多准则决策支持在设施管理供应商选择中的应用

《Array》：Multi-criteria decision support for supplier selection in the facility management

　　

摘要：本文提出了一种数学优化框架，用于在多点设施管理采购中实现系统性的供应商-场地分配。研究解决了将供应商能力与异质性场地需求相匹配的关键挑战，同时在选择过程中融入动态决策者偏好。研究人员引入了一个相关性函数，该函数通过多个特征维度量化供应商需求对齐程度。该框架包含一个动态权重系统W(P)，该系统通过影响系数α_xi,j基于组织偏好实时调整基线权重，从而在保持数学严谨性的同时通过归一化约束实现战略目标的无缝集成。该方法成功地将经典仓库选址理论应用于采购优化，用基于相似性的评分机制替代了运输成本。该框架首先通过一个小规模计算示例（三个场地、三个供应商）使用合成数据进行说明，然后使用来自法国Sirene/INSEE数据库的49,638个真实供应商机构在十个不同复杂程度的采购实例中进行大规模验证。结果表明，系统能够系统性地评估供应商组合。动态权重机制根据决策者偏好成功地将服务能力优先于认证。所提出的方法提供了一个结构化且可量化的框架，将采购决策转化为客观、可量化的评估，为采购管理者在复杂多点环境中提供基于证据的供应商选择的系统性工具。

**论文解读：基于多准则决策支持的多点设施管理供应商选择组合优化框架**

**研究背景与问题**

在日益激烈的经济竞争环境中，通过招标优化合同授予流程是组织面临的关键战略挑战。设施管理（Facility Management, FM）作为确保建筑环境功能性、舒适性、安全性和效率的多学科领域，其采购决策尤为复杂。现有供应商选择研究多聚焦于最终评估阶段（如已有供应商的评分与排序），而对上游供应商池构建阶段——即系统性识别和预选能联合满足多地点、多服务需求的供应商组合——关注不足。这一空白在多点设施管理场景中尤为突出，因为组织需同时协调多个地理分散的服务提供商，满足异质性技术要求、环境法规和战略目标。此外，传统多准则决策方法（如AHP、TOPSIS）假设供应商池已预先构成，未能解决“如何从零开始构建最优组合”这一组合优化问题。

**研究目标与意义**

为填补上述空白，研究人员提出一个正式的数学优化框架，将多点供应商选择重新定义为组合构造问题，而非简单的排序任务。该框架的目标是构建一组供应商，使其共同满足投标中所有场地的全部服务需求，同时最大化基于决策者偏好的全局评分。研究工作发表在《Array》。

**主要关键技术方法**

1. **相似性评分函数（Similarity Scoring Function）**：基于特征维度（如服务、认证、标准等）定义相关性函数F_corr^q(s_i, f)，量化供应商f与场地s_i在每一特征q上的匹配程度。
2. **动态权重机制（Dynamic Weighting System）**：通过影响系数α_xi,j将决策者偏好向量P整合到基线权重W₀中，实时调整各特征维度权重，并施加归一化约束确保一致性。
3. **模拟退火元启发式算法（Simulated Annealing, SA）**：为克服组合爆炸，采用SA在每个场地独立构造高质量供应商组合，通过随机替换供应商和概率接受劣解来探索搜索空间，避免穷举。
4. **地理约束过滤**：基于供应商与场地间的最大服务距离Dist_Max，筛选出可行供应商子集，降低计算复杂度。
5. **实验数据来源**：使用法国Sirene/INSEE数据库中的49,638个真实供应商机构，生成10个不同复杂度的采购实例（包含1至5个场地、每场地2至5种服务）。

**研究结果**

**1. 数学框架与优化工作流定义**
研究人员通过系统定义FM特征集Q（包括服务、认证、标准、标签、行业、地理位置、推荐、参考）、供应商元组f_i、投标结构AO及决策者偏好集Crit，建立了完整的组合优化模型。优化目标为最大化全局相似性评分之和∑_si∈AO∑_f∈F y_si,f·c_si,f，并施加服务覆盖约束（每个场地的每项服务至少由一个供应商提供）。

**2. 相似性评分与动态权重函数**
通过小规模合成数据示例（3个场地、3个供应商）验证了框架功能。相关性函数计算表明，供应商f₁在服务维度上与场地si_A的匹配度为0.5，认证维度为1.0。动态权重调整后，服务权重从0.6升至0.706，认证权重从0.4降至0.294，计算得组合C₁（{si_A→f₁, si_B→f₃}）的全局评分1.647。

**3. 穷举基线 vs. 模拟退火性能比较**
在10个真实实例上，穷举基线（基于top-k过滤的穷举搜索）仅成功解决6个实例，其余4个因超时（1800秒）或组合爆炸而失败。模拟退火在所有200次运行中均成功完成，平均运行时间远低于穷举法（如最大实例inst_10_s5_srv5仅需6.92秒，而穷举法超时）。在可比较的实例上，SA的目标值与穷举最优解之间的相对差距低于0.05%，证明SA能有效逼近最优解。

**4. 鲁棒性分析**
每个实例独立运行20次，SA的客观值标准差均较低（如inst_01_s1_srv2标准差0.29），表明算法稳定可靠。在穷举法无法求解的实例上，SA仍能稳定产出高质量解，证实了其可扩展性。

**结论与讨论**

研究人员总结，多点供应商选择应作为组合构造问题而非简单排序来处理。该框架通过结构性数据维度、相似性度量和动态权重，成功整合了决策者偏好。实验表明，模拟退火元启发式算法是处理大规模实例的实用有效方案，而穷举法仅在最小实例中可行。研究局限性包括：假设特征维度相互独立（未捕获认证与服务能力间的实际依赖）、动态权重依赖于决策者主观偏好、部分实验基于合成数据。未来研究方向包括：采用遗传算法、禁忌搜索等高级优化技术；集成机器学习进行权重自动校准；开发分布式计算架构以支持数百个场地的场景。该工作为设施管理采购提供了透明、可量化的决策支持工具，弥合了供应商识别与最终优化之间的理论空白。