CN112348392B - 一种基于毕达哥拉斯模糊集的可持续供应链设计特征排序方法 - Google Patents
一种基于毕达哥拉斯模糊集的可持续供应链设计特征排序方法 Download PDFInfo
- Publication number
- CN112348392B CN112348392B CN202011300519.3A CN202011300519A CN112348392B CN 112348392 B CN112348392 B CN 112348392B CN 202011300519 A CN202011300519 A CN 202011300519A CN 112348392 B CN112348392 B CN 112348392B
- Authority
- CN
- China
- Prior art keywords
- sustainable
- fuzzy
- pythagorean
- matrix
- supply chain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Biomedical Technology (AREA)
- Fuzzy Systems (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于毕达哥拉斯模糊集的可持续供应链设计特征排序方法,首先将网络层析分析法于毕达哥拉斯模糊集相结合,确定可持续客户需求的毕达哥拉斯模糊重要度;然后构建可持续客户需求与可持续供应链设计特征之间的毕达哥拉斯模糊质量屋;再结合灰色关联分析,确定可持续供应链设计特征的客观重要度,实现对可持续供应链设计特征重要度的客观、准确分析。本发明能够实现对可持续供应链设计特征重要度的准确分析,进而可以依据供应链设计特征重要度排序,进而帮助设计者发展以客户需求为导向的可持续供应链,并可为可持续供应链管理提供有效的数据支持。
Description
技术领域
本发明属于大数据应用技术领域,涉及供应链管理,尤其涉及可持续供应设计技术。
背景技术
在可持续发展背景下,可持续供应链管理(Sustainable Supply ChainManagement,SSCM)逐渐成为企业的一项重要战略。通过可持续供应链管理,能够提高企业在经济、社会、环境等方面的绩效,保持市场竞争优势。
在以客户为导向的市场中,供应链的设计特征(Design Complers,DCs)旨在满足客户需求以追求更高的客户满意度。因此,可持续供应链开发的第一步就是捕获客户需求并将其集成到供应链的设计特征中,以实现有效的供应链设计。质量功能展开(Qualityfunction deployment,QFD)是一种客户需求驱动的方法,它能有效地识别客户需求和设计特征之间的关系。虽然通过QFD将客户需求集成到可持续供应链中的研究很多,但由于QFD本身存在一些不足,难以系统、全面地理解和分析客户需求内部的复杂关系。此外,传统的QFD在分析供应链设计特征时没有考虑小样本误差,同时也难以表达设计特征之间的相关性,从而影响设计特征重要度分析的准确性。而且,传统的QFD对评价信息的不确定性和模糊性处理方面存在一定的局限性,可能导致错误的管理决策。
综上所述,如何弥补传统QFD的不足,实现对设计特征重要度的准确分析,对于可持续供应链设计及管理具有十分重要的意义。
发明内容
本发明的目的在于针对现有技术中的不足,提供一种可持续供应链优化设计方法,将网络层次分析法(Analytic Network Process,ANP)、质量功能展开(QFD)、灰色关联分析(Grey Relation Analysis,GRA)与毕达哥拉斯模糊集(Pythagoras of Samos,PFS)相结合,能够实现模糊环境下面向客户需求的可持续供应链设计特征重要度的准确分析,进而对可持续供应链设计提供参考支持。
本发明的发明思路为:首先将网络层析分析法于毕达哥拉斯模糊集相结合,确定可持续客户需求的毕达哥拉斯模糊重要度;然后构建可持续客户需求与可持续供应链设计特征之间的毕达哥拉斯模糊质量屋;再结合灰色关联分析,确定可持续供应链设计特征的客观重要度,实现对可持续供应链设计特征重要度的客观、准确分析;基于此,设计者便可对可持续供应链进行设计发展。
基于上述发明思路,本发明提供的基于毕达哥拉斯模糊集的可持续供应链设计特征排序方法包括以下步骤:
S1识别可持续客户需求;
S2基于毕达哥拉斯模糊的网络层次分析方法,获取可持续客户需求的毕达哥拉斯模糊重要度;
S3识别可持续供应链设计特征;
S4基于可持续客户需求及其毕达哥拉斯模糊重要度和可持续供应链设计特征,构建毕达哥拉斯模糊质量屋,并获取毕达哥拉斯模糊质量屋的加权关系矩阵;
S5构建参考设计特征,并依据参考设计特征与可持续供应链设计特征之间的灰色关联度,确定可持续供应链设计特征的客观重要度。
上述可持续供应链设计特征排序方法,步骤S1中,识别客户需求对于企业有效地设计供应链和提高客户满意度至关重要。供应链可持续发展的主要目标是实现经济、环境和社会三方面的可持续。基于可持续发展的目标,可通过常规的问卷调查、文献调查或专家意见来识别每个可持续目标下的主要客户需求项,从而构建可持续客户需求的层次结构。其中,Ci(i=1,2,3)表示供应链可持续发展的第i个目标,包括经济可持续(C1)、环境可持续(C2)和社会可持续(C3)。CRij表示第i个可持续目标下的第j项可持续客户需求,j=1,2,…,mi,mi为第i个可持续目标下可持续客户需求的数量。
上述可持续供应链设计特征排序方法,步骤S2中,可持续客户需求的重要度分析对可持续供应链设计特征的分析具有重要的意义。由于专家主观评价存在不精确性和不确定性,同时可持续发展目标及客户需求之间存在关联关系,本发明将网络层次分析法(ANP)与毕达哥拉斯模糊集(PFS)相结合,构建逐层递进的毕达哥拉斯模糊矩阵,通过构建的毕达哥拉斯模糊矩阵对可持续客户需求进行重要度分析。该步骤包括主要以下分步骤:
S21建立可持续客户需求的毕达哥拉斯模糊超矩阵,包括以下分步骤:
S211依据步骤S1识别出的所有可持续客户需求建立客户需求CRgl(g=1,2,3;l=1,2,…,mg),并以其作为判断准则;mg表示第g个目标下的客户需求数量;
S212得到以客户需求CRgl为准则,第i个可持续目标可持续客户需求之间的毕达哥拉斯模糊判断矩阵Bgl;
S214分别以Cg下的各客户需求项为判断准则重复步骤S212-S213,依次构建该判断准则下Ci各客户需求项之间的判断矩阵,并得到各判断矩阵对应的归一化特征向量集,基于此构建Ci下各需求项关于Cg下需求项的毕达哥拉斯模糊矩阵如下所示:
S22建立可持续目标的毕达哥拉斯模糊加权矩阵,包括以下分步骤:
S221依据所有可持续目标建立目标Cg(g=1,2,3),并以其作为判断准则;
S222得到以目标Cg为准则,各可持续目标之间的毕达哥拉斯模糊判断矩阵Bg;
S24获取可持续客户需求的毕达哥拉斯模糊重要度
进一步,通过公式(3)可以得到第i个可持续目标客户需求CRij重要度的得分Sij:
上述可持续供应链设计特征排序方法,步骤S3中,可以通过专家访谈及系统的文献研究等常规方法确定可持续供应链的主要设计特征。本发明中,以DCh(h=1,2,…,k)表示已识别的第h项可持续供应链设计特征,其中k表示设计特征的数量。
上述可持续供应链设计特征排序方法,步骤S4中,所述毕达哥拉斯模糊质量屋除了可持续客户需求及其毕达哥拉斯模糊重要度和可持续供应链设计特征外,还包括待确定的可持续客户需求与可持续供应链设计特征的加权关系矩阵以及待确定的可持续供应链设计特征重要度。
在可持续供应链设计中,确定可持续客户需求与设计特征之间的关系至关重要。在此步骤中,可以邀请专家采用毕达哥拉斯模糊集语言量表及相应的模糊数来描述每一对可持续客户需求和设计特征的关联强度,从而完成毕达哥拉斯模糊质量屋的构建,即得到可持续客户需求和设计特征的关系矩阵G′,关系矩阵中 表示可持续客户需求CRij与设计特征DCh之间的关联强度。
基于可持续客户需求的重要度,根据公式(4)对毕达哥拉斯模糊质量屋的关系矩阵进行加权,可得到毕达哥拉斯模糊质量屋的加权关系矩阵G:
上述可持续供应链设计特征排序方法,步骤S5中,基于灰色关联分析来获取可持续供应链设计特征的重要度。为此,需要给出两个比较序列。
然后,根据公式(6)-(9)计算得到参考设计特征DCref与设计特征DCh之间的灰色关联度:
与现有技术相比,本发明提供的基于毕达哥拉斯模糊集的可持续供应链设计特征排序方法具有以下有益效果:
(1)本发明利用毕达哥拉斯模糊集来描述各可持续客户需求之间的关联强度,并结合网络层次分析法,通过可持续客户需求、可持续目标层层递进的方式来确定可持续客户需求重要度,这样能够更加系统、全面地理解和分析各可持续客户需求内部的复杂关系,能够更加合理有效确定可持续客户需求重要度。
(2)本发明在毕达哥拉斯模糊质量屋构建过程中,利用可持续客户需求重要度来对可持续客户需求与可持续供应链设计特征之间的关系矩阵进行加权约束,这样可以把客户需求引入可持续供应链设计特征的排序中,进而帮助设计者发展以客户需求为导向的可持续供应链,并可为可持续供应链管理提供有效的数据支持。
(3)本发明利用毕达哥拉斯模糊质量屋的加权关系矩阵构建参考设计特征,并基于灰度关联分析,获取参考设计特征与可持续供应链设计特征之间的灰色关联度,进一步依据灰色关联度确定可持续供应链设计特征重要度,由于将各设计特征之间的关联系考虑在内,从而能够进一步提升设计特征重要度分析的准确性,进而使可持续供应链设计得到提升。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,以下将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,以下描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图所示实施例得到其它的实施例及其附图。
图1为本发明可持续供应链设计特征排序方法的原理示意图。
图2为本发明可持续客户需求层次结构示意图。
图3为本发明实施例中给出的家电制造的可持续供应链中可持续客户需求层次结构示意图。
图4为毕达哥拉斯模糊集语言量表及相应的模糊数。
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述,显然,所描述实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
实施例
为了说明本发明所提供的可持续供应链设计特征排序方法的实用性,本发明以中国某家电制造商M公司为例进行了案例研究。由于可持续性概念在全球的崛起,M公司将可持续供应链设计制定为一项重要战略,以提高企业在经济、社会、环境等方面的绩效,保持市场竞争优势。因此,M公司希望探索一种系统的设计特征排序方法,指导他们在考虑可持续客户需求的情况下,确定设计特征的重要度。
本实施例提供的可持续供应链设计特征排序方法,如图1所示,包括以下步骤:
S1识别可持续客户需求。
如图2所示,基于可持续发展的经济可持续、环境可持续和社会可持续三个目标,通过常规的问卷调查、文献调查或专家意见来识别每个可持续目标下的主要客户需求项,从而构建可持续客户需求的层次结构。本实施例中,Ci(i=1,2,3)表示供应链可持续发展的第i个目标,包括经济可持续(C1)、环境可持续(C2)和社会可持续(C3)。CRij表示第i个可持续目标下的第j项可持续客户需求,j=1,2,…,mi,mi为第i个可持续目标下可持续客户需求的数量。
针对家电制造商M公司,本实施例中,通过问卷调查、文献调查或专家意见等方法,识别出供应链管理中经济、环境和社会三个可持续目标下的12项可持续客户需求,如图3所示。从图中可以看出,经济目标(C1)下的可持续客户需求包括“降低成本(CR11)”、“资产利用率(CR12)”、“质量改进(CR13)”和“加强客户服务(CR14)”;环境目标(C2)下的可持续客户需求包括“减少废物(CR21)”、“减少排放(CR22)”、“能源效益(CR23)”和“节约自然资源(CR24)”;社会目标(C3)下的可持续客户需求包括“减少对社会的影响(CR31)”、“健康和安全(CR32)”、“商业信任与信誉(CR33)”和“遵守法律法规(CR34)”。
S2基于毕达哥拉斯模糊的网络层次分析方法,获取可持续客户需求的毕达哥拉斯模糊重要度。
本步骤的目的是确定可持续客户需求重要度,该步骤的实现具体包括以下分步骤:
S21建立可持续客户需求的毕达哥拉斯模糊超矩阵,包括以下分步骤:
S211依据步骤S1识别出的所有可持续客户需求建立客户需求CRgl(g=1,2,3;l=1,2,…,mg),并以其作为判断准则。
本实施例中,以各目标下的所有可持续客户需求依次作为判断准则。
S212得到以客户需求CRgl为准则,第i个可持续目标可持续客户需求之间的毕达哥拉斯模糊判断矩阵Bgl;
在该部分中,专家采用图4中的毕达哥拉斯模糊集语言量表(1)依次将Ci(i=1,2,3)下的需求项依据其与客户需求CRgl的相关度进行两两比较,以得到关于客户需求CRgl相关度的判断矩阵Bgl,见表1所示。
表1可持续客户需求的毕达哥拉斯模糊判断矩阵Bgl
例如,在识别出可持续客户需求之后,以CR11为判断准则,邀请专家将经济可持续目标C1下各项客户需求CR12、CR13、CR14,依据其与CR11之间的相关度进行两两比较,并采用图4中的毕达哥拉斯模糊集语言量表(1)及相应模糊数表达评价值,从而得到C1下各项客户需求关于CR11的毕达哥拉斯模糊判断矩阵,如表2所示。依次类推,可得到C2及C3下各项客户需求关于CR11的毕达哥拉斯模糊判断矩阵,如表3及表4所示。
表2经济目标下各可持续客户需求关于CR11的毕达哥拉斯模糊判断矩阵
表3环境目标下各可持续客户需求关于CR11的毕达哥拉斯模糊判断矩阵
表4社会目标下各可持续客户需求关于CR11的毕达哥拉斯模糊判断矩阵
本实施例中,依据C1下各项客户需求关于CR11的毕达哥拉斯模糊判断矩阵(见表3),通过特征根法,分别确定出该矩阵的隶属度特征向量和非隶属度特征向量,得到判断矩阵对应的归一化特征向量集,从而得到C1下各项客户需求关于客户需求CR11的相对重要度,见表2所示。
采用特征根法获取隶属度特征向量为求解矩阵的特征根问题,即:
AW=λmaxW;
式中,A表示由判断矩阵Bgl中隶属度元素构成的矩阵,λmax表示A的最大特征根,W表示相应的最大特征根的特征向量。
求解得到的W经归一化后作为本实施例中的隶属度特征向量。
非隶属度特征向量获取方式相同。
同样地,依据C2/C3下各项客户需求关于CR11的毕达哥拉斯模糊判断矩阵(见表4/表5),通过特征根法,分别确定出该矩阵的隶属度特征向量和非隶属度特征向量,判断矩阵对应的归一化特征向量集,从而得到C2/C3下各项客户需求关于客户需求CR11的相对重要度,见表3/表4所示。
S214分别以Cg下的各客户需求项为判断准则重复步骤S212-S213,依次构建该判断准则下Ci各客户需求项之间的判断矩阵,并得到各判断矩阵对应的归一化特征向量集,将所得特征向量合并得到Ci下各需求项关于Cg的毕达哥拉斯模糊矩阵如下所示:
本实施例中,分别以各客户需求项为判断准则,重复上述步骤S212~S214,依次构建该判断准则下各客户需求项之间的判断矩阵,并得到各矩阵对应的归一化特征向量,将所得特征向量合并得到各客户需求关于判断准则的相对重要度,即毕达哥拉斯模糊超矩阵,如表5所示。
表5可持续客户需求的毕达哥拉斯模糊超矩阵
S22建立可持续目标的毕达哥拉斯模糊加权矩阵,包括以下分步骤:
S221依据所有可持续目标建立目标Cg(g=1,2,3),并以其作为判断准则。
本实施例中,以各可持续目标依次作为判断准则。
S222得到以目标Cg为准则,各可持续目标之间的毕达哥拉斯模糊判断矩阵Bg;
在该部分中,专家采用图4中的毕达哥拉斯模糊集语言量表(1)及相应模糊数依次将Ci(i=1,2,3)下与目标Cg的相关度进行两两比较,以得到关于目标Cg相关度的判断矩阵Bg。
这里判断矩阵Bg对应的归一化特征向量集的确定方法与前面步骤S213中判断矩阵Bgl对应的归一化特征向量集确定方法相同,这里不再详细解释。
本实施例中,依次以经济可持续目标、环境可持续目标和社会可持续目标作为判断准则,重复步骤S222~S223,构建可持续目标之间的毕达哥拉斯模糊判断矩阵,并计算对应的归一化特征向量,将所得特征向量合并得到经济可持续目标、环境可持续目标和社会可持续目标关于判断准则的相对重要度,即毕达哥拉斯模糊加权矩阵,如表6所示。
表6可持续目标的毕达哥拉斯模糊权矩阵
本实施例中,根据公式(1)对毕达哥拉斯模糊超矩阵进行加权,得到毕达哥拉斯模糊加权超矩阵,其结果表7所示。
表7可持续客户需求的毕达哥拉斯模糊加权超矩阵
S24获取可持续客户需求的毕达哥拉斯模糊重要度。
进一步,通过公式(3)可以得到第i个可持续目标客户需求CRij重要度的得分Sij:
本实施例中,根据公式(2)对毕达哥拉斯模糊超矩阵进行聚合,得到可持续客户需求的毕达哥拉斯模糊重要度,然后根据公式(3)得到可持续客户需求的重要度得分,得到的可持续客户重要度和得分如表8所示。
表8可持续客户需求的毕达哥拉斯模糊重要度和得分
S3识别可持续供应链设计特征。
本步骤中,可以通过专家访谈及系统的文献研究等常规方法确定可持续供应链的主要设计特征。本发明中,以DCh(h=1,2,…,k)表示已识别的第h项可持续供应链设计特征,其中k表示设计特征的数量。
本实施例中,针对家电制造,通过专家咨询和文献研究识别出20项可持续供应链设计特征,如表9所示。
表9可持续供应链设计特征
S4基于可持续客户需求及其毕达哥拉斯模糊重要度和可持续供应链设计特征,构建毕达哥拉斯模糊质量屋。
毕达哥拉斯模糊质量屋除了可持续客户需求及其毕达哥拉斯模糊重要度和可持续供应链设计特征外,还包括待确定的可持续客户需求与可持续供应链设计特征的关系矩阵以及待确定的可持续供应链设计特征重要度。
在可持续供应链设计中,确定可持续客户需求与设计特征之间的关系至关重要。在此步骤中,可以邀请专家采用毕达哥拉斯模糊集语言量表及相应的模糊数来描述每一对可持续客户需求和设计特征的关联强度,从而完成毕达哥拉斯模糊质量屋的构建,即得到可持续客户需求和设计特征的关系矩阵G′,关系矩阵中 表示可持续客户需求CRij与设计特征DCh之间的关联强度,如表10所示。
表10毕达哥拉斯模糊关系矩阵G′
然后,基于可持续客户需求的重要度,根据公式(4)对毕达哥拉斯模糊质量屋进行加权,可得到毕达哥拉斯模糊加权关系矩阵G:
本实施例中,邀请专家评价所识别可持续客户需求及设计特征之间的关联强度,并采用图4中的毕达哥拉斯模糊集语言量表(2)及相应模糊数来表达评价值,从而进一步完善可持续供应链的毕达格拉斯模糊质量屋的构建,如表11所示。
表11可持续供应链的毕达格拉斯模糊质量屋
S5构建参考设计特征,并依据参考设计特征与可持续供应链设计特征之间的灰色关联度,确定可持续供应链设计特征的客观重要度。
然后,根据公式(6)-(9)计算得到参考设计特征DCref与设计特征DCh之间的灰色关联度:
其中,表示关联强度的犹豫度;和分别表示关联强度与之间的距离和灰色关联系数;取由公式(7)计算得到的(m1+m2+m3)×k矩阵中各列最小值中的最小值;取由公式(7)计算得到的(m1+m2+m3)×k矩阵中各列最小值中的最大值;取由公式(7)计算得到的(m1+m2+m3)×k矩阵中各列最大值中的最大值;ρ表示区分系数,一般取0.5;R(Gref,Gh)表示参考设计特征DCref和设计特征DCh之间的灰色关联度。
本实施例中,根据公式(5)可以确定参考设计特征对应的参考序列。根据公式(6)-(9),计算参考设计特征与各设计特征之间的灰色关联度,如表12所示。基于灰色关联度,应用公式(10)确定设计特征的客观重要度,其结果如表12所示。从表12中可以看出,DC10(环境管理系统)、DC19(利益相关者的权利)和DC12(可持续产品设计)具有较高的重要度,而DC17(员工实践)的重要度最低。
表12可持续供应链设计特征的重要度及排序
通过本实施例方法,能够实现对可持续供应链设计特征重要度的准确分析,进而可以依据供应链设计特征重要度排序,帮助设计者可以在可持续供应链设计过程中不断发展以客户需求为导向的可持续供应链设计,并可为可持续供应链管理提供有效的数据支持。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (4)
1.一种基于毕达哥拉斯模糊集的可持续供应链设计特征排序方法,其特征在于包括以下步骤:
S1识别可持续客户需求;
S2基于毕达哥拉斯模糊的网络层次分析方法,获取可持续客户需求的毕达哥拉斯模糊重要度;该步骤包括以下分步骤:
S21建立可持续客户需求的毕达哥拉斯模糊超矩阵;该步骤包括以下分步骤:
S211依据步骤S1识别出的所有可持续客户需求建立客户需求CRgl,g=1,2,3;l=1,2,…,mg,并以其作为判断准则;mg表示第g个目标下的客户需求数量;
S212得到以客户需求CRgl为准则,第i个可持续目标可持续客户需求之间的毕达哥拉斯模糊判断矩阵Bgl;
S214分别以Cg下的各客户需求项为判断准则重复步骤S212-S213,依次构建该判断准则下Ci各客户需求项之间的判断矩阵,并得到各判断矩阵对应的归一化特征向量集,基于此构建Ci下各需求项关于Cg下需求项的毕达哥拉斯模糊矩阵如下所示:
S22建立可持续目标的毕达哥拉斯模糊加权矩阵;该步骤包括以下分步骤:
S221依据所有可持续目标建立目标Cg,g=1,2,3,并以其作为判断准则;
S222得到以目标Cg为准则,各可持续目标之间的毕达哥拉斯模糊判断矩阵Bg;
S23将可持续目标的毕达哥拉斯模糊加权矩阵与可持续客户需求的毕达哥拉斯模糊超矩阵相乘,即得到可持续客户需求的毕达哥拉斯迷糊加权超矩阵;
S24基于可持续客户需求的毕达哥拉斯模糊加权超矩阵,应用毕达哥拉斯模糊加权平均算子得到可持续客户需求的毕达哥拉斯模糊重要度;
进一步,通过公式(3)可以得到第i个可持续目标客户需求CRij重要度的得分Sij:
S3识别可持续供应链设计特征;
S4基于可持续客户需求及其毕达哥拉斯模糊重要度和可持续供应链设计特征,构建毕达哥拉斯模糊质量屋,并获取毕达哥拉斯模糊质量屋的加权关系矩阵;
S5构建参考设计特征,并依据参考设计特征与可持续供应链设计特征之间的灰色关联度,确定可持续供应链设计特征的客观重要度。
2.根据权利要求1所述基于毕达哥拉斯模糊集的可持续供应链设计特征排序方法,其特征在于步骤S4中,所述毕达哥拉斯模糊质量屋除了可持续客户需求及其毕达哥拉斯模糊重要度和可持续供应链设计特征外,还包括待确定的可持续客户需求与可持续供应链设计特征的加权关系矩阵以及待确定的可持续供应链设计特征重要度;
采用毕达哥拉斯模糊集语言量表及相应的模糊数来描述每一对可持续客户需求和设计特征的关联强度,从而完成毕达哥拉斯模糊质量屋的构建,即得到可持续客户需求和设计特征的关系矩阵G′,关系矩阵中k表示可持续客户需求CRij与设计特征DCh之间的关联强度;
基于可持续客户需求的重要度,根据公式(4)对毕达哥拉斯模糊质量屋的关系矩阵进行加权,可得到毕达哥拉斯模糊质量屋的加权关系矩阵G:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011300519.3A CN112348392B (zh) | 2020-11-19 | 2020-11-19 | 一种基于毕达哥拉斯模糊集的可持续供应链设计特征排序方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011300519.3A CN112348392B (zh) | 2020-11-19 | 2020-11-19 | 一种基于毕达哥拉斯模糊集的可持续供应链设计特征排序方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112348392A CN112348392A (zh) | 2021-02-09 |
CN112348392B true CN112348392B (zh) | 2022-04-08 |
Family
ID=74363121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011300519.3A Active CN112348392B (zh) | 2020-11-19 | 2020-11-19 | 一种基于毕达哥拉斯模糊集的可持续供应链设计特征排序方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112348392B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111159911A (zh) * | 2020-01-02 | 2020-05-15 | 上海大学 | 一种基于毕达哥拉斯模集和topsis的改进fmea方法 |
CN111260437A (zh) * | 2020-01-14 | 2020-06-09 | 北京邮电大学 | 一种基于商品方面级情感挖掘和模糊决策的产品推荐方法 |
CN111784109A (zh) * | 2020-06-01 | 2020-10-16 | 上海大学 | 一种基于毕达哥拉斯模糊集和vikor的供应商选择方法 |
-
2020
- 2020-11-19 CN CN202011300519.3A patent/CN112348392B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111159911A (zh) * | 2020-01-02 | 2020-05-15 | 上海大学 | 一种基于毕达哥拉斯模集和topsis的改进fmea方法 |
CN111260437A (zh) * | 2020-01-14 | 2020-06-09 | 北京邮电大学 | 一种基于商品方面级情感挖掘和模糊决策的产品推荐方法 |
CN111784109A (zh) * | 2020-06-01 | 2020-10-16 | 上海大学 | 一种基于毕达哥拉斯模糊集和vikor的供应商选择方法 |
Non-Patent Citations (4)
Title |
---|
A pythagorean fuzzy AHP approach and its application to evaluate the enablers of sustainable supply chain innovation;Pankaj C.Shete 等;《Sustainable Production and Consumption》;20200516;第23卷;77-93 * |
基于Pythagorean模糊信息的多属性群决策方法及应用研究;沈志杰;《中国优秀硕士学位论文全文数据库基础科学辑》;20200415(第04期);A002-49 * |
基于Pythagorean模糊集的可持续实验室评价方法;祝玉婷;《中国优秀硕士学位论文全文数据库基础科学辑》;20200415(第04期);A002-45 * |
基于区间二型模糊决策信息的绿色供应商选择研究;刘宽;《中国优秀硕士学位论文全文数据库经济与管理科学辑》;20190715(第07期);J152-1026 * |
Also Published As
Publication number | Publication date |
---|---|
CN112348392A (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liao et al. | Integrated FAHP, ARAS-F and MSGP methods for green supplier evaluation and selection | |
Coccia | A basic model for evaluating R&D performance: theory and application in Italy | |
Chang et al. | Evolving neural network for printed circuit board sales forecasting | |
Zhong et al. | Knowledge management of product design: A requirements-oriented knowledge management framework based on Kansei engineering and knowledge map | |
Taherdoost | Analysis of Simple Additive Weighting Method (SAW) as a Multi-Attribute Decision-Making Technique: A Step-by-Step | |
CN111242471A (zh) | 一种以农民合作社为主导的供应链选择销售企业的指标体系 | |
CN109559033B (zh) | 一种面向云设计制造模式的社交化团队成员优选方法 | |
CN115330555A (zh) | 一种基于数字画像的ies综合效益评价方法 | |
Shiri Daryani et al. | Inverse DEA in two-stage systems based on allocative efficiency | |
Sandeep et al. | Application of fuzzy SMART approach for supplier selection | |
Liu et al. | The product marketing model of the economic zone by the sensor big data mining algorithm | |
CN112348392B (zh) | 一种基于毕达哥拉斯模糊集的可持续供应链设计特征排序方法 | |
CN106251015A (zh) | 基于电力‑经济双向维度的景气指数体系构建及预测方法 | |
CN116049543A (zh) | 综合能效服务业务混合推荐方法、系统及存储介质 | |
CN114048977A (zh) | 一种工程师分级方法、装置及终端设备 | |
CN115829683A (zh) | 一种基于逆奖赏学习优化的电力积分商品推荐方法及系统 | |
Tooranloo et al. | IT outsourcing through group decision-making based on the principles of interval-valued intuitionistic fuzzy theory | |
Karamaşa et al. | Determining the green supplier selection criteria in textile enterprises and selecting the most ideal distribution model: A case study of Gi̇resun | |
Zhao et al. | The evaluation of the business operation performance by applying grey relational analysis | |
Widiyawati et al. | Selection Of The Best Employees Using The Complex Proportional Assessment Method | |
Salman et al. | Incorporating diversity in academic expert recommendation | |
CN110928924A (zh) | 基于神经网络的电力系统客户满意度分析与预测方法 | |
Sandu et al. | The R&D and innovation systems in Romania and Bulgaria in the EU context | |
CN112184075B (zh) | 一种可持续供应链风险分析方法 | |
Suprihanto et al. | Determination of weighting assessment on DREAD model using profile matching |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |