供应商选择是供应链采购决策的一项重要内容。对大多数企业来说，采购成本占产品总成本的70％以上，合理的选择供应商将降低企业成本、增加企业柔性、提高企业的竞争力。目前供应商选择的研究工作主要集中在选择方法和评价指标上，对评价数据的来源研究较少。由于影响供应商选择的因素有很多，评价数据的来源大致分为2类：专家打分法(定性)、统计当前和历史的客观数据(定量)。用来选择的评价数据的获取多采用人工收集的方式，效率不高且费时，这样就导致评价间隔时间较长，数月评价一次，而在此期间可能有多次采购活动，因此，评价的时效性不强。
动智能体技术，可自动的从供应商处获取评价数据，将数据采集的时间问隔缩短，提高了数据的时效性，实现了供应商的自动选择。但该方法使得用于评价的指标偏少，且仅考虑了定量的情况。本文提出使用移动智能体自动获取评价数据的同时，引入信息可信度、AHP，增加评价指标，考虑评价数据的时效性后，再从定量和定性两方面来进行评价。
1 基于移动智能体的供应商评价数据收集模型
1.1 移动智能体在供应链中的应用
移动智能体系统是一个代替人或其他程序执行某种任务的程序，它在复杂的网络系统中能自主地从一台主机移动到另一台主机，该程序能够选择何时、何地移动。在移动时，该程序可以根据要求挂起其运行，然后转移到网络的其他地方重新开始或继续其执行，最后返回结果和消息，其技术优势包括：①节约网络带宽；②封装网络协议；③支持异步自主执行；④支持平台无关性；⑤易于分发服务；⑥支持实时的远程交互；⑦具有动态适应性；⑧增强应用的鲁棒性和容错能力。
鉴于移动智能体的以上技术优势，很多学者将其应用引入到供应链管理之中。刘西林等针对供应链管理模式的动态性和不确定性特点，将移动Agent引入智能分布式供应链系统，建立了基于移动智能体供应链系统运行体系。王崇海等给出了基于移动智能体的物流管理系统的体系结构、物流实体行为交货过程及物流服务移动智能体的BPG规范化模型，并开发了应用系统。Trappey等使用移动智能体技术开发了基于互联网的跨企业物流服务跟踪系统。ChiBin Cheng等提出使用移动智能体技术在供应商与核心企业之间传递信息，获取订单相关信息，根据交货及生产等情况来自动的选择供应商，并对订单进行了跟踪。
1.2 基于移动智能体的供应商评价数据收集模型
由于供应链环境的分布性、异构性、动态性、跨组织性，在目前多采取人工的方式对供应商的评价数据进行收集。而供应商的数量和评价指标较多，导致沟通成本高，时间漫长。
移动智能体可以较好的解决分布、异构、动态环境下的信息检索任务，本文给出了一个基于移动智能体的供应商评价数据收集模型，如图1所示。
在图1中，数据收集中心根据用户输入，生成查询agent，迁移到供应商数据中心及本地数据服务器查询相关数据，查询完毕后，agent将结果返回。
主计算环境的组成结构如图2所示。子计算环境的组成结构如图3所示。下面详细说明这些agent的主要作用。
用户界面agent：主要负责与用户交互。一方面负责接受用户的输入，获取查询条件；另一方面将查询的信息输出给用户。
任务agent：一方面，根据用户界面agent的输入，向本体agent发送信息，并根据其反馈信息，向移动agent管理器发出相关指令；另一方面，接受移动agent管理器反馈的查询信息，向用户界面agent反馈。
本体agent：主要为了解决供应商之间语义的异构性，它为查询提供术语概念上的一致性。
移动agent管理器：主要与任务agent交互，根据具体任务，主要负责创建或销毁相关MA。接收任务agent的输入或向其输出相关信息。
MA：负责移动到指定计算环境，并携带相关查询信息。
搜索agent：主要负责根据接收到的指令在信息数据库中查询相关信息，并将查询结果返回给MA。
2 供应商评估
2.1 信息可信度
将时间序列T表示为(t0，t1，...，tn)。形表示数据的可能的结果总数，是时间t的函数，用结果函数，(t)表示。Wm,min表示第m项指标的最小可能结果总数，Wm,min = f (t0)；Wm,max表示第m项指标的最大可能结果总数；Wm,max = fm (fmax)，显然fm(t0) < fm(fmax)。
假设每种结果发生的概率相同，根据信息熵理论，第m项指标的信息量可表示为：
根据定义1，第0时刻其信息可信度Dm,0为1，随着时间的增加而递减。
2.2 基于AHP与信息可信度的供应商评估
层次分析法(AHP)是一种定性与定量分析相结合的多目标决策分析方法。该方法简单、实用、有效，得到了广泛的运用。这种方法充分发挥人的主观能动性，在不确定的环境下，依据人的经验、直觉和洞察力作出判断，把一些定性的因素以定量的形式表示出来。在本文中，假设已由评价矩阵A求得指标权重，结合信息可信度的概念，给出基于AHP与信息可信度的供应商评估算法，步骤如下：
步骤1：由业务人员给定时间序列t及结果函数f(t)；
步骤2：根据时间变量t计算结果函f(t)；
步骤3：通过式(1)计算各指标在第i时
步骤5：计算各层次指标单排序，使用ω'计算综合评估总排序；
步骤6：算法结束。
算法考虑了评价数据的时效性，通过时间变量计算出评价数据的可信度，通过可信度重建指标权重，最后计算出综合评价总排序。在评价数据获取时间周期不一致的情况下，可以较好的完成评价任务。
3 案例分析
中国西部某企业是以批量订货模式为主的生产型制造公司。当企业获得订单后，需要准备30余种原材料及零部件。准备原材料及零部件中的重要丁作就是选择供应商(在此考虑的供应商均与该企业建立了合作伙伴关系)；某些零件需要在20多家供应商之中进行选择。在评价的指标中有的需要在供应商处进行现场审核，有的需要专家对供应商提供的资料进行打分，有的需要供应商提供如价格、生产能力、供货能力、产品不良率等可以在其ERP中查找的数据。显然，这些评价指标的收集有的非常耗时，有的则很快。目前该企业2个月进行一次供应商的评价，而在此期间可能有几十次的采购任务。对于今天瞬息万变的市场来说，需要进行多次评价。根据上面的方法，提出基于移动智能体的供应商评价系统解决这一问题，系统评价流程如图4所示。
在本文中，结果函数的定义使用简单的一次线性函数，如图5所示；已建立层次分析结构模型，并通过评价矩阵求得t0时刻综合评价总排序，如表1所示。
其中批次合格率、产品不良率、生产能力、价格使用基于移动agent的供应商评价数据收集模型来获取评价数据，周期T1为3天，而交付能力、质量体系、现场评估、服务这4个指标主要通过专家打分的方式来获取，周期T2为60天。供应商3天评价一次，因此周期T1的指标信息可信度一直为1，而根据指定的结果函数可知：交付能力、质量体系、现场评估、服务这4个指标的可信度在T2周期内不断降低，如图6所示。使用本文给出的算法可计算出综合评价总排序，如图7所示。
通过计算各指标的层次单排序，结合每一时刻的综合评价总排序，便可以得到该时刻的供应商评价排名。
4 结论
供应商的评估是供应链采购的关键环节之一。指标的确定、评价数据的获取、评价方法的选择是供应商评估的主要工作。使用基于移动智能体技术在供应商和采购商之间建立联系，可以方便快速的获取评价数据。但定性指标只能人为的获取，导致数据的时效性获取不一致，基于AHP与信息可信度的算法可以较好的解决这个问题，缩短了评价周期。
本文作者:程华 来源:万方数据
CIO之家 www.ciozj.com 微信公众号:imciow