以 AHP 為基礎之選商模式

近幾年來以傳統 AHP 方法為基礎所發展出來之多準則選商決策模式不甚枚 舉。Mahdi 等人(2002)提出一套可因應不同專案特性需求而作調整之最適宜廠商選擇 的多準則決策支援系統(multiple-criteria decision support system (MCDSS)。作者根據 其問卷調查統計分析結果將選商決策分成三個主要準則項目：(1)經驗(experience criteria, EC)(再細分 7 個子項目)；(2)過去績效(past performance criteria, PPC)(再細分 16 個子項目)；(3)財務穩定性(financial stability criteria, FSC)(再細分 6 個子項目)。並 將該選商決策系統分成審查程序(screening process)及選商程序(contractor selection process)兩個主要評估程序。在第一部分之審查程序(screening process)方面，首先運 用 Delphi 方法來計算前述各準則項目之權重向量，其次再利用 AHP 方法來計算專 案特性準則項目之權重向量，並進而計算出選商決策準則項目相對於專案特性準則 項目之相對權重值，最後再針對每一家投標廠商就每一個選商決策準則項目進行評 量，而前述之評量與相對權重值相乘結果即可得到每一家廠商在考量不同專案特性

下每一個準則項目評估結果之優劣排序(ranking)。在第二階段之選商程序(contractor selection process)方面，則是考量廠商之團隊執行的能力，其準則項目包括現況執行 能力(current capabilities criteria, CCC)(再細分 4 個子項目)及廠商工作對策(work strategy criteria, WSC) (再細分 8 個子項目)。其評估方式仍比照第一部分方式，最後 將前述兩部分之評估程序所算得之評估結果相加所得到之最高優劣排序數值者即為 最終選商決策結果之最適宜廠商。總而言之，Mahdi 等人所提出之方法主要是應用 多屬性分析(multi-attribute analysis, MAA)之概念，並運用利用知識庫專家系統 (Knowledge-Based Expert System, KBES)輔助 AHP 方法求算每一層級決策準則之相 對權重，進而發展出一套多準則選商決策支援系統。

Al-Harbi (2001)透過一個案例來驗證說明 AHP 方法應用在專案管理領域中選商 決策之實際作法。該方法主要將層級架構分成三個階層，第一階層為最終目標(即選 擇最適合之廠商)，第二階層為準則項目，第三階層則為每一個準則項目下之所有投 標廠商；所採用的AHP 方法除了運用在準則項目相對權重值之計算外，亦直接用來 計算每一家廠商在每一個準則項目中之單立效用，以作為評量之依據。而在選商決 策執行過程中，為考量工程專案大部分由多數專家所組成的決策團體來進行，故將 群體決策(group decision-making)理論運用到 AHP 方法中，且過程中並利用 Expert Choice 軟體來輔助 AHP 方法之執行。

Anagnostopoulos 與 Vavatsikos (2006) 認為為了提升選商的效能，並且使業主的 失敗率減到最小，必須考慮其選商的準則項目及使用一致性的評估方法，故提出以 AHP 為基礎之多準則選商決策方法來支援公部門機構進行廠商預審作業。這個決策 支援系統主要包括一個應用工具及三個原則：首先須包含各類之準則項目，並確保 達到符合標準的品質要求。其次是便於使用的系統工具，一方面可以從可能的使用 者那裡得到多準則方法中先前所沒有的知識(knowledge)，另一方面可以使主觀的判 斷減到最小。最後，可考量AHP 操作時之成對重要性比較之需求能減到最小。

當運用AHP 方法在解決 MCDM 之選商決策問題時，AHP 方法僅適用在層級架 構下之模式，且每一層級之準則項目間之關聯性應該獨立而不相關。Cheng 與 Li (2004)認為實際的 MCDM 之選商決策問題中，每一個準則項目應該都具有關聯性，

而考量該關聯性時，則不適用 AHP 方法來求解，故將網狀分析法(analytic network

process, ANP)應用在選商決策的問題上，研究過程中並以試算例來驗證該方法之可 行性，同時將試算結果與傳統AHP 方法進行比較，以瞭解兩方法間之差異。

一般AHP 方法大部分被運用在多準則(評量項目)之權重值計算，但 Fong 與 Choi (2000)採用傳統 AHP 方法，由決策者針對各個準則項目進行每一家廠商優劣程度之 判斷，進而決定各個準則項目廠商之差異程度，最後運用多屬性決策(multi-attribute decision)概念，綜合算得每一廠商最終之優先排列順序。該方法與傳統 AHP 方法運 用來計算權重值之最大不同之處，在於作者首先將層級架構之準則項目主要分成主 項目(為第一層級項目)及次項目(為第二層級項目)，並將每一家投標廠商定義為附屬 於次項目下之最底層級之準則項目，故在進行層級分析時，主要將每一個次準則項 目中的每一家廠商均視為可行的方案進行選擇評估。換言之，其作法係將每一個次 準則項目進行廠商之優劣排序，只是其排序的過程是經由Satty 提出 9 個不連續的尺 度值進行優劣程度的判斷，是一個實際量化結果的優劣排序，這與國內最有利標評 選辦法中之序位法的概念一致，但最有利標評選辦法中的序位法是直接由決策者排 定廠商之序位(ranking)，並非實際量化程度判斷之結果。

Hsieh 等人(2004)以模糊理論提出模糊多準則決策(Fuzzy MCDM)分析法來選擇 公共工程建築規劃與設計之廠商，該方法主要以傳統AHP 為基礎，提出模糊層級分 析法(Fuzzy Analytic Hierarchy Process, FAHP)來計算準則項目之權重值。在權重值的 計算過程中，該方法首先採用Laarhoven 及 Pedrycz 所提出之三角形模糊數(triangular fuzzy number)，並採用 Chiou 及 Tzeng 與 Mon 等人分別所定義之語言尺度(linguistic scales)函數及模糊數尺度(fuzzy number scale)將傳統 AHP 方法中之尺度值轉換成為 模糊語言尺度值(scale of fuzzy number)。最後則採用 Bellman 及 Zadeh 所提出之 FMCDM 之評估法來決定廠商之排序。

Palaneeswaran 等人(2006)考量營造供應商或小包對承攬廠商之重要性，以 AHP 方法為基礎，提出一套適用於承攬廠商之供應商或小包選擇之決策模式。該模式首 先針對香港 400 家的承攬廠商進行問卷調查，決定其多準則決策項目(包括節省成 本、完成交付的時間、保證最佳的品質、獲得最佳的服務及降低風險等 5 個主項目 及其子項目)，再根據這些準則項目建構其層級分析架構；而在進行準則項目之成對 重要性比較時，非採用Satty 所提之 9 個尺度值，而以百分比方式作為準則項目相對

重要性比較之尺度值 (例如：成本與時間之相對重要性比較尺度值為 65：35)，最後 則運用Expert Choice 電腦軟體來計算各準則項目之權重值。

Bertolini 等人 (2006)運用決策支援系統輔助傳統 AHP 方法發展一套適用於公園 及公有廣場之裝修與維護管理履約之廠商服務建議書評估審查模式。該方法主要是 經由簡單的結構化程序中，從已完成的準則項目權重計算結果來評估最佳的方案，

其兩個主要的目的是(1)這個決策方法能夠協助草擬服務建議書之架構，並建構決策 準則項目及其重要性權重；(2)建構一套且正確、系統化及自動化之支援決策判斷系 統工具以至能夠正確評估出廠商服務建議書中工作之差異，進而選擇出最佳之簽約 廠商。其中AHP 方法則是用來定義完整的層級分析樹(hierarchy tree)及其變量因子與 準則項目，同時使用 Delphi 方法協助決策者(高階管理者及專案管理者)依據其專長 與經驗來計算各層級準則項目之相對重要性權重計算。

Shiau 等人(2002)利用問卷調查方式並運用 AHP 方法，發展一套下包商選擇之 決策系統。該方法首先對承包的廠商就選擇下包商的需求進行準則項目之調查，並 經由統計分析評估出5 項主要的準則項目，及 24 個子項目，然後利用 AHP 方法算 得各準則項目之權重值，進而作為評量下包商之依據。El-Sawalhi 等人(2007) 結合 AHP 、 NN (Neural Network) 及 GA (Genetic Algorithm) ， 提 出 一 套 混 合 型 之 Genetic-Neural Network (GNN) 模式作為廠商預審的方法，該模式最大的優點是可以 克服大多數決策模型無法預測之缺點，尤其是模式決策執行結果之準確性及廠商執 行效能的預測等，同時該模式亦提供一個經由選商決策的機會，使業主能達到專案 成功的期望。