维普资讯 http://www.cqvip.com 第１６卷第１期 广西大学梧州分校学报． Ｎｏ．１ Ｖ０１．１６ ２０Ｏ６年１月 ＪＯＵＲＮＡＬ ＯＦ ＧＵＡＮＧＸＩ ＵＮＩＶ￣ＩＴＹ ＷｇＺＨＯＵ ＢＲＡＮＣＨ Ｊａｎ．２（ｘ）６ 基于ＢＰ神经网络的供应商 评价决策优化模型 杨月锋 黄河 邓旭东 （Ｉ．３．武汉科技大学管理学院。湖北武汉４３００８１； ２．广西大学梧州分校．广西梧州５４３００２） ［摘要］本文利用ＢＰ神经网络建立了一种供应商评价模型。该模型实现了供应链中的供应商的多指标评价，提高 了供应商选择过程的客观性，同时该模型克服了指标权重难以表达的缺点。最后，用实例对模型进行了验证。 ［关键词］供应商评价；ＢＰ神经网络 ｃ中图分类号】 鹏［文献标识码］Ａ［文章编号］１００９—２６３３（２ｏ０６ ＪＯ１—００９９—０４ ＢＰ ＡＮＮ Ｓｕｐｐｌｉｅｒ Ｅｖａｌｕａｔｉｏｎ Ｍｏｄｅｌ Ｙａｎｇ Ｙｕｅｆｅｎｇ Ｈｕａｎｇ Ｈｅ２ Ｄｅｎｇ Ｘｕｄｏｎ￣ （１．３ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ Ｃｏｌｌｅｇｅ，Ｗｕｈａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ ４３００８ １，Ｃｈｉｎａ； ２．Ｇｕａｎｇｘｉ Ｕｎｉｖｅｒｓｉｔｙ Ｗｕｚｈｏｕ Ｂｒａｎｃｈ，Ｗｕｚｈｏｕ ５４３００２。Ｃｈｉｎａ） ￣＇－Ｔｈｌｓ ｐａｐｅｒ ｄｉｓｃｕｓｓｅｓ ｔｈｅ ｂｕｉｌｄｉｎｇ ｏｆ ａ ｓｕｐｐｌｉｅｒ ｅｖａｌｕａｔｉｏｎ ｍｏｄｅｌ ｗｉｌｆｔ ＢＰ ＡＮＮ．Ｔｈｅ ｎＫｘｔｅｌ ｆｉ￣ｉｆｌｓ ｔｈｅ ｍｕｌｔｉ—ｔａｒｇｅｔ ｅｖａｌｕａｔｉｏｎ ０ｆ ｔｈｅ ｓｕｐＣｙ ｃｈａｉｎ，ｉｍｐｒｏｖｉｎｇ ｔｈｅ ｏｂｊ￣ｔｉｖｉｔｙ ｉｎ ｔｈｅ ｓｅｌｅｃｔｉｎｇ ｐｒｏｃｅｓｓ，ａｖｏｉｄｉｎｇ ｔｈｅ ｄｉｔｉｆｃｕｈ ｆａｃｔｏｒｓ ｉｎ ｔｈｅ ｔａｒｇｅｔ ｏｒｉｅｎｔａｔｉｏｎ．Ｆｉｎａｌｌｙ，ｐｒｏｏｆｓ ｗｉｌｌ ｂｅ ｓｉｒｅｎ ｔｏ ｔｈｅ ｍｏｄｅｌ ｗｉｌｆｌ ｓａｍｐｌｅ ｅｘｐｅｒ￣ｎｅｎｔｓ． Ｋｅｙ ｗｔｌｔ－ｄｓ￣，ｓｕｐｐｌｉｅｒ ｅｖａｌｕａｔｉｏｎ；ＢＰ ＡＮＮ 在２１世纪，供应商对企业有着极其重要的作用。选 虽然方法比较多，但都并未在企业的采购过程中得到广泛 取台适的供应商，可以降低系统总体成本，提高竞争力，也 的应用。据资料显示，对世界前１５０家被认为最具购买实 可以帮助企业找到解决问题、共同发展的伙伴。很多国际 力的企业中的１１０家进行调查的结果表明，仅有２８．１％的 化的大企业已经通过利用供应商管理库存和让供应商参 企业能够提供评价形式，而其中４５．６％的企业还不具备合 与新产品的研究与开发来提高供应商的地位，增强与供应 适、有效的评价系统。因此研究出简单有效、切实可行的 商的合作，以寻求在多供应链的竞争中达到双赢目的。 供应商评价模型，对供应商进行决策优化十分重要 本文 作好供应商的评价工作是选择好的供应商的前提条 将引入神经网络的思想，采取定性与定量相结合的方法， 件。只有客观、公正的评价供应商的业绩及各项因素，才 提出并建立一种基于ＢＰ神经网络的供应商评价模型 能为企业顺利进行下一步的工作选择最合适和最强有力 的合作伙伴。 １．评价指标的确定 企业在进行供应商评价时，必须全面权衡各种因素， 供应商评价指标的选取是非常雨要的 对供应商的 做出适当的评价。由于评价标准是多方面的，对各潜在伙 选择研究进行最早、影响也最大的是Ｄｉｃｋｓｏｎ Ｇ—ｗ 他通 伴企业的特征信息进行分析、整理、评估，实质上是一个多 过分析１７０份对采购代理人和采购经理的凋查，结果表 目标决策问题，如何确定一种方法对目标进行综合是供应 明，重要性最高的前三个因素分别是品质、交货期与过去 商管理研究的重点。目前常用的对供应商进行选择评价 绩效。 的方法主要有ＡＢＣ成本法、层次分析法、线形权重模型 Ｗｅｂｅｒ以Ｄｉｃｋｓｏｎ所提出的２３个供应商选择标准为基 法、多目标数学规划（ＭＯＰ）和数据包络分析法（ＤＥＡ）等。 础，分析了从１９６７到１９９０年出现的７４篇文献，对供应商 评选准则的重要性进行了排序 在Ｗｅｂｅｒ的排序表中，价 收稿日期：２００５—１１—０３ 格、准时送货与质量这三项准则分别出现在８０％、５８％和 ・ ｑｑ ・ 维普资讯 http://www.cqvip.com ２０Ｏ６年第１期 ５３％的研究文献中。 广西大学梧州分校学报 第ｌ６卷 导下的学习，其学习算法实际上是对简单的Ｄｅａｔａ（８）学习 规则的推广。其学习公式的推导思想是：对网络的权值 由华中科技大学管理学院ＣＩＭＳ—ｓＣＭ课题组１９９７年 的一次调查统计数据可知。目前我国企业在选择供应商 时。主要的标准是产品质量，９８．５％的企业考虑了这个标 准；其次是价格，９２．１％的企业考虑了这个标准；另有６９． （ｗｉｊ，．ｎｉ）和闭值（ａ）进行修正，使误差函数（Ｅ）沿负剃度方 向下降。若Ｅ小于允许误差，则学习过程结束，否则计算各 层节点的输出误差，进行误差反向传播，修改网络的连接 权值与阈值，直至网络收敛，使Ｅ值小于允许误差。 ７％的企业考虑了交货提前期；批量柔性和品种多样性也 是企业考虑的因素之一。 另外也有大量的文献资料表明，企业在选择供应商时 更多地考虑到企业的信誉、企业的技术能力和发展能力 等，这些都对供应链上企业间的合作至关重要。而且随着 人们环境意识的增强，对环境重要性的认识逐步提高，许 多企业在选择供应商时也越来越多地把供应商企业的环 境因素考虑在内。 所以，本文在利用神经网络对供应商进行评价时选取 了７个指标：价格、质量、交货期、企业业绩、环境、技术和 发展能力。这７个指标是大多数企业普遍采用的评价标 准，具有较强的代表性。 ２．神经网络评价模型 神经网络理论是近年来人工智能的一个前沿研究领 域，它是基于连接控制的大规模的并行处理和分布式的信 息存储，依靠大量神经元的连接以及这种连接所引起的神 经元的不同兴奋状态和系统所表现出的总体行为的理论。 ２．１神经网络基本原理 神经网络的种类比较多，有ＢＰ神经网络、Ｈｏｐｉｆｅｌｄ网 络、线性神经网络等，选择何种网络类型，需要根据实际问 题确定。在供应商的评价系统中，要求输出是对供应商的 评价结果，即哪一家更适合供应链管理的需求。在这里我 们将此项指标定义为综合满意指标。由于供应商的很多 指标都会影响到企业对供应商的满意度，没有一个明确的 数学解析式可用于计算。属于复杂的非线形预测问题。经 实践验证，ＢＰ神经网络可以有效地解决这类问题。 从结构上讲，ＢＰ网络是一个多层结构，不仅有输入层 节点、输出层节点，而且中间通常还含有一两个隐含层，其 结构如图１。 权可调 权．－ｌｇｌ Ｘｔ Ｙｆ Ｘ１ Ｙａ － ● ｉ Ｘ Ｙ 输入层 中间层 输出层 图１一个三层ＢＰ网络 从图１给出的三层ＢＰ网络结构可以看出层与层之问 多采用全互连方式，但同一层的各个节点之间不存在相互 连接。从算法上讲ＢＰ网络的学习是一种典型的在导师指 ・１ＯＯ・ ２．２供应商评价的ＢＰ网络模型 根据ＢＰ网络模型的特点及算法思想，并结合Ｋｏｌｍｏ－ ｇｒｏｖ定理，确定中问层的神经元数目为２Ｒ＋１个，因此就 形成了７—１５一ｌ的神经网络模型，输出为供应商综合满 意指标，分值越高，代表此供应商越符合企业的要求。模 型如图２： 图２三层ＢＰ神经网络模型 ２．３程序编写图 用神经网络评价供应商的计算机程序是由ＭＡＴＬＡＢ 来编写的。ＭＡＴＬＡＢ语言是一种非常强大的工程语言，它 最大的特点就是简单和直接。而且它是用ｃ语盲编写的， 因此具有很强的移植性。它还包括了很多的神经网络模 型和训练函数。程序流程图如图３： 图３神经网络流程圈 ３．实例仿真 为了便于检验这一模型的准确性，本文以实例进行仿 真计算。 维普资讯 http://www.cqvip.com ２００６年第１期 杨月锋黄河邓旭东：基于ＢＰ神经网络的供应商评价决策优化模型 例：某企业在选择供应商的过程中需考察的指标有价 格、质量、交货期、企业业绩、环境、技术和发展能力，在进 ＯＯｌ９１） 行选择过程中有ｌ２家供应商进入考察范围，ｌ２个供应商 的评价资料如下表。采用ＢＰ神经网络的供应商评价决策 优化模型可做如下处理： 表ｌ学习样本输出与实际值对比 序 价 质 交货期 企业 环 技 发展 综合满 输出值 号 格 量 业绩 境 术 能力 意指标 ｌ ４ ７ ５ ６ ８ ５ ７ ５ ４．９７２ ２ ７ ８ ６ ７ ８ ６ ７ ７ ６．９９Ｏ ３ ６ ５ ４ ５ ６ ５ ６ ６ ５．９９ｌ６ ４ ６ ７ ４ ８ ４ ６ ８ ６ ６．０３Ｏ ５ ７ ５ ６ ４ ６ ８ ７ ７ ６．９９ｒ７ ６ ５ ６ ７ ５ ７ ５ ５ ５ ５．０ｒ７８ ７ ５ ６ ５ ７ ８ ７ ７ ７ ６．９６４ ８ ８ ５ ８ ７ ８ ８ ７ ８ ８．００ｌ ９ ２ ２ ４ ２ ２ ２ ０ ２．３ ２．２７９ ｌ０ ４ ４ ２ ２ ４ ２ ２ ３．３ ３．３２９ ｌｌ ２ ２ ２ ２ ２ ０ ２ １．３ １．３２３ ｌ２ ４ ４ ２ ２ ２ ２ ４ ３．１ ３．１３Ｏ 为了在训练中易于达到收敛效果，因此。在训练前对 数据进行了处理。处理原则为：给每个指标打分，满分为 １０分。分数越高。表示供应商的此项指标性能越好，对供 应商的综合满意指标的输出影响越大，从而综合满意指标 值越大。 处理完数据后，开始对样本进行训练。这里有个关键 的地方就是学习率的选取，本文将通过函数脚 ｒｄｒ（）根 据系统需要自动获取。当训练到１９３４步后就达到了目标 误差０．００１，模拟结果如表１，其与实际综合满意指标相对 误差在１．７７％以内。并绘出了方差目标及学习率与训练 步数的关系图（图４），绘出输出目标和预测值的回归方程 图（图５，相关系数Ｒ＝０．９９９）。 枣Ｑ６∞ 曹Ｑ４ ：． ：： ： ：： ： ： 图５网络输出（Ａ与Ｔ）的回归分析结果 现在用两个样本来检验一下该网络的预测能力，其数 据如表２： 表２测试样本 序 价 质 交货期 企业 环 技 发展 综合满 号 格 量 业绩 境 术 能力 意指标 输出值 １ ２ ２ ４ ４ ２ ４ ２ ２．５ ２．４９８ ２ ２ ４ ４ ４ ２ ４ ２ ２．８ ２．８Ｏｌ 从上述两个样本的预测结果来看，它们的绝对误差分 别为０．００２和０．００１，这基本上已满足实际中供应商选择 的需要。该仿真实例也基本验证了本文所提出的模型在 实际运算中是可行的，数据的准确性较为可靠。具有一定 的实际价值。 ４．结束语 采用ＢＰ神经网络对供应商进行评价的一个最大优点 就是不考虑各个指标的权重。因为在实际评价中，指标的 选取非常复杂。而指标权重的确定又存在大量的主观因 素。这里我们通过ＢＰ神经网络来建立供应商评价模型， 通过对已有的学习样本，利用离线和在线相结合的方法， 获得评价专家的知识、经验、主观判断及其重要性的倾向， 建立起供应商和企业之间的复杂的定量关系。当对其他 合作伙伴进行评价时，该方法可再现评价专家的经验、知 识和直觉思维，从而能够保证供应商评价结果的客观性。 参考文献： ［１］高芳等．基于离散型Ｈｏｐｆｉｅｌｄ神经网络的供应商评价模 型［Ｊ］．计算机集成制造系统一ＣＩＭｓ，２００４，（１）． ［２］蒋宗礼．人工神经网络导论［Ｍ］．北京：高等教育出版 社，２００１． ［３］徐晋等．基于神经网络专家系统的供应商信用等级分 析［Ｊ］．情报科学，２０Ｏ４，（２）． ［４］ＰＥＮＮＹ Ｍ，ＪＵＤＹ Ａ，ＳＵＳＡＮ Ｃ．Ｍｅａｓｕ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｓｕｐｐｌｉｅＩ８：ａｎ ａｎａｌｙｓｉｓ ｏｆ ｅｖａｌｕａｔｉｏｎ ｐｒｏｃｅｓｓｅｓ［Ｊ］．Ｔｈｅ Ｊｏｕｒｎａｌ Ｓｕｐｐｌｙ Ｃｈａｉｎ Ｍａｎａｇｅｍｅｎｔ，２００２，（４）． ［５］何海军等．论供应链中的供应商管理［Ｊ］．经济与管理， ２００３，（９）． ［６］蔡国平．浅论供应商管理［Ｊ］．机械管理开发，２００２，（５）． ・ １０１ ・ 维普资讯 http://www.cqvip.com ２ＯＯ６年第１期 广西大学梧州分校学报 第１６卷 ［７］汤传毅等．论现代企业供应商管理的新模式——生态 技大学管理学院硕士，研究方向为物流与供应链管理。 黄河（１９７９一），男，湖北孝感人，广西大学梧州分校 助教，研究方向为物流与信息化。 邓旭东（１９６４一），男，湖北云梦人，武汉科技大学管理 学院副教授，研究方向为管理决策与博弈的理论及其应 用、企业优化管理与决策。 （责任编辑：玉振明） 型供应商管理［Ｊ］．中企业经济，２ＯＯ４，（３）． ［８］朱玉成．浅谈供应商管理中的几个问题［Ｊ］．无锡商业 职业技术学院学报，２ＯＯ４，（９）． ［９］张侨等．战略性供应商细分——一种有效的供应商管 理模式［Ｊ］．中外企业家，２ＯＯ４，（８） ［作者简介】杨月锋（１９８２一），女，河南许昌人，武汉科 ・１０２・