基于LM-BP模型的企業(yè)產(chǎn)品質(zhì)量經(jīng)濟(jì)性模糊綜合評(píng)價(jià)研究①
昆明理工大學(xué)質(zhì)量發(fā)展研究院 張兆薇 李潔
針對(duì)企業(yè)產(chǎn)品的質(zhì)量經(jīng)濟(jì)效益綜合評(píng)價(jià)問(wèn)題,提出基于LM算法和BP神經(jīng)網(wǎng)絡(luò)的模糊綜合評(píng)判方法。該方法彌補(bǔ)了現(xiàn)有方法評(píng)價(jià)精度不理想的缺陷,能夠客觀表達(dá)評(píng)價(jià)者的知識(shí)和經(jīng)驗(yàn)。本文通過(guò)對(duì)某企業(yè)的相關(guān)數(shù)據(jù)進(jìn)行實(shí)證分析,驗(yàn)證了評(píng)價(jià)方法在企業(yè)產(chǎn)品質(zhì)量經(jīng)濟(jì)效益評(píng)價(jià)方面的準(zhǔn)確性,并通過(guò)結(jié)果表明該方法具有比現(xiàn)有方法更高的可信度。
LM-BP模型 產(chǎn)品質(zhì)量經(jīng)濟(jì)效益 模糊綜合評(píng)價(jià)
產(chǎn)品質(zhì)量經(jīng)濟(jì)效益評(píng)價(jià)是專(zhuān)門(mén)研究質(zhì)量與經(jīng)濟(jì)效益內(nèi)在聯(lián)系和數(shù)量關(guān)系,從經(jīng)濟(jì)和經(jīng)濟(jì)效益的角度,通過(guò)對(duì)質(zhì)量和質(zhì)量管理的效果進(jìn)行經(jīng)濟(jì)分析、經(jīng)濟(jì)比較和經(jīng)濟(jì)效益評(píng)價(jià),以確保用最少的人力、物力和財(cái)力,生產(chǎn)出盡可能多的優(yōu)質(zhì)產(chǎn)品,創(chuàng)造盡可能大的經(jīng)濟(jì)效益[1]。最早對(duì)質(zhì)量經(jīng)濟(jì)效益或經(jīng)濟(jì)性進(jìn)行研究的朱蘭主要是從質(zhì)量成本的角度對(duì)企業(yè)的質(zhì)量經(jīng)濟(jì)效益進(jìn)行了研究[2]。
近年來(lái),國(guó)內(nèi)也有較多文獻(xiàn)對(duì)產(chǎn)品質(zhì)量的經(jīng)濟(jì)性進(jìn)行了研究,研究主要集中在產(chǎn)品質(zhì)量對(duì)本企業(yè)的經(jīng)濟(jì)效益研究上,部分文獻(xiàn)定性研究了產(chǎn)品質(zhì)量對(duì)消費(fèi)者和社會(huì)效益的影響。建立了質(zhì)量成本分析模型,選擇DEA模型對(duì)其產(chǎn)品進(jìn)行質(zhì)量經(jīng)濟(jì)性評(píng)價(jià)[3]。通過(guò)對(duì)質(zhì)量經(jīng)濟(jì)性的研究,建立了質(zhì)量水平與質(zhì)量成本的關(guān)系模型和質(zhì)量效益的評(píng)價(jià)與計(jì)算模型[4]。質(zhì)量經(jīng)濟(jì)性不僅局限于企業(yè)內(nèi)部,而應(yīng)該著眼于宏觀角度,即從企業(yè)內(nèi)部、消費(fèi)者及社會(huì)等幾大環(huán)境進(jìn)行評(píng)價(jià)[5]。提出廣義的產(chǎn)品質(zhì)量經(jīng)濟(jì)性評(píng)價(jià)設(shè)想,并且將模糊綜合評(píng)價(jià)方法應(yīng)用到評(píng)價(jià)模型的計(jì)算中[6]??梢钥闯鰢?guó)內(nèi)已有成果定性分析了產(chǎn)品質(zhì)量對(duì)經(jīng)濟(jì)社會(huì)形成的效益研究。但是,目前對(duì)構(gòu)建產(chǎn)品質(zhì)量效益綜合評(píng)價(jià)模型的研究較少。因此如何科學(xué)構(gòu)建產(chǎn)品質(zhì)量的經(jīng)濟(jì)效益綜合評(píng)價(jià)模型是質(zhì)量經(jīng)濟(jì)學(xué)研究中的一個(gè)焦點(diǎn)和難點(diǎn)問(wèn)題。
目前,已有模糊綜合評(píng)判方法應(yīng)用于質(zhì)量經(jīng)濟(jì)效益評(píng)價(jià)[13,14]。對(duì)質(zhì)量經(jīng)濟(jì)效益評(píng)價(jià)進(jìn)行了有益的探討,但此方法主觀性較強(qiáng),評(píng)價(jià)結(jié)果的可信度不高。再者,企業(yè)的產(chǎn)品質(zhì)量經(jīng)濟(jì)效益評(píng)價(jià)問(wèn)題中的評(píng)價(jià)因子與評(píng)價(jià)級(jí)別之間還存在著復(fù)雜的非線性關(guān)系,而B(niǎo)P神經(jīng)網(wǎng)絡(luò)就是一種處理非線性映射的良好算法;不過(guò),傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)存在學(xué)習(xí)收斂速度較慢、易陷入局部極小等缺陷,其應(yīng)用范圍受到限制;而學(xué)者們[15]亦對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn),主要方法有動(dòng)量法、自適應(yīng)學(xué)習(xí)系數(shù)法、LM算法等,其中LM算法兼具了梯度下降法的全局特性和Gauss-Newton法的局部特性兩個(gè)優(yōu)點(diǎn),有效彌補(bǔ)了傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的不足;鑒于此,本文基于LM-BP網(wǎng)絡(luò)對(duì)企業(yè)產(chǎn)品質(zhì)量經(jīng)濟(jì)效益進(jìn)行模糊綜合評(píng)判,首先通過(guò)利用模糊綜合評(píng)判算法對(duì)多指標(biāo)的質(zhì)量特性進(jìn)行綜合評(píng)價(jià)分析,然后將其評(píng)價(jià)結(jié)果作為學(xué)習(xí)樣本對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,使得經(jīng)訓(xùn)練后的網(wǎng)絡(luò)評(píng)價(jià)模型對(duì)新增的生產(chǎn)要求做出快速精確地響應(yīng),從而實(shí)現(xiàn)對(duì)產(chǎn)品在生產(chǎn)階段質(zhì)量特性進(jìn)行評(píng)價(jià)和預(yù)測(cè)。
1.1 BP神經(jīng)網(wǎng)絡(luò)
人工神經(jīng)網(wǎng)絡(luò)基于人腦的基本特性,能夠大規(guī)模進(jìn)行處理和分布式儲(chǔ)存,具有自適應(yīng)性和容錯(cuò)性的優(yōu)點(diǎn)。理論上,誤差逆?zhèn)鞑?BP)神經(jīng)網(wǎng)絡(luò)可以使用于任意多層的網(wǎng)絡(luò)。由于BP神經(jīng)網(wǎng)絡(luò)具有工作狀態(tài)穩(wěn)定、結(jié)構(gòu)簡(jiǎn)單的特點(diǎn),是眾多的神經(jīng)網(wǎng)絡(luò)模型中應(yīng)用最為廣泛、發(fā)展最為成熟的網(wǎng)絡(luò)模型。BP網(wǎng)絡(luò)模型由輸入層、隱層和輸出層組成,層與層之間用權(quán)值表示連接程度,并通過(guò)學(xué)習(xí)不斷調(diào)整權(quán)值。
1.2 LM優(yōu)化算法
由于Levenberg-Marquartdt優(yōu)化算法兼具梯度下降法的全局特性和Gauss-Newton法的局部特性兩個(gè)優(yōu)點(diǎn),因此針對(duì)傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)所存在的學(xué)習(xí)收斂速度較慢、易陷入局部極小值等問(wèn)題,本文采用Levenberg-Marquartdt優(yōu)化算法作為改進(jìn)算法對(duì)傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)。
1.3 模糊綜合評(píng)判
基于模糊集合理論的綜合評(píng)價(jià)方法通過(guò)精確的數(shù)學(xué)手段進(jìn)行產(chǎn)品質(zhì)量經(jīng)濟(jì)效益評(píng)價(jià),能對(duì)呈現(xiàn)模糊性的指標(biāo)做出較為客觀、科學(xué)、合理、符合實(shí)際的定量描述;并且它的評(píng)價(jià)結(jié)果亦是一個(gè)所包含信息比單純點(diǎn)值更為豐富的矢量。
2.1 指標(biāo)體系的分析與設(shè)計(jì)
2.1.1 輸入指標(biāo)的分析與設(shè)計(jì)
基于經(jīng)濟(jì)效益的核心是質(zhì)量水平高、質(zhì)量成本低[8], 承接于企業(yè)產(chǎn)品質(zhì)量的綜合評(píng)價(jià)指標(biāo)體系設(shè)計(jì),本文選取的輸入指標(biāo)如表1所示。選用質(zhì)量成本來(lái)設(shè)計(jì)綜合評(píng)價(jià)的指標(biāo)體系也是目前比較通用的做法。大量的統(tǒng)計(jì)資料表明,目前四種質(zhì)量成本在總質(zhì)量成本中所占比例大致如下表2所示。
表1 模型輸入指標(biāo)設(shè)計(jì)
表2 質(zhì)量成本構(gòu)成比例
2.1.2 輸出指標(biāo)的分析與設(shè)計(jì)
基于采用產(chǎn)品質(zhì)量的收益表征質(zhì)量經(jīng)濟(jì)效益的產(chǎn)出[14],將輸出指標(biāo)設(shè)計(jì)為:企業(yè)品牌形象、顧客滿意度、社會(huì)經(jīng)濟(jì)效益。其中,企業(yè)品牌形象作為一種復(fù)雜表征,是品牌屬性、形象包裝、產(chǎn)品價(jià)格、歷史聲譽(yù)和宣傳方式的無(wú)形綜合,能夠反映出企業(yè)在不同質(zhì)量水平上的無(wú)形質(zhì)量效益;顧客滿意程度取決于顧客對(duì)產(chǎn)品感知質(zhì)量和期望質(zhì)量的關(guān)系。社會(huì)經(jīng)濟(jì)效益的主要內(nèi)容包括產(chǎn)品使用壽命延長(zhǎng)、可靠性提高等使用價(jià)值的增加;能源和物化消耗的減少帶來(lái)的間接經(jīng)濟(jì)效益;其他經(jīng)濟(jì)效益。
2.2 評(píng)價(jià)模型的原理與構(gòu)建
依照模糊綜合評(píng)估的基本原理,利用隸屬度函數(shù)對(duì)模糊的指標(biāo)信息和評(píng)價(jià)信息進(jìn)行數(shù)字化處理,將企業(yè)產(chǎn)品質(zhì)量經(jīng)濟(jì)效益定性定量化。應(yīng)用BP網(wǎng)絡(luò)來(lái)處理模糊綜合評(píng)判問(wèn)題,處理多級(jí)綜合評(píng)價(jià)問(wèn)題,具有較好的容錯(cuò)性和魯棒性?;贚M-BP網(wǎng)絡(luò)的企業(yè)質(zhì)量經(jīng)濟(jì)效益模糊綜合評(píng)判模型的實(shí)施流程其具體算法和實(shí)現(xiàn)如下:
(1)將待估案例的歷史數(shù)據(jù)以的比例劃分為K個(gè)訓(xùn)練樣本和L個(gè)測(cè)試樣本;
(2)確定網(wǎng)絡(luò)結(jié)構(gòu)參數(shù):輸入層、隱層和輸出層的節(jié)點(diǎn)個(gè)數(shù)、學(xué)習(xí)系數(shù)、誤差允許范圍;
(3)確定網(wǎng)絡(luò)連接權(quán)值的初始值;
(4)將學(xué)習(xí)樣本特征值矩陣進(jìn)行模糊處理,轉(zhuǎn)化為評(píng)價(jià)矩陣;
(5)輸入上步模糊綜合評(píng)判結(jié)果,將其作為期望輸出向量來(lái)參照網(wǎng)絡(luò)訓(xùn)練;
(6)計(jì)算網(wǎng)絡(luò)隱層和輸出層各節(jié)點(diǎn)的實(shí)際輸出值;
(7)計(jì)算單次學(xué)習(xí)樣本二次型誤差函數(shù)和整體平均誤差;
(8)基于LM優(yōu)化算法調(diào)整連接權(quán)值和閾值;
(9)若平均誤差處于允許的誤差范圍之內(nèi),則停止訓(xùn)練;否則,轉(zhuǎn)回(6);
(10)利用上述訓(xùn)練完成的模型對(duì)測(cè)試樣本進(jìn)行測(cè)試。
為了驗(yàn)證本模型的有效性,選用某生產(chǎn)企業(yè)某時(shí)期生產(chǎn)的歷史數(shù)據(jù)進(jìn)行實(shí)例模擬。按照上述步驟,取出234例作為訓(xùn)練樣本,58例作為預(yù)測(cè)樣本。結(jié)合MATLAB軟件編碼設(shè)計(jì),對(duì)學(xué)習(xí)樣本進(jìn)行歸一化處理,誤差指標(biāo)取0.01,學(xué)習(xí)系數(shù)為0.01,網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)參數(shù)為,隱含層與輸出層的激活函數(shù)為S型函數(shù)。模型輸出結(jié)果與模糊估計(jì)專(zhuān)家評(píng)估結(jié)果比較,如表3所示。結(jié)果表明:網(wǎng)絡(luò)預(yù)測(cè)與專(zhuān)家估計(jì)的擬合精度較模糊評(píng)價(jià)與專(zhuān)家估計(jì)的擬合精度較高,測(cè)試樣本結(jié)果基本符合事先要求。
表3 比較結(jié)果
本文針對(duì)企業(yè)產(chǎn)品質(zhì)量經(jīng)濟(jì)效益綜合評(píng)價(jià)問(wèn)題,提出了一種基于LM-BP網(wǎng)絡(luò)的模糊綜合評(píng)判模型。充分考慮了評(píng)價(jià)指標(biāo)的模糊性,彌補(bǔ)了以往評(píng)價(jià)的隨機(jī)性帶來(lái)的不足,使得輸出結(jié)果更為可信。實(shí)例驗(yàn)證表明該方法能夠較好地模擬專(zhuān)家評(píng)價(jià),有機(jī)結(jié)合了自學(xué)習(xí)、專(zhuān)家系統(tǒng)和模糊推理的優(yōu)勢(shì),對(duì)于企業(yè)產(chǎn)品質(zhì)量經(jīng)濟(jì)效益綜合評(píng)價(jià)問(wèn)題具有可行性。
[1] 銀路,劉衛(wèi).質(zhì)量經(jīng)濟(jì)效益分析[M].成都:成都出版社,1992.
[2] 王斌會(huì).過(guò)程控制與管理經(jīng)濟(jì)效益的模型分析[M].北京:經(jīng)濟(jì)科學(xué)出版社,2005.
[3] 王獻(xiàn)雨,鞠曉峰.基于DEA模型的大型復(fù)雜軍工產(chǎn)品質(zhì)量經(jīng)濟(jì)性評(píng)價(jià)[J].系統(tǒng)工程與電子技術(shù),2010,32(3).
[4] 李洪勇.質(zhì)量的經(jīng)濟(jì)性問(wèn)題分析[J].中國(guó)管理信息化,2010,13(17).
[5] 史小月.質(zhì)量經(jīng)濟(jì)效益評(píng)價(jià)模型的實(shí)踐應(yīng)用案例[J].江蘇科技信息(學(xué)術(shù)研究),2011(6).
[6] 徐仁冬.產(chǎn)品質(zhì)量經(jīng)濟(jì)性的模糊綜合評(píng)價(jià)研究[J].航空標(biāo)準(zhǔn)化與質(zhì)量,2012(5).
[7] 杜棟,龐慶華,吳炎.現(xiàn)代綜合評(píng)價(jià)方法與案例精選[J].北京:清華大學(xué)出版社,2008.
[8] Banker,Charnes Cooper.Some models for estimating technical and scale inefficiencies data envelopment analysis[J].Management Science,1984,30(9).
[9] Ali A I,Lerne C S,Seiford L M.Components of efficiency evaluation in data envelopment analysis[J].European Journal of Operational Research,1995,80(3).
[10] 張國(guó)慶.質(zhì)量經(jīng)濟(jì)效益理論和評(píng)價(jià)研究[D].大連理工大學(xué),2003.
[11] 約瑟夫·M·朱蘭,約瑟夫·A·德菲歐.朱蘭質(zhì)量手冊(cè)(第六版)[M].北京:中國(guó)人民大學(xué)出版社,2014.
[12] 賈躍,趙學(xué)濤,林賢杰等.基于BP神經(jīng)網(wǎng)絡(luò)的魚(yú)雷作戰(zhàn)效能模糊綜合評(píng)估模型及其仿真[J].兵工學(xué)報(bào),2009,30(9).
[13] 關(guān)曉光,葛志杰.質(zhì)量經(jīng)濟(jì)效益的模糊綜合評(píng)價(jià)[J].管理工程學(xué)報(bào),2000,14(4).
[14] 徐仁冬.產(chǎn)品質(zhì)量經(jīng)濟(jì)性的模糊綜合評(píng)價(jià)研究[J].航空標(biāo)準(zhǔn)化與質(zhì)量,2012(5).
F273.2
A
2096-0298(2015)04(c)-162-03
云南省教育廳科學(xué)研究基金項(xiàng)目“產(chǎn)品質(zhì)量經(jīng)濟(jì)效益評(píng)價(jià)模型研究”(2014Y081)。
張兆薇(1991-),女,重慶涪陵人,碩士研究生,主要從事質(zhì)量管理方面的研究;李潔(1977-),女,四川安岳人,副教授,主要從事數(shù)量經(jīng)濟(jì)和質(zhì)量管理方面的研究。