基于模糊VIKOR方法的服装电商行业绿色供应商选择

Selection of Green Suppliers in the Apparel E-Commerce Industry Based on the Fuzzy VIKOR Method

摘要: 绿色发展理念的提出，推动了服装电商行业的绿色进程。为避免重蹈覆辙，践行绿色环保理念对服装电商行业而言尤为紧迫。但目前，大部分业内企业在选择供应商时，未将绿色要素纳入考量范围。为此，设计适配行业价值观的绿色评价指标体系，针对评价模糊语言问题，建立模糊VIKOR方法模型。算例分析表明，该方法能有效帮助服装电商行业进行绿色供应商的选择。

Abstract: The proposal of the green development concept has driven the green process of the apparel e-commerce industry. To avoid past mistakes, practicing the concept of green environmental protection is particularly urgent for the apparel e-commerce industry. However, at present, most enterprises in the industry have not incorporated green factors into consideration when selecting suppliers. Therefore, this paper designs a green evaluation index system adapted to the industry’s values, and establishes a fuzzy VIKOR method model for the problem of fuzzy evaluation language. A numerical example analysis shows that this method can effectively help the apparel e-commerce industry select green suppliers.

1. 引言

以习近平同志为核心的党中央于党的十八大会议中提出了绿色低碳的高质量发展道路，推动经济社会发展全面绿色转型。这是我国实现可持续发展的关键，它不仅有助于解决当前的资源环境生态问题，也是实现中华民族永续发展的必由之路。

随着国家相关政策的推出，我国服装电商行业也紧跟脚步，加快推进行业的绿色低碳发展。但是目前行业高能耗高排放问题仍然存在，部分企业的供应商依然采用传统的高能耗、高污染的生产工艺。为此，通过科学的评价体系选择真正绿色的供应商已经成为服装电商行业供应链管理的必修课之一。

2. 评价方法选择

针对各行业绿色供应商的选择，学者们进行了多种研究。赵双军等(2022) [1]运用AHP-TOPSIS方法，建立了纺织企业绿色供应商评价与选择模型；高旭等(2024) [2]运用FAHP-CRITIC方法，计算了绿色供应链柔性评价指标体系中各指标的权重；江立辉等(2023) [3]结合了DOWA算子，提出了新的绿色供应商选择评价模型；Kao (2022) [4]将多目标优化方法与TOPSIS进行结合，提炼出一个适合进行抉择的多准则决策方法。这些方法优势各异，但均需要有准确的数值数据才能进行运算。现实中，受评价人员知识、信息接受度以及评价指标自身等因素的影响，评价最终评价结果往往会以模糊语言的形式呈现，上文的方法在此情形下便不再适用。

因此，本文引入了模糊VIKOR方法用于解决专家在评价时表述模糊的问题，该方法目前在服装电商行业的运用较少，但已被多次应用在其他行业。刘玲等(2023) [5]基于直觉模糊熵和VIKOR法，增加了CA汽车企业对绿色供应商选择信息评价的准确性；崔英杰等(2024) [6]运用模糊VIKOR的FMECA分析方法，客观地计算出数控机床的高风险部位；韩文照等(2023) [7]运用直觉犹豫模糊VIKOR法，验证了绩效评估指标体系和评估模型的客观性和适用性。

模糊VIKOR法可以直接处理模糊语言与不确定信息，降低决策对数据精确性的依赖及主观偏差影响，提高决策的准确性。其立足群体决策，以群体效用最大和个体遗憾最小为目标导向，抗干扰能力更加突出，稳定性也更强。基于此，本文在建立适配评价指标的基础上，引入了改进的模糊VIKOR方法来进一步辅助服装电商行业对绿色供应商的选择。

3. 指标体系的构建与评价值处理

为构建绿色供应链下符合业内企业自身情况的服装电商行业供应商评价指标体系，通过研读相关文献，综合考虑了绩效指标、自身实力、绿色环保执行力三方面，初步构建了表1的评价指标体系，为后续精准筛选优质绿色供应商筑牢根基。

Table 1. Evaluation index system for green suppliers in the apparel e-commerce industry

表1. 服装电商行业绿色供应商评价指标体系

一级指标	二级指标	指标描述
供应商运营绩效指标[8] B1	产品质量C1	反映产品的品质，包括标准认证、合格率等。
	产品价格C2	反映商品价值，体现市场竞争力。
	交货及时性C3	反映供应商能否在约定期限内交付货物。
供应商综合实力[9] B2	财务状况C4	反映资产负债情况、盈利状况和现金流。
	供应商信誉C5	反映被信任程度，包括品牌声誉、用户评价以及行业口碑等。
供应商绿色能力[10] B3	环保节能技术C6	资源循环利用率、节能设备投入占比等。
	废弃物的预防和处理C7	包括生产废料预防占比、废弃物分类准确率、无害化处理率等。
	环境管理体系实施效果C8	评价体系运行后对环境产生的实际、积极的影响。
	产品绿色要求C9	生产环节符合绿色标准，不破坏生态环境、影响人体健康。
	绿色信息的披露C10	公开对于环境管理措施、能源消耗等信息。

在评价过程中，需要对专家使用的模糊评价值进行定量转化，依据Rouhani等(2012) [11]所示的方法将不同模糊语言变量转换成表2所示的三角模糊数。

Table 2. Conversion table of linguistic variables and triangular fuzzy numbers

表2. 语言变量与三角模糊数转换表

语言变量	三角模糊数
很低	(0.0, 0.0, 0.2)
低	(0.0, 0.2, 0.4)
一般	(0.2, 0.4, 0.6)
高	(0.4, 0.6, 0.8)
很高	(0.6, 0.8, 1.0)
极高	(0.8, 1.0, 1.0)

在后续决策中，依照沈平康等(2014) [12]给出的方法直接对转换后的三角模糊数进行处理、比较。

4. 基于模糊VIKOR的绿色供应商选择

为研究服装电商行业内企业如何在评价结果模糊的情况下正确选择绿色供应商，构建了基于模糊VIKOR方法的指标评价模型，具体步骤如下。

步骤1：据表1的评价指标，构建专家调查的评价结果矩阵[x_ij]_m×10。

步骤2：按表2将评价结果转为三角模糊数，形成矩阵[y_ij]_m×10，并按沈平康等(2014) [12]进行去模糊化。

步骤3：照沈平康等(2014) [12]使用的熵法依次计算指标C_j的投影集P_ij和P_ij的熵E_j，依据公式ω_j =$\left(1-E_j\right)/{\displaystyle {\sum }_{j=1}^{10}\left(1-E_j\right)}$ 确定各指标的权重向量$W={\left({\omega }_1,{\omega }_2,\cdots ,{\omega }_j\right)}^T$ 。

步骤4：确定各指标下的正理想解Y⁺、负理想解Y⁻、群体效用值S_i和个体遗憾值R_i，得出S⁺ = max{S_i}，S⁻ = min{S_i}，R⁺ = max{R_i}，R⁻ = min{R_i}，并求出Q_i。

步骤5：对Q_i进行排序，数值越小供应商排序越靠前。设依据此规则排序第一的供应商为B₁，排序第二的供应商为B₂。

条件一：$Q\left(B_1\right)-Q\left(B_2\right)\ge 1/\left(m-1\right)$ ，m为供应商个数。

条件二：供应商B₁在S或R中也是排序第一的。

若两个条件均满足，那么B₁为各供应商中的最优选择；若无法完全满足，则会得到一个解集：

若不满足条件一，根据$Q\left(B_x\right)-Q\left(B_1\right)<1/\left(m-1\right)$ ，计算出最大的X，B₁，B₂，…，B_x都贴近理想供应商；若不满足条件二，则B₁和B₂为折衷解。

5. 算例分析

Z企业是一家中小型的服装电商企业，为在竞争激烈的市场中突出重围，其迫切希望筛选出契合的绿色供应商。假设现有P₁、P₂、P₃、P₄共4家可供选择的供应商，它们都满足基础性要求，但在绿色发展的各维度呈现出“长短不一”的态势，专家小组的评价结果见表3。

Table 3. Initial evaluation matrix of green suppliers [x_ij]_4×10

表3. 绿色供应商的初始评价矩阵[x_ij]_4×10

	C1	C2	C3	C4	C5	C6	C7	C8	C9	C10
P1	一般	很高	很高	低	一般	高	一般	极高	一般	很高
P2	高	高	很低	一般	很高	高	低	很高	高	一般
P3	一般	低	高	一般	一般	极高	一般	一般	很高	低
P4	很高	一般	一般	很低	高	一般	很低	很高	一般	很高

将表3的模糊语言定量转换后形成表4。

Table 4. Fuzzy evaluation matrix of green suppliers [y_ij]_4×10

表4. 绿色供应商的模糊评价矩阵[y_ij]_4×10

	C1	C2	C3	C4	C5
P1	(0.2, 0.4, 0.6)	(0.6, 0.8, 1.0)	(0.6, 0.8, 1.0)	(0.0, 0.2, 0.4)	(0.2, 0.4, 0.6)
P2	(0.4, 0.6, 0.8)	(0.4, 0.6, 0.8)	(0.0, 0.0, 0.2)	(0.2, 0.4, 0.6)	(0.6, 0.8, 1.0)
P3	(0.2, 0.4, 0.6)	(0.0, 0.2, 0.4)	(0.4, 0.6, 0.8)	(0.2, 0.4, 0.6)	(0.2, 0.4, 0.6)
P4	(0.6, 0.8, 1.0)	(0.2, 0.4, 0.6)	(0.2, 0.4, 0.6)	(0.0, 0.0, 0.2)	(0.4, 0.6, 0.8)
	C6	C7	C8	C9	C10
P1	(0.4, 0.6, 0.8)	(0.2, 0.4, 0.6)	(0.8, 1.0, 1.0)	(0.2, 0.4, 0.6)	(0.6, 0.8, 1.0)
P2	(0.4, 0.6, 0.8)	(0.0, 0.2, 0.4)	(0.6, 0.8, 1.0)	(0.4, 0.6, 0.8)	(0.2, 0.4, 0.6)
P3	(0.8, 1.0, 1.0)	(0.2, 0.4, 0.6)	(0.2, 0.4, 0.6)	(0.6, 0.8, 1.0)	(0.0, 0.2, 0.4)
P4	(0.2, 0.4, 0.6)	(0.0, 0.0, 0.2)	(0.6, 0.8, 1.0)	(0.2, 0.4, 0.6)	(0.6, 0.8, 1.0)

依照步骤3计算得出W = (0.04, 0.1, 0.22, 0.18, 0.04, 0.04, 0.18, 0.04, 0.04, 0.12)，确定不同指标下的正负理想解以及各供应商的S_i、R_i和Q_i。令υ = 0.5 (υ为决策机制系数，当υ = 0.5时，表明是根据大多数人赞同的情况进行决策)，结果见表5。

Table 5. Calculation results of fuzzy VIKOR method

表5. 模糊VIKOR方法的计算结果

	Si	Ri	Qi
P1	0.25	0.10	0
P2	0.51	0.22	0.82
P3	0.40	0.12	0.27
P4	0.66	0.18	0.83

可知，排序第一的供应商为P₁，排序第二的供应商为P₃，根据步骤5算出$Q_3-Q_1=0.27<1/\left(4-1\right)$ ，不满足条件一。因此依照$Q\left(P_i\right)-Q\left(P_1\right)<1/\left(4-1\right)$ ，确定P₁和P₃为折衷最优解。

P₁的C₂和C₃指标表现优异，这两个指标的权重相对较高，提升了P₁的排序。其C₈和C₁₀指标表现也较为突出，但权重较低对综合结果贡献有限。P₃的C₃表现中等，但其C₆和C₉表现突出，增加了优势。P₁和P₃均没有评价很低的指标。

结果说明，在选择绿色供应商时，决策偏向于整体情况较为良好的供应商。选择的供应商不可以有明显的短板，且如果其在运营绩效或者绿色能力方面有强劲的实力，会更加受到青睐。

6. 结论与展望

基于服装电商行业绿色需求现状和模糊VIKOR方法着重研究了该行业内企业绿色供应商的选择路径。确定了评价指标，并对专家在评价中使用模糊语言的问题，引入了三角模糊数转换法，使模糊语言转换为定量数据进一步分析。构建了模糊VIKOR方法模型，通过算例分析发现本文的决策方法是可行的。

本文方法也可对其他行业筛选绿色供应商提供借鉴。鉴于不同行业的需求不同，在运用该法时，应在本文指标体系上，灵活变通地选取适合的评价准则，使其更贴合各行业自身的价值观与发展诉求。

本文的不足之处在于，模糊VIKOR方法对数据质量要求较高，但收集的数据往往带有主观性，导致结果出现偏差，影响最终决策的准确性。因此，在未来的研究中，将重点探索如何更科学严谨地进行指标评价，并在本文模型的基础上不断改进。