基于BP神經(jīng)網(wǎng)絡(luò)的物流聯(lián)盟風(fēng)險評估方法

王娥

The Risk Assessment Method of Logistics Alliance Based on BP Neural Network

WANG E （School of Traffic and Transportation， Lanzhou Jiaotong University， Lanzhou 730070， China）

摘 要：文章借鑒物流聯(lián)盟風(fēng)險評價問題已有成果，總結(jié)了影響物流聯(lián)盟風(fēng)險的主要因素，并在此基礎(chǔ)上建立了兩級4種類型的物流聯(lián)盟風(fēng)險評估指標(biāo)體系，該指標(biāo)體系包括市場風(fēng)險、合作關(guān)系風(fēng)險、能力風(fēng)險、信息與管理風(fēng)險4個方面共11個評價指標(biāo)。建立了基于BP神經(jīng)網(wǎng)絡(luò)分析法對物流聯(lián)盟合作伙伴選擇模型，利用MATLAB進(jìn)行了樣本訓(xùn)練和實例分析，結(jié)果顯示利潤分配、信息共享、信任程度是影響物流聯(lián)盟風(fēng)險最重要的二級指標(biāo)。

關(guān)鍵詞：物流聯(lián)盟；風(fēng)險評價；BP神經(jīng)網(wǎng)絡(luò)；物流聯(lián)盟風(fēng)險

中圖分類號：F272 文獻(xiàn)標(biāo)識碼：A

Abstract： This paper questioned the risk of assessment results for logistics alliance， summarized the main factors which influencing the risk of logistics alliance， and based on the two levels of four types of logistics alliance risk assessment index system， the index systems including four aspects such as market risk， cooperation risk， ability risk， information and management risk， these risks contained eleven evaluation indexes. We build a logistics alliance partner selection model which is based on the BP neural network analysis method， and sample training and case analysis， are studied by using the MATLAB software and results show that the degree of profit distribution， information sharing， trust are the most important secondary indexes affecting logistics alliance risk.

Key words： logistics alliance； risk assessment； the BP neural network； logistics alliance risk

0 引 言

隨著經(jīng)濟(jì)的發(fā)展，物流業(yè)已經(jīng)成為我國眾多發(fā)展迅猛的行業(yè)之一。由于市場競爭程度的加劇，單個物流企業(yè)已無法應(yīng)對市場中的各種風(fēng)險，建立物流聯(lián)盟成為物流企業(yè)調(diào)整戰(zhàn)略格局的重要措施。我國的一些大中型物流企業(yè)不斷卷起聯(lián)盟的狂潮，目的是使企業(yè)獲得較新的技術(shù)設(shè)備及能力資源、降低企業(yè)成本、提高企業(yè)核心競爭力、增加企業(yè)收入水平。理論上，如果物流聯(lián)盟能夠有效執(zhí)行，其發(fā)展前景是不可估量的，但是也存在一些風(fēng)險。本文研究目的是為物流聯(lián)盟的構(gòu)建以及風(fēng)險因素的評估進(jìn)行理論分析，并且借鑒這些因素對物流聯(lián)盟的風(fēng)險程度做出相應(yīng)的定量分析和評價，以增加物流聯(lián)盟的長期性、提高物流聯(lián)盟的穩(wěn)定性，使得雙方或者多方企業(yè)通過物流聯(lián)盟的方式降低物流成本，獲得最大收益。

Ashino和Rangan[1]提出兩個或者多個物流企業(yè)組成的聯(lián)盟必須能夠擁有共同的目標(biāo)，在建立聯(lián)盟時共同分享獲得的利潤，并且將這些資源運用到聯(lián)盟企業(yè)的運營當(dāng)中去，只有這樣聯(lián)盟才能持久且穩(wěn)定，否則存在諸多聯(lián)盟風(fēng)險；Shapiro[2]將聯(lián)盟風(fēng)險中的信任風(fēng)險分為4種：基于達(dá)成共識的信任風(fēng)險、基于認(rèn)知能力的信任風(fēng)險、基于威懾的信任風(fēng)險以及敏捷信任風(fēng)險；Ming-Chih Tsai[3]等人分析了政治風(fēng)險對物流企業(yè)發(fā)展的作用，指出微觀企業(yè)因素和宏觀政治因素所引起的風(fēng)險不容忽略；Hallikas[4]提出了如何在網(wǎng)絡(luò)環(huán)境中處理物流聯(lián)盟風(fēng)險的方法，介紹了風(fēng)險管理的過程；鄭紹鐮[5]計算了層次分析法評估指標(biāo)的權(quán)重，優(yōu)化了聯(lián)盟利益分配的機制；馮蔚東[6]利用模糊綜合分析法（Fuzzy-AHP）建立了一種基于風(fēng)險與投資比例的求解辦法，通過實際的計算證明了其有效性和正確性；徐志祿[7]認(rèn)為聯(lián)盟合作伙伴的適合性、匹配性、資產(chǎn)專用性、競爭和合作的平衡、企業(yè)成員之間相互信任等因素會直接影響到物流聯(lián)盟穩(wěn)定性；劉明菲[8]依據(jù)物流市場運營風(fēng)險的內(nèi)涵，對市場運營風(fēng)險進(jìn)行分類識別，分析了各類風(fēng)險可能產(chǎn)生的后果，并提出風(fēng)險管理對策；袁旭和孫希剛[9]結(jié)合時間價值理論和層次分析法建立了一個虛擬物流企業(yè)受益混合模型；DASTK和TENGBS[10]等人針對物流聯(lián)盟提出了基于風(fēng)險理論，認(rèn)為影響物流聯(lián)盟的風(fēng)險有績效和關(guān)系兩大類。

國外學(xué)者起初研究供應(yīng)商選擇方法，后來研究合作伙伴選擇條件，但都未深入進(jìn)行物流聯(lián)盟合作伙伴的研究。國內(nèi)對物流聯(lián)盟研究起步較遲，且缺少實踐經(jīng)驗，只描述概念方法和模型介紹，并未證明模型的適用性。本文根據(jù)物流聯(lián)盟風(fēng)險的分類，結(jié)合BP神經(jīng)網(wǎng)絡(luò)分析法對物流聯(lián)盟的風(fēng)險進(jìn)行綜合評價，并且運用MATLAB對物流聯(lián)盟的風(fēng)險評價結(jié)果進(jìn)行驗證。

1 物流聯(lián)盟風(fēng)險分類

根據(jù)風(fēng)險的劃分方式不同，物流聯(lián)盟風(fēng)險的種類也不盡相同。唐萌春[10]認(rèn)為物流聯(lián)盟中存在兩類風(fēng)險：內(nèi)部風(fēng)險和外部風(fēng)險。聯(lián)盟外部風(fēng)險主要包括市場風(fēng)險、金融環(huán)境風(fēng)險以及自然環(huán)境風(fēng)險等；聯(lián)盟內(nèi)部風(fēng)險主要有合作關(guān)系風(fēng)險、能力風(fēng)險和信息與管理風(fēng)險等。物流聯(lián)盟風(fēng)險的分類示意圖如圖1所示：

物流聯(lián)盟內(nèi)部風(fēng)險占主導(dǎo)因素，物流聯(lián)盟的外部風(fēng)險也起一定作用，一般是由外部環(huán)境的不確定性和不穩(wěn)定性導(dǎo)致的。本文主要分析以下4種風(fēng)險（1種聯(lián)盟外部風(fēng)險和3種聯(lián)盟內(nèi)部風(fēng)險）：

（1）市場風(fēng)險

市場風(fēng)險主要是指在一些市場中由于市場價格、利率等的不穩(wěn)定從而使得市場遭受無法預(yù)料的隱含損失風(fēng)險，包含物品風(fēng)險、利率風(fēng)險、權(quán)益風(fēng)險以及匯率風(fēng)險等，其中利率風(fēng)險是主要風(fēng)險。

（2）合作關(guān)系風(fēng)險

合作關(guān)系風(fēng)險是指由于聯(lián)盟的企業(yè)之間的某種交易行為從而造成聯(lián)盟關(guān)系的不穩(wěn)定性。一般來說，影響物流聯(lián)盟的合作關(guān)系有很多因素，例如：企業(yè)文化、價值觀念、激勵機制、道德風(fēng)險、信任程度以及戰(zhàn)略目標(biāo)。第一，信任是合作的首要保證，當(dāng)然也是物流聯(lián)盟合作的基礎(chǔ)。如果企業(yè)聯(lián)盟之間互不相信，那么企業(yè)聯(lián)盟也將無法進(jìn)行下去。第二，物流聯(lián)盟的有效保障是適當(dāng)?shù)丶詈秃侠砉降睦娣峙?，如果信息不對稱，那么物流聯(lián)盟將可能會出現(xiàn)停滯現(xiàn)象，同樣，利潤分配不公平、激勵不合理、聯(lián)盟成員的機會主義等都有可能造成物流聯(lián)盟的失敗。第三，企業(yè)和成員的價值觀念以及行為方式的不同，還有企業(yè)文化的沖突等都會對聯(lián)盟的關(guān)系產(chǎn)生威脅，甚至破裂。

（3）能力風(fēng)險

能力風(fēng)險主要是指由于聯(lián)盟組織的實踐經(jīng)驗、知識積累以及協(xié)調(diào)管理等能力的缺乏引起的。同樣，物流服務(wù)成本、物流技術(shù)、物流服務(wù)質(zhì)量以及物流響應(yīng)時間等方面因素都可能會對物流聯(lián)盟組織的穩(wěn)定性造成一定的影響。物流聯(lián)盟的基礎(chǔ)是對客戶提供優(yōu)質(zhì)的服務(wù)，當(dāng)物流聯(lián)盟企業(yè)各方面的能力有限、技術(shù)上沒有辦法滿足客戶要求或服務(wù)質(zhì)量低下時，都有可能使得物流聯(lián)盟的關(guān)系解體。

（4）信息與管理風(fēng)險

信息與管理風(fēng)險主要是指信息的傳遞、核心能力的集成、信息資源的集成和物流聯(lián)盟的組織與管理等方面的風(fēng)險。物流與信息流密切相關(guān)，信息共享和信息高效、準(zhǔn)確的傳遞是有效物流聯(lián)盟建立的最基本要求，然而由于每個物流聯(lián)盟企業(yè)互不相同的信息系統(tǒng)、通信協(xié)議以及數(shù)據(jù)庫標(biāo)準(zhǔn)，往往使得企業(yè)之間物流信息的傳遞出現(xiàn)延遲，或者集成時出現(xiàn)銜接困難，因而造成物流聯(lián)盟效率低下、運行資料缺少，增加物流聯(lián)盟的運行風(fēng)險。

2 BP神經(jīng)網(wǎng)絡(luò)模型建立

設(shè)輸入變量為X=x■，x■，…，x■；隱含層輸出向量為y■=y■，y■，…，y■；輸出層輸出向量為h■=h■，h■，…，h■；期望輸出向量為d■=d■，d■，…，d■。輸入層和隱含層間的連接權(quán)值為W■，隱含層與輸出層間的連接權(quán)值為W■；隱含層各神經(jīng)元的閥值為

z■，輸出層各神經(jīng)元的閥值為z■；樣本數(shù)據(jù)個數(shù)為K，K=1，2，…，m，輸出層的誤差函數(shù)為：

E=■■d■k-y■k■ （1）

隱含層與輸入層之間的連接修正權(quán)值為：

ΔW■k=-u■=δ■kX■k （2）

W■=W■■+ηδ■kX■k （3）

則全局誤差為：

E=■■■d■k-y■k■ （4）

接下來看誤差是不是適合特定的條件，如果網(wǎng)絡(luò)誤差降到了一定的程度或者最初的最大次數(shù)小于訓(xùn)練次數(shù)時，就可以讓訓(xùn)練停止。

MATLAB軟件中Nntool工具箱對BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程：

（1）創(chuàng)建網(wǎng)絡(luò)；

（2）輸入訓(xùn)練樣本；

（3）計輸出值和誤差值；

（4）修正各層權(quán)值和閾值；

（5）誤差滿足條件，訓(xùn)練結(jié)束（如果誤差不滿足終止條件則繼續(xù)第三步，直到誤差達(dá)到所設(shè)置的誤差為止）。

3 基于BP神經(jīng)網(wǎng)絡(luò)分析的風(fēng)險評估實例分析

文章結(jié)合以下實例運用BP神經(jīng)網(wǎng)絡(luò)方法對物流聯(lián)盟風(fēng)險進(jìn)行評估：例如某企業(yè)在組建物流聯(lián)盟之前邀請5位專家對聯(lián)盟伙伴的匹配性和合作者風(fēng)險進(jìn)行評估，這兩種風(fēng)險發(fā)生的概率和該風(fēng)險對物流聯(lián)盟所產(chǎn)生的影響度分別用p■和f■來表示。評語集合U=極高，高，中等，低，極低。邀請5位專家對風(fēng)險因素X■進(jìn)行評估，第j個專家的重要程度為W■，評價結(jié)果如表1所示：

風(fēng)險影響程度數(shù)值表示，如表2所示：

第i種風(fēng)險因素的風(fēng)險度為：

X■=1-1-■w■f■1-■w■p■ （5）

其中：n表示專家個數(shù)（這里n=5），代入相應(yīng)的數(shù)值計算可得：

X■=1-1-0.2×0.8+0.2×0.8+0.3×0.6+0.1×0+0.2×0.61-0.2×0.4+0.2×0.6+0.3×0.5+0.1×0.85+0.2×0.65=0.835

同理可得：X■=0.865，X■=0.888，X■=0.963，X■=0.800，X■=0.953，X■=0.779，X■=0.769，X■=0.774，X■=0.941，X■

=0.933。

具體數(shù)據(jù)如表3所示：

從以上的數(shù)據(jù)我們可以看出，在這11種風(fēng)險當(dāng)中，信任程度的風(fēng)險度是最高的，其值為0.963，其次是利潤分配和信息共享，風(fēng)險度的值分別為0.953和0.941。在一定的條件下，技術(shù)能力和文化沖突等對聯(lián)盟風(fēng)險的風(fēng)險度就比較小。風(fēng)險等級的區(qū)間表示：區(qū)間0，0.2表示低風(fēng)險，區(qū)間0.2，0.4表示較低風(fēng)險，區(qū)間0.4，0.6表示中等風(fēng)險，區(qū)間0.6，0.8表示較高風(fēng)險，區(qū)間0.8，1表示高風(fēng)險。由于等級區(qū)間表示范圍在0，1之間，故隱含層采用Logsig函數(shù)（隱含層節(jié)點數(shù)為4），輸出層采用Purelin轉(zhuǎn)換函數(shù)（輸出層的節(jié)點數(shù)為1），建立BP神經(jīng)網(wǎng)絡(luò)，對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。假設(shè)輸入層節(jié)點數(shù)為10，以專家評價法求出的11種風(fēng)險因素的風(fēng)險度作為BP神經(jīng)網(wǎng)絡(luò)的期望輸出值。5位專家打分的風(fēng)險發(fā)生的概率和重要度作為樣本的輸入，輸出7組數(shù)據(jù)作為訓(xùn)練樣本，再用4組數(shù)據(jù)作為預(yù)測輸出值，輸出值的大小用以上的5個等級來反映風(fēng)險的大小。

首先是創(chuàng)建神經(jīng)網(wǎng)絡(luò)，然后對網(wǎng)絡(luò)環(huán)境初始化，主要是閾值和權(quán)值的設(shè)定（包括連接權(quán)重、隱含層、輸出層閾值等），最后輸入樣本訓(xùn)練值對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。當(dāng)訓(xùn)練到第100步時，訓(xùn)練誤差的藍(lán)線達(dá)到期望水平并保持穩(wěn)定，即BP神經(jīng)網(wǎng)絡(luò)收斂，訓(xùn)練結(jié)束。如圖2所示：

經(jīng)過訓(xùn)練，得到樣本輸出結(jié)果為：0.92315，0.92071，0.93959，0.79772，0.80573，0.79717，0.91989；訓(xùn)練輸出結(jié)果為：0.82125，0.85374，0.92061，0.89466。

結(jié)果分析：從以上的訓(xùn)練結(jié)果可以得到該物流聯(lián)盟的風(fēng)險范圍，因而能夠判斷物流聯(lián)盟風(fēng)險的高低。從輸出結(jié)果可以看出，在誤差允許范圍內(nèi)，第10種風(fēng)險是信息共享風(fēng)險，專家評價計算得出的風(fēng)險度（期望輸出值）為0.941，風(fēng)險等級為極高；而網(wǎng)絡(luò)訓(xùn)練結(jié)果為0.92061，風(fēng)險等級也為極高。由此說明BP神經(jīng)網(wǎng)絡(luò)的分析結(jié)果和期望結(jié)果基本一致，證明了本文所建立的BP神經(jīng)網(wǎng)絡(luò)的可靠性。

4 結(jié) 論

對物流戰(zhàn)略聯(lián)盟風(fēng)險進(jìn)行評估，不僅可以有效地規(guī)避物流聯(lián)盟在建立過程中的風(fēng)險，而且可以讓聯(lián)盟企業(yè)有針對性地選擇對應(yīng)措施。如果在物流聯(lián)盟組建之前對其風(fēng)險進(jìn)行評估，就可以未雨綢繆，采取有效措施將風(fēng)險降低。BP神經(jīng)網(wǎng)絡(luò)能夠兼顧多種影響因素，利用人工智能學(xué)習(xí)的方法達(dá)到解決問題的實時性、敏捷性等特點。文章分析了物流聯(lián)盟風(fēng)險產(chǎn)生的原因和風(fēng)險特點，結(jié)合BP神經(jīng)網(wǎng)絡(luò)分析法對風(fēng)險指標(biāo)進(jìn)行評估，并且對聯(lián)盟的風(fēng)險評估方法進(jìn)行選擇，最后使用MATLAB軟件中的Nntool工具箱對實例進(jìn)行分析，驗證了文章提出方法的合理性和適用性。但是，該方法的使用有其不足之處：在使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練所需的大量樣本不易獲得。

參考文獻(xiàn)：

[1] Charles W. L. Hill， Gareth R. Jones. Strategic management[M]. Houghton Mifflin Co， 1995：32-37.

[2] Shapiro D. L. International Trust： A Comparison of Attitudinal and Situational Factors[J]. Human Relations， 1980，33（11）：113-132.

[3] Ming-Chih Tsai， Ying-So Su. Political risk assessment on air logistics hub developments in Taiwan[J]. Journal of Air Transport Management， 2002，11（6）：373-380.

[4] Jukka Hallikas， Iris Karvonen， Urho Pulkkinen， et al. Risk management processes in supplier networks[J]. International Journal of Production Economics， 2004，6（8）：47-58.

[5] 鄭紹濂，等. 分層次與相對績效評價機制及其效率研究[J]. 管理科學(xué)學(xué)報，1998（1）：27-29.

[6] 馮蔚東. 虛擬企業(yè)中的風(fēng)險分析與監(jiān)控[J]. 中國管理科學(xué)，2001（10）：24-31.

[7] 徐志祿. 第三方物流企業(yè)戰(zhàn)略聯(lián)盟的穩(wěn)定性研究[D]. 廣州：暨南大學(xué)（碩士學(xué)位論文），2007.

[8] 劉明菲，羅顯敏. 物流園區(qū)市場運營風(fēng)險管理[J]. 武漢理工大學(xué)學(xué)報，2006（3）：389-399.

[9] 袁旭，孫希剛. 基于貢獻(xiàn)的虛擬物流企業(yè)收益分配[J]. 桂林電子工業(yè)學(xué)院學(xué)報，2004（3）：72-74.

[10] DASTK， TENGBS. Resource and management in strategic alliance making process[J]. Journal of Management， 1998（24）：21-54.

[11] 唐萌春. 基于全生命周期理論的物流戰(zhàn)略聯(lián)盟風(fēng)險管理研究[D]. 重慶：重慶大學(xué)（碩士學(xué)位論文），2007.

[12] 荊瑩. 基于PCA-BP神經(jīng)網(wǎng)絡(luò)的物流企業(yè)聯(lián)盟伙伴選擇研究[D]. 西安：長安大學(xué)（碩士學(xué)位論文），2014.