一般来讲,协同设计是指在计算机技术的支持
环境下,一个群体协同工作完成一项设计任务。产品
协同设计过程是由动态的协同企业联盟实现的,战
略协同伙伴的选择是一个十分重要的问题,它直接
关系到产品设计的成败。同时战略协同伙伴的选择
与优化,又是协同设计过程中的一个重要阶段,在这
个阶段中,必须全面权衡各种因素[1],对潜在的候选
个体进行全面考察,并从中选出最优的伙伴组合。因
此,合作伙伴的选择是协同设计管理技术的一个重
要组成部分[2]。
一、CDP对战略协同伙伴的要求
综合近年来协同设计理论的发展和一些跨国公
司的实践经验,一个好的协同战略联盟应具备一些
基本条件,如较高的核心竞争力、相同或相近的企业
战略、低成本、敏捷性、风险最小化等。产品协同设计
发起企业在选择协同伙伴时除应考虑上述基本原则
外,还应考虑以下因素:①技术水平,指战略伙伴提
供的技术参数应达到要求且具备产品开发和改进设
计项目的能力;②产品质量,指合作伙伴必须具备良
好的质量保证体系,能够满足所提供产品设计在生
产、装配和实际使用全过程的质量要求;③后续技
术,良好的技术支持是建立和维护供需双方战略合
作伙伴关系的关键,同时,也有利于对设计产品质量
等方面的信息进行交流;④设计准确率,指战略合作
伙伴关系要求建立在供需双方信息及时沟通的基础
上,因此对合作伙伴的设计准确率要求较高;⑤快速
响应能力,指随着信息技术在供应链管理中的应用,
要求供应商对客户需求的变化给以快速的响应;⑥
一致性,指为了保证产品的协同设计,要求在计算机
与信息技术应用的先进性上应具有较好的一致性。
二、CPD战略协同伙伴的选择过程
产品协同设计伙伴选择机制是由产品设计、制造
企业对其客户所需产品进行详细分析与分解后,从不
同的角度,建立起的一套公正、合理又能全面反映问
题的评价选择步骤体系,该体系应满足以下基本原
则:系统全面性原则、简明科学性原则、稳定可比性原
则、灵活可操作性原则、动态适应性原则。本文在部分
文献所做工作的基础上,根据合作伙伴选择的实际,
提出了较为简洁实用的选择步骤,如图1所示。本文
设计的伙伴选择理论框架中提出候选伙伴有效性初
选和有效伙伴优化选择两个关键步骤分别对应用来
评价企业本身内部竞争优势和企业之间合作相容性。
收稿日期:2007-04-03
作者简介:李传学(1969—),男,高级工程师,博士研究生,研究方向为战略管理,E-mail:tizhenghui@
CPD战略协同伙伴的选择与优化研究
李传学,汪波
(天津大学 管理学院,天津 300072)
摘 要:产品协同设计(CPD,Collaborativeproductdesign)模式下,为从众多候选企业中选择出合适而可靠的战略协
同合作伙伴组成协同联盟,应具备完善的合作伙伴评价方法。文章给出合作伙伴选择与评价的 2阶段模型,说明产
品协同设计合作伙伴的选择过程,从而达到优选的目的。
关键词:协同设计;DEA;AHP;遗传算法
中图分类号:C962 文献标识码:A 文章编号:1009-3370(2007)05-0073-04
第9卷第5期 北 京 理 工 大 学 学 报 (社 会 科 学 版 )
2007年10月 JOURNALOF BEIJING INSTITUTEOFTECHNOLOGY(SOCIALSCIENCESEDITION)
73- -
1.第一阶段:初步选择
经过任务分解和市场情况分析后,确定候选伙
伴的范围,需要对潜在的候选企业进行个体多目标
分析,对其进行核心能力的评价[3]。
2.第二阶段:候选伙伴优选
战略伙伴选择优化所强调的快速响应市场需
求、战略管理、高柔性、低风险、成本———效益目标等
优势[4],都是靠权威企业与其协作的合作伙伴企业来
共同缔造的,在这方面,一些著名企业通过运用与合
作伙伴的协同机制,增强了国际竞争力,这些事实使
人相信,任何一个企业只有从战略全局的角度来考虑
企业的整个生产经营活动,形成这方面的核心能力,
才有可能提升企业的竞争力,取得竞争的主动权。
三、选择与优化模型
1.基于偏好DEA/AHP的候选伙伴初选
本文提出的含偏好信息的DEA/AHP方法,是将
所有的决策单元(DMU)两两分成一组,分别运用含
偏好信息的DEA模型进行比较,构造一个两两效率
值比较的判断矩阵,然后运用层次分析法解出最大
的特征值和相应的特征向量,根据特征向量的大小
顺序排出决策单元的优先排序。
该模型分两步完成:首先,将所有的决策单元两
两任意结合成一组,如有n个决策单元,那么共有
C2n组,运用含偏好信息的DEA方法分别对这些组
求解有效值,其次,根据上一步求得的有效值,进行
两两比较求得AHP的构造矩阵,然后运用AHP方
法对所有决策单元进行全排序。
(1)含偏好信息的DEA模型构造判断矩阵
假设有n个决策单元,每个决策单元具有 m个
输入指标和s个输出指标。其输入指标最后p个分
量有如下偏好序
vm-p+1>vm-p+2>Λ>vm≥ε
其输出指标最后q个变量有如下偏好序
us-q+1>us-q+2>Λ>us≥ε
这里现任意选出两个决策单元 1和 2进行举
例,计算它们的有效值。因为即使相对有效值为1的
决策单元在总体上也不一定都好,它们或许只是在
不合适的或不现实的权重结构下,相对有效值达到
1,可能只是在对它们最有利的极少的输入、输出项
目上权重过大,而忽视了其他的输入、输出项目。为
了避免不现实的权重结构,采用带偏好的 DEA模
型;为了区分决策单元是否在总体上比较好,本文采
用的是交叉效率评价。交叉效率评价提供在其他决
策单元最有利的权重下,一个决策单元的交叉有效
性。具体模型如下:
maxh11=
s
r=1
"uryr1
m
i=1
"vixij-
s
r=1
"uryrj≥0j=1,2
ui≥ε,i=1,Λ,s-q,s,
uj+1-uj≤0,j=s-q+1,Λ,s-1,
vk≥ε,k=1,Λ,m-p,m
vl+1-vl≤0,l=m-p+1,Λm-1
%
’
’
’
’’
&
’
’
’
’’
( ,
(1)
maxh21=
s
r=1
)uryr2
s
r=1
)uryr1-h11
m
i=1
)vixi1=0
m
i=1
)vixi2=1,
s
r=1
)uryr2≤1
u≥εe
T
,v≥εê
T
%
’
’
’
’
&
’
’
’
’
(
(2)
同样地,可以计算出hbb和hab。
那么,对于决策单元1和2的效率比值为
a12=
h11+h12
h22+h21
一般地,对于n个决策单元两两效率比值公式
aij=
hii+hij
hjj+hji
,aij=1aij,aii=1
因此,由上面的 DEA方法可以构造出 n×n矩
阵。并且该方法构造的判断矩阵不包含主观性,不需
要进行一致性检验。
(2)AHP方法排序
根据在上一步骤中由DEA法求得的两两比较判
断矩阵,运用层次分析法解出最大的特征值和相应的
特征向量。因为这里的AHP只有一层,所以排列在第j
位的特征向量也就反映了第j个决策单元的优先度。
2.基于遗传算法的候选伙伴优选
根据上文提到的战备伙伴选择的基本原则,我
们应用遗传算法进行候选伙伴的优化选择。
假定候选企业集为ΩI×J,其中,J为企业类型集,I
为候选伙伴集。例如我们可以用uij表示第j个类型
中第i个候选伙伴。
为了保证选择最优的战略伙伴组合,我们定义
目标函数为
minC=(
J
j=1
)
I
i=1
)(Cij·Hij)+12j′≠j″)i′≠i″)(Ci′j′i″j″·Hi′j′·Hi″j″)
minT=
J
j
)max(Tij·Hij)
minR=
J
j
)max(Rij·Hij
%
’
’
’
&
’
’
’
(
)
i∈[1,I]
i∈[1,I]
北 京 理 工 大 学 学 报 (社 会 科 学 版 ) 2007年 第 5期
74- -
其中,Hij为伙伴选择变量:Hij=
1,候选伙伴uij被选择
0,候选伙伴uij被弃
!
选
Cij为候选伙伴uij的内在成本;Ci′j′i″j″为候选伙伴
ui′j′和 ui″j″之间的联结成本;Tij为候选伙伴 uij的反应
时间;Rij为候选伙伴uij的风险度量。
根据遗传算法的特点,我们很自然的用每一个
染色体来表述一组候选战略合作伙伴组合。
显然合作伙伴选优问题可以归纳为多目标规划问
题,本文采用线性加权法构造适应度函数
f(x)=λ1minC+λ2minT+λ3minR
其中
3
i=1
"λi=1
四、实例分析
本文给出以下实证来验证上述模型的可行性。
某企业接受了某跨国公司某项新产品的设计任
务,由于其本身的设计水平不具备全程完成客户产
品设计任务的能力,因此该企业将该项产品设计任
务分包出去,具体分为三块内容,即三个环节,
该企业发出业务委托后,第一个环节有2家企
业,第二个环节有2家企业,第三个环节有9家
企业愿意参与合作,该企业打算在每个环节各
选择出一个协同设计合作伙伴,使得整个的产品设
计要求达到跨国公司的产品设计要求。以下运用上
述模型进行求解,由于在第一和第二个环节候选设
计企业较少,因此不必使用 DEA的初选,所以含偏
表1 子环节三的DEA分析
DMU1 DMU2 DMU3 DMU4 DMU5 DMU6 DMU7 DMU8 DMU9
投
入
x1 18 26 26 50 34 24 37 14 51
x2 256 252 320 775 234 270 661 347 1430
x3 105 530 408 85 290 400 133 550
17 11 26 6 6 16 9 6 y1
产
出
76 129 291 115 75 132 81 118 y2
42 112 116 87 33 40 30 18 y3
y4
589
19
188
170
好信息的 DEA/AHP分析方法主要针对第三个环节
的9家设计企业。在第二阶段再对三个环节的初选
企业进行优化选择。
1.子环节三的候选伙伴初选
根据实际情况,建立投入产出指标,各指标数据
见表1。
其中,投入指标:x1为人员科研力量,根据科研
人员各级职称人数加权求和;x2为近 5年以来科研
经费数;x3为近5年以来仪器设备投资数。
产出指标:y1为目前承担国家级、省部级科研项
目;y2为近5年以来国内外一级刊物上发表论文数;
y3为企业交流(人次);y4为产品设计准时率。
求解得交叉效率矩阵
效率指标θk=hkk,即
θ=[
]
9个决策单元中有6个为技术有效,得到第1、
2、3、4、5、8个企业为技术有效型企业。
经过AHP计算,得排序向量
h=[
]
可以看出4、1、3企业为初选有效企业。
2.基于遗传算法的候选伙伴优选
通过上述计算,对子环节一的 2个候选伙伴、
子环节2的2个候选伙伴以及子环节3的三个候选
伙伴进行优选,各候选伙伴数据见表2。限于文章
篇幅,此处略去评估企业风险 Rij的计算
过程。对遗传算法采用 Matlab变成进行
了仿真,取初始种群为 20,交叉概率为
,变异概率为 ,进化代数为 500
代,权重 λ1=λ2=;λ3=,经计算,
最大适应度稳定在 ,保留了最优
结构,且收敛较快,说明了算法的有效
性。
CPD战 略 协 同 伙 伴 的 选 择 与 优 化 研 究
75- -
五、结 语
产品协同设计战略合作关系是进行协同设计管
理的基础,也是最关键的一个环节,没有了战略合作
关系,产品协同设计管理就如空中楼阁,只能倒退到
传统的产品设计管理中了。在一个企业能从实施产
品协同战略合作关系获益之前,首先必须认识到这
是一个复杂的过程,战略合作关系的建立不仅是企
业结构上的变化,而且观念上也必须相应地改变。所
以,必须一丝不苟地选择战略合作伙伴,以确保真正
实现协同设计战略合作关系的利益。
表2 候选伙伴优选数据
子环节
候选伙伴1 候选伙伴2 候选伙伴3
Ci1 Ci′1′i″1″Ti1 Ri1 Ci2 Ci′2′i″2″Ti2 Ri2 Ci3 Ci′3′i″3″Ti3 Ri3
A 子环节1 2 1 3 2
B 子环节2 2
C 子环节3 3 4 3 2 1 3
表3 遗传算法运行结果-伙伴优化选择组合
序号 最终群体 适应度
1 A2B2C3
2 A2B2C3
3 A1B2C3
4 A2B2C3
5 A2B2C3
参考文献:
[1]马新安,张列平,冯芸.供应链合作伙伴关系与合作伙伴选择[J].工业工程与管理,2000,5(4):33-36.
[2]FrazierGL,SpekmanRE,O’-intimeexchangerelationshipsinindustrialmarkets[J].JournalofMarketing,
1998,52(5):52-67.
[3]钱碧波,潘晓弘,程耀东.敏捷虚拟企业合作伙伴选择的方法研究[J].中国机械工程,2000,11(4):397-401.
ResearchinSelectionandOptimizationofStrategicalCollaborative
PartnerforCPD
LIChuan-xue,WANGbo
(SchoolofManagementTianjinUniversity,Tianjin300072)
Abstract:UnderthepatternofCollaborativeproductdesign, inordertochoosesomereliablepartnerstoformcollaborative
alliance,-stagemodeltoappraiseandchoosecollaborationpart-
nerisputforward,whichshowstheflowoftheCPD,andthusthepurposeofpartneroptimizationisfulfilled.
Keywords:CPD;DEA;AHP;GA
[责任编辑:孟青]
北 京 理 工 大 学 学 报 (社 会 科 学 版 ) 2007年 第 5期
76- -
