基于模糊神經(jīng)網(wǎng)絡(luò)的供應(yīng)商選擇建模

劉昌法

（西北工業(yè)大學(xué) 機(jī)電學(xué)院，西安 710072）

基于模糊神經(jīng)網(wǎng)絡(luò)的供應(yīng)商選擇建模

劉昌法

（西北工業(yè)大學(xué) 機(jī)電學(xué)院，西安 710072）

供應(yīng)商選擇的直接影響著供應(yīng)鏈競(jìng)爭(zhēng)力。在科學(xué)合理構(gòu)建供應(yīng)商評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上，建立基于模糊神經(jīng)網(wǎng)絡(luò)的供應(yīng)商評(píng)價(jià)模型，可以較好地克服評(píng)價(jià)指標(biāo)不全面和主觀性強(qiáng)的不足，提供了一種新的評(píng)價(jià)和選擇方法。

供應(yīng)商選擇；供應(yīng)鏈管理；模糊神經(jīng)網(wǎng)絡(luò)

0 引言

供應(yīng)商作為供應(yīng)鏈的重要組成部分, 它的選擇直接影響著整條供應(yīng)鏈的競(jìng)爭(zhēng)力。因此，如何評(píng)價(jià)選擇供應(yīng)商成為供應(yīng)鏈管理的核心環(huán)節(jié)，而由傳統(tǒng)的選擇供應(yīng)商方式向以定性分析和定量研究為主的選擇供應(yīng)商方式轉(zhuǎn)變成為了供應(yīng)鏈管理理論研究的重要課題。從對(duì)數(shù)據(jù)的研究和對(duì)企業(yè)管理人員的調(diào)查發(fā)現(xiàn)，我國(guó)企業(yè)評(píng)價(jià)選擇供應(yīng)商時(shí)尚存在較多問(wèn)題，主要表現(xiàn)在：考查指標(biāo)不全面，難以對(duì)供應(yīng)商做出全面、客觀的評(píng)價(jià)；企業(yè)評(píng)價(jià)選擇供應(yīng)商時(shí)主觀性較強(qiáng)，缺乏切實(shí)可行的選擇方法等[1]。

針對(duì)以上問(wèn)題，本文在對(duì)制造企業(yè)的供應(yīng)商選擇問(wèn)題進(jìn)行深入研究的基礎(chǔ)上，提出了供應(yīng)商選擇的評(píng)價(jià)指標(biāo)體系，并將模糊神經(jīng)網(wǎng)絡(luò)引入了供應(yīng)商評(píng)估之中，構(gòu)建了供應(yīng)商評(píng)價(jià)的模糊神經(jīng)網(wǎng)絡(luò)模型，然后結(jié)合實(shí)際情況對(duì)模型進(jìn)行了驗(yàn)證，從而為供應(yīng)商的選擇評(píng)價(jià)提供了一個(gè)新方法。

1 供應(yīng)商評(píng)價(jià)指標(biāo)體系的建立

1.1 供應(yīng)商評(píng)價(jià)指標(biāo)體系建立的原則

指標(biāo)體系是指由單項(xiàng)評(píng)價(jià)指標(biāo)組成的有機(jī)整體，用以反映評(píng)價(jià)對(duì)象的整體狀況。因?yàn)橹笜?biāo)體系運(yùn)作簡(jiǎn)單，可操作性強(qiáng)，各個(gè)指標(biāo)有明確的衡量和計(jì)算方法，避免了只憑主觀因素造成的偏差，故指標(biāo)體系在供應(yīng)商的評(píng)估中得到了廣泛應(yīng)用。

在供應(yīng)鏈管理環(huán)境下的供應(yīng)商評(píng)價(jià)體系的設(shè)計(jì)應(yīng)當(dāng)可以為決策者提供準(zhǔn)確的決策依據(jù)。在本套指標(biāo)體系的構(gòu)建過(guò)程中，遵循了以下原則[2]：

1）全面性原則，即必須把影響供應(yīng)商真實(shí)的經(jīng)營(yíng)效益和經(jīng)營(yíng)業(yè)績(jī)的各種因素都納入評(píng)價(jià)范圍，同時(shí)還應(yīng)充分考慮那些能夠影響供應(yīng)鏈中企業(yè)合作的因素（如企業(yè)文化），結(jié)合實(shí)際情況設(shè)計(jì)出合理的供應(yīng)商評(píng)價(jià)指標(biāo)體系和指標(biāo)內(nèi)容；2）科學(xué)性原則，即供應(yīng)商評(píng)價(jià)體系要具有科學(xué)性和實(shí)用性。評(píng)價(jià)指標(biāo)、評(píng)價(jià)內(nèi)容需與評(píng)價(jià)方法相適應(yīng)，從而能夠獲得客觀、真實(shí)的評(píng)價(jià)結(jié)果來(lái)指導(dǎo)企業(yè)對(duì)供應(yīng)商的選擇；3）系統(tǒng)性原則，即指標(biāo)體系內(nèi)的各個(gè)指標(biāo)能比較全面的反映供應(yīng)商的整體指標(biāo)，既不重復(fù)，也不缺失，全面完整的反映供應(yīng)商企業(yè)目前的綜合水平，并包含企業(yè)發(fā)展前景的各方面指標(biāo)；4）可操作性原則，即應(yīng)該確保評(píng)價(jià)的指標(biāo)簡(jiǎn)化，方法簡(jiǎn)便，易于定性指標(biāo)定量計(jì)算，以提高工作效率，使決策者更加方便和容易的做出決策。評(píng)價(jià)指標(biāo)和方法應(yīng)體現(xiàn)宏觀上清晰、明確、有引導(dǎo)作用，微觀上操作方便的效果，評(píng)價(jià)指標(biāo)所需的數(shù)據(jù)應(yīng)易于采集，其信息來(lái)源渠道必須可靠，并且容易取得，評(píng)價(jià)指標(biāo)體系應(yīng)具有足夠的靈活性，以使企業(yè)能夠根據(jù)自身的特點(diǎn)以及實(shí)際情況，對(duì)指標(biāo)靈活運(yùn)用；5）客觀公正的原則，即供應(yīng)商評(píng)價(jià)體系指標(biāo)的選用必須客觀公正，使人信服，從而不會(huì)導(dǎo)致決策者做出錯(cuò)誤判斷，進(jìn)而得出錯(cuò)誤的決策。

1.2 供應(yīng)商評(píng)價(jià)指標(biāo)值的確定

要對(duì)供應(yīng)鏈管理環(huán)境下的供應(yīng)商做出全面系統(tǒng)的評(píng)價(jià)，就必須有一套完整、科學(xué)、全面的綜合評(píng)價(jià)指 標(biāo)體系。為了有效的評(píng)價(jià)選擇供應(yīng)商，在以上原則的指導(dǎo)下，綜合考慮供應(yīng)商的業(yè)績(jī)、設(shè)備管理、人力資源開(kāi)發(fā)、質(zhì)量控制、成本控制、技術(shù)開(kāi)發(fā)、用戶滿意度、交貨協(xié)議等方面的因素后，本文選擇了技術(shù)參數(shù)、產(chǎn)品質(zhì)量、產(chǎn)品可靠性、協(xié)作能力、發(fā)展能力、經(jīng)營(yíng)環(huán)境、價(jià)格、提前期、售后服務(wù)等九項(xiàng)指標(biāo)構(gòu)建考察供應(yīng)商的指標(biāo)體系。

1.3 供應(yīng)商評(píng)價(jià)指標(biāo)值的量化

由于指標(biāo)體系中各指標(biāo)之間存在數(shù)量綱、數(shù)量級(jí)的不同等問(wèn)題，并且既有定性指標(biāo)又有定量指標(biāo)。為使各指標(biāo)在整個(gè)系統(tǒng)中具有可比性，必須將指標(biāo)進(jìn)行量化處理。供應(yīng)商評(píng)價(jià)指標(biāo)一般歸為兩種：正向指標(biāo)( 越大越好)、反向指標(biāo)( 越小越好)，兩種指標(biāo)的計(jì)算公式如下 ：

正向指標(biāo)的無(wú)量綱處理：

反向指標(biāo)的無(wú)量綱處理：

式中Xi表示二級(jí)指標(biāo)值，Xmax表示二級(jí)指標(biāo)值的最大值，Xmin表示二級(jí)指標(biāo)值的最小值。這樣，變化的指標(biāo)值Yi都處在[0,1]區(qū)間。

2 模糊神經(jīng)網(wǎng)絡(luò)的供應(yīng)商評(píng)價(jià)指標(biāo)模型的構(gòu)建

2.1 模糊神經(jīng)網(wǎng)絡(luò)

模糊神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的最新成果之一。它將模糊理論和神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合起來(lái)，從而有效的發(fā)揮了這二者各自的優(yōu)勢(shì)，并彌補(bǔ)了他們的不足。模糊技術(shù)的優(yōu)點(diǎn)在于邏輯推理能力，在高階信息處理上具有優(yōu)勢(shì)，將模糊技術(shù)引入神經(jīng)網(wǎng)絡(luò)，大大拓寬了神經(jīng)網(wǎng)絡(luò)的范圍和能力，使其不僅能處理精確信息，也能處理模糊信息和其他不確定信息。神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)和自動(dòng)模式識(shí)別方面有極強(qiáng)優(yōu)勢(shì)，采用神經(jīng)網(wǎng)絡(luò)進(jìn)行模糊信息處理，則使得模糊規(guī)則的自動(dòng)提取和隸屬度函數(shù)的自動(dòng)生成有可能得以解決，使模糊系統(tǒng)成為一種自適應(yīng)模糊系統(tǒng)。由于模糊神經(jīng)網(wǎng)絡(luò)匯集了神經(jīng)網(wǎng)絡(luò)與模糊理論的優(yōu)點(diǎn)，集學(xué)習(xí)、聯(lián)想、識(shí)別、自適應(yīng)及模糊信息處理于一體，從而提高了整個(gè)系統(tǒng)的學(xué)習(xí)能力和表達(dá)能力[3,4]。

2.2 供應(yīng)商評(píng)價(jià)指標(biāo)模型的建立

通過(guò)對(duì)供應(yīng)商的研究，本文根據(jù)供應(yīng)商的水平，把供應(yīng)商分為“優(yōu)秀”、“良好”、“一般”、“不好”、“惡劣”五個(gè)等級(jí)，并以之為依據(jù)建立5條模糊規(guī)則，這是本文構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)。

本文設(shè)計(jì)的模糊神經(jīng)網(wǎng)絡(luò)由五層組成，分別為輸入層、模糊化層、模糊推理層、去模糊化層和輸出層。其中輸入層接收外部輸入信號(hào)，并將輸入值傳送給模糊化層的模糊單元；模糊化層按照模糊規(guī)則將輸入值轉(zhuǎn)換為一定的模糊度，對(duì)模糊信息進(jìn)行預(yù)處理，主要是由模糊化神經(jīng)元組成；模糊推理層是前向型模糊神經(jīng)網(wǎng)絡(luò)的核心，聯(lián)系著模糊推理的前提和結(jié)論，其網(wǎng)絡(luò)參數(shù)即為模糊推理過(guò)程中前提變量的基本模糊狀態(tài)和結(jié)論變量的基本模糊狀態(tài)之間的模糊關(guān)系，他們是由具體的問(wèn)題確定的；去模糊化層接受經(jīng)中間層處理的數(shù)據(jù)，并按照模糊度函數(shù)將這些數(shù)據(jù)進(jìn)行非模糊化處理；輸出層最終給出問(wèn)題的確定性求解結(jié)果[5,6]。

該模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)是由6個(gè)神經(jīng)網(wǎng)絡(luò)組成的，如圖1所示。每個(gè)神經(jīng)網(wǎng)絡(luò)均采用誤差回傳BP網(wǎng)絡(luò)，每個(gè)網(wǎng)絡(luò)的輸入層都具有相同的輸入神經(jīng)元。其中NN1、NN2、NN3、NN4、NN5這五個(gè)BP網(wǎng)絡(luò)分別表示“優(yōu)秀”、“良好”、“一般”、“不好”、“惡劣”5條模糊規(guī)則的結(jié)論部分中的函數(shù) fi(X)，另一個(gè)BP網(wǎng)絡(luò)NNmf用于計(jì)算出每一個(gè)輸入相對(duì)于5條模糊規(guī)則的隸屬度，所以有5個(gè)輸出。神經(jīng)網(wǎng)絡(luò)的輸出為：

式中：gj對(duì)應(yīng)5個(gè)BP網(wǎng)絡(luò)NNj的輸出，mj對(duì)應(yīng)5條模糊規(guī)則的隸屬度。

圖1 模糊神經(jīng)網(wǎng)絡(luò)模型

在本模型中，共存在6個(gè)BP神經(jīng)網(wǎng)絡(luò)，其中NN1、NN2、NN3、NN4、NN5這五個(gè)前向型BP網(wǎng)絡(luò)的結(jié)構(gòu)相同，均是由輸入層、1個(gè)含5個(gè)神經(jīng)元的隱層和帶有一個(gè)輸出神經(jīng)元的輸出層組成，而NNmf的結(jié)構(gòu)設(shè)計(jì)成由輸入層、1個(gè)含6個(gè)神經(jīng)元的隱層和帶5個(gè)輸出神經(jīng)元的輸出層組成。

本模型采用BP算法進(jìn)行訓(xùn)練，具體步驟為：

1）置各權(quán)值或閾值的初始化：wji(0)，qj(0) 為小的隨機(jī)數(shù)值。

2）提供訓(xùn)練樣本：輸入矢量Xk，k＝1，2，…，9；期望輸出dk，k＝1，2，…，9，對(duì)每個(gè)輸入樣本進(jìn)行下面（3）到（5）的迭代。

3）計(jì)算網(wǎng)絡(luò)的實(shí)際輸出及隱層單元的狀態(tài)：

4）計(jì)算訓(xùn)練誤差：

5）修正權(quán)值和閾值：

上式中：η ∈（0，1）為學(xué)習(xí)速率，a為1～10之間的常數(shù)。

6）當(dāng)k每經(jīng)歷1到9后，判斷指標(biāo)是否滿足精度要求：E≤ε，ε為精度。

7）結(jié)束。

本文所構(gòu)建的模型中的輸出值與供應(yīng)商的水平的對(duì)應(yīng)關(guān)系如表1所示。

表1 供應(yīng)商水平與網(wǎng)絡(luò)輸出值對(duì)照表

2.3 模糊神經(jīng)網(wǎng)絡(luò)識(shí)別供應(yīng)商的步驟

2.3.1 收集訓(xùn)練樣本和測(cè)試樣本

收集物料供應(yīng)商的相關(guān)指標(biāo)值，并將其進(jìn)行量化，這就形成了神經(jīng)網(wǎng)絡(luò)的原始樣本數(shù)據(jù)集，將此數(shù)據(jù)樣本分為兩部分，一部分作為訓(xùn)練樣本，另一部分作為測(cè)試樣本，用來(lái)評(píng)價(jià)模糊神經(jīng)網(wǎng)絡(luò)模型的性能。

2.3.2 將所有樣本進(jìn)行歸類

根據(jù)供應(yīng)商的水平，將樣本歸類為5組，即“優(yōu)秀”組、“良好”組、“一般”組、“不好”組和“惡劣”組，這五組各對(duì)應(yīng)一條模糊規(guī)則。利用得到的訓(xùn)練樣本對(duì)模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練的學(xué)習(xí)過(guò)程采用多樣本循環(huán)誤差修正方法，即從樣本集中抽取第一個(gè)樣本進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)，根據(jù)該樣本的期望輸出與實(shí)際輸出的差別來(lái)修正網(wǎng)絡(luò)權(quán)值，然后抽取第二個(gè)樣本利用修正后的權(quán)值進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)，當(dāng)全部樣本都參加過(guò)一次學(xué)習(xí)后，便完成一次迭代。

2.3.3 利用訓(xùn)練完成的模糊神經(jīng)網(wǎng)絡(luò)模型進(jìn)行供應(yīng)商的評(píng)估

當(dāng)訓(xùn)練完成后，把需要評(píng)估的供應(yīng)商的相關(guān)參數(shù)輸入模糊神經(jīng)網(wǎng)絡(luò)模型中，即可得到供應(yīng)商的評(píng)估結(jié)果。依據(jù)此評(píng)估結(jié)果即可進(jìn)行供應(yīng)商的選擇。

3 實(shí)例分析

本文用模糊神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)供應(yīng)商的計(jì)算機(jī)程序是由MATLAB編寫(xiě)的。MATLAB語(yǔ)言是一種非常強(qiáng)大的工程語(yǔ)言，它最大的特點(diǎn)就是簡(jiǎn)單和直接，而且具有很強(qiáng)的移植性。它包括了很多的神經(jīng)網(wǎng)絡(luò)模型和訓(xùn)練函數(shù)，可以很方便的進(jìn)行神經(jīng)網(wǎng)絡(luò)程序的編寫(xiě)。本文利用MATLAB工具箱提供的NEWFF函數(shù)構(gòu)造模糊神經(jīng)網(wǎng)絡(luò)模型。

為了檢驗(yàn)這一模型的準(zhǔn)確性，我們以實(shí)例進(jìn)行仿真計(jì)算。在本例中，相關(guān)參數(shù)選取如下：學(xué)習(xí)速率0.7，精度0.01，各權(quán)值初始值置1。

根據(jù)對(duì)某企業(yè)歷年的供應(yīng)商選取情況的研究，我們得到200組供應(yīng)商的詳細(xì)情況。根據(jù)構(gòu)建的指標(biāo)體系對(duì)各供應(yīng)商的指標(biāo)進(jìn)行逐項(xiàng)打分并進(jìn)行量化后，我們利用其中的190組數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，并利用剩余的10組數(shù)據(jù)對(duì)訓(xùn)練完成的模型進(jìn)行測(cè)試。相關(guān)測(cè)試結(jié)果如表2所示。

表2 模糊神經(jīng)網(wǎng)絡(luò)模型測(cè)試結(jié)果

由上述兩個(gè)樣本的預(yù)測(cè)結(jié)果來(lái)看，它們的絕對(duì)誤差均在0.01內(nèi)，這已經(jīng)基本符合實(shí)際中供應(yīng)商選擇的需要。該仿真實(shí)例也表明了本文提出的模型在實(shí)際中是可行的，具有一定的實(shí)際價(jià)值。

4 結(jié)論

利用模糊神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行供應(yīng)商的選擇決策具有不少優(yōu)點(diǎn)。首先，模糊神經(jīng)網(wǎng)絡(luò)是根據(jù)所提供的數(shù)據(jù)，通過(guò)學(xué)習(xí)和訓(xùn)練，找出輸入與輸出的內(nèi)在聯(lián)系，從而求取問(wèn)題的解，而不是根據(jù)經(jīng)驗(yàn)知識(shí)，因而具有自適應(yīng)功能，能基本消除指標(biāo)權(quán)重確定中人為因素的影響。其次，模糊神經(jīng)網(wǎng)絡(luò)還具有很強(qiáng)的學(xué)習(xí)、聯(lián)想和容錯(cuò)功能，其分析結(jié)果及過(guò)程接近于人腦的思維過(guò)程和分析方法。

與傳統(tǒng)的帶有人為因素的評(píng)價(jià)方法，如層次分析法、模糊綜合評(píng)價(jià)法等相比，本文提出的模糊神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)方法無(wú)需建立數(shù)學(xué)模型，只需將處理過(guò)的數(shù)據(jù)輸入訓(xùn)練好的網(wǎng)絡(luò)中，通過(guò)相應(yīng)的數(shù)學(xué)工具即可得出結(jié)果，評(píng)價(jià)過(guò)程更為方便、準(zhǔn)確，具有較高的實(shí)用性。

[1] 沈厚才, 陶青, 陳煌波. 供應(yīng)鏈管理理論與方法[J]. 中國(guó)管理科學(xué), 2000(8).

[2] Dickson GW. An analysis of vendor selection systems and decisions [J]. Journal of Purchasing, 1996, (2)： 5-17.

[3] 趙小惠, 孫林巖. 供應(yīng)商選擇模糊決策方法[J]. 工業(yè)工程, 2002, 5 (5)： 12-15.

[4] 胡越黎, 計(jì)慧杰. 短期電力負(fù)荷預(yù)測(cè)的模糊神經(jīng)網(wǎng)絡(luò)方法[J]. 應(yīng)用科學(xué)學(xué)報(bào), 2009(1).

[5] Morlacchi P. Vender evalution and selection： the design prodess and a fuzzy-hierarchical model [C], Proceedings of 8th IPSERA Conference, Dublin, 1999.

[6] 田景文, 高美娟. 人工神經(jīng)網(wǎng)絡(luò)算法研究及其應(yīng)用[M].北京： 北京理工大學(xué)出版社, 2006.

Research on supplier selection based on fuzzy neural network

LIU Chang-fa

TP399

B

1009-0134(2011)5(下)-0075-03

10.3969/j.issn.1009-0134.2011.5(下).22

2010-12-05

劉昌法（1975－），男，江蘇徐州人，博士研究生，研究方向?yàn)楣?yīng)鏈管理及國(guó)防動(dòng)員。