基于深度神經網(wǎng)絡的供應商選擇評價研究

(華南理工大學　廣東　廣州　510006)

一、引言

2017年10月18日，十九大報告中指出深化供給側結構性改革。建設現(xiàn)代化經濟體系，必須把發(fā)展經濟的著力點放在實體經濟上，把提高供給體系質量作為主攻方向，顯著增強我國經濟質量優(yōu)勢。面對當下中國經濟發(fā)展的新常態(tài)，僅從需求側著手已經難以發(fā)揮應有效果，而應該從供給與需求雙側入手，尤其要增加有效供給。

供應商是市場供需關系中的重要主體，制定準確合理的評價指標，能夠助力供給側改革，尋找科學有效的供應商評價方法篩選出優(yōu)秀的供應商，能夠提升供給側的輸出質量和水平。

二、供應商選擇問題的提出

供應商選擇的問題實際上屬于根據(jù)供應商的各種特點，按照供應商的評價指標，對供應商的數(shù)據(jù)進行分析處理，得出供應商的綜合水平評價。假設,…,為供應商的n個評價指標，Y為供應商的綜合水平評價結果。因此我們需要尋求指標與綜合水平之間的函數(shù)關系。

三、供應商的選擇指標

根據(jù)文獻綜述及相關理論基礎，本文從采購內容、供應商本身、信息化程度、創(chuàng)新四個角度出發(fā)，設計采購供應商指標。

四、基于神經網(wǎng)絡模型的構建

在建立模型的過程中首先需要確定網(wǎng)絡結構。網(wǎng)絡的結構需要確定網(wǎng)絡的層次、確定輸入層的節(jié)點數(shù)量、確定中間層的節(jié)點數(shù)量、確定層級之間的函數(shù)關系。

(一)確定網(wǎng)絡層次

學者們認為從單層神經網(wǎng)絡，到兩層神經網(wǎng)絡，再到深層神經網(wǎng)絡，隨著網(wǎng)絡層數(shù)的增加，以及激活函數(shù)的調整，神經網(wǎng)絡所能擬合的決策分界平面的能力。因此本文采取深層神經網(wǎng)絡模型，采用m個中間層的方法(m>1)，解決供應商綜合水平評價的問題。

(二)確定輸入層的節(jié)點數(shù)量

建立供應商評價指標有n個二級指標。本文將n個評價指標作為輸入層的輸入。因此輸入層的節(jié)點數(shù)確定為n個。

(三)確定隱含層的節(jié)點數(shù)量

m=log2n

m：隱含層節(jié)點數(shù)

n：輸入層節(jié)點數(shù)

l：輸出層節(jié)點數(shù)

a：1—10之間的常數(shù)

(四)確定層與層之間的關系函數(shù)

對于每個神經元確定一個傳遞函數(shù)。對于兩層神經網(wǎng)絡學者使用的激活函數(shù)是sgn函數(shù)。當加入一層中間層時，學者更多采用sigmoid函數(shù)。目前多數(shù)學者研究供應商評價方法則采用該函數(shù)。

(五)樣本訓練

對神經網(wǎng)絡進行樣本訓練。輸入學習樣本數(shù)據(jù)，輸入層通過函數(shù)關系傳播到輸出層，輸出層的神經元響應后不斷減少網(wǎng)絡輸出與期望輸出的誤差的原則反向傳播修正權值和閾值。最終使得誤差達到設定的允許參數(shù)范圍之內，訓練結束。網(wǎng)絡就運用其自學習自適應的能力來建立期神經網(wǎng)絡。此后給網(wǎng)絡輸入相應的輸入則會出現(xiàn)新的輸出結果。

神經網(wǎng)絡模型圖

五、實證分析

首先選取歷史合作的10個供應商數(shù)據(jù)記錄作為樣本訓練數(shù)據(jù)，3個供應商數(shù)據(jù)作為測試值，測試模型有效性。根據(jù)所采用評價指標，通過深層神經網(wǎng)絡法，預測供應商S14,S15,S16,S17,S18綜合水平。

(一)樣本數(shù)據(jù)的選取與預處理

訓練樣本供應商分別為S1,S2,S3,S4,S5,S6,S7,S8,S9,S10。測試樣本供應商分別為S11,S12,S13。根據(jù)歷史數(shù)據(jù)，得到樣本供應商以及測試供應商的指標數(shù)值，詳見下表：

S1S2S3S4S5S6S7S8S9S10S11S12S13設備的價格(C1)單位萬元260280240300270240270290320350300258220備用品的價格(C2)單位萬元50604075804880907550458053貿易費用率(C3)%210.91.51.90.750.81.251.51.4123產品合格率(C4)%98.597.897.495.4598.592.598.296.597.898.295.498.697產品故障率(C5)(次)1.21.31.50.51.20.80.61.40.50.310.80.5退貨率(C6)210.50.210.30.50.20.50.811.61.5市場占有率(C7)%13123422102334ISO質量認證通過率(C8)%121310971115201314131012交貨出錯率(C9)%11.51.21.30.951.20.80.30.30.51.21.92.3交貨破損率(C10)%0.20.30.10.50.20.10.30.10.050.30.10.140.2準時交貨率(C11)%85908397929489999492909580保修期限(C12)(年)1211121221231投訴處理時效(C13)(小時)121132112120.51顧客投訴滿意處理率(C14)%85708589839680939592908560品牌知名度(C15)85758580706585756070756080總資產利潤率(C16)12.8211.1213.512.712.910.5410.5411.69.769.34151217資產負債率(C17)%43424045375854473840404743速動比率(C18)1.21.61.51.21.11.21.41.31.31.21.31.61.3存貨周轉率%(C19)13.011114161214111210.512.112.6712.9815銷售利潤率%(C20)11.1113121612191416131515.1218.911.23訂貨響應速度(C21)h1224123612248151824241236庫存水平(C22)%1312101112.59.812.21010.58.5141012物流費用率(C23)%21.431.781.981.321.92.72.131.761.622.8成立年限(C24)(年)101286101591379726年銷售額(C25)16762414287910122198000123261870001280001010009200082000123213110934109734合同履約率(C26)%95908995999395879384899293營業(yè)收入增長率(C27)192412-101635-4056-2056233858總資產增長率(C28)20-1718-543016-1213913402320營業(yè)利潤增長率(C29)106630-2050220-70201518205456研發(fā)投入比率(C30)%21.541.21.92.53.241.31.512.53新產品開發(fā)率(C31)%11.51.20.81.20.40.610.71.31.51.31.8營業(yè)收入三年增長率(C32)10507090-204317-34-2362204060資本三年平均增長率(C33)9521201827-40-271632341356204員工素質(C34)1.72.022.011.92.643.232.552.212.722.541.92.61.9員工人均培訓支出(C35)(萬元)2.122.163.6822.42.912.692.532.82.752.082.954.23管理人員的比例(C36)%1820151610611141010121715信息技術人員比例(C37)%3451.751.91.1635237信息共享能力(C38)60707565859575809585605080系統(tǒng)穩(wěn)定性(C39)98988095709693909692968087創(chuàng)新投入能力(C40)%10974895316896研究開發(fā)能力(C41)4526774643353創(chuàng)新生產能力(C42)1510412841426101682創(chuàng)新產出能力(C43)0114033024003

通過專家打分法，得出訓練組S1～S10期望值如下：

S1S2S3S4S5S65.00894334.9396383214.982620074.5727063824.8668238285.287090862S7S8S9S104.9308152294.8532779884.8212236175.004135371

通過專家打分法得出檢驗組S11～S13期望值如下：

S11S12S134.7666869855.1267669015.000187562

評估樣本數(shù)據(jù):

S14S15S16S17S18設備的價格(C1)單位萬元300270240280260備用品的價格(C2)單位萬元5637594534貿易費用率(C3)%1.21.51.90.82產品合格率(C4)%89.591.580.59588產品故障率(C5)(次)0.60.80.40.60.3退貨率(C6)0.80.50.310.9市場占有率(C7)%26101210ISO質量認證通過率(C8)%106843交貨出錯率(C9)%1.050.20.81.21.8交貨破損率(C10)%0.050.30.20.40.5準時交貨率(C11)%9185929892保修期限(C12)(年)32113投訴處理時效(C13)(小時)11210.5顧客投訴滿意處理率(C14)%9585929391品牌知名度(C15)5075837075總資產利潤率(C16)10.2310.511.81215資產負債率(C17)%4556533950速動比率(C18)11.21.511.3存貨周轉率%(C19)1510121114銷售利潤率%(C20)201417129訂貨響應速度(C21)h1218121218庫存水平(C22)%9.810.510.287物流費用率(C23)%1.451.92.21.53成立年限(C24)(年)105858年銷售額(C25)1180009500010600099000120000合同履約率(C26)%8992937585營業(yè)收入增長率(C27)45-4030-34100總資產增長率(C28)26-3445-2950營業(yè)利潤增長率(C29)2206760-2030研發(fā)投入比率(C30)%2.43.31.50.21.8新產品開發(fā)率(C31)%0.50.810.60.5營業(yè)收入三年增長率(C32)5220-503040資本三年平均增長率(C33)-30-40203050員工素質(C34)3.4262.22.53.4員工人均培訓支出(C35)(萬元)3.542.81.22.6管理人員的比例(C36)%7121056信息技術人員比例(C37)%2.513.24.67.2信息共享能力(C38)8078905065系統(tǒng)穩(wěn)定性(C39)8575906080創(chuàng)新投入能力(C40)%84242研究開發(fā)能力(C41)64834創(chuàng)新生產能力(C42)24752創(chuàng)新產出能力(C43)75224

(二)神經網(wǎng)絡的構造

1.神經網(wǎng)絡的網(wǎng)絡模型

根據(jù)不斷調試，其模型如下，第一層是輸入層，含有43個神經元，后面三層是隱含層，層數(shù)分別是30，15和4，最后一層是輸出層。

神經網(wǎng)絡的設置程序如下：

隱含層的傳遞函數(shù)是tan-sigmoid，輸出層的傳遞函數(shù)是linear，訓練函數(shù)是traingd。

2.神經網(wǎng)絡參數(shù)的設置

設置神經網(wǎng)絡的訓練次數(shù)為5000次，學習速率為0.01，最小誤差為10^-6

3.結果分析

因此得出S15的綜合表現(xiàn)最優(yōu)。應該選擇該企業(yè)作為合作企業(yè)。

六、結語

神經網(wǎng)絡具備較強的學習能力。它具備解決非線性信息的處理能力。通過學習與訓練，能夠找出輸入與輸出之間的邏輯關系從而解決問題。用這種方法能夠解決供應商評價問題，選擇的結果更為客觀、有效。