｎｔｒｏｐｙ　ｔｈｅｏｒｙ　ｔｏ　ｔｈｅ　ｅｎｔｅｒｐｒｉｓｅ　ｒｉｓｋ　ｍａｎａｇｅｍｅｎｔ，ｐｒｏｐｏｓｉｎｇ　ｔｈｅ　ｍｅｔｈｏｄ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ　ｅｎｔｒｏｐｙ　ｔｏ　ｒｅｓｐｏｎｄ　ｔｈｅ　ＳＣ　ｐａｒｔｎｅ￣　ｒｉｓｋ　ａｓ・　ｓｅｓｓｍｅｎｔ　ａｎｄ　ｓｅｌｅｃｔｉｏｎ．Ｆｉｒｓｔｌｙ，ｂａｓｉｃ　ｔｈｅｏｒｙ　ｋｎｏｗｌｅｄｇｅ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ　ｅｎｔｒｏｐｙ，ｅｎｔｒｏｐｙ　ｗｅｉｇｈｔ，ｉｎｔｕｉｔｉｏｎｉｓｔｉｃ　ｆｕｚｚｙ　ｅｎｔｒｏｐｙ　ａｎｄ　ｉｎｔｕｉｔｉｏｎｉｓｔｉｃ　ｆｕｚｚｙ　ｅｎｔｒｏｐｙ　ｗｅｉｇｈｔ　ｗｅｒｅ　ｂｒｉｅｆｌｙ　ｉｎｔｒｏｄｕｃｅｄ．Ｓｅｃｏｎｄｌｙ，ｔｈｅ　ＳＣ　ｐａｒｔｎｅｒｓ　ｒｉｓｋ　ｆａｃｔｏｒｓ　ｗｅｒｅ　ａｎａｌｙｚｅｄ，ａｎｄ　ｔｈｅｒｅ　ｉｓ　ａ　ｄｅｔａｉｌｅｄ　ｄｉｓｃｕｓｓｉｏｎ　ｏｎ　ｔｈｅ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｔｈｅ　ｉｎｔｕｉｔｉｏｎｉｓｔｉｃ　ｆｕｚｚｙ　ｅｎｔｒｏｐｙ　ａｎｄ　ｔｒａｄｉｔｉｏｎａｌ　ｅｎｔｒｏｐｙ　ｒｅｓｐｅｃｔｉｖｅｌｙ　ｉｎ　ｄｅｔｅｒｍｉｎｉｎｇ　ｔｈｅ　ｗｅｉｇｈｔ　ｏｆ　ｔｈｅ　ｓｕｂｊｅｃｔｉｖｅ　ａｎｄ　ｏｂｊｅｃｔｉｖｅ　ｒｉｓｋ　ｆａｃｔｏｒｓ．Ｆｉｎａｌｌｙ，ｔｈｅ　ａｐｐｌｉｃａｔｉｏｎ　ｅｆｆｅｃｔ　ｆ　ｏｅｎｔｒｏｐｙ　ｔｈｅｏｒｙ　ｉｎ　ｅｖａｌｕａｔｉｎｇ　ｔｈｅ　ｐａｒｔｎｅｒｓ　ｒｉｓｋ　ｗａｓ　ａｎａｌｙｚｅｄ　ｂｙ　ｕｓｉｎｇ　ｃａｓｅ－ａｎａｌｙｓｉｓ．Ａｎｄ　ｔｈｅｒｅ　ｗａｓ　ａ　ｒｅｓｕｌｔｓ　ｃｏｍｐａｒａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｔｈｉｓ　ａｒｔｉｃｌｅ　ａｎｄ　ｔｈｅ　ｏｒｉｇｉｎａｌ，ｐｒｏｖｉｎｇ　ｔｈａｔ　ｔｈｉｓ　ｍｅｔｈｏｄ　ｈａｓ　ｃｅｒｔａｉｎ　ｒａｔｉｏｎａｌｉｔｙ，ｖａｌｉｄｉｔｙ　ａｎｄ　ａｄｖａｎｔａｇｅｓ　ｉｎ　ｔｈｅ　ｒｉｓｋ　ｅｖａｌｕａｔｉｏｎ．Ｉｎ　ｃｏｎｃｌｕｓｉｏｎ，ｔｈｉｓ　ｍｅｔｈｏｄ　ｃａｎ　ｂｅ　ｗｉｄｅｌｙ　ｕｓｅｄ　ｉｎ　ｔｈｅ　ｅｎｔｅｒｐｒｉｓｅ　ｒｉｓｋ　ｍａｎａｇｅｍｅｎｔ．　Ｋｅｙ　ｗｏｒｄｓ：Ｔｈｅ　ｒｉｓｋ　ｏｆ　ｓｕｐｐｌｙ　ｃｈａｉｎ；Ｅｎｔｒｏｐｙ　ｔｈｅｏｒｙ；Ｒｉｓｋ　ｍａｎａｇｅｍｅｎｔ；Ｅｎｔｅｒｐｒｉｓｅ　ｒｉｓｋ　一、引言　进而增加了企业的运营风险。因此，如何正确地识别　供应链运营是以供应链成员企业间的合作为基础，　和评估来自合作伙伴的各种风险，选择合适的伙伴企　业，成为供应链环境下企业风险管理的核心课题。　选择合适的伙伴企业是供应链成功运营的关键。目前，　在供应链环境下，许多企业之间建立了相对稳定的战　略合作伙伴关系，这虽然可以显著提高自身的运营效　近年来，供应链风险事件爆发日益频繁，如２００５　年“苏丹红”事件，２００８年的“三聚氰胺”事件、美　国金融危机，以及去年的日本地震、泰国洪水等事件，　率和核心竞争力，但是也增强了企业之间的依赖关系，　收稿日期：２０１２—１２—２７　作者简介：王邦兆（１９６４一），男，江苏泰兴人，副教授，主要从事区域经济学、供应链管理研究。　２７・　・技术经济与管理研究　２０１３年第７期　这些风险事件不但对主要责任企业造成了严重的影响，　而且引起强大串联式多米诺效应，使许多相关企业蒙　受巨大损失。越来越多的企业管理者逐渐认识到，身　处供应链的大环境中，单单加强抵御自身风险的能力　是远远不够的，同时还要及时预测和防范来自供应链　合作伙伴的风险，那么采取合理有效的方法评估上下　游企业风险和选择合适的合作伙伴显得尤为重要。　国内许多学者对供应链合作伙伴选择的风险评估　进行了研究。较有代表性的成果有：林强等通过计算　供应商的过程能力风险指数对供应商潜在质量风险进　行了定量评估；王便芳首先建立了供应商风险评价指　标体系，然后运用验证性因子分析方法构建风险评估　的结构方程模型，并验证了其有效性；丁斌等用粗糙　集和未确知测度理论对供应商的风险进行了评估；郭洪　仙等建立了多层次的供应商风险评价指标体系及供应　商风险的模糊评估数学模型，并以此对供应商风险进　行评估；陈新平建立了一个紊乱环境下评价、选择供　应商的风险预测模型。　可以看出，目前针对供应链及供应链企业风险评　估的研究文献在数量上依然呈现出日益增多的趋势，　研究方法和角度也很多，建立的模型也各有侧重，而　且已经取得了不少成果，但细想起来，这方面的研究　仍存在一些不足之处，如大多文献采用层次分析方法　和模糊综合评价方法确定指标权重，这些方法主观因　素较强；而对于那些已构建的评估供应链企业风险的　客观定量模型来说，最大的问题则是进行了过多的抽　象和假设，而且在评判决策过程中常以非此即彼的二　元逻辑进行处理，忽略了犹豫度的问题，然而风险因　素和风险评估往往存在很多的不确定性，以及信息的　不充分性和不对称性，并不严格遵循二元逻辑。　本文针对上述问题，将熵理论引入到企业风险管　理中，结合供应链合作伙伴选择的特点，提出了基于　熵权的供应链合作伙伴选择的评估方法。该方法在评　价客观指标时，依然采用公认的客观性较强的信息熵　方法来评价和确定权重；而在评价主观风险指标时，　本文采用直觉模糊熵方法，与传统的评分方法相比，　增加一个度量犹豫度的参数，这样可以提高风险评估　中的主观指标在输人数据方法的准确性，并以此建立　决策矩阵和处理更多具有不确定性的数据，这样对主　客观指标分别用不同的方法进行处理，可以提高评判　过程的真实性和准确性，而且最后本文又通过实例证　明了本文提出方法的合理性和有效性。　二、熵的基本概念　１．信息熵　熵ｆＥｎｔｒｏｐｙ）的概念首先由德国物理学家克劳修斯　・２８・　（Ｋ．Ｃｌａｕｓｉｕｓ）于１８６５年提出，用来表示任何一种能量　在空间中分布的均匀程度（无序程度），能量分布的　越均匀，熵就越大，反之越小。当一个体系的能量完　全均匀分布时，这个系统的熵就达到最大值。１９４８　年信息论之父Ｓｈａｎｎｏｎ借鉴了此概念，把信息中排除　了冗余后的平均信息量称为“信息熵”，并给出了计　算信息熵的数学表达式。对于离散型随机变量，信息　熵计算公式如下：　＝一ｋ∑ｐ　其中，ｋ为正常数，Ｐ　为系统处于某种状态的几　率，当　＝０时，规定ｕ￣ｌｎｕ　＝０。　２．直觉模糊集　本文引用Ａｔｎａａｓｓｏｖ　ＫⅢ对直觉模糊集的定义，设　是一个给定论域，则定义　上的一个直觉模糊集Ａ　为集合：　Ａ＝｛　，ｕ＾　），　），７ｒ　））　∈ｘ１　也可简记为Ａ＝（　，　，７ｒ　），其中　）表示４的　隶属函数，　）表示Ａ的非隶属函数，７ｒ　）＝１一“　）　一　）为　对Ａ的犹豫度指数。　对于直觉模糊集Ａ中的任意一个模糊数　＝（　㈨，　㈤），该直觉模糊数的记分函数可以定义为：　Ｓａ＠０＝ｌ　Ｊ—　Ｊｌ，　）∈【０，１】　如果我们把隶属函数看作是对一个决议投赞成票　的数量，那么非隶属函数也就是反对票的数量，赞成　票与反对票之间的差距越大，说明某一方占有优势越　大，结果确定性也越大，也就是说隶属函数与非隶属　函数之间的差距越大，该模糊数的确定程度就越高，　此时，记分函数也应该越大，所以本文对记分函数　做以上定义。　有了记分函数，就可以解决决策过程中的模糊值　的排序问题了，对于任意两个模糊数　＝（　ｂ。），　＝　，６　２），如果ｌｏ　一６。ｌ＞ｌ　６　Ｉ，就可以认为，在此记分　函数的意义下，直觉模糊数　，优于Ｏｔ　。　３．直觉模糊熵　Ｓｈａｎｎｏｎ用概率论作为度量信息的数学工具，将　信息定义为消除不确定性的东西，从而把信息与不确　定性关联起来，将熵作为一个度量信息状态不确定性　的尺度，提出了信息熵的概念。Ｚａｄｅｈ于１９６９年首次　提出了模糊熵的概念，它主要用来刻画一个模糊集的　模糊性，在直觉模糊集中，可以利用直觉模糊熵的大　小来度量不确定性信息　。　对于直觉模糊集Ａ＝（　，ＩｒＡ，　），如果存在一个实　值函数Ｅ：Ａ一［０，１】，且满足以下约束条件，则称Ｅ（Ａ）　为直觉模糊集Ａ的一个直觉模糊熵：　基于熵的供应链合作伙伴风险评估与选择方法　①当直觉模糊集Ａ退化为非模糊集时，其模糊熵　有最小值Ｅ　）＝Ｏ。　三、基于熵的供应链合作伙伴的风险评估方法　供应链合作伙伴一般包括上游的供应商和下游的　分销商。面对不同的合作伙伴选择对象，其风险评估　②当ＵＡ（Ｘ）＝／２Ａ（Ｘ），　ＥＸ时，其模糊熵具有最大值　Ｅ　）＝１。　指标也不尽相同，但风险评估方法却具有共性，所以　本文以供应商为研究对象，研究直觉模糊熵权在供应　链合作伙伴选择中的应用。　１．风险因素　③直觉模糊集Ａ的模糊熵与它的补集的模糊熵相　等，即Ｅ　）＝Ｅ　ｃ）。　④直觉模糊集的模糊熵是关于犹豫度指数　的　增函数，且是关于Ｊ　）一ｔ＇Ａ∽Ｉ的减函数。　基于以上定义的直觉模糊熵的形式比较多，本文　采用郭洪仙等人给出的定义，对于直觉模糊集Ａ中　的任一直觉模糊数筏来说，它的直觉模糊熵为Ｅ（ｘｉ）的　企业在选择合作伙伴时，考虑的主要风险因素有：　①产品质量（有９８．５％的企业考虑）；②产品价格　（有９２．４％的企业考虑）；③交货提前期（有６９．７％的　企业考虑）。此外，还需考虑的风险因素有：企业业务　能力（包括技术研发能力、设备状况、财务状况、管　理制度等），企业环境评价（包括市场的规模与结构、　计算公式如公式ｆ２）：　Ｅ（ｘｉ）＝　一　ｍａｘ　（ｕＡ（ｘ　ｉ）　，　）＋７　（２）　如果直觉模糊集Ａ中共有ｍ个元素，则模糊集　的直觉模糊熵Ｅ（Ａ）可以定义为：　１　竞争环境、宏观外部环境、企业信誉等）ｔｔＳｌ，服务风险　（包括信息沟通通畅性、售后服务的质量及响应时　间），长期合作风险（产品敏捷性与柔性、交易比率　等）。可以看出，风险因素有些可以直接取得量化数　据，如产品合格率，产品价格等，有些因素则不太容　易进行量化，如企业环境，管理制度等，因此，本文　对于那些不易描述的定性风险因素，采用如表１所示　的语言评价值来进行量化。　表１风险语言评价值量化等级　风险大小描述　无　极小　很小　小　较小　中等　Ｅ　）＝　４．熵权　Ｅ（ｘｉ）　（３）　熵权在决策和评估过程中，具有特殊的意义，它　反映的不是某个指标的实际意义上的重要程度，而是　在评价对象集中的各项指标值己知的情况下，不同指　标在评价时所起作用的大小，即熵权越小，该指标起　到的作用越小，熵权值为０时，说明该指标未向决策　者提供任何有用的信息。其定义如下：　！二　（１－Ｅ（Ａｊ））　ｊ＝ｌ　语言评价值　Ｅｘｔｒｅｍｅｌｙ　ｇｏｏｄ（Ｅ　Ｇ１　Ｖｅｒｙ　ｖｅｒｙ　ｇｏｏｄ（ＶＶＧ）　Ｖｅｙ　ｒｇｏｏｄ（Ｖ　Ｇｏｏｄ（Ｇ）　Ｍｅｄｉｕｍ　ｇｏｏｄｆＭＧ１　Ｆａｉｒ（Ｆ１／Ｍｅｄｉｕｍ（Ｍ）　定量值　直觉模糊数集（ｕ，　，　、　１０　９　８　７　６　５　ｆ４１　（１．００，０．０Ｏ，０．００）　（０．９０，０．１０，０．ｏｏ）　（０．８０，０．１０，０．１０）　（０．７０，０．２０，０．１０）　（０．６０，０．３０，０．１０）　（０．５０，０　４０，０．１０）　式（４）中ｍ为被评价对象个数，ｎ为评价指标个　数，Ｅ　为第　个评价指标的熵，　为第　个评价指标　的熵权。　较大　大　很大　极大　Ｍｅｄｉｕｍ　ｂａｄ（ＭＢ）　Ｂａｄ（Ｂ）　Ｖｅｒｙ　ｂａｄ（ＶＢ）　Ｖｅｒｙ　ｖｅｒｙ　ｂａｄ（ＶＶＢ）　４　３　２　１　（０．４０，０．５０，０．１０）　ｆ０．２５，０．６Ｏ），０．１５　（０．１０，０．７５，０．１５）　（０．１０，０．９０，０．０ｏ）　从上面定义可知，熵与熵权具有反相关系，即熵　值越大，熵权就越小，这点可以从信息论的角度进行　解释，事实上，熵权在决策和评估过程中，它反映的　不是某个指标的实际意义上的重要程度，而是指该指　标在解决本问题过程中可以提供的有用信息量的多　少，或者说是各评估对象在该指标上竞争的激烈程　度。如果每个评价对象在该指标上的评价值完全相　同，则说明评估对象在此指标上不存在竞争关系，不　能有效的体现评价对象之间的差别，也就是该指　标在区分评价对象时没有向决策者提供任何有用　２．基于熵的供应商风险评估步骤　（１）基于直觉模糊熵的主观性指标的处理　步骤１：建立直觉模糊决策矩阵。　假设某个供应链成员有ｍ个可供选择的供应商　（　＝１，２，…，ｍ），专家根据语言评价值量化等级表１对　每个供应商的ｎ个主观性的风险评价指标ｘＡｉ＝ｌ，２，　ｎ）进行评价，建立如下直觉模糊评估矩阵：　…，１　ｌ，／Ｊ１１，丌１１）　Ｐｌ　ｌ的信息，此时该指标的熵值最大，为１，而熵权　为０，则可以考虑剔除该指标；相反，如果每个　评价对象在该指标上的评价值差异性大，则表示　该指标提供的信息多，在进行综合评价时，权重　就应该越高。　Ｈ２】，／２２１，　２１）　Ｐ２　（；　（“　／２ｉｌ仃　１）　；　：　：　（　，　，７ｒ　…（Ｍ　，　，７ｒ　：　：　：　；　：　，　ｍｌ，　７ｒｍ１）（Ｈ　，　，７ｒ　；（ｔｔ，ｑ，　，７ｒ　…（“研，　咖，７ｒ吼）　・２９・　技术经济与管理研究　２０１３年第７期　步骤２：应用公式（３）直觉模糊决策矩阵中Ｄ中的　ｊ　ｙ一　Ｅ（ｒｉ）　ｊ＝ｌ　＝（１０）　每一个评价值均可转化为直觉模糊熵的形式，从而可　产生以下形式的熵矩阵：　Ｐ１　只　Ｅ＝　则评价对象　的客观性指标的最终得分为：　舰　如；　；（　＝　＝’ｗ（Ｏ，ｉ＝１，２，…，ｍ　（１１）　ｌ　如　～　；　（３）评价对象　在所有指标上的综合得分　～　～　～　～　Ｐｍ　＝　（　＋日㈢，ｉ＝１，２，…，ｍ　（１２）　（４）根据各个评估对象的得分从高到低进行排　序，得分最高者为最优选择　步骤３：　由公式　（４）可知指标　的客观屙　．权重ｗｊ。　～　～　～　—四、算例分析　本文采用丁斌等人的实证研究中的数据，详述熵　理论在风险评估与选择中的应用，并将其计算结果与　原文献的结果作对比，以证明本方法的有效性。　～；、　上　Ｌ１　：—　卜１　∑　㈤　＿Ｚ　１～　ｍ　ｆ５１　％　）　丁斌等人以某汽车制造商的１０家化工类原材料　供应商为评价对象，建立了如图１所示的指标评估体　系，并获得如表２的数据。　ｆ供应商银行资信等级ｎ　步骤４：计算评价对象　的主观性指标的得分。　Ｆ，（Ｐ３＝∑Ｊｓ　・　＝∑Ｉ　一　Ｉ・　，　＝１，２，…，ｍ（６）　＝ｌ　ｊ＝ｌ　（２）基于信息熵的客观性指标的处理　假设上述的供应链成员的ｍ个可供选择的供应　商　（　ｌ，２，…，ｍ）有ｙ个客观性的风险评价指标　仃＝　１，２，…，　。首先，根据每个指标的客观数据建立如　下ｍｘｙ阶的客观指标评估矩阵Ａ’：　Ｐｌ　Ａｔ　：　ｒ＇１ｙ　合同与供货风险｛【李嚣奢霾耄　供货差错率ｄ　服务风险｛薯＝＝季　畅性ｅ譬　町　　供应风险评估指标体系　ｆ信息　长　厶日　尿　ｒ．　：　●　图１风险指标评估体系　期　怍　Ｐｍ　ｒ’　为了便于分析，需要将指标进行标准化（无量纲　化），标准化后的指标值不会改变原有的数量关系。本　文按以下常用的标准化公式对评估矩阵　’进行标准化：　ｒ’　—ｒａｉｎ　ｒ’　＝　表２供应商样本数据　险　ｂ　ｄ　｝　ｇ　＾　，　ｋ　沟服服　供本市销综　ｌ　ＡＡＡ　０．９６　０．应公场售合　９８　Ｏ．００　８　２　８　０．１５　０．０２　０．１０　０．Ｏ８　通务务　通响质　商司占增实　２　ＡＡＡ　Ｏ．９３　０．９６　０．００　７　２　７　Ｏ．１８　０．１０　Ｏ．０８　Ｏ．Ｏ６　最需有长力　３　Ａ　Ｏ．８０　０．９０　Ｏ．ｏ０　５　２　５　０．２０　０．１５　０．０３　Ｏ．０３　洪占Ｊ　大求空学　４　Ａ　Ｏ．９ｏ　Ｏ．９５　０．００　５　４　１Ｏ　１０　５　８　８　ｆ　８　７　５　０．０５　Ｏ．１５　０．Ｏ１　０．０４　４　０＿２５　０．０６　０．１２　０．０８　６　Ｏ．１２　Ｏ．Ｏ８　Ｏ．Ｏ１　Ｏ．ｏ３　４　货其　５　ＡＡＡ　Ｏ．８０　０．９９　０．０２　８　ＡＡ　Ｏ．９５　Ｏ．９５　Ｏ．０２　７　例销　＾售　７　ＡＡＡ　０．８０　０．９９　０．Ｏ２　９　６　比总　靠ｍａｘ　ｒ＇ｉｉ—ｒ’／／　，　∈，１（，ｌ为正向指标）　（７）　，ｌ０　ｌ　１　ｌ　８　０－３Ｏ　０．０１　０．１８　Ｏ．０６　７　８　ＡＡＡ　１．０ｏ　１．ｏｏ　１０　Ｅ０ｏ　Ｏ．　９　１０　量　１０　１．ｏ０　Ｏ＿０ｌ　０．０４　Ｏ．ｏ６　９　６　Ｏ＿３０　Ｏ．０２　Ｏ．１０　０．３０　６　６　Ｏ．Ｏ１　Ｏ．０２　Ｏ．０１　０　６０　８　Ａ　０．７０　Ｏ．８５　Ｏ．０ｌ　率　７　Ａ　０．８Ｏ　Ｏ．７５　０．Ｏ１　８　。∈，２（，２为负向指标）　（８）　对于主观性指标ｏ，ｅ　ｇ，ｚ，参照表１建立直觉模　可得　准化　的矩阵：Ａ：（ｒ　嘶。　糊决策矩阵Ｄ如下：　由公式（１）和　ａ　ｅ　ｆ　ｇ　ｌ　公式（４）可得各个　（０．９０，０．１０，０．ｏｏ）（０．８０，０．１Ｏ，０．１　０）（０．１０，０．７５，０．１５）（０．８０，０．１０，０．１０）（０．８０，０．１Ｏ，０．１０）　客观指标的指标　熵值和熵权分　别为：　一　Ｄ：（０．９０，０．１０，ｏ．ｏｏ）（０．７０，０．２０，０．１　０）（０．１０，０．７５，０．１５）（０．７０，０．２０，０．１　０）（Ｏ．７０，０．２０，０．１　０）　Ｐ２　ｉ　：　Ｐｌ。　（０．５０，０．４０，０．１０）（０．８０，０．１０，０．１０）（０．１０，０．９０，０．ｏｏ）（０．６０，０．３０，０．１Ｏ）（０．８０，０．１Ｏ，０．１Ｏ）　根据公式（２）计算对应的模糊熵矩阵　，由公式（５）　～　得出各指标的熵权Ｗ，由公式（６）可计算这１０个成员　的主观指标的得分　，具体计算步骤不再赘述，计　・３０・　基于熵的供应链合作伙伴风险评估与选择方法　算结果如表３所示：　表３各供应商的模糊熵￣ｔＣ－ＺＬｇ：分　供应裔＼　１　２　３　４　差，甚至更优秀，只在售后响应时间、销售量比率和　市场占有率三个指标上略逊于供应商２，所以本文得　出供应商８是最佳选择供应商的结论比原文献的结论　得分　Ｏ．７Ｏ５６　０．５９３８　Ｏ．２４１３　０．１Ｏ００　＼指标　Ｏ．】１ｌ１　０．１１ｌ１　０．８３３３　０．８３３３　ｆ　０．２２２２　０．３７５０　０．８３３３　０．８３３３　ｇ　０．２２２２　０．３７５０　０．８３３３　０．８３３３　Ｚ　０．２２２２　０．３７５０　０．８３３３　０．８３３３　供应商２是最优选择更具可信性和合理性。　五、结论　０．２７７８　０．２７７８　０．２７７８　０．８３３３　供应链风险评估是供应链风险管理的基础和关　５　６　７　８　０．１１ｌ１　０．３７５０　０．１１ｌ１　Ｏ．１１１１　０．２２２２　０．３７５０　０．１１１１　Ｏ．ｏｏｏ０　０．００００　Ｏ．ＯＯｏｏ　０．Ｏ０００　０．１１ｌ】　０．２２２２　０．２２２２　０．２２２２　Ｏ．０ＤｏＯ　０．５７１４　０．８３３３　０．３７５０　０．１１】１　０．７３０７　０．６Ｏ１７　０．７８３８　０．８７９４　键。本文提出用物理学中的熵理论来评估供应链合作　伙伴的风险，对于含有主观定性指标和客观数据指标　的风险指标评估体系来说，用直觉模糊熵理论为主观　指标赋权的方法，与一般的赋权方法相比，提高了输　９　０．８３３３　０．３７５０　０．１ｌ１１　０．５７１４　０．５７１４　０．４３２９　ｌ０　０．８３３３　０．２２２２　０．ＩＩ儿　Ｏ．５７１４　０．２２２２　０．５３９１　熵权∞）　０．１８４２　０．２０６５　０．２５６９　０．１９０３　０．１６２２　把正向客观指标ｂ，ｃ，ｈ，　，Ｊ．，　按公式（７），负向指　标ｄ按公式（８）进行标准化，按公式（９）和（１　０）计算各客　观指标的熵值及熵权，按照公式（１１）可计算各个供应　商的客观指标得分　，由公式（１２）可得各供应商是　综合得分　，计算结果如下表４。　由表４可知，这１０家供应商的供货风险由低到　高的综合排序为８，１，５，７，２，６，１０，４，３，　９，由此可以看出：供应商８，１，５的供货风险相对　较小，且供应商８风险最小，是该汽车制造商的最佳　供货商；供应商１０，４，３，９的供货风险较大，且第　９家供应商供货风险最大，应首先放弃供应商９。　原文献的１０家供应商的供货风险程度由低到高　综合排序为２，１，８，４，７，６，５，３，１０，９，并把　供应商１，２，８的供货风险列为一级，且认为供应商　２的风险最小；把第３，１０，９家供应商的供货风险　评为三级，即风险很大，且第９家供应商的供货风险　最大。表５列出了本文与原文结论的比较，可以看　出，两者　表５结果比较　一致认为　ｌ　风险等级　ｌ　原文献　本文　Ｉ一级（风险小）Ｊ供应商２，ｌ，８　。供应商８，１，５　第９家供　ｌ二级（风险中等）ｌ供应商４，７，６，５　供应商７，２，６，１０　ｌ三级（风险大）ｌ供应商３，１０，９　供应商４，３，９　应商的风　险最大，　而在风险最小的供应商选择上，分歧较大。通过比较　供应商２和８在表２中的原始数据，可以明显看到，　供应商８在资信等级（３Ａ）、产品交货率０ｏｏ￣）、产品　合格率（１０Ｏ％）、供货差错率（０）、信息畅通性（１　０）、售　后服务质量（１　０）等九项指标中的表现都不比供应商２　入数据的准确性，用信息熵理论为客观指标赋权，使　权重更具客观性。在处理数据方面，本文的计算步骤　简便，清晰易懂，且计算量适中，可在Ｅｘｃｅｌ等数据　处理工具上方便实现，且输出数据科学合理，在解决　供应链合作伙伴选择问题上具有一定的优越性，也可　为解决其他类似问题提供有价值的参考。　需要注意的是，本研究提出的评估供应链合作伙　伴风险的方法，虽然计算出了每个伙伴企业的得分　值，但这个数值仅具有排序的意义，不表示企业实际　风险的大小，而且，企业得分越高，表明企业表现越　优秀，风险也越小。另外，在直觉模糊数的取值方　面，为了便于计算，本文根据已有文献提供的专家打　分的量化值表，直接把专家打分值转化为直觉模糊数，　并没有针对直觉数中的隶属度、非隶属度和犹豫度三个　参数分别进行专家意见咨询，所以数据并不十分精确。　此外，本文只是笼统的介绍一下熵方法在评估供应链伙　伴企业风险并对其进行排序和选择上的应用，并没有　针对某一个行业或者某一类供应链进行详尽分析，供　应链企业需要根据自身的特点和行业类型等，灵活选　用风险评估方法，以便更好地为自身企业服务。　【参考文献】　［１Ｊ１　Ａｔａｎａｓｓｏｖ　Ｋ．Ｉｎｔｕｉｔｉｏｎｉｓｔｉｅ　ｆｕｚｚｙ　ｓｅｔｓ［Ｊ１．Ｆｕｚｚｙ　Ｓｅｔｓ　ａｎｄ　Ｓｙ—　ｓｔｅｍｓ，１９８６，２０（１）：８７－９６．　【２］Ｂｕｒｉｌｌｏ　Ｐ，Ｂｕｓｔｉｎｃｅ　Ｈ．Ｅｎｔｒｏｐｙ　ｏｎ　ｉｎｔｕｉｔｉｏｎｉｓｔｉｅ　ｆｕｚｚｙ　ｓｅｔｓ　ａｎｄ　ｏｎ　ｉｎｔｅｒｖａｌ—ｖａｌｕｅｄ　ｆｕｚｚｙ　ｓｅｔｓ［Ｊ］．Ｆｕｚｚｙ　Ｓｅｔｓ　ａｎｄ　Ｓｙｓｔｅｍｓ，１９９６．　【３］Ｅｕｌａｌｉａ　Ｓｚｍｉｄｔ，Ｊａｎｕｓｚ　Ｋａｃｐｒｘｙｋ．Ｅｎｔｒｏｐｙ　ｆｏｒ　ｉｎｔｕｉｔｉｏｎｉｓｔｉｃ　ｆｕｚｚｙ　ｓｅｔｓ【ＪＪ＿Ｆｕｚｚｙ　Ｓｅｔｓ　ａｎｄ　Ｓｙｓｔｅｍｓ，２００１，３５（４）：４６７—４７７．　［４］Ｖｌａｃｈｏｓ　Ｉ　Ｋ，Ｓｅｒｇｉａｄｉｓ　Ｇ　Ｄ．Ｉｎｔｕｉｔｉｏｎｉｓｔｉｅ　ｆｕｚｚｙ　ｉｎｆｏｒｍａ～　ｔｉｏｎ—ａｐｐｌｉｃａｉｔｏｎｓ　ｆ０　ｐａｔｔｅｒｎ　ｒｅｃｏｇｎｉｉｔｏｎ［Ｊ】．Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ　Ｌｅｔｔｅｒｓ，２００７（２８）：１９７－２０６１．　【５】吴隽，张剑英，任丽娟．基于证据推理与粗集理论的供应链合　作伙伴选择方法研究［Ｊ】．中国软科学，２００５（３）：１３０—１３３．　【６】Ｂｏｒｎａ，Ｆ．Ｅ．，Ｇｅｎｃ，Ｓ．，Ｋｕｒｔ，Ｍ．，Ａｋａｙ，Ｄ．．Ａ　ｍｕｌｔｉ—ｃｒｉｔｅｒｉａ　ｉｎｔｕ—　ｉｔｉｏｎｉｓｔｉｃ　ｆｕｚｚｙ　ｇｒｏｕｐ　ｄｅｃｉｓｉｏｎ　ｍａｋｉｎｇ　ｆｏｒ　ｓｕｐｐｌｉｅｒ　ｓｅｌｅｃｔｉｏｎ　ｗｉｔｈ　ＴＯＰＳＩＳ　ｍｅｔｈｏｄ［Ｊ］．Ｅｘｐｅ￣Ｓｙｓｔｅｍｓ　ｗｉｔｈ　Ａｐｐｌｉｃａｔｉｏｎｓ，　２００９，３６（８）：１１３６３—１１３６８．　（责任编辑：ＷＤ）　・３１・