1、BP 神经网络及其在供应商选择评价中的应用钱芝网 1、2（1.上海理工大学，上海 200093；2.上海医疗器械高等专科学校，上海 200093）摘要：供应商选择评价方法是否得当，将直接决定了企业所选供应商的优劣，并将最终影响到整个供应链的竞争能力。论文首先基于二十一世纪采购环境的变化及其对采购供应提出的新要求，结合前人的研究成果，构建了一套由质量、成本、服务、柔性、可靠性、管理水平、研究与发展能力这 7个一级指标和交货柔性、协调能力、信息化水平等27个二级指标组成的供应商选择评价指标体系，并对这些指标的内涵进行了分析。考虑到供应商选择指标之间呈现出复杂的非线性关系，而诸多的评价方法中，唯有人
2、工神经网络具有独特的非线性适应性信息处理能力，据此论文以此为工具，运用前向神经网络中的 BP神经网络设计了一套算法，并基于该算法建立了供应商选择评价模型，最后进行了实例分析。结果表明，运用这一评价模型来选择应商，能较好地避免其他方法人为计取权值和相关系数过程中的主观影响和不确定性，选择的结果比较客观、科学。关键词：BP 神经网络；供应商选择；输入向量；网络收敛On the BP Neural Network and its Application in Supplier Selection and EvaluationQian Zhiwang1、2（1.University of Shangh
3、ai for Science supplier selection; input vector; network convergence1 引言实施供应链管理可以有效地提高企业的整体竞争力，使其能够面对巨大的挑战。而供应商的选择则是构筑供应链的第一步，也是关键的一步。如何快速有效地从众多的供应商中选择到适合企业所需要的供应商，这是供应链上每个企业所特别关注的问题。由于供应商的选择属于多目标决策的范畴，非常复杂，企业只有充分考虑到本企业的需求实际和战略目标，采用科学的选评方法，才能选择到理想的供应商。关于供应商的选择方法，近几十年来，不少学者从单产品和多产品、单货源和多货源、价格折扣、单阶段和多
4、阶段等角度进行了有益的探索，提出了许多行之有效的方法，特别是一些定量方法。Timmerman（1986）提出用成本先计算由质量、运输、服务等项目构成的总成本，然后进一步计算每项构成指标的成本占总成本的百分比，并据此来确定最终供应商的成本比率法 1。 Roodhooft 和 Jonings（1996）通过分析采购活动产生的直接和间接成本来选择供应商，提出了作业成本法(activity-based costing)2。此外，还有学者提出了 ABC 成本法 Activity Based Costing Approach） ，通过计算供应商的总成本来选择供应商。以上这些学者都是从成本的角度来研究供应商
5、的选择问题的 3、4 。此方法的优点在于帮助采购商在决策时从整体考虑采购成本，不单单考虑产品价格，进而做出更为理性的决策。但是，由于成本法要求在制定采购决策之前必须详细收集供应商的信息及各种成本数据，信息量和计复杂度大，对于那些没有供应商详细信息的供应选择问题，此方法难以奏效。另外，此种方法只考虑了成本这样一个指标而忽视了其他很重要的指标，对供应商评价也不太全面 5。Gaballa（1974 ）以澳大利亚邮局的多项目采购为例 ,建立了混合整数规划模型, 首次将线性规划方法用于供应商选择问题 6。Pan（1989） 以价格、质量和服务为约束条件，针对供应商选择以及采购量在供应商之间分配的决策问题
6、建立了一个以成本为目标函数的单目标线性规划模型 7。Rosenthal（1995）等人以价格、质量、交货和供应能力作为约束条件，研究了不同产品绑定销售打折情况，建立了以最小化采购成本为目标的混合整数规划模型 8。Ghodsypour 和 OBrien（2001）以质量和供货能力为约束条件，以采购、存储、运输、订货等各项成本之和最小化为目标函数，提出了一个用于求解单产品、多货源以及无价格折扣条件下多阶段供应商选择与采购量分配优化决策问题的单目标混合整数非线性规划模型 9。Weber 和 Current 将价格、质量、交货作为目标，以供应商能力、需求、政策、资金、供应商数量作为约束，用多目标线性规
7、划模型进行供应商选择 10。Karpank 等人（1999）根据多产品、多货源、无价格折扣的假设条件建立了一个可视化多目标混合整数线性规划模型，在供应能力限制与供需平衡的约束条件下综合考虑采购成本、产品质量和交货可靠性 11。Arunkumar 等人（2006）基于多产品、多货源、有价格折扣的假设条件，考虑供需平衡、供货能力、提供给被选中供应商的业务量等制约因素来构建使不合格产品数量、非准时交货数量和总采购成本都最小化的多目标混合整数线性规划模型 12。上述学者构建的供应商选择模型都是基于数学规划法的，这一方法是供应商选择中运用相当广泛的一种方法，它是解决单货源和多货源情况下供应商选择与采购量
8、优化决策问题的一种有效方法。但由于对社会、生产和经济系统的复杂性和非确定性缺少足够的理论支持和足够的历史数据等，导致许多问题无法抽象出清晰的数学模型和精确的数学方法求解。同时，在问题较大且复杂的情况下很难得到精确的解析解。Gregory 和 Timmerman（1986）用一种分类法( Categorical method)来评价供应商，给供应商的每个准则简单的判断为“满意 + ”、 “可以 0 ”、 “不满意” ，然后计算供应商的总积分 13、14 。这实际上是一种线性加权方法，该方法主要应用于单货源选择。由于这种方法过分依赖人为判断，主观性太强，因而缺少实际应用价值。如前所述，供应商选择是
9、一个多目标决策的复杂问题，单纯用解析的方法难以解决许多优化决策问题。于是，有不少学者开始尝试采用各种非解析方法，并且将定量方法和定性方法结合起来，来解决供应商选择过程中存在的问题。Dae - Ho Byun（2000） 用 AHP法（Analytic Hierarchy Process,AHP）分析了韩国汽车的采购过程，并给出了应用实例来进行供应商选择 15，但这种方法在确定指标权重时带有较多的主观因素，难免不出现误差。Soukoup（1987 ） 提出用仿真的方法来处理供应商选择过程中的一些不确定的因素 16。Cook（ 1997） 提出了案例分析系统（Case - Based Reason
10、ing）来制定采购决策，通过积累的大量信息来训练系统的能力，从而选择出合理的供应商 17。Weber 等人（1998）提出了一个由多目标规划和数据包络分析法（data envelopment analysis）组成的组合模型，该模型基于单产品、多货源、多目标及无价格折扣的假设条件，以总采购价值最大化为目标函数，通过供应能力、质量等约束条件来分析供应商选择与采购配额优化决策问题 18，但这种方法对有效的供应商不能进一步区分优劣，通过对权重的精细选择，可能会使一个在少数指标上有优势而多数指标上有劣势的供应商成为相对有效的供应商。Isao Shiromaru（2000）等人采用了模糊理论处理供应商选
11、择中的模糊目标问题，并以日本发电厂煤炭采购为实例建立了模糊目标模型,用遗传算法求解模型 19，这种方法虽然对不确定因素给予了足够的重视，但是为了求出各因素的隶属函数，必须把各项指标进行特征化处理，这样有些指标本属白化的数值，经特征化处理后，反而变成一个区间的模糊值而不同程度的丧失信息，从而给评价者带来了误差。此外，还有学者研究用 TOPSIS 法（Technique for Order Preference by Similarity to Ideal Solution, TOPSIS） 、遗传算法（ GA-Genetic Algorithm） 、灰色关联分析等方法来选择供应商。也有少数学者研
12、究用人工神经网络算法来选择供应商，但比较浅显，不够深入，而且只有简单算法，没有建立实例模型。本文根据经济全球化下企业采购环境的变化，客户需求的多样化、个性化趋势，供应链管理的特点，以及由此带来的供应柔性化、交货准时化和较强的产品设计能力、创新能力、沟通协调能力等的要求，构建了富有时代特征的供应商选择评价指标体系，运用前向神经网络中的 BP 神经网络设计了一套算法，并基于该算法建立了供应商选择评价模型，最后进行了实例分析。2 供应商选择评价指标体系的构建供应商选择是一个选择性决策问题。任何选择都需要选择评价标准，供应商选择评价标准的研究始于 1966 年美国学者 Dickson（1966）在采购
13、 上发表的一篇论文，随后便引起学术界的普遍关注。Dickson 通过对 273 名代理商和管理人员的统计调查，总结出 23条供应商选择标准，它们分别是质量、交货期、历史表现、保证条款、生产设备与产能、价格、技术能力、财务状况、程序遵守情况、交流系统、行业美誉度、合作热情、组织管理、操作控制、维修服务、态度、印象、包装能力、劳资关系、地理位置、既往业务量、培训和联营安排 20。Dickson 的研究成果对后来的供应商选择研究产生了深远的影响。后来 Cusumano and Takeishi（ 1991）在 Dickson 的研究基础上进一步提炼为财务、价格、品质、技术能力、过去的商业关系 5 个
14、核心标准 21；Weber and Current、Chaudhry et al.（ 1993）则都概括为 3 个核心标准，分别是：价格、交货可靠度、产品品质和品质、交货能力限度、价格回馈 22、23 ；Swift （1995）在此基础上又增加了 1 个标准即可信任程度24； Choi and Hartley（1996）在他们的研究基础上又进一步扩展为财务、一贯性、关系、弹性、技术能力、服务、可靠性、价格 8 个核心标准 25。到了 20 世纪末、21 世纪初，随着经济全球化的快速发展，企业采购的外部环境发生了重大变化，主要体现在进货渠道多、价格差异大、质量难以控制、采购风险大等方面，再加上消
15、费需求也日益个性化、生产方式也发生了重大的变化，多样化，多品种小批量生产取代了原先的大批量生产，评价供应商的指标体系也不得不跟着发生变化，出现了一些Dickson 当年未曾提到的新指标，如 Jayaraman and Benton1999 年提出了“前置时间”指标26、 Lee 等人 2001 年提出了“产品开发与改进”指标 27、Chan 等人 2003 年提出了“设计能力”指标 28、Prahinski and Benton2004 年提出了“回应需求变更能力”指标 29、Kreng and wang2005 年提出了“准时交货能力”指标 30，等等。根据学者们的上述研究成果，结合 21
16、世纪采购环境和客户需求的变化，本文提出了选择供应商的 7 大标准（如图 1 所示） 。供应商选择评价指标体系质量 成本产品合格率质量控制体系开发成本采购成本运输成本检验成本安装服务培训服务维修服务升级服务技术支持服务服务沟通与服务改善能力服务信誉经营状况财务状况交货柔性数量柔性品种柔性工艺柔性管理队伍协调能力生产管理系统合同执行能力员工素质信息化水平科研机构R&D 能力可靠性 可靠性可靠性 可靠性图 1 供应商选择评价指标体系2.1 质量供应商提供的产品质量是否可靠，是一个很重要的评估指标，供应商的产品必须持续稳定地符合采购企业的生产所需，质量过高或过低都是错误的。如果质量低了，虽然采购价格也
17、会相应的低，但实际上会导致企业的总成本增加，因为质量不合格的产品在企业投入使用的过程中，往往会影响生产的连续性和产成品的质量。如果价格过高，远远超过了生产要求的质量，对企业而言也是一种浪费。因此，对供应商提供的产品质量要求以生产企业“合适”为度。评价供应商产品的质量，不仅仅要看产品的合格率，还要看供应商有没有建立起严格、规范的质量控制体系。2.2 成本对供应商的报价单进行成本分析，是有效甄选供应商的方式之一。成本不仅仅包括采购价格，而且包括原料或零部件使用过程中或生命周期结束前所发生的一切支出。较低的采购价格对于降低企业生产经营成本，提高竞争力和增加利润，有着明显的作用，因而它是选择供应商的一
18、个重要条件。但是价格最低的供应商不一定就是最合适的，如果在产品质量、交货时间上达不到要求，或者由于地理位置过远而使运输费用增加，都会使总成本增加。因此，总成本最低才是选择供应商考虑的主要因素。总成本主要包括产品开发成本、采购成本、运输成本、检验成本等。2.3 服务良好的服务是建立和维护供需双方战略合作伙伴关系的关键，也为双方交流产品质量及其他方面的信息提供了条件。考量供应商的服务水平，不仅要考察供应商是否提供良好的安装、培训、维修等服务，还要看供应商是否提供升级服务、技术支持服务。此外，还要评估供应商的服务沟通和服务改善能力。2.4 柔性随着经济全球化的到来，信息技术的快速发展和普及，消费需求
19、的日益个性化、多样化，企业间的竞争越发尖锐激烈，企业间竞争的重点已逐渐转变成供应链与供应链之间的竞争，谁能以最快的速度、最低的成本将定制化的产品送交到顾客手上，谁就能赢得竞争的优势。在这种情况下供应商的交货柔性、数量柔性、产品柔性以及生产工艺柔性等动态指标就显得尤为重要了。因此，是否具备良好的柔性，已成为当今企业选择供应商的重要考量指标。2.5 可靠性可靠性指标主要指供应商的信誉、经营状况和财务状况，这些因素会直接影响供应商的交货和履约绩效。如果供应商的信誉不好，经营不稳定，财务出现问题，那么，供应商的供应能力、履约水平和周转情况就会较差，就会影响供货，进而影响企业的生产，就会丢失市场机会。因
20、此，在选择供应商时，应选择有较高声誉的、经营稳定的、财务状况良好的供应商。2.6 管理水平管理水平的高低也是衡量供应商供应能力高低的重要指标。一个供应商如果有一个坚强有力的领导班子，有一个高水平的生产管理系统，有一个严密的质量管理保障体系，企业形成了一股严肃认真、一丝不苟的工作作风，那么，这样的供应商必然能提供高质量的产品，合同的履行必然有保障。需要特别指出的是，在评价供应商的管理水平时，有一个指标供应商的协调能力，我们不能忽视。传统选择供应商的指标过于重视对供应商内部的评价而忽视了供应商对上下游厂商的协调能力。由于二十一世纪的竞争已不是企业与企业之间的竞争，而是供应链与供应链之间的竞争，事实
21、上，柔性生产就是建立在供应链基础之上的。现在越来越多的企业已成为供应链的节点企业了，企业要生存和发展，必然要和更多的企业打交道，必然要得到供应链上其他企业的支持和配合，如果企业缺乏协调供应链上下游企业的能力，那么，就会影响甚至降低整个供应链的服务水平和响应速度。因此，供应商的协调能力也应是我们评价供应商管理水平的一个重要的指标。2.7 创新与发展能力创新和发展能力是企业生命之树长青的源泉，也是企业的核心竞争力之所在。二十一世纪的今天，企业寻找供应商，并不是寻找一个临时的交易对象，而是要寻找一个长期的战略合作伙伴，供应商能否成为企业的长期战略合作伙伴，取决于供应商是否具有较强的创新与发展能力。供
22、应商的创新与发展能力我们可以用供应商员工的素质、信息化水平、科研机构和 R&D 能力这 4 个二级指标来衡量。其中， “信息化水平”这一指标，在传统的供应商选择指标当中是没有的。如前所述，企业和供应商是要结成长期的战略合作伙伴关系的，这一关系形成的基础条件之一就是双方要能够做到信息的快速传递和共享，在这种情况下，供应商的信息化水平就至关重要了。如果供应商的信息化水平低，必然会影响双方信息的传递速度和共享程度，而信息的阻滞、脱节、传输不畅势必会影响对顾客最终需求的响应速度。因此，供应商的信息化水平具有强烈的时代色彩，应是衡量供应商创新发展能力强弱的重要指标。3 BP 神经网络的原理及算法3.1
23、BP 神经网络的原理人工神经网络（Artificial Neural Network，简称 ANN），亦称为神经网络（Neural Networks，NN），是由大量处理单元（神经元 Neurons）互连而成的网络，是对人脑的抽象、简化和模拟，反映人脑的基本特性。人工神经网络的研究是从人脑的生理结构出发来研究人的智能行为，模拟人脑信息处理的功能。它是根植于神经科学、数学、统计学、物理学、计算机科学及工程等科学的一种技术，通常可分为前向神经网络、反馈神经网络和自组织神经网络 3 种基本类型，其中属于前向神经网络的 BP 神经网络是 目 前 研 究 最 多 、应 用 最 广 泛 的 神 经 网 络
24、 。BP神经网络是误差反向传播神经网络的简称（Back Propagation Neural Networks，简称BP）,它由一个输入层、一个或多个隐含层和一个输出层构成，其中输入和输出都只有一层，隐含层可以有多层，其激励函数采用Sigmoid型函数。每一层由一定数量的神经元构成，同层的网络节点之间没有连接，每个网络节点表示一个神经元，这些神经元如同人的神经细胞一样是相互关联的，其结构如图2所示:图 2 BP 神经网络结构图BP 网络是一种单向传播的多层前向网络，它通过大量样本进行有导师学习，不断减小网络输出与用户要求间的距离，逼近要求，其学习训练由四个过程组成: （1）输入模式由输入层经中
25、间层向输出层的“模式顺传播”过程，得到了最初网络的输出；（2）由网络的期望输出与网络实际输出之差得到的误差信号，从输出层经中间层向输入层逐渐修正连接权的“误差逆传播”过程；（3） “模式顺传播”与“误差逆传播”的反复交替进行的网络“记忆训练”过程，用各样本反复迭代，不断修正连接权；（4）网络趋向收敛，即网络的全局误差趋向极小值的“学习收敛”过程。网络收敛后，就达到用户的要求，训练过程结束。可以看出，BP 网络的训练过程归结起来为：模式顺传播误差逆传播记忆训练学习收敛。由于 BP 神经网络及其算法增设了中间隐含层而且有相应的学习规则可循，使其具有对非线性模式的识别能力，尤其是其数学意义明确、算法
26、步骤分明，更使其具有广泛的应用前景。3.2 BP 神经网络的算法BP 神 经 网 络 采 用 误 差 反 传 学 习 算 法 ， 它 使 用 梯 度 搜 索 技 术 ， 实 现 网 络 的 实 际 输 出与 期 望 输 出 的 均 方 差 最 小 化 。 网 络 学 习 的 过 程 是 一 种 边 向 后 边 传 播 边 修 正 权 的 过 程 。在 这 种 网 络 中 ， 学 习 过 程 由 正 向 传 播 和 反 向 传 播 组 成 。 在 正 向 过 程 中 ， 输 入 信 号从 输 入 层 经 隐 层 单 元 逐 层 处 理 ， 并 传 向 输 出 层 ， 每 一 层 神 经 元 的
27、状 态 只 影 响 下 一 层 神经 元 的 状 态 。 如 果 在 输 出 层 不 能 得 到 期 望 的 输 出 ， 则 转 向 反 向 传 播 ， 将 输 出 的 误 差 按原 来 的 连 接 通 路 返 回 。 通 过 修 改 各 层 神 经 元 的 权 值 ， 使 得 误 差 信 号 最 小 。 得 到 合 适 的网 络 连 接 值 后 ， 便 可 对 新 样 本 进 行 非 线 性 映 像 。（ 1） 信 息 的 正 向 传 递假 设 BP 网 络 共 L 层 ， 对 于 给 定 的 P 个 样 本 ， 网 络 的 期 望 输 出 为 ：Td=Td1， Td2， ， Tdp当 输
28、入 第 P 个 样 本 时 ， 对 于 网 络 中 的 第 l（ l=1， 2， ， L-1） 层 中 第 j 个神 经 元 的 操 作 特 性 为 ：（ 1）1)1()(lni ljlipjljpOWet（ 2）)()(ljplljptf其 中 ， 为 神 经 元 i 到 神 经 元 j 的 连 接 权 值 ；ji是 第 l-1 层 的 结 点 数 ；1ln为 神 经 元 j 的 当 前 输 入 ；)(ljpO为 神 经 元 j 的 输 出 ；)(lj为 非 线 性 可 微 非 递 减 函 数 ， 一 般 取 为 S 型 函 数 ， 即lf（ 3）xle1)(而 对 于 输 出 层 则 有=
29、 （ 4）)(LjpO1)1()(Lni LjipjjpOWtf 神 经 网 络 学 习 的 目 的 是 实 现 对 每 一 样 本 ，mjjpjdpTE12)(2（ p=1， 2， ， P） ， 其 中 m 为 输 出 结 点 个 数 ， 达 到 最 小 ， 从 而 保 证 网 络 总 误 差极 小 化 。 其 中 分 别 为 输 出 层 第 j 个 节 点 的 期 望 输 出 和 实 际 输 出 。PpE1 jpjdT,（ 2） 利 用 梯 度 下 降 法 求 权 值 变 化 及 误 差 的 反 向 传 播采 用 梯 度 算 法 对 网 络 权 值 、 阈 值 进 行 修 正 。第 l 层
30、 的 权 系 数 迭 代 方 程 为 ：ijpwWkk)1()(1(其 中 ， k 为 迭 代 次 数 。令 )(lijpjipE（ 5）)1()()()( lipljlijpljplijp OnetEwtnew令 ， 则 有 )()( ljplpj t, 其 中 ， 为 学 习 步 长 。)1()lipjjipOw4 基于 BP 神经网络的供应商选择模型的构建4.1B P 神经网络用于选择供应商的原理把图 1 供应商选择评价指标体系的信息作为神经网络的输入向量 X=(x1,x2,xn)；将代表相应综合评价结果的值作为神经网络的输出 y，用足够的样本即比较实例训练这个网络，使不同的输入向量得到
31、不同的输出量值，将输出值与期望输出值比较，当其误差小于某一设定值时，这时神经网络所持有的那组权系数值 wij，阈值(i=0 时，w ij即表示阈值），便是网络经过自适应学习所得到的正确内部表示。这其中涉及到两个过程:一个是前向过程，将输入网络通过各个单元的传递，直至输出单元得到网络的输出结果为止；另一个是反向过程：把实际输出值和期望输出值之间的误差通过输出层逐步返回到输入层，并调整连接权值和偏置权值，直至样本的实际输出值和期望输出值之间的误差小于预先给定的值为止。一旦神经网络训练完毕，即可作为企业选择供应商的有效工具。4.2 基于 BP 神经网络的供应商选择模型结构设计根据Kolmogrov理
32、论，一个三层有sigmoid 神经元的BP网络只要有足够的隐节点就可以逼近任一个连续函数。因此，为了计算简化，本文选用含有一个隐含层的三层BP神经网路，其结构如图3所示。图3 基于BP神经网络的供应商选择模型结构图图3中，输入层的节点数对应于所建立的供应商选择评价指标体系中的27个指标变量，这些指标变量有些是定性的，有些是定量的，需要对定性指标进行量化和标准化。对定量指标进行标准化，一般将输入数据标度到限定范围0，1。隐含层神经元数的选取关系到整个BP网络的精确度和学习效率，因此，在选取隐含层神经元数的时候，既要考虑到BP网络的精确度，又要兼顾网络的学习效率。而到目前为止，对隐含层节点数的确定
33、尚无理论上的结论，只能根据一些经验法则，通过实验来确定。根据经验公式 (其mnla中，m 为隐含层节点数，n为输入层节点数，l为输出节点数， a为1-10之间的常数)。对供应商的选择评价是一个从定性到定量再到定性的过程，通过BP网络模型将定性转化为定量输出，然后综合评价集和输出结果，对供应商做出定性评价。因此，输出层神经元数设置为1个。4.3 基于 BP 神经网络的供应商选择模型的构建第一步，设输入层向量为x i，i=1,2,，27；隐含层向量为y j，j=1,2,，7；输出值为y；期望输出值为d；用v ij表示输入层i节点到隐含层j节点的权值；用w j 表示隐含层j节点到输出层的权值。第二步，初始化神经网络权值 , 阈值 , 、 为小的非零随机数。(0)ij ()ij0ijw()ij
