摘要：隨著制造業(yè)數(shù)字化轉(zhuǎn)型和農(nóng)機(jī)產(chǎn)品服務(wù)供應(yīng)鏈的應(yīng)用，突顯出農(nóng)機(jī)制造企業(yè)產(chǎn)品零部件采購(gòu)模式，在選擇匹配過程中存在主觀性與模糊性的問題，提出一種基于物元可拓優(yōu)度結(jié)合可拓層次分析法和CRITIC綜合賦權(quán)法的采購(gòu)模式匹配評(píng)價(jià)方法。從農(nóng)機(jī)制造企業(yè)產(chǎn)品自身特征和產(chǎn)品服務(wù)供應(yīng)鏈影響因素為切入點(diǎn)，構(gòu)建產(chǎn)品服務(wù)供應(yīng)鏈視角下的農(nóng)機(jī)制造裝備采購(gòu)模式匹配評(píng)價(jià)體系，并通過關(guān)聯(lián)函數(shù)計(jì)算，得到采購(gòu)模式綜合優(yōu)度排序和單項(xiàng)指標(biāo)的關(guān)聯(lián)度對(duì)比，輸出最優(yōu)采購(gòu)匹配模式和模式識(shí)別度。結(jié)果表明，最優(yōu)采購(gòu)模式匹配度為0.118，所對(duì)應(yīng)的模式可以作為產(chǎn)供銷階段的核心采購(gòu)模式。實(shí)例計(jì)算表明，建立的評(píng)價(jià)模型與企業(yè)匹配度很高，該方法將定性預(yù)測(cè)和定量決策結(jié)合起來，可以為農(nóng)機(jī)制造企業(yè)的產(chǎn)品采購(gòu)模式提供系統(tǒng)科學(xué)的匹配工具。

關(guān)鍵詞：農(nóng)機(jī)機(jī)械；產(chǎn)品服務(wù)供應(yīng)鏈；物元可拓方法；采購(gòu)模式匹配；指標(biāo)體系

中圖分類號(hào)：F272.3； N945" " " 文獻(xiàn)標(biāo)識(shí)碼：A" " " 文章編號(hào)：2095?5553 （2024） 08?0308?09

Matching evaluation of supply chain procurement models for agricultural"machinery products and services

Xiong Zonghui1， 2， He Zhiqi1， Hu Pingping1， Cao Dongsheng1

（1. School of Intelligent Manufacturing Modern Industry， Xinjiang University， Urumqi， 830047， China； 2. Postdoctoral"Mobile Station of Mechanical Engineering， School of Mechanical Engineering， Xinjiang University， Urumqi， 830047， China）

Abstract： With the digital transformation of the manufacturing industry and the application of the supply chains of agricultural machinery products and services， there arises subjectivity and ambiguity in selecting the matching process for agricultural machinery manufacturing enterprises product parts procurement mode. To address this， a procurement mode matching evaluation method is proposed based on matter?element extension superiority， combined with the extension analytic hierarchy process and the CRITIC comprehensive empowerment method. From the agricultural machinery manufacturing enterprises own characteristics and product service supply chain influencing factors as the entry point， the agricultural machinery manufacturing equipment procurement mode matching evaluation system is constructed under the perspective of the product service supply chain， and through the correlation function calculation， the comprehensive superiority ranking of procurement mode is obtained and the correlation degree comparison of single indexes is compared， and the optimal procurement matching mode and mode identification degree are output. The results show that the optimal procurement model matching degree is 0.118， and the corresponding model can be used as the core procurement model in the production， supply， and marketing stages. Example calculations show that the established evaluation model has a high degree of matching with the enterprise， which proves that the method combines qualitative prediction and quantitative decision?making and can provide a systematic and scientific matching tool for the product procurement model of agricultural machinery manufacturing enterprises.

Keywords： agricultural machinery； product service supply chain； matter?element extension method； sourcing model matching； indicator system

0 引言

隨著國(guó)內(nèi)農(nóng)機(jī)行業(yè)產(chǎn)品和服務(wù)競(jìng)爭(zhēng)的日益加劇，農(nóng)機(jī)產(chǎn)品作為復(fù)雜機(jī)械裝備，產(chǎn)品零件涉及范圍較廣，形成了以農(nóng)機(jī)制造企業(yè)為核心的農(nóng)機(jī)產(chǎn)品服務(wù)供應(yīng)鏈的生產(chǎn)模式[1]。與大多數(shù)制造業(yè)相比，農(nóng)業(yè)產(chǎn)品具有季節(jié)性的生產(chǎn)特性，要求整條農(nóng)機(jī)產(chǎn)品服務(wù)供應(yīng)鏈保持一致的生產(chǎn)節(jié)奏。伴隨著制造業(yè)數(shù)字化和產(chǎn)品服務(wù)轉(zhuǎn)型升級(jí)以及市場(chǎng)環(huán)節(jié)變化，使得原材料、勞動(dòng)力、物流等各種資源成本的上升，同時(shí)又受疫情的影響和供應(yīng)結(jié)構(gòu)的調(diào)整，農(nóng)機(jī)制造企業(yè)要想在激烈的競(jìng)爭(zhēng)中獲取最大效益，就必須重視面向產(chǎn)品服務(wù)供應(yīng)鏈視角下的采購(gòu)模式與產(chǎn)供銷之間的匹配關(guān)系[2]。但是目前面向農(nóng)機(jī)產(chǎn)品服務(wù)供應(yīng)鏈視角下的采購(gòu)模式研究主要集中在采購(gòu)流程優(yōu)化[3]、采購(gòu)聯(lián)盟利益分配[4]、采購(gòu)供應(yīng)商評(píng)價(jià)[5]、采購(gòu)模式組合[6]、采購(gòu)風(fēng)險(xiǎn)預(yù)測(cè)等方面，而對(duì)農(nóng)機(jī)產(chǎn)品服務(wù)供應(yīng)鏈采購(gòu)過程中不同采購(gòu)模式及所產(chǎn)生的模式匹配問題研究的較少。

面向農(nóng)機(jī)產(chǎn)品服務(wù)供應(yīng)鏈采購(gòu)模式匹配評(píng)價(jià)屬于多目標(biāo)、多屬性決策問題，通常采用層次分析法、可拓評(píng)價(jià)法、模糊評(píng)價(jià)法、多準(zhǔn)則妥協(xié)解排序法、TOPSIS法等[7]。曹倩倩等[8]提出引入可拓量化方法，改進(jìn)層次分析法對(duì)指標(biāo)權(quán)重進(jìn)行確定并應(yīng)用于電子采購(gòu)競(jìng)價(jià)模式匹配評(píng)價(jià)。陳偉偉[9]提出利用層次分析法和模糊綜合評(píng)價(jià)法結(jié)合，構(gòu)建高值醫(yī)用耗材管理軟件評(píng)價(jià)模型，從而減少判斷矩陣及模糊隸屬度的計(jì)算工作，實(shí)現(xiàn)對(duì)高值醫(yī)用耗材管理軟件采購(gòu)評(píng)價(jià)的研究。梁展等[10]通過一個(gè)模糊綜合評(píng)價(jià)模型解決裝備采購(gòu)評(píng)標(biāo)問題，運(yùn)用信息熵和層次分析法確定組合權(quán)重系數(shù)，引入專家權(quán)重系數(shù)解決評(píng)價(jià)專家評(píng)分主觀性的問題。Wijaya等[11]提出基于熵值法結(jié)合TOPSIS法對(duì)采購(gòu)評(píng)價(jià)供應(yīng)商數(shù)據(jù)進(jìn)行分析，原理是通過熵值法計(jì)算各準(zhǔn)測(cè)和備選方案的權(quán)重，最后利用TOPSIS法對(duì)采購(gòu)供應(yīng)商進(jìn)行排序。Chou等[12]提出一種結(jié)合均值鏈和模糊層次分析法的概念和方法，并用于選擇適合食品加工機(jī)械采購(gòu)評(píng)價(jià)的模型。張曉娜等[13]提出運(yùn)用改進(jìn)的層次分析法和灰色關(guān)聯(lián)分析法構(gòu)建了采購(gòu)績(jī)效評(píng)價(jià)指標(biāo)體系，對(duì)煤炭企業(yè)采購(gòu)過程進(jìn)行了績(jī)效評(píng)價(jià)。綜合上述可看出，多數(shù)評(píng)價(jià)方法在評(píng)價(jià)決策過程中，主觀性較強(qiáng)，依賴專家對(duì)評(píng)價(jià)指標(biāo)的權(quán)重認(rèn)知，在評(píng)價(jià)結(jié)果中，僅展現(xiàn)了對(duì)方案的綜合排序，缺少單個(gè)指標(biāo)與評(píng)價(jià)等級(jí)間的隸屬關(guān)系，物元可拓評(píng)價(jià)在一般決策方法的基礎(chǔ)上考慮事物的質(zhì)變與量變，使得最終的評(píng)價(jià)結(jié)果更加客觀、公正，而且評(píng)價(jià)結(jié)果可以體現(xiàn)單個(gè)指標(biāo)對(duì)綜合值的關(guān)聯(lián)程度。

結(jié)合實(shí)踐調(diào)研發(fā)現(xiàn)，農(nóng)機(jī)制造企業(yè)的采購(gòu)模式匹配度很低，采購(gòu)模式存在諸多局限，包括采購(gòu)形式單一、系統(tǒng)性差、動(dòng)態(tài)可持續(xù)性低、協(xié)同服務(wù)信息程度不高。通常是由農(nóng)機(jī)制造企業(yè)的采購(gòu)業(yè)務(wù)員依照采購(gòu)BOM清單和經(jīng)驗(yàn)自行選擇的，主觀不可控因素突出，采購(gòu)決策匹配模糊，無法客觀、科學(xué)地對(duì)采購(gòu)模式做出正確的匹配選擇。

基于此，本文提出一種基于物元可拓優(yōu)度結(jié)合可拓層次分析法和CRITIC綜合賦權(quán)法的采購(gòu)模式匹配評(píng)價(jià)方法，從定性分析和定量決策兩個(gè)角度，研究智能化、系統(tǒng)化處理采購(gòu)模式匹配問題的工具，以便幫助農(nóng)機(jī)制造企業(yè)采購(gòu)商明確采購(gòu)模式的適用性。

1 農(nóng)機(jī)產(chǎn)品服務(wù)供應(yīng)鏈采購(gòu)模式衡量指標(biāo)體系構(gòu)建

1.1 采購(gòu)模式衡量指標(biāo)影響因素分析

通過實(shí)地調(diào)查研究，并結(jié)合農(nóng)機(jī)制造企業(yè)所對(duì)應(yīng)的產(chǎn)品服務(wù)供應(yīng)鏈的實(shí)際情況，可以系統(tǒng)性地將影響因素分為內(nèi)部影響因素和外部影響因素兩部分，內(nèi)部影響因素包括期望庫(kù)存、供應(yīng)商庫(kù)存、供應(yīng)商供貨能力、延遲周期，外部影響因素包括需求波動(dòng)因素、供應(yīng)延遲、供應(yīng)中斷等因素，詳細(xì)如表1所示。

1.2 采購(gòu)決策模式衡量指標(biāo)體系構(gòu)建

結(jié)合其他學(xué)者在采購(gòu)模式衡量指標(biāo)構(gòu)建選擇。Smeltzer等[14]分析線上采購(gòu)模式下的衡量指標(biāo)，從產(chǎn)品名稱、供應(yīng)商信息程度、產(chǎn)品質(zhì)量、交貨期和訂單數(shù)量等分析構(gòu)建衡量指標(biāo)；George等[15]提出基于庫(kù)存采購(gòu)策略從制造商、分銷商、批發(fā)商和零售商4個(gè)階段對(duì)供應(yīng)鏈績(jī)效進(jìn)行評(píng)估，構(gòu)建選擇的績(jī)效指標(biāo)為供應(yīng)鏈填充率、庫(kù)存總數(shù)量、延遲周期等；George等[16]提出采用灰色關(guān)聯(lián)分析法從不同庫(kù)存位置、訂貨量和市場(chǎng)需求流策略的定期庫(kù)存采購(gòu)策略下的串行供應(yīng)鏈的性能進(jìn)行評(píng)價(jià)分析，以供貨率、缺貨風(fēng)險(xiǎn)、牛鞭效應(yīng)和供應(yīng)鏈總成本4個(gè)方面來構(gòu)建績(jī)效指標(biāo)；何杜博等[17]基于平衡計(jì)分卡模型框架建立裝備采購(gòu)供應(yīng)鏈質(zhì)量績(jī)效評(píng)價(jià)體系，提出一種改進(jìn)可拓層次分析法，從經(jīng)濟(jì)效益、供應(yīng)鏈響應(yīng)速度、內(nèi)部運(yùn)作流程和質(zhì)量持續(xù)改進(jìn)4個(gè)方面來解決采購(gòu)模式衡量指標(biāo)；Tan等[18]通過組建中小型企業(yè)采購(gòu)聯(lián)盟來整合分散的采購(gòu)訂單，提出一種新的聯(lián)合采購(gòu)模型和算法，考慮聯(lián)合采購(gòu)模式中的最小訂貨量、庫(kù)存限制、數(shù)量折扣和運(yùn)輸距離等多個(gè)影響因素，為中小企業(yè)的實(shí)際采購(gòu)決策提供理論基礎(chǔ)；Hosseini等[19]從供應(yīng)鏈環(huán)境下提出一個(gè)隨機(jī)雙目標(biāo)混合整數(shù)規(guī)劃模型，并支持在供應(yīng)商選擇和訂單分配中如何以及何時(shí)使用主動(dòng)和被動(dòng)策略的決策?？紤]供應(yīng)商的可靠性、庫(kù)存能力、快速響應(yīng)能力、信息技術(shù)和延遲風(fēng)險(xiǎn)預(yù)估能力等因素。通過結(jié)合其他學(xué)者和前面影響因素分析，本文從訂單服務(wù)能力、價(jià)值增值能力、質(zhì)量控制能力、可持續(xù)合作能力和市場(chǎng)預(yù)測(cè)能力5個(gè)方面構(gòu)建農(nóng)機(jī)供應(yīng)鏈采購(gòu)策略衡量指標(biāo)體系，具體如表2所示。

2 農(nóng)機(jī)產(chǎn)品服務(wù)供應(yīng)鏈采購(gòu)模式匹配模型構(gòu)建

2.1 可拓匹配模型的建立

2.1.1 經(jīng)典域物元模型

基于可拓學(xué)物元理論，用[N]表示匹配對(duì)象，[C]表示對(duì)象的特征名稱，[v]表示匹配對(duì)象[N]關(guān)于特征[C]所取的量值。假設(shè)衡量指標(biāo)等級(jí)分為m個(gè)等級(jí)，匹配指標(biāo)為n個(gè)，則經(jīng)典域物元模型為

[Rj=（Nj，Ci，vji）=NjC1aj1，bj1 C2aj2，bj2 ?" " " ? Cnajn，bjn] （1）

式中： Rj——第j個(gè)采購(gòu)模式的物元模型；

Nj——匹配等級(jí)；

Ci——匹配指標(biāo)；

vji——在j等級(jí)中的第i個(gè)指標(biāo)的取值區(qū)間；

aji、bji——匹配等級(jí)對(duì)應(yīng)匹配指標(biāo)量值區(qū)間內(nèi)的" " " " " " " " " 最小值、最大值。

2.1.2 節(jié)域物元模型

節(jié)域指各衡量指標(biāo)所對(duì)應(yīng)的全體協(xié)同采購(gòu)模式的值域。假設(shè)匹配等級(jí)為p，則節(jié)域物元模型可表示為

[Rp=NpC1vp1 C2vp2 ?? Cnvpn=NpC1ap1，bp1 C2ap2，bp2 ?" " " ? Cnapn，bpn] （2）

式中： [Rp]——節(jié)域物元模型；

[Np]——采購(gòu)模式預(yù)選方案匹配等級(jí)；

[vpi]——衡量指標(biāo)Ci的最大取值區(qū)間；

[api、][bpi]——衡量指標(biāo)量值區(qū)間內(nèi)的最大值與最" " " " " " " " " " " 小值。

2.1.3 確立待匹配物元模型

假設(shè)待匹配模式評(píng)價(jià)方案為[N0，]將獲取到的各項(xiàng)衡量指標(biāo)實(shí)際數(shù)值用物元表示為

[R0=N0C1v1 C2v2 ?? Cnvn] （3）

式中： [N0]——待匹配模式評(píng)價(jià)方案對(duì)象；

vi——待匹配評(píng)價(jià)物元的量化指標(biāo)值。

2.2 衡量評(píng)價(jià)指標(biāo)權(quán)重計(jì)算

2.2.1 可拓層次分析法計(jì)算主觀權(quán)重

1） 構(gòu)造可拓判斷矩陣。本文使用了Saaty提出的互反性標(biāo)度法[20]作為可拓層次分析法的標(biāo)量化方法，通過可拓區(qū)間數(shù)建立一個(gè)正互反矩陣[A]。[A=（aij）n×n，][aij=1，][aij=a-1ji=lt;1/a+ij，1/a-ijgt;。]其中[aij=lt;a-ij，a+ijgt;]為可拓區(qū)間數(shù)，為了將矩陣中的每個(gè)元素定量化表示，將可拓區(qū)間的中值[（a+ij+a-ij）/2]取值為互反性1～9標(biāo)度中的整數(shù)值[21]。

2） 綜合可拓判斷矩陣和權(quán)重矢量計(jì)算。通過區(qū)間數(shù)值建立的可拓區(qū)間數(shù)判斷矩陣為[A=[A-]，[A+]]，其中[A+]，[A-]分別是區(qū)間上、下端點(diǎn)所構(gòu)成的矩陣，計(jì)算各指標(biāo)權(quán)重并使判斷矩陣滿足一致性條件的步驟如下[22]。

步驟1：分別求解左右矩陣[A-]，[A+]的最大特征值對(duì)應(yīng)的具有正分量的歸一化特征向量[x-]，[x+。]

步驟2：由[A-=（a-ij）n×n，][A+=（a+ij）n×n]，根據(jù)式（4）求[k]和[m]的值，若滿足了不等式條件，則證明區(qū)間判斷矩陣的一致性良好。

[k=j=1n1i=1na+ijm=j=1n1i=1na-ij] （4）

式中： [k]——矩陣特征值；

[m]——矩陣特征向量值。

步驟3：求出權(quán)重向量。

[S=（S1，S2，S3，…，Snk）T=kx-，mx+] （5）

3） 層次單層排序。假設(shè)[Si=lt;S-i，S+igt;]，[Sj=lt;S-j，S+jgt;]，如果用[E（Si≥Sj）≥0（i≠j）]來表示[Si≥Sj]的可能程度，則

[Pj=1Pj=E（Si≥Sj）=2（S+i-S-j）（S+j-S-j）+（S+i-S-i）i，j=1，2，…，n;i≠j] （6）

式中： [Pi]——某層上的第[i]個(gè)指標(biāo)對(duì)上一層次的某個(gè)" " " " " " " " 指標(biāo)的單排序，對(duì)其進(jìn)行歸一化處理，可" " " " " " "以進(jìn)一步得到某層上的各指標(biāo)權(quán)重矢量" " " " " " "排序[P=（p1，p2，…，pn）T;]

[S-i、][S+i、][S-j、][S+j]——兩個(gè)單層權(quán)重矢量可拓區(qū)間" 數(shù)的上、下端點(diǎn)。

4） 層次綜合排序。將指標(biāo)權(quán)重矢量排序[P]經(jīng)歸一化處理后可以得到[pkh=（pk1h，pk2h，…，pknh）T]表示第[k]層上各因素對(duì)[k-1]層次上的第[h]個(gè)因素的單排序權(quán)重向量。當(dāng)[h=1，2，…，nk-1]時(shí)，得到[nk×nk-1]階矩陣

[pk=（pk1，pk2，…，pknk-1）] （7）

如果k-1層的[nk-1]個(gè)元素對(duì)總目標(biāo)的排序權(quán)重矢量為[Wk-1=（Wk-11，Wk-12，…，Wk-1nk-1）T，]由式（8）和式（9）可求出第[k]層上全體元素對(duì)總目標(biāo)的合成排序[Wk，]即

[Wk=（Wk-11，Wk-12，…，Wknk）T=pkWk-1] （8）

由式（8）進(jìn)一步化簡(jiǎn)計(jì)算可以得出

[Wk=pkpk-1…p3W2] （9）

2.2.2 CRITIC法計(jì)算客觀權(quán)重

CRITIC法是利用評(píng)價(jià)指標(biāo)變異性和指標(biāo)之間的沖突性來衡量指標(biāo)的客觀權(quán)重[23]?；静襟E如下。

1） 正向化或逆向化處理。若所用指標(biāo)的值越大越好（正向指標(biāo)）

[xij'=xj-xminxmax-xmin] （10）

若所用指標(biāo)的值越小越好（逆向指標(biāo)）

[xij'=xmax-xjxmax-xmin] （11）

2） 指標(biāo)變異性以標(biāo)準(zhǔn)差的形式來表現(xiàn)。

[xj=1ni=1nxijSj=i=1n（xij-xj）2n-1] （12）

式中： [Sj]——第[j]個(gè)指標(biāo)的標(biāo)準(zhǔn)差。

3） 指標(biāo)沖突性用相關(guān)系數(shù)進(jìn)行表示。

[Rj=i=1p（1-rij）] （13）

式中： [rij]——衡量指標(biāo)[i]和[j]之間的相關(guān)系數(shù)。

4） 求信息量。

[Cj=Sji=1p（1-rij）=Sj×Rj] （14）

衡量指標(biāo)的信息量越大代表該指標(biāo)在整個(gè)評(píng)價(jià)指標(biāo)體系中的作用越大、權(quán)重越大。

5） 計(jì)算權(quán)重。將[Cj]代入式（15）求得客觀權(quán)重

[Wj=Cjj=1pCj] （15）

2.2.3 綜合權(quán)重計(jì)算

將可拓層次分析法和CRITIC法得到的各指標(biāo)的主客觀權(quán)重進(jìn)行耦合，得到綜合權(quán)重ωi。耦合計(jì)算方法如式（16）所示。

[ωi=ωi'ωi″i=1nωi'ωi″ i=1，2，3，…，n] （16）

式中： [ωi']——可拓層次分析法得到的指標(biāo)權(quán)重；

[ωi″]——CRITIC法得到的指標(biāo)權(quán)重。

2.3 計(jì)算匹配評(píng)價(jià)指標(biāo)匹配度

從[vi]到有限區(qū)間[vji]的距離為[ρ（vi，vji），][vi]到有限區(qū)間[vpi]的距離為[ρ（vi，vpi），]其中[vi、][vji]和[vpi]分別為待匹配評(píng)價(jià)物元的量化指標(biāo)值、經(jīng)典域的量化區(qū)間值和節(jié)域的量化區(qū)間值。評(píng)價(jià)指標(biāo)[i]與等級(jí)[j]的關(guān)聯(lián)函數(shù)[kj（vi）][24]計(jì)算如式（17）所示。

[kj（vi）=-ρ（vi，Vji）Vjivi∈Vjiρ（vi，Vji）ρ（vi，Vpi）-ρ（vi，Vji）vi?Vji] （17）

[ρ（vi，Vji）=vi-（aji+bji）2-（bji-aji）2ρ（vi，Vpi）=vi-（api+bpi）2-（bpi-api）2] （18）

式中： [ρ（vi，vpi）]——從[vi]到有限區(qū)間[vji]的距離。

2.4 計(jì)算采購(gòu)模式綜合識(shí)別度

運(yùn)用關(guān)聯(lián)函數(shù)加權(quán)運(yùn)算待匹配評(píng)價(jià)物元[N0]與等級(jí)[j]的綜合關(guān)聯(lián)度[Kj（N0）]也就是模式識(shí)別度，模式識(shí)別度是指匹配評(píng)價(jià)對(duì)象關(guān)于不同匹配評(píng)價(jià)等級(jí)的逼近程度。若與某模式的關(guān)聯(lián)度值越大，則它與某模式的匹配程度就愈佳，同時(shí)說明協(xié)同采購(gòu)決策模式更加切合企業(yè)目標(biāo)需求。計(jì)算如式（19）所示。

[Kj（N0）=i=1nωikj（vi）] （19）

式中： [Kj（N0）]——等級(jí)j的綜合關(guān)聯(lián)度；

[kj（vi）]——各等級(jí)關(guān)聯(lián)度。

3 可拓匹配評(píng)價(jià)實(shí)例驗(yàn)證

基于前面的方法研究，以國(guó)內(nèi)某農(nóng)機(jī)制造企業(yè)（簡(jiǎn)稱M）具有代表性的某型號(hào)動(dòng)力耙產(chǎn)成品及其相關(guān)需求的原材料部件采購(gòu)模式為研究對(duì)象。目前M企業(yè)產(chǎn)供銷采購(gòu)模式包含3種模式，分別是線邊庫(kù)存采購(gòu)模式、第三方物流采購(gòu)模式和動(dòng)態(tài)可持續(xù)采購(gòu)模式。

根據(jù)采購(gòu)決策模式衡量指標(biāo)體系，通過對(duì)M農(nóng)機(jī)制造企業(yè)的2015—2021年度報(bào)告進(jìn)行分析研究，確定部分定量指標(biāo)的經(jīng)典域劃分和選取對(duì)應(yīng)的指標(biāo)數(shù)據(jù)，其余指標(biāo)通過對(duì)農(nóng)機(jī)企業(yè)管理層人員和一線采購(gòu)員、生產(chǎn)售后服務(wù)的實(shí)地調(diào)查訪談數(shù)據(jù)以及文獻(xiàn)對(duì)指標(biāo)域值的劃分方法，對(duì)線邊庫(kù)存采購(gòu)模式Ⅰ、第三方物流采購(gòu)模式Ⅱ和動(dòng)態(tài)可持續(xù)采購(gòu)模式Ⅲ三種模式，利用物元可拓優(yōu)度結(jié)合可拓層次分析法確定指標(biāo)權(quán)重，評(píng)價(jià)輸出最優(yōu)采購(gòu)匹配模式和模式識(shí)別度。

1） 確定經(jīng)典域物元模型、節(jié)域物元模型和待匹配物元模型。將表2構(gòu)建的衡量指標(biāo)劃分為差、一般、良、優(yōu)4個(gè)等級(jí)，分別對(duì)應(yīng)各經(jīng)典域；節(jié)域（節(jié)域范圍由各經(jīng)典域的最小值與最大值構(gòu)成）；物元待評(píng)價(jià)值（物元待評(píng)價(jià)值通過文獻(xiàn)查詢和訪談數(shù)據(jù)處理綜合得出）。

通過式（1）～式（3）和表2建立的衡量指標(biāo)體系，以采購(gòu)模式Ⅰ對(duì)應(yīng)的訂單服務(wù)指標(biāo)U1為例，確定其經(jīng)典域物元模型為

[R1（U1）=N1C17.5，10 C27.5，10 C37.5，10 C47.5，10R2（U1）=N1C15，7.5 C25，7.5 C35，7.5 C45，7.5]

[R3（U1）=N1C12.5，5 C22.5，5 C32.5，5 C42.5，5R4（U1）=N1C10，2.5 C20，2.5 C30，2.5 C40，2.5]

以訂單服務(wù)指標(biāo)U1為例，其節(jié)域物元模型為

[Rp（U1）=N1C10，10 C20，10 C30，10 C40，10]

以訂單服務(wù)指標(biāo)U1為例，其待匹配評(píng)價(jià)物元模型為

[R（U1）=N1C16 C28 C37.4 C47.3]

同時(shí)采購(gòu)模式Ⅰ對(duì)應(yīng)的價(jià)值增值指標(biāo)U2、質(zhì)量控制指標(biāo)U3、市場(chǎng)預(yù)測(cè)指標(biāo)U4和可持續(xù)合作指標(biāo)U5的經(jīng)典域物元模型、節(jié)域物元模型、待匹配評(píng)價(jià)物元模型也通過同樣的方法得到。

同樣的采購(gòu)模式Ⅱ和采購(gòu)模式Ⅲ對(duì)應(yīng)的訂單服務(wù)指標(biāo)U1、價(jià)值增值指標(biāo)U2、質(zhì)量控制指標(biāo)U3、市場(chǎng)預(yù)測(cè)指標(biāo)U4和可持續(xù)合作指標(biāo)U5的經(jīng)典域物元模型、節(jié)域物元模型、待匹配評(píng)價(jià)物元模型也通過同樣的方法得到。

最終確定的各級(jí)評(píng)價(jià)指標(biāo)的經(jīng)典域、節(jié)域以及各指標(biāo)的實(shí)際量值，如表3所示。

2） 衡量評(píng)價(jià)指標(biāo)權(quán)重計(jì)算。利用可拓層次分析法確定主觀權(quán)重。按照式（4）～式（9）計(jì)算求出各指標(biāo)主觀權(quán)重如表4所示。

利用CRITIC法確定客觀權(quán)重。按照式（10）～式（15）計(jì)算求出各指標(biāo)客觀權(quán)重如表5所示。

根據(jù)式（16），將表4、表5中可拓層次分析法和CRITIC法得到的各指標(biāo)主客觀權(quán)重進(jìn)行耦合，得到綜合權(quán)重。其指標(biāo)權(quán)重結(jié)果如表6所示。

3） 衡量指標(biāo)綜合匹配度計(jì)算。將3種農(nóng)機(jī)供應(yīng)鏈協(xié)同采購(gòu)模式匹配衡量指標(biāo)量值和經(jīng)典域代入式（17）、式（18）中，得到3種模式匹配的各指標(biāo)與各等級(jí)的綜合匹配度，結(jié)果如表7所示。

4） 綜合識(shí)別度計(jì)算。將表6、表7的數(shù)據(jù)和各指標(biāo)權(quán)重代入式（19）中，對(duì)不同等級(jí)下各指標(biāo)綜合匹配度加權(quán)求和可得采購(gòu)模式與各等級(jí)的識(shí)別度和優(yōu)度排序，如表8所示。

由表8可知，采購(gòu)模式Ⅰ與優(yōu)秀等級(jí)的匹配度為-0.111，采購(gòu)模式Ⅱ和采購(gòu)模式Ⅲ與優(yōu)秀等級(jí)的匹配度分別為-0.026、0.118，雖然都處于優(yōu)秀等級(jí)，但匹配度從高到低依次為：模式Ⅲ、模式Ⅱ、模式Ⅰ，表明了雖然三種模式都可行，但模式Ⅲ的綜合匹配度明顯最高。由于采用最優(yōu)匹配原則，所以本文只對(duì)優(yōu)秀等級(jí)的匹配度進(jìn)行了對(duì)比分析，因此可得出結(jié)論選取模式Ⅲ作為企業(yè)產(chǎn)供銷階段的核心采購(gòu)策略模式。

三種采購(gòu)模式從單項(xiàng)指標(biāo)匹配度對(duì)比如圖1所示，可以很直觀地看出模式Ⅰ的5種指標(biāo)都處于中等偏上的程度，說明很穩(wěn)定，企業(yè)可以在階段中定向采用。模式Ⅱ在訂單服務(wù)指標(biāo)價(jià)、價(jià)值增值指標(biāo)、質(zhì)量控制指標(biāo)和可持續(xù)合作指標(biāo)等方面有優(yōu)勢(shì)，但在市場(chǎng)預(yù)測(cè)指標(biāo)方面還需進(jìn)一步加強(qiáng)對(duì)市場(chǎng)需求波動(dòng)、信息技術(shù)等的優(yōu)化。

同樣地，模式Ⅲ在值增值指標(biāo)、質(zhì)量控制指標(biāo)、可持續(xù)合作指標(biāo)和市場(chǎng)預(yù)測(cè)指標(biāo)都高于另外模式，但在訂單服務(wù)指標(biāo)方面卻處于最低程度，應(yīng)加強(qiáng)對(duì)訂單服務(wù)能力的優(yōu)化。最后綜上兩點(diǎn)可以知道最優(yōu)采購(gòu)策略模式為模式Ⅲ，其最優(yōu)識(shí)別度為0.118。

4 結(jié)論

1） 從產(chǎn)品服務(wù)供應(yīng)鏈環(huán)節(jié)中的制造商、供應(yīng)商和客戶群體三個(gè)方面對(duì)影響采購(gòu)策略的因素進(jìn)行分析，構(gòu)建以訂單服務(wù)指標(biāo)、價(jià)值增值指標(biāo)、質(zhì)量控制指標(biāo)、市場(chǎng)預(yù)測(cè)指標(biāo)和可持續(xù)合作指標(biāo)為一級(jí)衡量指標(biāo)和16個(gè)二級(jí)衡量指標(biāo)的農(nóng)機(jī)產(chǎn)品服務(wù)供應(yīng)鏈采購(gòu)策略衡量指標(biāo)體系。

2） 構(gòu)建基于組合賦權(quán)的物元可拓匹配評(píng)價(jià)模型，為避免評(píng)價(jià)過程中主觀過強(qiáng)，利用可拓層次分析法和CRITIC法相結(jié)合確定各層級(jí)指標(biāo)權(quán)重，將組合賦權(quán)結(jié)果引入物元可拓匹配評(píng)價(jià)法對(duì)采購(gòu)模式進(jìn)行綜合匹配評(píng)價(jià)，有效降低匹配評(píng)價(jià)決策過程中的主觀性與不確定性，評(píng)價(jià)模型產(chǎn)生的匹配評(píng)價(jià)結(jié)果在反映模式整體優(yōu)劣的同時(shí)，輸出產(chǎn)供銷匹配階段的最優(yōu)采購(gòu)策略模式，也反映各單項(xiàng)指標(biāo)關(guān)于各等級(jí)的識(shí)別度。實(shí)例驗(yàn)證模型的可行性，分別得到采購(gòu)模式Ⅰ、Ⅱ、Ⅲ與優(yōu)秀等級(jí)的匹配度分別為-0.111、-0.026、0.118，從數(shù)值直觀地看到，雖然都處于優(yōu)秀等級(jí)，但模式匹配度從高處到低處依次為：模式Ⅲ、模式Ⅱ、模式Ⅰ，另外從綜合單項(xiàng)指標(biāo)匹配度數(shù)據(jù)對(duì)比分析中，體現(xiàn)最優(yōu)采購(gòu)策略模式為模式Ⅲ，其最優(yōu)識(shí)別度為0.118。

3） 構(gòu)建的模型啟示制造企業(yè)要基于產(chǎn)品市場(chǎng)價(jià)格變化運(yùn)用現(xiàn)代供應(yīng)鏈技術(shù)來加強(qiáng)企業(yè)采購(gòu)環(huán)節(jié)競(jìng)爭(zhēng)領(lǐng)先優(yōu)勢(shì)，提高采購(gòu)周期計(jì)劃準(zhǔn)確性，縮短企業(yè)供應(yīng)鏈整體反應(yīng)周期時(shí)間，減小采購(gòu)訂單計(jì)劃完成遲提前期，提高企業(yè)準(zhǔn)時(shí)交貨率，減少企業(yè)存貨資金占用，使企業(yè)成本減少，利潤(rùn)增加。

4） 研究農(nóng)機(jī)產(chǎn)品服務(wù)供應(yīng)鏈采購(gòu)模式匹配評(píng)價(jià)的理論意義，即最大程度上的保證客戶在獲取較低成本物料的前提下可以實(shí)現(xiàn)物資批量采購(gòu)需求與批量訂單需求間的需求一致性，為制造業(yè)實(shí)現(xiàn)更好地采購(gòu)管理提供多屬性決策依據(jù)。

參 考 文 獻(xiàn)

[ 1 ] 周尚豪， 熊宗慧， 王冰濤. 基于物元可拓法的農(nóng)機(jī)制造企業(yè)核心競(jìng)爭(zhēng)力提升[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)， 2023， 44（9）： 265-273.

Zhou Shanghao， Xiong Zonghui， Wang Bingtao. Improving the core competitiveness of agricultural machinery manufacturing enterprises based on Matter?Element extension method [J]. Journal of Chinese Agricultural Mechanization， 2023， 44（9）： 265-273.

[ 2 ] 孫道賀， 楊欣， 魏津瑜. 基于工業(yè)互聯(lián)網(wǎng)的農(nóng)機(jī)供應(yīng)鏈多邊匹配問題研究[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)， 2021， 42（9）： 130-135.

Sun Daohe， Yang Xin， Wei Jinyu. Research on the multilateral matching of agricultural machinery supply chain based on industrial Internet [J]. Journal of Chinese Agricultural Mechanization， 2021， 42（9）： 130-135.

[ 3 ] 劉智煥. 供應(yīng)鏈背景下的采購(gòu)模式調(diào)整和流程優(yōu)化研究[J]. 鄂州大學(xué)學(xué)報(bào)， 2017， 24（6）： 40-42.

[ 4 ] 鄭浩昊， 李思. 基于綜合因素考慮的聯(lián)合采購(gòu)利益分配模式研究[J]. 價(jià)值工程， 2016， 35（12）： 7-10.

Zheng Haohao， Li Si. Research on the benefit allocation model of joint procurement based on comprehensive factors [J]. Value Engineering， 2016， 35（12）： 7-10.

[ 5 ] 許磊， 郭順生， 胡烈鋒， 等. 建材裝備制造業(yè)原材料采購(gòu)供應(yīng)商選擇評(píng)價(jià)研究[J]. 數(shù)字制造科學(xué)， 2017， 15（3）： 129-134.

Xu Lei， Guo Shunsheng， Hu Liefeng， et al. Study on the selection and assessment of purchaser and supplier of raw materials for building materials and equipment manufacturing industry [J]. Digital Manufacturing Science， 2017， 15（3）： 129-134.

[ 6 ] Li M， Mizuno S. Dynamic pricing and inventory management of a dual?channel supply chain under different power structures [J]. European Journal of Operational Research， 2022， 303（1）： 273-285.

[ 7 ] 吳中富， 曹國(guó)忠， 劉帥， 等. 基于流的產(chǎn)品創(chuàng)新原理解評(píng)價(jià)方法研究[J]. 機(jī)械設(shè)計(jì)與研究， 2017， 33（5）： 1-5， 15.

Wu Zhongfu， Cao Guozhong， Liu Shuai， et al. Research on evaluation method of product innovation principle solution based on flow [J]. Machine Design and Research， 2017， 33（5）： 1-5， 15.

[ 8 ] 曹倩倩， 樓志斌， 余文兵， 等. 采用可拓方法的競(jìng)價(jià)采購(gòu)模式匹配研究[J]. 現(xiàn)代制造工程， 2013（9）： 45-49.

Cao Qianqian， Lou Zhibin， Yu Wenbing， et al. Research of model matching on bidding procurement based on the extension method [J]. Modern Manufacturing Engineering， 2013（9）： 45-49.

[ 9 ] 陳偉偉. 基于層次分析法和模糊綜合評(píng)價(jià)法的高值醫(yī)用耗材管理軟件采購(gòu)評(píng)價(jià)方法研究[D]. 南京： 東南大學(xué)， 2021.

[10] 梁展， 狄娜， 裴錚. 基于模糊綜合評(píng)價(jià)的裝備采購(gòu)評(píng)價(jià)指標(biāo)與方法研究[J]. 物流技術(shù)， 2018， 37（1）： 145-149.

Liang Zhan， Di Na， Pei Zheng.Research on evaluation indexes and methods of equipment purchase based on fuzzy comprehensive evaluation [J]. Logistics Technology， 2018， 37（1）： 145-149.

[11] Wijaya E R， Rudianto. Selection of supplier for the evaluation of procurement of special chemical using entropy method and topsis in xyz company [J]. IOP Conference Series： Materials Science and Engineering， 2020， 909（1）： 012046.

[12] Chou T Y， Liao J P. Using MEC and FAHP to establish an evaluation model for food processing machinery procurement [J]. Mathematical Problems in Engineering， 2020.

[13] 張曉娜， 楊玉中， 高學(xué)鴻. 基于改進(jìn)AHP和GRA煤炭企業(yè)采購(gòu)績(jī)效評(píng)價(jià)研究[J]. 物流科技， 2015， 38（12）： 119-123.

Zhang Xiaona， Yang Yuzhong， Gao Xuehong. Research on coal enterprises procurement performance evaluation based on improved AHP and GRA [J]. Logistics Sci?Tech， 2015， 38（12）： 119-123.

[14] Smeltzer L R， Carr A. Electronic reverse auctions： Promises， risks and conditions for success [J]. Industrial Marketing Management， 2003， 32（6）： 481-488.

[15] George J， Pillai V M. Evaluation of inventory replenishment policies on supply chain performance with grey relational analysis [J]. International Journal of Integrated Supply Management， 2021， 14（2）： 197-227.

[16] George J， Pillai V M. Supply chain performance evaluation using spreadsheet simulation [J]. Applied Mechanics and Materials， 2014， 592-594： 2699-2703.

[17] 何杜博， 黃棟. 基于改進(jìn)EAHP的裝備采購(gòu)供應(yīng)鏈質(zhì)量績(jī)效評(píng)價(jià)[J]. 運(yùn)籌與管理， 2022， 31（2）： 148-154.

He Dubo， Huang Dong. Equipment procurement supply chain quality performance evaluation based on improved EAHP [J]. Operations Research and Management Science， 2022， 31（2）： 148-154.

[18] Tan Yuyang， Zhao Wenchao， Guo Chunxiang. The joint procurement model and algorithm for small and medium enterprises [J]. Computers amp; Industrial Engineering， 2021， 155： 107179.

[19] Hosseini S， Morshedlou N， Ivanov D， et al. Resilient supplier selection and optimal order allocation under disruption risks [J]. International Journal of Production Economics， 2019， 213： 124-137.

[20] Smeltzer L R， Carr A S. Electronic reverse auctions： Promises， risks and conditions for success [J]. Industrial Marketing Management， 2003， 32（6）： 481-488.

[21] Butdee S， Nitnara C. A fuzzy logic combined with LP model for performance evaluation to distribute purchase orders in cluster manufacturing [J]. Procedia Manufacturing， 2019， 30： 19-25.

[22] 伍俊舟， 王玫， 袁敏. 基于模糊可拓層次分析法的機(jī)電產(chǎn)品再制造性評(píng)價(jià)方法及應(yīng)用[J]. 組合機(jī)床與自動(dòng)化加工技術(shù)， 2016（9）： 153-156.

Wu Junzhou， Wang Mei， Yuan Min.Evaluation method and application of mechanical and electrical products' remanufacture?ability based on fuzzy?EAHP [J]. Modular Machine Tool amp; Automatic Manufacturing Technique， 2016（9）： 153-156.

[23] 戴寧， 萬林林. 基于組合賦權(quán)TOPSIS模型的工藝參數(shù)決策方法[J]. 機(jī)械制造與自動(dòng)化， 2022， 51（4）： 107-112.

Dai Ning， Wan Linlin. Decision making method of process parameters based on TOPSIS model with combination weight [J]. Machine Building amp; Automation， 2022， 51（4）： 107-112.

[24] 徐淑珍， 熊宗慧， 袁逸萍， 等. 基于EAHP的農(nóng)機(jī)供應(yīng)鏈服務(wù)質(zhì)量評(píng)價(jià)應(yīng)用[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)， 2021， 42（1）： 166-172.

Xu Shuzhen， Xiong Zonghui， Yuan Yiping， et al. Application of agricultural machinery supply chain service quality evaluation based on EAHP [J]. Journal of Chinese Agricultural Mechanization， 2021， 42（1）： 166-172.