多指标下的制造绩效测量研究

1 制造绩效测量

    20世纪60年代以来，已先后有准时化生产（JIT）、MRP/MRPⅡ、计算机集成制造（CIMS）、敏捷制造、全面质量管理、企业流程重构、企业资源管理（ERP）和约束理论（TOC）等一系列先进的管理思想和方法投入实践。但对于如何判断制造系统的管理水平、衡量先进管理模式所带来的收益则缺乏系统的理论支持。由此，制造绩效测量（Manufacturing Performance Measurement）开始引起学术界和企业界的注意，许多学者从管理会计、运作管理、企业信息化等角度研究了这个问题。制造绩效测量不仅仅局限于对财务性指标的处理，而是结合制造系统自身的特点扩展到了其他非财务性指标领域，如质量、时间、柔性等。一个有效的制造绩效测量系统的作用如同控制系统中反馈回路，对实现有效的生产管理起着极其重要的作用，如图1。

图1 制造绩效测量的作用

2 制造绩效指标

    2.1 绩效指标的类别

    研究者们认为，绩效测量应从企业内部设置和外部表现两方面进行。如Neely（1995）认为，绩效测量应区别为对系统内部流程效率（Efficiency）的评价和对系统外部有效性（Effectiveness）的评价。Flapper（1996）等学者则主张从财务性与非财务性指标，全局与局部指标，内部和外部指标，组织层次以及应用范围等多个角度对绩效指标进行分类。Neely（1995）和White（1996）分别总结了以往学者的研究成果，前者提出了绩效指标分为质量、时间、成本和柔性四个大的类别，而后者则将制造系统的绩效指标分为质量、成本、柔性、交付可靠性和速度五个方面。综合以往研究，可以将制造绩效测量指标分为财务性指标、与质量相关的指标、与时间相关的指标（包括交付速度、可靠性等）以及柔性指标。

    2.2 财务性指标

    财务性指标是较早应用于绩效测量的指标类型，1917年杜邦公司的创始人Pierre S. Du Pont为衡量其公司内部不同部门的绩效而设立了投资收益率（DOI）这一财务性指标，至今DOI仍是广泛使用的绩效指标。生产率（Productivity）是另外一种与财务性指标密切相关的绩效指标，表示为系统有效输出与消耗资源的比例。生产率的测量可以按照单指标生产率和多指标生产率或静态生产率和动态生产率等原则来划分。其测量方法包括单指标生产率测量法（NPMM），多指标生产率测量法（MFPMM）和多准则生产率4 绩效测量方法（MCP/PMT）。值得注意的是，生产率管理（Productivity Management）的概念，已经超出了经济学意义上的生产率概念，延伸到了质量、时间等绩效指标方面。

    生产成本的确定是财务性指标测量中的关键问题之一。美国管理会计学家Cooper于20世纪80年代中期提出了作业成本法（Activity Based Costing，ABC），克服了传统会计方法的不足，将产品成本划分为所需原材料成本和所有必要的作业过程的成本。作业成本法不但提供了一种更科学的生产成本计量工具，更主要的是它能够促使企业管理人员加深对生产和服务流程的了解，发现并消除那些对产品增值不起作用的环节。此外，管理会计学者还提出了其他一些成本计量方法，例如，将约束理论应用于管理会计系统而设计出的完工效益会计（Throughput Accounting），以及对制造系统过剩制造能力进行成本分析以反映制造绩效等方法。可以看到，对制造绩效中财务性指标的测量正逐步地和先进的生产管理思想结合起来。

    2.3 与质量相关的指标

    质量管理大师Juran对质量的定义是“Fitness for Use（可用性）”，然而这样广泛的定义并不能完全适合生产管理中实际操作的要求。为满足制造绩效测量中定量化的要求，需要对质量给出更细致、更具体的定义。研究者将质量的含义细分为：性能、特色、可靠性、一致性、耐久性、可维护性、美观程度及可被察觉的质量等几个方面。这样的质量定义已经具有了比较好的定量化可能。研究者们随后又注意到了质量的经济效益，提出了“质量成本”（Quality Cost）的概念。质量成本分为控制成本和控制失效成本两个大类和预防成本、评估成本、内部故障成本和外部故障成本四个方面。而全面质量管理（Total Quality Management，TQM）概念的出现使得质量指标有了更丰富的内涵，并赋予质量扩大化的定义，对质量的衡量也越来越趋向于涵盖企业管理的各个方面。

    2.4 与时间相关的指标

    时间指标对于制造系统的重要性一直得到工业界和学术界的注意。中岛清一（1988）和今井正明（1997）在论述日本企业管理思想时，都把消除制造系统中的浪费（Muda）作为其重要组成部分。而很多浪费又是以时间来进行衡量的。他们所提出的全员生产维护（TPM）的概念从定义时间损失入手，以消除时间损失作为提高生产管理[NextPage]水平的重要手段，因此可以认为TPM的思想是和制造绩效中的时间指标密切相关的。

    80年代末，随着基于时间的竞争（Time-based Competition）这一概念的提出，时间指标对于企业绩效评价的重要性日益显著。在此之后学术界对于时间绩效产生了较多不同的理解以及相对应的时间绩效指标。这些多种多样的时间指标可以分为两个大类：

    （1）内部时间指标指不能被企业外部顾客所直接察觉的时间指标，如上市时间、生产提前期等；
    （2）外部时间指标指能够被顾客所直接感受到的时间指标，如新产品投放间隔、交货速度等。

    由于对内部和外部时间指标的侧重点不同，企业也会相应采取不同的竞争策略。同时，内外两种时间指标之间也存在着一定的依存关系，如交付速度和可靠性都是与生产系统内部的时间绩效紧密相连的。

    2.5 柔性指标

    近20年生产系统柔性的定义和度量被广泛关注。陆续有Slack，Gerwin等多位学者提出了制造系统的一系列柔性评价指标。

    Shewchuk（1998）提出从六个尺度上对柔性指标进行定义，即制造任务的明确程度、制造系统自身、环境因素、柔性尺度、柔性测量方式和时间尺度，其中柔性尺度方面又分为运作柔性、范围柔性、反应柔性、动作柔性和状态柔性。

    Shewchuk的分类方法避免定义大量的纷繁芜杂的柔性指标，规范和简化了制造系统柔性的度量，同时也对以往的针对柔性的研究做出了比较好的总结。通过他的分析总结可以发现，对制造系统柔性的定义同样也是与其他制造绩效指标紧密相关的。

3 多绩效指标处理

    从各制造绩效指标的发展过程可知，各绩效指标的内涵在不断扩大，定义既出现一定的重叠，又存在着相互依存的关系。例如，在对生产率的定义中加入对产品质量的要求，将传统的产品质量概念扩展到全面质量管理等，这都反映出企业界和学术界对制造绩效进行多指标综合测量的要求。多指标下的制造绩效测量需要先对各绩效指标之间的相互关系有明确的认识，再根据不同的情况和测量目的对这些绩效指标进行处理。

    3.1 制造绩效指标间的相互关系

    根据不同的制造绩效指标而制定的制造策略往往会产生一定的冲突，如图2所示。绩效指标之间的冲突是不可避免的，管理者必须在不同的指标之间做出折衷（Trade-off）。一个生产系统也只能够将注意力集中在制造绩效的某些方面。因此在进行制造绩效测量时，往往对各指标赋予一定的权重，权重的大小反映了管理者对该指标的重视程度。

图2 不同的绩效指标应对不同的制造策略

    与此不同的是，部分学者认为，制造系统改善带来的往往是多个绩效方面的提高，所谓的折衷是不存在的。

    针对以上的讨论，研究者们意识到各绩效指标之间既可能相互促进又可能存在着交替关系。Suwignjo（2000）等学者描述了各绩效指标之间的定量化关系。这些交互关系被分为直接影响、间接影响和自我影响三类，绩效指标对目标的最终影响通过综合这三种影响来计算分析，如图3所示。

图3 绩效指标的综合影响分析

    对应于不同制造绩效指标之间错综复杂的相互联系，可以采用不同的方法进行处理。常用的处理方法包括：①构造综合性绩效指标来整合不同的绩效方面；②应用以层次分析法为代表的决策分析方法，对各绩效指标赋予权重，并由对多个指标综合考虑；③将绩效指标划分为输入指标和输出指标，通过同时比较多个输入输出确定制造系统的相对绩效。

    3.2 综合性制造绩效指标

    全面设备效率（OEE）是综合型绩效指标的典型例子。它由日本学者中岛清一在全面生产维护（Total Productive Maintenance，TPM）的概念中提出，其基本定义如下：

    OEE＝时间开动率×性能开动率×合格品率   （1）

    OEE实际上综合了生产设备维护、效率和质量等多方面的因素，是一种综合性评价工具。由于其明确概念和相对简便的计算测量，OEE在工业界获得了广泛的应用，被列为制造系统的关键绩效指标之一。同时也有学者提出了OEE的应用局限性，如有学者提出OEE对时间浪费的计量集中在计划外的停顿时间上，而对计划内的时间损失关注不够，因此不利于制造系统的改进。还有学者提出OEE不能够反映制造系统绩效与企业整体战略之间的关联，只测量某个生产单元或流程的绩效，缺乏反映整个供应链绩效的能力。

    DeRon（1995）提出了与OEE类似的转换因子（Transformation Factor，TF）的概念，其定义为时间利用率和成品率的乘积：

    TF＝F·ρ   （2）

    其中

    转换因子综合考虑了制造系统在时间利用和质量控制方面的绩效。同时，Ron还针对不同的制造系统类型提出了对转换因子的不同要求，如图4所示：

图4 不同类型制造系统的转换因子

    3.3 层次分析法（AHP）和网络分析法（ANP）

    层次分析法（AHP）的理论结构是由美国著名的运筹学家Saaty教授于20世纪70年代提出的，其本质是一种决策思维模式。S[NextPage]aaty将之称为一个测量的过程，即定量地表示出被选方案在一定准则下的优劣程度。AHP将复杂问题分解为多个组成因素，按照组成因素之间的支配关系形成有序的递阶层次结构，通过两两比较的方式确定层次中各因素的相对重要性，然后综合主观判断确定被选方案的优劣，如图5所示。

图5 层次分析法递阶层次结构

    层次分析法在绩效测量中通常被应用于确定各绩效指标的权重。由于权重的确定是建立在两两比较的基础上，因此也带来了一些缺点，最显著的是所谓逆序现象（Rank Reversal）。许多学者提出了相应的层次分析保序算法。同时，层次分析法是建立在严格的递阶层次结构的基础上，而现实情况下不同的绩效指标之间存在着相互影响。对此，Saaty提出了“ 反馈作用”的概念，并由此构造了更通用化的网络分析法（Analytic Network Process，AHP）。

    AHP以超矩阵（Super Matrix）为主要工具，反映各元素之间的相互影响或关联。Yurdakul（2003）应用AHP方法对多个制造业企业的长期绩效做出了分析。还有学者提出以AHP代替AHP方法建立制造绩效测量模型，以期更精确地反映绩效指标之间的关系。目前对AHP方法的研究还在进一步的发展中。

    3.4 数据包络分析（DEA）

    数据包络分析（DEA）是著名运筹学家A.Charnes和W.W.Cooper等学者在“ 相对效率评价”的基础上发展起来的一种系统分析方法。DEA方法的基本研究对象是决策单元（DMU），其基本原理是比较一组具有共同特性的DMU，通过对这组DMU输入和输出的线性组合得到有效生产活动的外包络面来比较各个DMU的相对有效性。1978年A.Charnes，W.W.Cooper和E.Rhodes提出了第一个DEA模型C2R模型，1985年，针对不满足锥性的生产可能集的情况，A.Charnes，W.W.Cooper又与L.Seitord，J.Stutz等学者联合提出了C3GS2模型。此外，研究者还相继提出了其他一些扩展的DEA模型，如C2WH模型、加性DEA模型、C-D型DEA模型、含偏好信息的DEA模型等等。

    与AHP方法不同，DEA不对绩效指标的相对重要性进行比较，而是在获取DMU的输入输出特性后对不同的DMU进行比较，比较的对象具有以下三个特征：①相同的目标和任务；②相同的外部环境；③相同的输入和输出指标。

    这些特点使得DEA方法的使用范围具有一定的局限性。同时，DEA方法只能对分析得出的无效的DMU提供决策信息，对于其他有效DMU提供的信息较少。

4 结束语

    在过去近10年中，对制造绩效测量的研究已经有了长足的发展，体现在对各制造绩效指标和它们之间的联系有了更深刻的认识，对多绩效指标的处理也提出了一些相应的方法，包括构造综合性绩效指标、利用层次分析法确定指标权重以及利用数据包络分析比较多个输入输出等。这些研究成果都有助于完成对制造系统的状态进行综合评价。但对于如何定量化各绩效指标之间的联系，目前还缺乏足够的理论支持。多指标下的制造绩效测量在未来仍将是生产和运作管理方面的研究热点。

3 多绩效指标处理

    从各制造绩效指标的发展过程可知，各绩效指标的内涵在不断扩大，定义既出现一定的重叠，又存在着相互依存的关系。例如，在对生产率的定义中加入对产品质量的要求，将传统的产品质量概念扩展到全面质量管理等，这都反映出企业界和学术界对制造绩效进行多指标综合测量的要求。多指标下的制造绩效测量需要先对各绩效指标之间的相互关系有明确的认识，再根据不同的情况和测量目的对这些绩效指标进行处理。

    3.1 制造绩效指标间的相互关系

    根据不同的制造绩效指标而制定的制造策略往往会产生一定的冲突，如图2所示。绩效指标之间的冲突是不可避免的，管理者必须在不同的指标之间做出折衷（Trade-off）。一个生产系统也只能够将注意力集中在制造绩效的某些方面。因此在进行制造绩效测量时，往往对各指标赋予一定的权重，权重的大小反映了管理者对该指标的重视程度。

图2 不同的绩效指标应对不同的制造策略

    与此不同的是，部分学者认为，制造系统改善带来的往往是多个绩效方面的提高，所谓的折衷是不存在的。

    针对以上的讨论，研究者们意识到各绩效指标之间既可能相互促进又可能存在着交替关系。Suwignjo（2000）等学者描述了各绩效指标之间的定量化关系。这些交互关系被分为直接影响、间接影响和自我影响三类，绩效指标对目标的最终影响通过综合这三种影响来计算分析，如图3所示。

图3 绩效指标的综合影响分析

    对应于不同制造绩效指标之间错综复杂的相互联系，可以采用不同的方法进行处理。常用的处理方法包括：①构造综合性绩效指标来整合不同的绩效方面；②应用以层次分析法为代表的决策分析方法，对各绩效指标赋予权重，并由对多个指标综合考虑；③将绩效指标划分为输入指标[NextPage]和输出指标，通过同时比较多个输入输出确定制造系统的相对绩效。

    3.2 综合性制造绩效指标

    全面设备效率（OEE）是综合型绩效指标的典型例子。它由日本学者中岛清一在全面生产维护（Total Productive Maintenance，TPM）的概念中提出，其基本定义如下：

    OEE＝时间开动率×性能开动率×合格品率   （1）

    OEE实际上综合了生产设备维护、效率和质量等多方面的因素，是一种综合性评价工具。由于其明确概念和相对简便的计算测量，OEE在工业界获得了广泛的应用，被列为制造系统的关键绩效指标之一。同时也有学者提出了OEE的应用局限性，如有学者提出OEE对时间浪费的计量集中在计划外的停顿时间上，而对计划内的时间损失关注不够，因此不利于制造系统的改进。还有学者提出OEE不能够反映制造系统绩效与企业整体战略之间的关联，只测量某个生产单元或流程的绩效，缺乏反映整个供应链绩效的能力。

    DeRon（1995）提出了与OEE类似的转换因子（Transformation Factor，TF）的概念，其定义为时间利用率和成品率的乘积：

    TF＝F·ρ   （2）

    其中

    转换因子综合考虑了制造系统在时间利用和质量控制方面的绩效。同时，Ron还针对不同的制造系统类型提出了对转换因子的不同要求，如图4所示：

图4 不同类型制造系统的转换因子