本站小編為你精心準備了直覺模糊VIKOR的服務供應商評估參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《工業工程與管理雜志》2014年第三期

1基于變精度粗糙集挖掘的指標權重獲取

應用變精度粗糙集方法確定供應商評價指標權重，首先要對獲取的相關供應商各指標表現和整體服務滿意度數據進行抽象描述，構建決策表。決策表是由實例對象和屬性構成的二維決策表，其中屬性分為條件屬性和決策屬性兩類。該問題的粗糙化描述為：評價指標權重獲取的基本思想是：條件屬性的信息量反映了該屬性對數據對象的分類能力，信息量越大表示分類能力越強；條件屬性的被依賴度反映了決策屬性分類對該屬性的依賴程度，被依賴度越大表明該屬性越關鍵。條件屬性的信息量和被依賴度反映了屬性重要度的不同方面，需要綜合考慮。本文將條件屬性的信息量和被依賴度加權求和，表達條件屬性的權重即評價指標的權重。應用變精度粗糙集方法從決策表I中計算條件屬性的信息量需要研究對象的分類機制。等價類概念和分類精度是變精度粗糙集分類機制的核心。本文采用An等人提出的分類正確率β［19］的概念表達數據對象的分類精度，β∈（0．5，1］。當β＝1時，變精度粗糙集模型退化為傳統粗糙集模型.

2基于直覺模糊集和vikor的供應商評價

問題描述：制造企業欲開發的PSS中，假設某服務需要尋求供應商合作，可選的供應商集合為｛Gi1≤i≤M｝，供應商評價指標集合為｛Ej1≤j≤N｝，根據變精度粗糙集挖掘方法獲得的指標權重集合為｛wj1≤j≤N｝。一組專家｛Ck1≤k≤H｝采用語義評價信息對各供應商的評價指標進行評價，采用直覺模糊集方法對語義評價信息進行處理。根據VIKOR方法對規范化處理后的決策信息進行分析，對候選供應商進行排序，尋求妥協解。

2.1采用直覺模糊集方法的供應商評價信息獲取非空普通集合X上的直覺模糊集表達為V＝｛（x，［tV（x），1－fV（x）］）x∈X｝。tV（x）為x屬于集合V的正隸屬度函數，是支持x的證據所導出的x的肯定隸屬度下界；fV（x）為x屬于集合V的負隸屬度函數，是從反對x的證據所導出的x的否定隸屬度下界。0≤tV（x）＋fV（x）≤1，當tV（x）＝1－fV（x）時，直覺模糊集退化為模糊集。1－（tV（x）＋fV（x））即為判斷x是否屬于集合V的猶豫度，定義為πV（x），滿足以下條件.決策者采用“語義評價信息（猶豫度）”的形式表達對供應商各個指標的評價，猶豫度分為5個等級：非常弱、弱、一般、強、非常強，分別用0．1、0．2、0．3、0．4、0．5表示。供應商的評價語義術語和對應的直覺模糊數形式如表1所示.

2.2基于VIKOR和直覺模糊相似度的供應商擇優VIKOR方法是由Opricovic于1998年提出的一種基于理想解的多屬性決策方法。根據3．1獲取的供應商評價決策矩陣，依據VIKOR方法對供應商進行擇優的步驟如下。步驟1根據供應商評價決策矩陣，找出供應商的正理想解P＊和負理想解P－.

3應用實例

某企業是全球知名的建筑設備制造商，主要生產不同型號的挖掘機、輪式裝載機、自行式平地機、鉸接式卡車等產品，其公司業務范圍遍及全球150多個國家。該公司近年來開始重視服務的開發和設計，不斷創新設計出產品和服務組合的整體解決方案即產品服務系統，為顧客提供金融和保險服務、租賃、IT解決方案和后勤保障等服務，滿足顧客不斷增長的需求。挖掘機產品使用環境復雜、惡劣并且有時會連夜施工，停機成本高，一旦出現缺水、缺油、故障以及作業事故情況，顧客需要緊急求援服務。本文將所提方法用于該公司挖掘機產品PSS開發過程中顧客挖掘機24小時救援服務供應商的評價和選擇。企業經過調研篩選，初步確定了6個候選救援服務供應商。Parasuraman等人提出的SERVQUAL方法是一個常用的顧客期望或感知評估方法［20］，該方法評估指標分為五個維度：有形性、可靠性、響應性、保證性、移情性［21］，常用于服務質量評估。本文根據SERVQUAL方法的評估指標維度建立救援服務供應商評價指標體系，如表2所示，共10個指標。該企業結合服務人員對顧客的定期走訪調研資料和從咨詢公司獲取的資料，收集到了大量顧客對現有救援服務指標和整體滿意度的評價值。這些數據構成變精度粗糙集挖據的決策信息表。指標評價值用1、2、3、4、5分別代表非常差、比較差、一般、比較好、非常好。顧客整體滿意度采用1、2、3、4、5分別代表非常不滿意、比較不滿意、一般、比較滿意、非常滿意。條件屬性集為｛e1，e2，…，e10｝，分別對應供應商評價指標集｛E1，E2，…，E10｝；決策屬性｛d｝為顧客整體滿意度評價；決策信息表共有50個數據對象。限于篇幅，部分決策表數據如表3所示.步驟1：采用變精度粗糙集挖掘方法從決策信息表中計算10個評價指標的信息量和被依賴度，取β＝0．8，挖掘結果如表4所示。評價指標權重的排序為e9＞e8＞e4＞e7＞e10＞e2＞e1＞e5＞e3＞e6，下面將針對該排序進行對比分析。當β＝1時，變精度粗糙集退化為傳統粗糙集方法。由于噪聲數據的存在，關于各評價指標的正域將減小。評價指標權重的排序變為e8＞e9＞e4＞e10＞e2＞e7＞e1＞e3＞e5＞e6，其中指標e7的排序位置改變最大，這是由于該指標評價數據中存在較多噪聲數據引起的。當β＝0．5時，粗糙集方法對噪聲數據的容忍度加大。相比于β＝0．8，關于各評價指標的正域將加大。評價指標權重的排序變為e9＝e8＞e4＝e7＞e10＞e5＞e2＞e3＞e6＞e1，其中e1的排序位置變化較大并且該序列中出現兩組權重相等的指標。這反映出減小分類正確率將會降低決策精度.步驟2企業選擇5個專家和3個領先用戶，共8個決策者根據確定好的10個評價指標對6個候選供應商進行評價。決策者采用語義評價（猶豫度）的形式，分別給出語義評價值和猶豫度，然后采用如表1所示的直覺模糊集處理方法將評價信息轉化為直覺模糊數。8個決策者的權重為｛0．16，0．095，0．085，0．13，0．115，0．09，0．11，0．18｝，表5為8個決策者針對供應商G1給出的評價信息。最終獲得的所有供應商評價決策信息如表6所示.步驟3根據直覺模糊相似度和VIKOR方法對供應商評價決策信息進行處理。根據式（9）～式（12）分別計算Si、Ri和Qi，1≤i≤5。按照Si、Ri和Qi由小到大的順序進行排序，所得計算結果如表7所示。針對直覺模糊數x＝［tx，1－fx］，傳統的反模糊化方法為Def（x）＝（tx＋1－fx）／2。對于兩組直覺模糊數｛［0．65，0．75］，［0．6，0．8］｝和｛［0．65，0．75］，［0．5，0．9］｝，采用傳統反模糊方法兩組的差值為0；而采用本文所用的直覺模糊相似度方法，兩組的距離分別為0．5和0．15。由此可看出直覺模糊相似度方法計算偏差的精確性較高。為進一步對比方法的有效性，對獲取的表6決策數據直接采用反模糊化方法進行處理，得到精確決策矩陣后再采用VIKOR方法進行方案排序，相應的結果如表8所示（篇幅所限，不詳細列出方法的計算過程）。根據VIKOR妥協解確定方法，供應商G4和G1均為折中妥協解，再次反映出傳統反模糊方法處理的精度較差。

4結論

制造企業為獲得差異化競爭優勢、滿足顧客不斷提高的價值需求，需要開發和提供PSS。在此過程中，企業為不喪失其核心競爭力，需要在特定領域尋求外包服務供應商共同為顧客提供PSS。如何有效評價和選擇服務供應商成為一個關鍵問題。該問題適合采用多屬性決策方法解決，針對傳統供應商評價常用AHP、ANP以及TOPSIS等多屬性決策方法的不足，以及方法中指標權重確定具有主觀性和不確定性的問題，提出了基于變精度粗糙集挖掘和直覺模糊VIKOR的外包服務供應商評價方法，所提方法已用于挖掘機產品24小時救援服務供應商評價過程中，通過實例分析，驗證了所提方法的可行性與有效性。本文的主要貢獻在于：①根據收集到的由服務各指標表現和顧客整體滿意度數據構成的決策表，首次將變精度粗糙集挖掘方法應用于服務供應商評價指標權重獲取。指標權重由指標（即條件屬性）的信息量和被依賴度加權求和得到，該方法提高了指標權重獲取過程的容噪性和客觀性。②在應用VIKOR方法對候選供應商進行妥協排序的過程中，為有效處理不確定性評價信息，采用能反映正負隸屬度信息的直覺模糊集方法處理決策者的語義評價信息；并通過計算直覺模糊數相似度間接得到“群體效益”和“個別遺憾”計算中需要的直覺模糊數差值，避免了直覺模糊數反模糊化帶來的信息損失。下一步將在現有研究工作的基礎上，結合企業和多個供應商間的關系，考慮顧客需求較快變動情況下，如何動態選擇外包服務供應商以提高顧客滿意度、優化PSS運作。

作者：耿秀麗葉春明單位：上海理工大學管理學院