基于ML-FCM供应链内企业间信任构建模型.docVIP

基于ML-FCM供应链内企业间信任构建模型 　　摘要：本文分析了在21世纪市场环境下构建供应链的必要性，指出培养企业间的相互信任是提高供应链管理水平，增加企业合作效率的有效方式。通过对影响供应链内企业间信任的因素进行分析，构建了供应链内企业间信任模型，并在此基础上提出了基于ML-FCM的供应链内企业间信任构建模型。 　　关键词：供应链 关系型信任 功利型信任 　　 　　进入21世纪，随着经济全球化和知识经济时代的到来，整个市场竞争呈现出明显的国际化和一体化。为了获取优势，企业将非核心业务外包给相应的供应商，同时将重点放在核心业务，当今制造商对供应商的依赖性增强，企业之间的竞争转化为供应链之间的竞争。企业要想在市场上取得成功，就必须和供应商、客户建立紧密的伙伴关系，通过供应链的整体协作，增强各节点企业的核心竞争力，从而加快市场的反应速度，提高市场竞争力。对于一个成功的供应链来说，各企业之间的相互信任是最关键的前提。因此培养企业间的信任是提高供应链管理水平，增加企业合作效率的有效方式。 　　 　　一、供应链内企业间信任的分类 　　 　　供应链企业间的信任就是在基于风险和相互依赖的前提下，合作双方相信另一方有能力并且有意愿去履行承诺，同时任何一方都不会利用对方的弱点去获利。本文将供应链内企业间的信任划分为功利型信任和关系型信任：功利型信任是指企业间在交往初期，对信任的结果进行成本利益的计算，关注的是合作方的能力以及控制机制，也即是理性信任；关系型信任是指随着交往次数的增加，双方相互了解加深，行为的可预测性提高，对行为的良好预期让企业产生的非理性的信任。因此，在供应链企业间信任的研究中，应同时对理性（合作方的能力）及非理性（合作方的善意）进行考虑。 　　 　　二、信任的影响因素分析 　　 　　 通过对企业与供应商之间信任关系的研究，本文得出影响企业对供应商信任度的因素如下： 　　 　　供应商能力：供应商能否在恰当的时间地点提供所需的产品； 　　供应商的声誉：其他与供应商有过合作经历的企业评价； 　　产品重要性???供应商提供的产品对企业的关键程度； 　　专用资产投资率：供应商为与本企业合作提供企业所需产品而进行的专用资产投资率； 　　供应商可替代程度：市场上提供同类产品的供应商数量； 　　沟通程度：企业间信息的沟通渠道是否通畅，获得的信息量大小。 　　综上，将供应链内企业间的信任分为功利型信任（理性信任）和关系型信任（非理性信任）两大类。同时，通过对供应链内企业间信任产生机制及理性和非理性信任的分析，又进一步细分了功利型信任和关系型信任的影响因素。 　　 　　三、基于ML-FCM的供应链内企业间信任构建模型 　　 　　由于信任的影响因素较多，且相互之间关系较为复杂，因此想要对象信任这类难于用试验评价的现象建模，模糊逻辑的定性化方法是十分有用的，因为它可以用自然语言的说明性短语直观地开始分析（例如：这个供应商的声誉非常好）这个短语表示的是一个区间而不是一个确定的值。 　　我们用一种叫做模糊认知图（Fuzzy Cognitive Map , FCM ）的特殊模糊系统作为研究的工具，FCM允许通过信念资源来开始着手计算信任度的值。同时也要计算信任特征值，使得我们能运行有认知力的运算并最终得出信任或不信任的有效决定。使用这种方法我们用信念的强度和相互之间的影响力将信念和信任特征描述成近似的目标。 　　FCM是由节点和边界线组成的图形，前者介绍了量化的概念分析，后者指出的变量之间的因果关系。FCM方法和技术在智能信息系统中的应用变得越来越广泛，成功的应用于很多领域。然而，现代系统是在一种快速变化的且不确定的环境中运转，需要新的方法适应这种环境。在这里我们将在供应链内企业间信任机制的建立中应用一类特殊的FCM结构模型，叫做Multi-Layer Fuzzy Cognitive Map (ML-FCM)多层次模糊认知图，这是一种解决复杂的大范围的问题的新方法。 　　ML-FCM的应用能够提高用模糊认知方法建模的问题的决策支持过程，在这里主要的问题就是将参数分解成为小的、更容易管理的量，并且为这些量建立层次化的模型，这个模型是由一起工作并支持一个中心目标的子模糊认知图组成的。后者构建了一个特定的系统，由主要的、中心的模糊认知图表示，它区别于那些也用FCM表示的子层次，并连接了一个树型的层次结构，子层次表示系统中分解的变量和参数，为系统中的关键部分提供分离的、学习的能力。 　　ML-FCM的精髓在于它在子层次用特定的方法生成了分组的概念，而每组概念都与上一层的一个在系统中重要的、复杂的参数相联系,分组的概念专门用于上一层次相应概念的进一步分析。我们采用逐步分解的方法来实现这一模型，每一步都产生新