數(shù)據(jù)驅(qū)動(dòng)下的智能制造企業(yè)供應(yīng)商效率評(píng)價(jià)①

陳 誠(chéng),石 莉,石 梅,丁雪紅

(淮北師范大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,淮北 235000)

引言

制造業(yè)對(duì)于一個(gè)國(guó)家或地區(qū)的經(jīng)濟(jì)發(fā)展起到關(guān)鍵作用,同時(shí)也反映出國(guó)家或地區(qū)的綜合實(shí)力.2008年全球金融危機(jī)爆發(fā)后,世界各國(guó)經(jīng)濟(jì)增長(zhǎng)乏力,各發(fā)達(dá)國(guó)家紛紛將自身傳統(tǒng)制造業(yè)向智能制造業(yè)靠攏,其中,以美國(guó)與德國(guó)為首的智能制造企業(yè)發(fā)展最為迅猛.美國(guó)于2012年提出《先進(jìn)制造業(yè)國(guó)家戰(zhàn)略計(jì)劃》,正式將先進(jìn)制造業(yè)提升為國(guó)家戰(zhàn)略,并提出建設(shè)智能制造技術(shù)平臺(tái)來(lái)加快智能制造技術(shù)創(chuàng)新[1].2013年,德國(guó)發(fā)布“工業(yè)4.0”戰(zhàn)略方針[2],將智能制造作為企業(yè)發(fā)展主體.隨著信息技術(shù)和產(chǎn)業(yè)革命在工業(yè)領(lǐng)域的推進(jìn),各種信息技術(shù)在工業(yè)領(lǐng)域廣泛滲透,為加快從制造大國(guó)向制造強(qiáng)國(guó)的轉(zhuǎn)變,我國(guó)于2015年8月提出《中國(guó)制造2025》.隨著《中國(guó)制造2025》的發(fā)布和實(shí)施,國(guó)內(nèi)的制造業(yè)紛紛走向智能化.一些大型制造業(yè)的供應(yīng)鏈發(fā)生巨大變革,企業(yè)跟供應(yīng)商之間由以前單純“買(mǎi)賣(mài)關(guān)系”轉(zhuǎn)變?yōu)椤昂献骰锇殛P(guān)系”.隨著企業(yè)與供應(yīng)商關(guān)系的轉(zhuǎn)變,企業(yè)對(duì)供應(yīng)商的要求越來(lái)越高.其中,供應(yīng)商效率是制造企業(yè)對(duì)效率型供應(yīng)商資源投入和價(jià)值產(chǎn)出的合理性考察,它的好壞能反映供應(yīng)商的優(yōu)劣,通過(guò)對(duì)供應(yīng)商效率進(jìn)行等級(jí)劃分,一方面可作為監(jiān)督供應(yīng)商的狀態(tài)提供信息來(lái)源,同時(shí)也是選擇供應(yīng)商激勵(lì)策略的決策依據(jù),并實(shí)現(xiàn)其價(jià)值最大化.供應(yīng)商效率評(píng)價(jià)是針對(duì)效率型供應(yīng)商,通過(guò)建立合適的評(píng)價(jià)指標(biāo)體系,對(duì)這類(lèi)供應(yīng)商的產(chǎn)品質(zhì)量、成本、服務(wù)等進(jìn)行衡量,并運(yùn)用一定的評(píng)價(jià)標(biāo)準(zhǔn)對(duì)供應(yīng)商進(jìn)行效率等級(jí)劃分.供應(yīng)商效率評(píng)價(jià)是構(gòu)筑供應(yīng)鏈的關(guān)鍵一步,對(duì)于效率型供應(yīng)鏈的平穩(wěn)運(yùn)行有很大的影響.如何構(gòu)建合適的智能制造企業(yè)供應(yīng)商效率評(píng)價(jià)指標(biāo)體系,采取合適的方法對(duì)我國(guó)智能制造企業(yè)效率型供應(yīng)商進(jìn)行系統(tǒng)、科學(xué)的評(píng)價(jià),以及效率評(píng)價(jià)等級(jí),并為其提供適當(dāng)?shù)暮献鞣桨负图?lì)策略,是本文重點(diǎn)關(guān)注的研究問(wèn)題.

供應(yīng)商效率評(píng)價(jià)方法經(jīng)歷了一個(gè)從定性到定量然后到定性定量相結(jié)合的過(guò)程.常見(jiàn)的定性方法有:直觀判斷法、考核法、招標(biāo)法和協(xié)商法等.定性方法主觀隨意性太大,結(jié)果不是很準(zhǔn)確,現(xiàn)在很少采用.常見(jiàn)的定量分析法有:層次分析法(AHP)[3]、主成分分析法(PCA)[4]、加權(quán)評(píng)分法[5]、ABC 成本法[6]和因子分析法[7]等.定量方法可以在一定程度上降低主觀隨意性,但是有的個(gè)別屬性判斷模糊,人為干擾因素較多,目前單一使用這些定量方法進(jìn)行研究的不是很多.定性與定量結(jié)合的是目前供應(yīng)商選擇評(píng)價(jià)利用較多的方法,常見(jiàn)的有模糊綜合評(píng)價(jià)[8]、灰色關(guān)聯(lián)理論[9]和神經(jīng)網(wǎng)絡(luò)等方法,其中主要凸顯在神經(jīng)網(wǎng)絡(luò)的研究.BP 神經(jīng)網(wǎng)絡(luò)處理信息能力強(qiáng)、具備非線性的映射能力、容錯(cuò)能力、自身具有學(xué)習(xí)、聯(lián)想和記憶的能力,避免傳統(tǒng)方法的局限性和主觀隨意性[10].關(guān)于使用BP 神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行供應(yīng)商評(píng)價(jià)的研究有很多,但大多都缺乏具體的數(shù)據(jù)支撐,存在一定的主觀性.同時(shí),很多利用BP 神經(jīng)網(wǎng)絡(luò)的案例中,并沒(méi)有考慮構(gòu)建的評(píng)價(jià)指標(biāo)體系是否真正有效,缺乏對(duì)企業(yè)的深入研究,通用性較強(qiáng)而針對(duì)性較弱.

本文針對(duì)智能制造企業(yè)供應(yīng)商效率評(píng)價(jià)的研究,從智能制造視角構(gòu)建智能制造企業(yè)供應(yīng)商效率評(píng)價(jià)指標(biāo)體系,采用AHP-熵值法計(jì)算各指標(biāo)權(quán)重,利用信息化系統(tǒng)數(shù)據(jù),基于BP 神經(jīng)網(wǎng)絡(luò)提出數(shù)據(jù)驅(qū)動(dòng)下的智能制造企業(yè)供應(yīng)商效率評(píng)價(jià)模型,最后應(yīng)用于國(guó)內(nèi)某智能制造企業(yè)供應(yīng)商效率評(píng)價(jià)研究中.

1 基礎(chǔ)理論和方法介紹

1.1 供應(yīng)商分類(lèi)

供應(yīng)商績(jī)效表現(xiàn)和戰(zhàn)略潛力的不同,其體現(xiàn)的價(jià)值也不同,根據(jù)價(jià)值的不同提出供應(yīng)商合作模式模型,即TrueSRM[11].本文借鑒TrueSRM 模型相關(guān)理論,以績(jī)效表現(xiàn)和戰(zhàn)略潛力對(duì)供應(yīng)商進(jìn)行分類(lèi),具體如圖1所示.

圖1 供應(yīng)商分類(lèi)

戰(zhàn)略型供應(yīng)商(Strategic Supplier,SS)是對(duì)企業(yè)有戰(zhàn)略指導(dǎo)意義的供應(yīng)商,擁有為企業(yè)創(chuàng)造競(jìng)爭(zhēng)優(yōu)勢(shì)的核心資源,這類(lèi)供應(yīng)商的數(shù)量非常少,有的企業(yè)甚至沒(méi)有.效率型供應(yīng)商(Efficient Supplier,ES)也稱(chēng)為普通型供應(yīng)商,是為企業(yè)提供產(chǎn)品最多、合作最頻繁、數(shù)量最多的一類(lèi)供應(yīng)商,其不掌握企業(yè)核心資源,但企業(yè)若掌握一套方法來(lái)維護(hù)此類(lèi)供應(yīng)商,可以幫助企業(yè)取得可觀的價(jià)值.ES 分一～五級(jí).問(wèn)題型供應(yīng)商(Problem Supplier,PS)是各類(lèi)表現(xiàn)無(wú)法達(dá)到企業(yè)要求的一類(lèi)供應(yīng)商,主要包括3 類(lèi):考察型供應(yīng)商(Inspection Supplier,IS)、消極淘汰型供應(yīng)商(Passive Elimination Supplier,PES)和積極淘汰型供應(yīng)商(Actively Eliminate Suppliers,AES).IS 一般是第一次給企業(yè)提供產(chǎn)品或服務(wù),后期的合作需要二次考察.PES 是在合作期間,為企業(yè)提供的產(chǎn)品、服務(wù)都未達(dá)到企業(yè)要求,企業(yè)會(huì)在合作完成后對(duì)其進(jìn)行直接淘汰.AES 是合作期間,企業(yè)想立馬終止合作的一類(lèi)供應(yīng)商.

ES 對(duì)于企業(yè)的發(fā)展起到重要的作用,且在企業(yè)中占比最高,本文針對(duì)ES 進(jìn)行深入研究.

1.2 指標(biāo)權(quán)重計(jì)算

AHP 計(jì)算的權(quán)重結(jié)果趨向于主觀,熵值法計(jì)算結(jié)果趨向于客觀,結(jié)合兩者,采用主客觀結(jié)合的方式計(jì)算指標(biāo)權(quán)重,結(jié)果更具有說(shuō)服力.

(1)AHP 計(jì)算指標(biāo)權(quán)重

AHP 是一種主觀的權(quán)重計(jì)算法,計(jì)算步驟如圖2所示.

圖2 AHP 計(jì)算步驟

圖2中,C.I.是 一致性指標(biāo),C.R.為一致性比率,計(jì)算公式如下:

其中,λmax為判斷矩陣的最大特征值,n是判斷矩陣的維數(shù).R.I.為判斷矩陣的平均隨機(jī)性指標(biāo)值,其值如表1所示.

表1 R.I.的取值規(guī)則

(2)熵值法計(jì)算指標(biāo)權(quán)重

熵值法是一種典型的客觀賦權(quán)法[12].它通過(guò)計(jì)算指標(biāo)體系中各指標(biāo)的信息熵值,根據(jù)指標(biāo)的相對(duì)變化程度對(duì)系統(tǒng)整體的影響來(lái)決定指標(biāo)的權(quán)重,相對(duì)變化大的權(quán)重值大,反之則小.熵值法計(jì)算步驟如圖3所示.

圖3 熵值法計(jì)算步驟

假設(shè)原始數(shù)據(jù)為m行n列的數(shù)據(jù)集,其中,Yij=為第i行j列的指標(biāo)值,

(3)AHP-熵值法計(jì)算綜合權(quán)重值

結(jié)合兩者,在實(shí)際應(yīng)用場(chǎng)景中設(shè)定一個(gè)組合權(quán)系數(shù) λ,通過(guò)計(jì)算式(3)而得.

其中,λ ∈[0,1],ω為 最終權(quán)重,βi為AHP 計(jì)算權(quán)重結(jié)果,θi為熵值法計(jì)算權(quán)重結(jié)果.

1.3 BP 神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)最基本的成分是神經(jīng)元,神經(jīng)元與其他神經(jīng)元相連,完成神經(jīng)元之間的信息傳遞.當(dāng)前神經(jīng)元接收到來(lái)自n個(gè)帶權(quán)重的輸入信號(hào),神經(jīng)元接收到的總輸入與閾值 θ進(jìn)行比較,然后通過(guò)激活函數(shù)處理計(jì)算得出輸出值,常見(jiàn)的激活函數(shù)有Sigmoid、Tanh 和Relu 等[13].

傳統(tǒng)的BP 神經(jīng)網(wǎng)絡(luò)利用誤差反向傳播算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,誤差反向傳播算法包括信息的正向傳播和誤差的反向傳播,通過(guò)誤差的反向傳播對(duì)其網(wǎng)絡(luò)結(jié)構(gòu)中的權(quán)值與閾值進(jìn)行更新,使誤差變小,不斷迭代,直到誤差小于給定期望誤差時(shí)停止[14].算法流程如圖4所示.

BP 算法的主要就是對(duì)網(wǎng)絡(luò)中的權(quán)值與閾值參數(shù)進(jìn)行更新,具體更新過(guò)程如下描述.

假設(shè)給定訓(xùn)練集D={(x1,y1),(x2,y2),···,(xn,yn)},xi∈Rd,yi∈Rl.為了便于公式的推導(dǎo),給出圖5進(jìn)行說(shuō)明.

圖4 BP 神經(jīng)網(wǎng)絡(luò)算法流程圖

圖5 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖5中隱藏層第h個(gè)神經(jīng)元的閾值用 γh表示,輸出層第j個(gè)神經(jīng)元的閾值用 θj,第h個(gè)隱藏層神經(jīng)元接收到的輸入為 αh,第j個(gè)輸出層神經(jīng)元接收到的輸入為βj,激活函數(shù)都使用Sigmoid 函數(shù).

則均方誤差為:

任意參數(shù)更新估計(jì)式為:

因BP 算法是基于梯度下降策略的,以目標(biāo)的負(fù)梯度方向?qū)?shù)進(jìn)行調(diào)整,對(duì)于均方誤差Ek,給定學(xué)習(xí)率為η,有:

運(yùn)用鏈?zhǔn)角髮?dǎo)法則,有:

根據(jù) βj的定義,結(jié)合式(7)、式(8)和Sigmoid 函數(shù)的性質(zhì)可得:

同理可得:

2 智能制造企業(yè)供應(yīng)商效率評(píng)價(jià)指標(biāo)體系構(gòu)建

2.1 智能制造企業(yè)供應(yīng)商的特點(diǎn)分析與構(gòu)建原則

智能制造是基于物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等新一代信息技術(shù),貫穿于設(shè)計(jì)、生產(chǎn)、管理、服務(wù)等制造活動(dòng)的各個(gè)環(huán)節(jié),具有信息深度自感知、智慧優(yōu)化決策、精準(zhǔn)控制自執(zhí)行等功能的先進(jìn)制造過(guò)程、系統(tǒng)與模式的總稱(chēng)[15].依據(jù)智能制造的定義以及相關(guān)智能制造企業(yè)供應(yīng)商文獻(xiàn),總結(jié)智能制造企業(yè)供應(yīng)商特點(diǎn).

(1)智能化水平高.智能制造企業(yè)的發(fā)展要求其供應(yīng)鏈的智能化、數(shù)字化以及信息化的建設(shè)需要進(jìn)一步提升,供應(yīng)商作為供應(yīng)鏈的一部分,提高智能化水平勢(shì)在必行.

(2)產(chǎn)品競(jìng)爭(zhēng)力強(qiáng).產(chǎn)品競(jìng)爭(zhēng)力包含產(chǎn)品質(zhì)量、產(chǎn)品成本和產(chǎn)品生態(tài)化.企業(yè)供應(yīng)鏈中有眾多的供應(yīng)商,供應(yīng)商的產(chǎn)品競(jìng)爭(zhēng)力會(huì)影響企業(yè)對(duì)其總體效率的評(píng)價(jià)及選擇.

(3)個(gè)性化服務(wù)好.供應(yīng)商的個(gè)性化服務(wù)包含供應(yīng)能力、協(xié)同創(chuàng)新等特征,智能制造企業(yè)在生產(chǎn)過(guò)程中重點(diǎn)關(guān)注效率問(wèn)題,當(dāng)供應(yīng)貨物出現(xiàn)服務(wù)售后等問(wèn)題時(shí),需要快速定位并得到快速高質(zhì)量的解決.

構(gòu)建智能制造企業(yè)供應(yīng)商評(píng)價(jià)指標(biāo)體系時(shí)遵循以下5 個(gè)原則:明且突出重點(diǎn)性原則;相對(duì)獨(dú)立性原則;系統(tǒng)全面性原則;針對(duì)性原則;靈活可操作性原則.

2.2 智能制造企業(yè)供應(yīng)商效率評(píng)價(jià)指標(biāo)體系構(gòu)建

最早系統(tǒng)研究供應(yīng)商評(píng)價(jià)指標(biāo)體系的學(xué)者是Dickson.他通過(guò)與273 名代理商和管理人員的統(tǒng)計(jì)調(diào)查,總結(jié)出包含質(zhì)量、交貨等23 條供應(yīng)商評(píng)價(jià)指標(biāo)[16].在Dickson 的研究基礎(chǔ)上,越來(lái)越多的國(guó)內(nèi)外學(xué)者開(kāi)始對(duì)供應(yīng)商評(píng)價(jià)指標(biāo)開(kāi)始研究.Bai CG 和Sarkis J[17]以可持續(xù)發(fā)展的評(píng)價(jià)指標(biāo)為中心構(gòu)建了供應(yīng)商評(píng)價(jià)指標(biāo)體系.Cheng HY[18]從管理理念、管理體系、溝通管理、激勵(lì)機(jī)制和發(fā)展戰(zhàn)略等方面建立了供應(yīng)商評(píng)價(jià)指標(biāo)體系.Ruiz N 等學(xué)者[19,20]為了使企業(yè)更好地適應(yīng)智能制造生產(chǎn),提出了一套關(guān)于制造能力的評(píng)價(jià)指標(biāo)體系.王蒙燕[21]構(gòu)建的供應(yīng)商評(píng)價(jià)指標(biāo)體系包含產(chǎn)品狀況、技術(shù)能力水平、信息化程度和企業(yè)環(huán)境等.尹峰[22]提出了包含4 個(gè)層次指標(biāo)的智能制造評(píng)價(jià)指標(biāo)體系,并使用AHP 確定各指標(biāo)權(quán)重,對(duì)智能制造企業(yè)供應(yīng)商進(jìn)行評(píng)估.張毅等[23]采用SWOT 分析法,對(duì)供應(yīng)商的內(nèi)部因素和外部因素進(jìn)行綜合分析,建立了生鮮物品供應(yīng)商評(píng)價(jià)指標(biāo)體系.從國(guó)內(nèi)外文獻(xiàn)分析來(lái)看,質(zhì)量、成本、交貨、服務(wù)等都是供應(yīng)商評(píng)價(jià)中的重要指標(biāo).通過(guò)對(duì)國(guó)內(nèi)外學(xué)者關(guān)于評(píng)價(jià)指標(biāo)體系的研究成果的總結(jié),以及對(duì)智能制造企業(yè)供應(yīng)商的特點(diǎn)分析和構(gòu)建供應(yīng)商效率評(píng)價(jià)指標(biāo)體系原則,從供應(yīng)商效率、智能制造視角對(duì)基礎(chǔ)指標(biāo)進(jìn)行重構(gòu),形成初步的智能企業(yè)供應(yīng)商評(píng)價(jià)指標(biāo)體系.智能制造企業(yè)供應(yīng)商效率評(píng)價(jià)指標(biāo)體系的構(gòu)建是動(dòng)態(tài)化的,它隨著企業(yè)智能制造能力成熟度的變化而變化,智能制造能力成熟度越高,對(duì)智能化要求越高.在企業(yè)調(diào)研過(guò)程中,發(fā)現(xiàn)該企業(yè)的智能制造能力成熟度處于初級(jí)發(fā)展階段.最終構(gòu)建的指標(biāo)體系包括質(zhì)量、成本、服務(wù)水平、環(huán)保水平、智能化水平和供應(yīng)能力等6 個(gè)維度,每個(gè)維度又細(xì)分為不同的二級(jí)指標(biāo),如圖6所示.

圖6 供應(yīng)商評(píng)價(jià)指標(biāo)體系

(1)產(chǎn)品成本

企業(yè)在采購(gòu)過(guò)程中不能只看采購(gòu)成本,采購(gòu)成本低的供應(yīng)商不一定是最合適的,總成本最低才是較佳的供應(yīng)商,總成本是指某原材料或者零部件在使用過(guò)程中、生命周期結(jié)束前所發(fā)生的一切支出,包括運(yùn)輸成本、購(gòu)買(mǎi)成本和價(jià)格穩(wěn)定程度.

① 運(yùn)輸成本:產(chǎn)品在運(yùn)輸過(guò)程中產(chǎn)生的所有費(fèi)用.

② 購(gòu)買(mǎi)成本:供應(yīng)商提供產(chǎn)品的單價(jià).

③ 價(jià)格穩(wěn)定程度:供應(yīng)商報(bào)價(jià)與基準(zhǔn)價(jià)的變化程度.

(2)產(chǎn)品質(zhì)量

供應(yīng)商產(chǎn)品質(zhì)量會(huì)很大影響企業(yè)對(duì)其評(píng)價(jià)度,其考核主要從檢驗(yàn)合格率、批不良率和在線不良率幾個(gè)方面入手.

① 檢驗(yàn)合格率:供應(yīng)商供貨期間內(nèi),進(jìn)料檢驗(yàn)合格數(shù)量除以進(jìn)料檢驗(yàn)數(shù)量所得,計(jì)算公式如下:

其中,P為進(jìn)料檢驗(yàn)合格率(%),q為進(jìn)料檢驗(yàn)合格數(shù)量,Q為進(jìn)料檢驗(yàn)總數(shù)量.

② 批不良率:在一定期間內(nèi),所有的檢驗(yàn)批中,因檢驗(yàn)判定不合格而整個(gè)檢驗(yàn)批需要返工(或返修或報(bào)廢)的批數(shù)占總的檢驗(yàn)批的批數(shù)的比例.計(jì)算公式如下:

其中,C為批不良率(%),a為不良批數(shù),A為總檢驗(yàn)批數(shù).

③ 在線不良率:供應(yīng)商供貨期間,企業(yè)在投入生產(chǎn)中,因供應(yīng)商提供的產(chǎn)品而導(dǎo)致生產(chǎn)出現(xiàn)故障的比例,計(jì)算公式如下:

其中,H為在線不良率(%),e為故障次數(shù),E為整個(gè)生產(chǎn)次數(shù).

(3)產(chǎn)品生態(tài)化

隨著人們對(duì)環(huán)保意識(shí)的提高,綠色生產(chǎn)變得尤其重要.產(chǎn)品生態(tài)化成為制造業(yè)供應(yīng)商效率評(píng)價(jià)的重要衡量指標(biāo).包括禁用物質(zhì)超標(biāo)和環(huán)境管理體系.

① 禁用物質(zhì)超標(biāo):根據(jù)不同制造業(yè)的性質(zhì),禁用物質(zhì)的評(píng)價(jià)標(biāo)準(zhǔn)也是不一樣的.

② 環(huán)境管理體系:企業(yè)管理體系的一部分,用來(lái)制定和實(shí)施其環(huán)境方針,并管理其環(huán)境因素.

(4)智能化水平

智能制造企業(yè)需要智能化水平較高的供應(yīng)商,智能化水平體現(xiàn)為信息協(xié)同、智能配送和信息融合.

① 信息協(xié)同:信息協(xié)同是指以信息為對(duì)象,多個(gè)信息源在規(guī)定的時(shí)間和空間內(nèi),按照統(tǒng)一的規(guī)則實(shí)現(xiàn)信息的有序流轉(zhuǎn).包括信息共享程度、信息系統(tǒng)的集成水平等.

② 智能配送:實(shí)現(xiàn)企業(yè)與供應(yīng)商之間的快速存貨、配貨以及送貨.包括智能倉(cāng)儲(chǔ)、智能物流等.

③ 信息融合:信息融合包括數(shù)據(jù)融合、數(shù)據(jù)應(yīng)用、數(shù)據(jù)安全等.

(5)供應(yīng)能力

制造業(yè)的訂單需求往往是不確定的,若供應(yīng)商能及時(shí)的提供原材料,可大大加強(qiáng)企業(yè)與效率型供應(yīng)商之間的合作.供應(yīng)能力主要包括準(zhǔn)時(shí)交貨率和供應(yīng)柔性.

① 準(zhǔn)時(shí)交貨率:在一定的周期內(nèi),按時(shí)交貨的批次數(shù)量占總批次數(shù)量的比例,準(zhǔn)時(shí)交貨對(duì)于制造方來(lái)說(shuō)至關(guān)重要.計(jì)算公式如下:

其中,P為準(zhǔn)時(shí)交貨率(%),m為準(zhǔn)時(shí)交貨批次數(shù),M為總批次數(shù).

② 供應(yīng)柔性:供應(yīng)柔性衡量的是其對(duì)訂單變化的反映靈敏度指標(biāo),表示的是供應(yīng)商在約定的交貨周期內(nèi)可以接受的訂單增加或減少的情況[24].

(6)服務(wù)水平

整個(gè)合作期間,企業(yè)對(duì)供應(yīng)商的滿(mǎn)意程度,它的衡量標(biāo)準(zhǔn)包括客戶(hù)投訴率、配合程度.

① 投訴率:合作期間,供應(yīng)商收到的投訴次數(shù)占總的合作次數(shù)的比例,計(jì)算公式如下:

其中,Z為投訴率(%),x為投訴次數(shù),X總的合作次數(shù).

② 配合度:業(yè)務(wù)合作中,供應(yīng)商是否積極配合以及表現(xiàn)出來(lái)的素質(zhì)和態(tài)度.

3 基于BP 神經(jīng)網(wǎng)絡(luò)的供應(yīng)商效率評(píng)價(jià)模型

3.1 BP 神經(jīng)網(wǎng)絡(luò)用于供應(yīng)商效率評(píng)價(jià)的原理和結(jié)構(gòu)設(shè)計(jì)

基于BP 神經(jīng)網(wǎng)絡(luò)的供應(yīng)商效率評(píng)價(jià)模型主要使用一個(gè)三層的網(wǎng)絡(luò)結(jié)構(gòu),網(wǎng)絡(luò)的超參數(shù)設(shè)置主要有輸入層個(gè)數(shù)、隱藏層的個(gè)數(shù)、學(xué)習(xí)率和迭代次數(shù).輸入層個(gè)數(shù)由指標(biāo)體系中的葉子指標(biāo)個(gè)數(shù)決定.隱藏層的選取上需要通過(guò)計(jì)算公式來(lái)確定其個(gè)數(shù),其中a表示隱藏層的節(jié)點(diǎn)數(shù),m為輸入節(jié)點(diǎn)數(shù),n輸出節(jié)點(diǎn)數(shù),b為[1,10]之間的任意整數(shù).學(xué)習(xí)率是重要的超參數(shù),學(xué)習(xí)率太小,導(dǎo)致收斂過(guò)慢,需要很多次的迭代才能達(dá)到最優(yōu),太大的話可能會(huì)導(dǎo)致越過(guò)最優(yōu)點(diǎn),實(shí)驗(yàn)過(guò)程中可從0.1 開(kāi)始嘗試,不斷倍率減少進(jìn)行嘗試,只要驗(yàn)證誤差還在降低就繼續(xù)迭代.

3.2 基于BP 神經(jīng)網(wǎng)絡(luò)的智能制造企業(yè)供應(yīng)商效率評(píng)價(jià)流程

(1)數(shù)據(jù)收集.通過(guò)企業(yè)調(diào)研、系統(tǒng)數(shù)據(jù)的導(dǎo)出以及專(zhuān)家和企業(yè)相關(guān)人員打分等方法收集到原始的數(shù)據(jù)集.

(2)數(shù)據(jù)預(yù)處理

由于指標(biāo)數(shù)據(jù)的量綱存在差異,不能直接將數(shù)據(jù)代入模型進(jìn)行學(xué)習(xí)仿真,需對(duì)初始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理.本文設(shè)定的指標(biāo)存在正向指標(biāo)和負(fù)向指標(biāo),需根據(jù)不同性質(zhì)進(jìn)行不同的標(biāo)準(zhǔn)化處理,正向指標(biāo)和負(fù)向指標(biāo)的標(biāo)準(zhǔn)化處理公式分別為如下.

正向指標(biāo)的標(biāo)準(zhǔn)化處理公式為:

負(fù)向指標(biāo)的標(biāo)準(zhǔn)化處理公式為:

(3)指標(biāo)權(quán)重的計(jì)算.建立評(píng)價(jià)指標(biāo)層次結(jié)構(gòu),運(yùn)用AHP-熵值法確定各指標(biāo)權(quán)重.

(4)綜合效率評(píng)價(jià)值的計(jì)算.綜合效率評(píng)價(jià)值為標(biāo)準(zhǔn)化后的各指標(biāo)分?jǐn)?shù)與其對(duì)應(yīng)的權(quán)重乘積之和.在后續(xù)實(shí)驗(yàn)中,按照綜合效率評(píng)價(jià)值對(duì)供應(yīng)商進(jìn)行效率等級(jí)劃分,假設(shè)P為綜合效率評(píng)價(jià)值,當(dāng) 0.9≤P<1時(shí),表示該供應(yīng)商的綜合效率高,是一級(jí)效率型供應(yīng)商;當(dāng)0.8≤P<0.9時(shí),是二級(jí)效率型供應(yīng)商;當(dāng)0.7≤P<0.8時(shí),是三級(jí)效率型供應(yīng)商;當(dāng) 0.6≤P<0.7時(shí),是四級(jí)效率型供應(yīng)商;當(dāng) 0.5≤P<0.6時(shí),供應(yīng)商效率等級(jí)是五級(jí),其綜合效率低.

(5)網(wǎng)絡(luò)訓(xùn)練.以評(píng)價(jià)指標(biāo)體系中的二級(jí)指標(biāo)作為輸入數(shù)據(jù),供應(yīng)商的綜合效率評(píng)價(jià)值作為期望輸出值,采用誤差反向傳播算法訓(xùn)練網(wǎng)絡(luò).

(6)結(jié)果分析.通過(guò)實(shí)驗(yàn)得出結(jié)果,并對(duì)實(shí)驗(yàn)結(jié)果進(jìn) 行分析,最后對(duì)供應(yīng)商提出改進(jìn)意見(jiàn)以及激勵(lì)策略.

4 案例分析

4.1 數(shù)據(jù)收集

選擇國(guó)內(nèi)某大型電池制造企業(yè)進(jìn)行案例分析.針對(duì)該企業(yè)315 家ES,采取系統(tǒng)數(shù)據(jù)導(dǎo)出和專(zhuān)家打分得到各指標(biāo)評(píng)分,指標(biāo)分?jǐn)?shù)與其對(duì)應(yīng)的權(quán)重乘積之和為綜合評(píng)價(jià)分.其中運(yùn)輸成本、購(gòu)買(mǎi)成本、檢驗(yàn)合格率、批不良率、在線不良率、準(zhǔn)時(shí)交貨率和投訴率是從系統(tǒng)數(shù)據(jù)中處理提煉出來(lái)的,價(jià)格穩(wěn)定程度、禁用物質(zhì)超標(biāo)、環(huán)境管理體系、信息協(xié)同、智能配送、信息融合、供應(yīng)柔性和配合度等定性指標(biāo)是通過(guò)企業(yè)相關(guān)人員及相關(guān)專(zhuān)家采取100 分制對(duì)指標(biāo)進(jìn)行打分收集得到.收集到的初始數(shù)據(jù)集如表2所示.

表2 初始數(shù)據(jù)集

4.2 數(shù)據(jù)預(yù)處理

通過(guò)上一節(jié)關(guān)于數(shù)據(jù)預(yù)處理的介紹,運(yùn)用Python 語(yǔ)言對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理.經(jīng)過(guò)處理的數(shù)據(jù)如表3所示.

4.3 計(jì)算指標(biāo)權(quán)重

AHP 計(jì)算權(quán)重過(guò)程中,通過(guò)專(zhuān)家與企業(yè)管理人員對(duì)各個(gè)指標(biāo)進(jìn)行量化處理,構(gòu)造對(duì)比判斷矩陣如下:

表3 標(biāo)準(zhǔn)化處理數(shù)據(jù)集

熵值法計(jì)算指標(biāo)權(quán)重時(shí),需使用標(biāo)準(zhǔn)化處理后的數(shù)據(jù).本文根據(jù)二八原則,計(jì)算過(guò)程中設(shè) λ為0.2,通過(guò)Matlab 計(jì)算,AHP、熵值法和綜合的權(quán)重值如表4所示.

表4 AHP-熵值法

4.4 綜合效率評(píng)價(jià)值的計(jì)算

利用AHP-熵值法計(jì)算得出的權(quán)重和標(biāo)準(zhǔn)化后的數(shù)據(jù),各指標(biāo)分?jǐn)?shù)與其對(duì)應(yīng)的權(quán)重乘積之和即為綜合效率評(píng)價(jià)值,計(jì)算結(jié)果如表4.

4.5 網(wǎng)絡(luò)訓(xùn)練

選取表3數(shù)據(jù)中的前300 條數(shù)據(jù)進(jìn)行模型的訓(xùn)練,后15 條數(shù)據(jù)用于測(cè)試檢驗(yàn).將歸一化到[0,1]區(qū)間的數(shù)據(jù)輸入到用Matlab 構(gòu)造的BP 神經(jīng)網(wǎng)絡(luò)模型中,其中輸入神經(jīng)元個(gè)數(shù)為15,隱藏層神經(jīng)元個(gè)數(shù)20,輸入層到隱藏層使用“tansig”函數(shù),隱藏層到輸出層使用的激活函數(shù)為“purelin”,使用的訓(xùn)練函數(shù)為“traingda”,設(shè)置最大迭代次數(shù)為5000,學(xué)習(xí)率0.01.經(jīng)過(guò)107 次的迭代,訓(xùn)練達(dá)到預(yù)期想要的結(jié)果.預(yù)測(cè)綜合效率評(píng)價(jià)值與期望輸出值之間的對(duì)比圖,如圖7所示.

圖7 預(yù)測(cè)綜合效率評(píng)價(jià)值與期望綜合效率評(píng)價(jià)值對(duì)比圖

圖7中,R2表示決定系數(shù),它用來(lái)判斷回歸方程擬合程度,其值越趨近于1,估計(jì)的值就越精確.通過(guò)圖示可以看出,預(yù)測(cè)值與期望輸出值近乎重合,此實(shí)驗(yàn)結(jié)果比較理想.

神經(jīng)網(wǎng)絡(luò)有過(guò)擬合的缺陷,為防止過(guò)擬合,本文利用Matlab,把數(shù)據(jù)劃分為training、validation 和test,Regression 訓(xùn)練圖如圖8所示.

圖8 Regression 訓(xùn)練圖

圖8中橫坐標(biāo)為目標(biāo)值,縱坐標(biāo)為網(wǎng)絡(luò)的輸出值.通過(guò)圖示可以看出,4 幅圖的曲線都在對(duì)角線上,這是一種比較理想的實(shí)驗(yàn)結(jié)果,R表示測(cè)量輸出與目標(biāo)之間的相關(guān)性,1 表示密切相關(guān),0 表示隨機(jī)相關(guān),本文實(shí)驗(yàn)R都達(dá)到0.9 以上,很好的保證了其相關(guān)性.

4.6 結(jié)果分析

期望輸出值與預(yù)測(cè)輸出值的結(jié)果及其誤差如表5所示.

表5 預(yù)測(cè)值與期望輸出值比較

通過(guò)實(shí)驗(yàn)結(jié)果得到,期望輸出值與預(yù)測(cè)值之間最大誤差為0.0025,完全滿(mǎn)足智能制造企業(yè)供應(yīng)商效率評(píng)價(jià)的需要.將訓(xùn)練好的模型存入知識(shí)庫(kù)中,用時(shí)只需在供應(yīng)商管理系統(tǒng)中輸入將要評(píng)價(jià)供應(yīng)商的各項(xiàng)二級(jí)指標(biāo)屬性值矩陣,即可得到綜合評(píng)價(jià)指標(biāo)數(shù)據(jù),避免了確定指標(biāo)權(quán)重的隨意性和人為因素,提高評(píng)價(jià)決策的效率.

測(cè)試的15 家供應(yīng)商中,S307 和S314 為一級(jí)效率型供應(yīng)商,綜合效率高.而S301 和S304 為五級(jí)效率型供應(yīng)商,綜合效率弱.S301 和S304 供應(yīng)商供給產(chǎn)品合格率不錯(cuò),且供貨及時(shí),但是其產(chǎn)品的批不良率和在線不良率都比較差、成本較高、產(chǎn)品價(jià)格經(jīng)常會(huì)發(fā)生浮動(dòng),需要在成本和質(zhì)量上進(jìn)行大的整改.企業(yè)需對(duì)其提出改進(jìn)意見(jiàn),否則會(huì)給企業(yè)的經(jīng)濟(jì)效益帶來(lái)直接或間接影響.若在企業(yè)限定時(shí)間內(nèi)供應(yīng)商未達(dá)到整改要求,企業(yè)則會(huì)根據(jù)實(shí)際需要與其停止合作并從潛在供應(yīng)商中挑選優(yōu)秀的供應(yīng)商進(jìn)行合作.S307 和S314 供應(yīng)商提供的產(chǎn)品其檢驗(yàn)合格率和供貨速度都有所欠缺,但是成本和生產(chǎn)過(guò)程中的產(chǎn)品質(zhì)量上都有一定的保障,尤其是在成本上,可以較大的提高企業(yè)的生產(chǎn)利益,企業(yè)在后續(xù)制造過(guò)程中,可以采取一定的精神激勵(lì)以及物質(zhì)激勵(lì),對(duì)其提高采購(gòu)份額、簽訂長(zhǎng)期合同以及產(chǎn)品免檢等措施,激勵(lì)其做的更加出色.

5 結(jié)論與展望

智能制造企業(yè)供應(yīng)商效率評(píng)價(jià)對(duì)于國(guó)內(nèi)智能制造業(yè)的發(fā)展有重要意義.本文扎根于智能制造企業(yè)的研究,根據(jù)智能制造企業(yè)供應(yīng)商的特點(diǎn)、評(píng)價(jià)指標(biāo)體系構(gòu)建原則和文獻(xiàn)總結(jié),構(gòu)建智能制造企業(yè)供應(yīng)商效率評(píng)價(jià)指標(biāo)體系,運(yùn)用AHP-熵值法計(jì)算指標(biāo)權(quán)重.智能制造企業(yè)供應(yīng)商評(píng)價(jià)指標(biāo)之間呈現(xiàn)出復(fù)雜的非線性關(guān)系,充分利用從企業(yè)中獲取到的智能制造企業(yè)工業(yè)大數(shù)據(jù),使用BP 神經(jīng)網(wǎng)絡(luò)模型對(duì)其進(jìn)行訓(xùn)練,尊重?cái)?shù)據(jù)的客觀性,有效降低人為主觀成分,提高評(píng)價(jià)的科學(xué)性和合理性.通過(guò)最終的實(shí)例驗(yàn)證得出數(shù)據(jù)驅(qū)動(dòng)下的基于BP 神經(jīng)網(wǎng)絡(luò)模型對(duì)智能制造企業(yè)供應(yīng)商效率評(píng)價(jià)有一定的指導(dǎo)意義,能夠有效地對(duì)供應(yīng)商效率及合作中存在的問(wèn)題進(jìn)行實(shí)時(shí)監(jiān)控和反饋管理.

本項(xiàng)研究還存在一些缺陷,如BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需大量的數(shù)據(jù),后期研究中,需搜索更多的數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練及測(cè)試.BP 神經(jīng)網(wǎng)絡(luò)存在精度、穩(wěn)定度的問(wèn)題,需要進(jìn)行優(yōu)化操作.指標(biāo)體系構(gòu)建時(shí)針對(duì)性太強(qiáng),普適性較弱.這些問(wèn)題需要我們?cè)诮窈蟮难芯恐羞M(jìn)行不斷的探索.