BP神經(jīng)網(wǎng)絡算法在物資供應鏈績效評價中的應用

王 婷 翟 翼 徐志鵬

（1.吉林建筑科技學院，吉林 長春 130000；2.長春工業(yè)大學人文信息學院，吉林 長春 130000；3.中建五局安裝工程有限公司，湖南 長沙 410004）

建筑供應鏈是指從項目設計到項目交付運營的整個過程，涉及的參與方眾多，包括業(yè)主、承包商、分包商、供應商以及監(jiān)理方等，整個流程要綜合考慮物流、資金量以及信息流等內(nèi)容，為實現(xiàn)建筑項目效益的最大化提供支持。本研究通過選取合適的方法對供應鏈的實際運營狀況進行評價，綜合多方要素來判斷供應鏈目標實現(xiàn)的可能性，為管理工作的開展提供可靠支持，并推動供應鏈的正常運行。

1 供應鏈績效評價的重要性

供應鏈是以中心節(jié)點企業(yè)為核心，以物流、信息流和資金流為對象展開的控制作業(yè)，從原材料采購開始，經(jīng)過加工制造可以得到中間產(chǎn)品與最終產(chǎn)品，最后經(jīng)銷售網(wǎng)絡將產(chǎn)品送到消費者手中。將整個流程中涉及的供應商、制造商、銷售商及業(yè)主當作一個整體，可為增值鏈內(nèi)的所有節(jié)點企業(yè)帶來經(jīng)濟效益。對供應鏈進行績效評價可為管理工作的展開提供支持，更能實現(xiàn)多方合作共贏，供應鏈上各節(jié)點企業(yè)連接成一個不可分割的整體，通過高質(zhì)量的協(xié)調(diào)合作來滿足客戶的需求［1］。對核心節(jié)點企業(yè)來說，供應鏈績效評價的結(jié)果可作為其生產(chǎn)運營決策的重要依據(jù)，以此來優(yōu)化整個運營流程，且在多節(jié)點的持續(xù)合作中，核心企業(yè)可對下游節(jié)點企業(yè)進行優(yōu)化，并剔除不合格的企業(yè)，進一步增強整個鏈條的競爭力。供應鏈績效評價的特點主要體現(xiàn)在3個方面。

1.1 動態(tài)性

供應鏈績效評價是以整個運營流程為研究對象，涉及供應商、生產(chǎn)商、銷售商及業(yè)主等，且是對所有環(huán)節(jié)進行評價，包括計劃、采購、生產(chǎn)及銷售。簡單來說，就是通過過程評價及時發(fā)現(xiàn)供應鏈中存在的問題，并為決策的制定提供參考，并不是簡單的事后評價，而是通過績效評價來推動整個供應鏈的發(fā)展。

1.2 實時性

供應鏈績效評價是從供應鏈的執(zhí)行現(xiàn)狀出發(fā)進行的綜合評價，并給出相應的建議。要想將供應鏈績效評價的優(yōu)勢完全發(fā)揮出來，就要將理論與實踐結(jié)合起來，只有這樣才能夠保證信息的實時性，才能及時更改存在的缺陷，為供應鏈的有效運轉(zhuǎn)提供支持［2］。

1.3 整體性

供應鏈績效評價的對象一直都不是核心企業(yè)，只是前期以核心企業(yè)為研究對象，然后逐漸輻射到整個供應鏈上的所有節(jié)點企業(yè)，真正做到合作共贏，而非簡單地面向一個企業(yè)。

2 BP神經(jīng)網(wǎng)絡

2.1 BP神經(jīng)網(wǎng)絡的原理

BP神經(jīng)網(wǎng)絡的基本思想是梯度最速下降法，核心條件是通過調(diào)整權值來將網(wǎng)絡總誤差降到最小。利用梯度搜索技術以期使網(wǎng)絡的實際輸出值和期望輸出值的誤差最小。BP神經(jīng)網(wǎng)絡的學習是一種誤差邊向后傳播邊對權系數(shù)進行修正的過程，分為正向傳播和反向傳播兩個階段。其中，在正向傳播過程中，輸入信息從輸入層經(jīng)隱含層逐層處理后，再傳輸給輸出層，且每層神經(jīng)元狀態(tài)只會對下一層神經(jīng)元狀態(tài)產(chǎn)生影響（見圖1）。如果輸出層無法得到期望的輸出，便會進入反向傳輸階段，會沿著原來的連接通道返回，對各層神經(jīng)元的權值進行修改，將誤差降到最小。

圖1 BP神經(jīng)網(wǎng)絡結(jié)構(gòu)示意圖

2.2 BP神經(jīng)網(wǎng)絡的特點

2.2.1 優(yōu)點。BP神經(jīng)網(wǎng)絡具有非線性映射的能力。多層感知器可同時做到學習及存儲大量“輸入—輸出”模式的映射關系，且不需要提前對這種映射關系的數(shù)學方程進行描述［3］。另外，神經(jīng)網(wǎng)絡隱含層的節(jié)數(shù)數(shù)量將決定其學習速度及網(wǎng)絡權值；自我學習及自適應性比較強，但對樣本數(shù)據(jù)有著較強的依賴性，基于訓練樣本數(shù)據(jù)的特征，來提取數(shù)據(jù)之間存在的規(guī)則，然后對其進行記憶處理，對網(wǎng)絡權值及網(wǎng)絡誤差的處理效果較佳［4］；兼具泛化能力與容錯能力。在設計模式分類器時，泛化能力要求網(wǎng)絡能夠?qū)λ诸惖膶ο筮M行正確分類，并考慮訓練后能否完成對未見過模式及噪聲污染模式的正確分類。容錯能力是指在網(wǎng)絡結(jié)構(gòu)發(fā)生錯誤及樣本數(shù)據(jù)不足時，對網(wǎng)絡訓練結(jié)果產(chǎn)生的影響較小。

2.2.2 缺點。在網(wǎng)絡訓練過程中，有可能會出現(xiàn)局部極小的情況，從而無法得到全局最優(yōu)的結(jié)果，可通過改進學習速率及添加附加動量來對BP神經(jīng)網(wǎng)絡進行優(yōu)化。在以往的研究中，BP算法是通過試算或試驗來確定學習速率。但因問題復雜度差異明顯，當學習速率太大時，會導致網(wǎng)絡權值產(chǎn)生較大的波動，當學習速率較小時，網(wǎng)絡權值的收斂速度會有所降低，可通過調(diào)整學習速率來得到準確的最優(yōu)解；隱含層選取沒有相關理論指導，要結(jié)合目前已有研究中的經(jīng)驗公式來確定取值范圍，通過試算來確定最佳隱含層數(shù)的過程比較煩瑣，要與學習速率聯(lián)合，使學習速率的難度提高；訓練過程中對新樣本的學習可能會造成舊樣本被“遺忘”，執(zhí)行過程中如果訓練樣本出現(xiàn)增減，網(wǎng)絡均會重新訓練，從而導致網(wǎng)絡權值發(fā)生改變，直接與前一階段的取值失去關聯(lián)。但對數(shù)據(jù)樣本進行重新訓練、檢驗及預測時，網(wǎng)絡權值依然會被保存。

3 建筑企業(yè)供應鏈績效評價

3.1 BP神經(jīng)網(wǎng)絡的應用

用BP神經(jīng)網(wǎng)絡對整個供應鏈進行績效評價時，整個過程可看作是通過訓練數(shù)據(jù)來對布爾相量進行逼近。任意函數(shù)均可被一個有三層單元的前饋網(wǎng)絡逼近，這樣就可采用三層BP神經(jīng)網(wǎng)絡來對供應鏈績效進行評價。BP神經(jīng)網(wǎng)絡供應鏈績效評價過程如圖2所示。

圖2 BP神經(jīng)網(wǎng)絡供應鏈績效評價過程

本研究采用帶沖量因子的梯度下降法來訓練BP神經(jīng)網(wǎng)絡，算法訓練過程如下。

假設訓練樣例為(x,t)序?qū)?，其中，x為網(wǎng)絡輸入值相量，t為目標輸出值。

①創(chuàng)建BP網(wǎng)絡，包括有nη個輸入、nhidden個隱藏單元及nout個輸出單元。

②對所有網(wǎng)絡權值進行初始化處理，wi（0）為小的隨機值（如-0.05~0.05）。

③以第m個訓練樣例(x,t)為對象，使輸入沿著網(wǎng)絡前向傳播，對網(wǎng)絡內(nèi)各單元u的輸出進行計算，以及誤差沿著網(wǎng)絡的反向傳輸。

④計算網(wǎng)絡內(nèi)的輸出單元k的誤差項δk，計算公式見式（1）。

⑤計算網(wǎng)絡內(nèi)的隱藏單元h的誤差項δn，計算公式見式（2）。

⑥基于誤差項對各網(wǎng)絡權值wjj（m）進行更新，計算公式見式（3）、式（4）。

⑦重復③到⑥步，直至達到指定的迭代次數(shù)或最小允許誤差等滿足條件。

式中：η為學習速率；α為沖量因子；nη為網(wǎng)絡輸入數(shù)量，nhidde n為隱藏單元數(shù)量；nout為網(wǎng)絡輸出單元數(shù)量；x為從單元i到單元j的輸入；wj為單元i到單元j的權值［5］。

3.2 動態(tài)供應鏈績效指標體系

結(jié)合現(xiàn)有的研究成果，在傳統(tǒng)模式的基礎上，對動態(tài)供應鏈績效指標體系的架構(gòu)進行優(yōu)化，并調(diào)整為多維評價分析模型，包括注冊資本金、證件有效性、納稅人資格、資金技術實力、誠信經(jīng)營及社會責任履行、質(zhì)量保障、數(shù)量保障、交貨保障、服務保障等9個維度，以此來選取動態(tài)供應鏈的績效評價指標。注冊資本金是用來評價企業(yè)規(guī)模及其盈利能力、資金周轉(zhuǎn)率、現(xiàn)金周轉(zhuǎn)時間、盈利能力、資金周轉(zhuǎn)率、現(xiàn)金周轉(zhuǎn)時間等，以此來反映供應鏈凈資產(chǎn)流動情況及供應鏈現(xiàn)金流速度；證件有效性用來檢查公司的營業(yè)執(zhí)照、組織機構(gòu)代碼證、稅務登記證或社會統(tǒng)一信用代碼證等證件是否齊全、合法、真實有效；納稅人資格用來確認其是否具備一般納稅人資格；資金技術實力用來核查企業(yè)資金是否雄厚、技術水平在行業(yè)內(nèi)是否領先；誠信經(jīng)營及社會責任履行主要核查企業(yè)是否誠信經(jīng)營、是否積極履行社會責任；質(zhì)量保證用來評價企業(yè)有無不良行為記錄和產(chǎn)品質(zhì)量問題；數(shù)量保障用來核查每批供應物資或設備數(shù)量與實際需求量是否一致等；交貨保障用來確認以往的合作能否保質(zhì)保量按時供貨以及響應時間、存貨周轉(zhuǎn)率、次品率與技術先進性等，反映出供應鏈對多方需求變化的柔性響應、庫存資金占用情況、質(zhì)量以及技術競爭力［6］；服務保障主要核查參與工作的積極性和企業(yè)利潤增長率、信息共享水平以及新產(chǎn)品研發(fā)周期等，反映出供應鏈各節(jié)點企業(yè)的發(fā)展?jié)摿?、?jié)點企業(yè)之間信息的無縫對接程度及供應鏈響應速度。

4 基于BP神經(jīng)網(wǎng)絡的供應鏈績效評價

4.1 BP神經(jīng)網(wǎng)絡結(jié)構(gòu)

4.1.1 網(wǎng)絡層。該層是由一個隱含層、一個輸入層和一個輸出層組成的三層BP神經(jīng)網(wǎng)絡。當隱含節(jié)點數(shù)足夠多時，可利用任意精度逼近任何連續(xù)函數(shù)，從而直接確定三層BP神經(jīng)網(wǎng)絡的結(jié)構(gòu)。

4.1.2 輸入節(jié)點數(shù)i和輸出層節(jié)點數(shù)k。輸入節(jié)點數(shù)為確定的評價指標個數(shù)，如本研究選取9個評價維度，即輸入節(jié)點數(shù)為9。輸出節(jié)點數(shù)是由建筑供應鏈績效評價結(jié)果來確定的，由于評價結(jié)果分為優(yōu)、良、中、差四個等級，此時輸出節(jié)點數(shù)為4，即可通過四維向量來表示［7］。當輸出為（1，0，0，0）時，績效評價結(jié)果為優(yōu)；輸出為（0，1，0，0）時，績效評價結(jié)果為良；輸出為（0，0，1，0）時，績效評價結(jié)果為中；輸出為（0，0，0，1）時，績效評價結(jié)果為差。

4.1.3 隱含層節(jié)點數(shù)j。目前，在確定BP神經(jīng)網(wǎng)絡隱藏層節(jié)點數(shù)時，采用較多的是“試湊法”。本研究在應用過程中，針對單隱含層神經(jīng)網(wǎng)絡的非線性映射能力不足的特點，為了得到預定的映射關系，就要保證隱含層的節(jié)點數(shù)量多一些，這樣才能夠更好地提升神經(jīng)網(wǎng)絡的可調(diào)參數(shù)，最終確定隱藏層節(jié)點數(shù)為6［8］。

4.2 算例應用

對供應鏈績效評價指標取值和績效綜合評價結(jié)果進行分析，分別取“1-5”“1-10”“1-10”“1-5”“1-10”“1-15”“1-15”“1-15”“1-15”的數(shù)值進行評判。基于BP神經(jīng)網(wǎng)絡對物資供應鏈進行績效評價，其中隱含層為6、輸出層為4、輸入層為15。在［-1，+1］區(qū)間內(nèi)隨機確定一個數(shù)值為權值wjj與Vjk的初始值，設定學習速率η為0.1，控制誤差不超過0.01。最終應用神經(jīng)網(wǎng)絡計算工具箱，將所有訓練樣本輸入進行訓練［9］。對BP網(wǎng)絡的整個學習過程進行總結(jié)，訓練結(jié)束時一共進行了40次訓練，并對以后的建筑供應鏈績效進行科學預測。然后向訓練好的BP神經(jīng)網(wǎng)絡內(nèi)輸入設定的各項指標，最終得到的輸出結(jié)果為（0.023 0，0.997 6，-0.001 7，0.007 3）與（-0.008 3，0.002 6，0.988 2，-0.004 6）。對通過BP神經(jīng)網(wǎng)絡得到的輸出結(jié)果進行分析，可知研究對象在2021年建筑供應鏈績效綜合評價中為良和中，與企業(yè)績效保持一致［10］。

5 結(jié)語

基于BP神經(jīng)網(wǎng)絡系統(tǒng)對供應鏈進行績效評價，可針對多方影響因素進行綜合分析，將企業(yè)經(jīng)營發(fā)展的數(shù)據(jù)進行統(tǒng)計處理后，將其作為供應鏈的績效指標，能在很大程度上排除主觀因素帶來的影響。為了能夠進一步提高供應料績效評價結(jié)果的準確性，還應盡量增大學習樣本量，縮小實際輸出值與預期輸出值之間的誤差。