基于神經(jīng)網(wǎng)絡(luò)的天津客車橋公司采購(gòu)提前期模型

文/馬 錚

1.概述

天津客車橋公司是一汽豐田公司的零配件供應(yīng)商。雖然該公司為了配合一汽豐田的準(zhǔn)時(shí)化生產(chǎn)方式進(jìn)行了公司采購(gòu)、倉(cāng)儲(chǔ)、生產(chǎn)等流程的改進(jìn)，但由于公司人員、技術(shù)、管理、環(huán)境等原因并不能達(dá)到零庫(kù)存的效果，和很多典型的制造業(yè)企業(yè)一樣，庫(kù)存成本也是公司成本管理的重中之重。作為一汽豐田的零配件供應(yīng)鏈中的一環(huán)，天津客車橋公司的采購(gòu)提前期管理成為企業(yè)庫(kù)存管理的重要內(nèi)容。這也是整個(gè)供應(yīng)鏈時(shí)間整合的重要一環(huán)。

在準(zhǔn)時(shí)化的生產(chǎn)方式下，訂單是確定市場(chǎng)需求的典型依據(jù)。天津客車橋公司能否準(zhǔn)時(shí)向一汽豐田交付汽車配件對(duì)本企業(yè)來說至關(guān)重要，因?yàn)槠髽I(yè)如果不能按期交付產(chǎn)品，將會(huì)面臨巨額罰單。為此企業(yè)的生產(chǎn)計(jì)劃和生產(chǎn)進(jìn)度安排都要非常的詳細(xì)、明確，進(jìn)而對(duì)各種物資的準(zhǔn)時(shí)到貨問題提出很高的要求。因此，合理地安排各種物資的采購(gòu)提前期是企業(yè)面臨的重要課題。要做到既不影響企業(yè)正常的生產(chǎn)進(jìn)程又能最大限度地發(fā)揮現(xiàn)有資金的使用價(jià)值，給企業(yè)創(chuàng)造更多的利潤(rùn)。

本文基于數(shù)據(jù)挖掘技術(shù)，通過數(shù)據(jù)分析和機(jī)器學(xué)習(xí)，提出一種基于BP神經(jīng)網(wǎng)絡(luò)的企業(yè)采購(gòu)時(shí)間模型。

2.構(gòu)建天津客車橋公司采購(gòu)時(shí)間模型

2.1 天津客車橋公司采購(gòu)時(shí)間體系的構(gòu)建

天津客車橋公司采購(gòu)提前期可視為訂單式采購(gòu)提前期。一般由采購(gòu)預(yù)處理提前期、采購(gòu)處理提前期、采購(gòu)后處理提前期組成。采購(gòu)預(yù)處理提前期是決定采購(gòu)訂單發(fā)出之前的處理過程的時(shí)間，包括報(bào)價(jià)、確定供應(yīng)商、商務(wù)談判、訂單簽訂、合同審批等過程。采購(gòu)處理提前期是從供應(yīng)商接受訂單及發(fā)貨到指定地點(diǎn)的時(shí)間，它可能包括采購(gòu)、制造、發(fā)運(yùn)等提前期。采購(gòu)后處理提前期是從接收地收貨、點(diǎn)數(shù)、檢驗(yàn)到接受入庫(kù)的時(shí)間。

采購(gòu)提前期時(shí)間T包括：處理訂購(gòu)單的時(shí)間t1；供應(yīng)商制造備貨的時(shí)間t2，運(yùn)輸交貨的時(shí)間t3，檢驗(yàn)收貨的時(shí)間t4。從而得到以下公式：T=t1+t2+t3+t4

在采購(gòu)過程中，影響處理訂購(gòu)單的時(shí)間t1的因素主要有：企業(yè)業(yè)務(wù)流程、公司間信息系統(tǒng)互聯(lián)情況；影響供應(yīng)商制造備貨的時(shí)間t2的因素主要有：批量、現(xiàn)有庫(kù)存水平、生產(chǎn)力使用情況、工人生產(chǎn)效率、加工精度；影響運(yùn)輸交貨的時(shí)間t3的因素主要有：運(yùn)輸方式、天氣情況、距離、路況；影響檢驗(yàn)收貨的時(shí)間t4的主要因素有：合作層次、批量。

綜合考慮公司面對(duì)的市場(chǎng)環(huán)境與各因素，可對(duì)影響訂單式供應(yīng)鏈采購(gòu)提前期的因素進(jìn)行歸納和整理。主要有：公司間信息系統(tǒng)、供應(yīng)商信息處理速度、公司間信息共享程度、供應(yīng)商信息處理速度、運(yùn)輸方式、天氣情況、距離、路況、物資入庫(kù)速度等若干因素。

為了滿足和適應(yīng)準(zhǔn)時(shí)化生產(chǎn)，天津客車橋公司與主要供應(yīng)商結(jié)成了戰(zhàn)略伙伴關(guān)系，因此提前期T=t2+t3，而影響這兩個(gè)時(shí)間段的變量減少為：批量、現(xiàn)有庫(kù)存水平、生產(chǎn)力使用情況、工人生產(chǎn)效率、加工精度、運(yùn)輸方式、天氣情況、距離、路況,共9個(gè)因素。

2.2 基于神經(jīng)網(wǎng)絡(luò)的天津客車橋公司采購(gòu)時(shí)間模型

對(duì)于像天津客車橋公司這樣的大型制造企業(yè)，各種采購(gòu)提前期的影響因素相互作用，且相差巨大，難以使用統(tǒng)計(jì)和數(shù)學(xué)模型進(jìn)行單一結(jié)果的預(yù)測(cè)決策。

這種影響因素眾多、作用關(guān)系復(fù)雜的情況適合使用BP神經(jīng)網(wǎng)絡(luò)對(duì)訂單式采購(gòu)提前期進(jìn)行分段預(yù)測(cè)。以BP神經(jīng)網(wǎng)絡(luò)最簡(jiǎn)單的三層結(jié)構(gòu)為例，包括輸入層、中間層(隱含層)和輸出層。相鄰上、下層之間各神經(jīng)元實(shí)現(xiàn)全連接，即下層的每個(gè)神經(jīng)元與上層的每個(gè)神經(jīng)元都實(shí)現(xiàn)全連接，而每層各神經(jīng)元之間無連接。換個(gè)角度看，BP網(wǎng)絡(luò)不僅有輸入層節(jié)點(diǎn)、輸出層節(jié)點(diǎn)，還可有一個(gè)或多個(gè)隱含層節(jié)點(diǎn)。對(duì)于輸入信號(hào)，要先向前傳播到隱含層節(jié)點(diǎn)，經(jīng)作用函數(shù)后再把隱節(jié)點(diǎn)的輸出信號(hào)傳播到輸出節(jié)點(diǎn)，最后輸出結(jié)果。而訂單式采購(gòu)提前期的形成與之有相似之處，首先是采購(gòu)提前期的眾多影響因素相當(dāng)于采購(gòu)提前期確定過程的輸入層；其次，采購(gòu)提前期由若干不同類型時(shí)期構(gòu)成，相當(dāng)于采購(gòu)提前期確定過程的輸出層；最后，由于影響因素眾多，其影響作用機(jī)制相當(dāng)于中間層（隱含層）。

模型表述為：

1.BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則：wk+1=wk?akgk，其中wk為權(quán)值和閥值矩陣，ak是學(xué)習(xí)速率，gk是函數(shù)梯度。

3.輸出層節(jié)點(diǎn)輸出計(jì)算：

結(jié)合天津客車橋公司的實(shí)際情況，選擇其戰(zhàn)略合作供應(yīng)商的績(jī)效數(shù)據(jù)，分析了上文提到的9種采購(gòu)提前期影響因素構(gòu)成輸入層，兼顧網(wǎng)絡(luò)的學(xué)習(xí)能力和收斂速度,選取隱含層為2層，個(gè)數(shù)分別為16、12，選擇函數(shù)tansig、purelin，計(jì)算方法選取traingdm。其輸出層只有一個(gè)指標(biāo)，即某部件的采購(gòu)提前期。輸入層中各因素意義在此逐一說明：x1某次采購(gòu)的批量(kg)，x2現(xiàn)有庫(kù)存水平(kg)，x3距離(km)，x4生產(chǎn)力使用情況(以設(shè)備空閑率代替，單位：%)，x5工人生產(chǎn)效率(件/天)，x6加工精度(由光潔度、公差要求等確定)，x7運(yùn)輸方式(1.空運(yùn)，2.鐵路，3.水路，4.公路，5.水陸聯(lián)運(yùn)等)，x8天氣情況(1.晴好，2.陰雨，3.雪，4.大風(fēng))，x9路況(1.優(yōu)，2.良，3.中，4.差)。具體數(shù)據(jù)如表1所示：

表1 天津客車橋公司采購(gòu)提前期影響因素調(diào)查數(shù)據(jù)

使用MATLAB軟件，將前8組數(shù)據(jù)作為訓(xùn)練樣本，后2組數(shù)據(jù)作為檢驗(yàn)樣本，其提前期計(jì)算值與實(shí)際值比較如表2：

表2 BP神經(jīng)網(wǎng)絡(luò)運(yùn)算后的結(jié)果

從訓(xùn)練的結(jié)果可以看出，應(yīng)用神經(jīng)網(wǎng)絡(luò)模型可以較為有效地模擬和確定提前期。當(dāng)部分可控因素發(fā)生變化時(shí)，該方法可以通過輸入數(shù)據(jù)的改變來模擬確定提前期，對(duì)生產(chǎn)實(shí)際具有很好的指導(dǎo)作用。

3.對(duì)天津客車橋公司采購(gòu)時(shí)間模型的改進(jìn)

3.1 基于BP神經(jīng)網(wǎng)絡(luò)采購(gòu)時(shí)間模型的不足

BP網(wǎng)絡(luò)使用的Sigmoid函數(shù)具有全局特性，它在輸入值的很大范圍內(nèi)每個(gè)節(jié)點(diǎn)都對(duì)輸出值產(chǎn)生影響，并且激勵(lì)函數(shù)在輸入值的很大范圍內(nèi)相互重疊，因而相互影響，因此BP網(wǎng)絡(luò)訓(xùn)練過程很長(zhǎng)。此外，由于BP算法的固有特性，BP網(wǎng)絡(luò)容易陷入局部極小的問題不可能從根本上避免，并且BP網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)目的確定依賴于經(jīng)驗(yàn)和試湊，很難得到最優(yōu)網(wǎng)絡(luò)。采用局部激勵(lì)函數(shù)的RBF網(wǎng)絡(luò)在很大程度上克服了上述缺點(diǎn)，RBF不僅有良好的泛化能力，而且對(duì)于每個(gè)輸入值，只有很少幾個(gè)節(jié)點(diǎn)具有非零激勵(lì)值，因此只需很少部分節(jié)點(diǎn)及權(quán)值改變。學(xué)習(xí)速度可以比通常的BP算法提高上千倍,容易適應(yīng)新數(shù)據(jù)，其隱層節(jié)點(diǎn)的數(shù)目也在訓(xùn)練過程中確定，并且其收斂性也較BP網(wǎng)絡(luò)易于保證，因此可以得到最優(yōu)解Sigmoid函數(shù)。Poggio和Girosi已經(jīng)證明，RBF網(wǎng)絡(luò)是連續(xù)函數(shù)的最佳逼近，而BP網(wǎng)絡(luò)不是。

3.2 RBF神經(jīng)網(wǎng)絡(luò)的改進(jìn)

RBF網(wǎng)絡(luò)的優(yōu)點(diǎn)：

①它具有唯一最佳逼近的特性，且無局部極小問題存在。

②RBF神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的輸入和輸出映射功能，并且理論證明在前向網(wǎng)絡(luò)中RBF網(wǎng)絡(luò)是完成映射功能的最優(yōu)網(wǎng)絡(luò)。

③網(wǎng)絡(luò)連接權(quán)值與輸出呈線性關(guān)系。

④分類能力好。

⑤學(xué)習(xí)過程收斂速度快。

本文將帶遺忘因子的梯度下降法應(yīng)用于RBF神經(jīng)網(wǎng)絡(luò)的參數(shù)調(diào)整，即在考慮當(dāng)前時(shí)刻即k時(shí)刻的網(wǎng)絡(luò)狀態(tài)的變化時(shí)，將前一個(gè)時(shí)刻即(后一1)時(shí)刻的網(wǎng)絡(luò)參數(shù)變化也包括進(jìn)去。其具體算法如下：

其中，J為誤差函數(shù)，Y(k)代表希望的輸出，Y(W,k)為網(wǎng)絡(luò)的實(shí)際輸出，W是網(wǎng)絡(luò)的所有權(quán)值組成的向量。

隱層一輸出層連接權(quán)值矩陣的調(diào)整算法為：

隱層中心值矩陣的調(diào)整算法為：

利用上文提到的數(shù)據(jù)，通過MATLAB軟件，使用RBF神經(jīng)網(wǎng)絡(luò)方法，仍舊使用表1中的數(shù)據(jù)，數(shù)據(jù)使用方法與BP神經(jīng)網(wǎng)絡(luò)相同，運(yùn)算結(jié)果如表3所示：

表3 RBF神經(jīng)網(wǎng)絡(luò)運(yùn)算后的結(jié)果

通過結(jié)果可以看出，使用RBF神經(jīng)網(wǎng)絡(luò)，計(jì)算值與實(shí)際值的相對(duì)誤差有所縮小，

4.結(jié)束語

汽車制造業(yè)的提前期是一個(gè)重要的成本參數(shù)，隨著供應(yīng)鏈系統(tǒng)的復(fù)雜化，企業(yè)將有更多的物料、零配件依靠外部采購(gòu)，因此外部物料送達(dá)的準(zhǔn)確性對(duì)于企業(yè)的生產(chǎn)計(jì)劃具有非常重要的意義。本文對(duì)比了兩種神經(jīng)網(wǎng)絡(luò)方法，通過實(shí)際數(shù)據(jù)計(jì)算，證明RBF神經(jīng)網(wǎng)絡(luò)在計(jì)算采購(gòu)提前期時(shí)，更為有效。

[1]李國(guó)輝. 基于BP神經(jīng)網(wǎng)絡(luò)的“教學(xué)做一體”課程評(píng)價(jià)模型[J].天津職業(yè)大學(xué)學(xué)報(bào)，2011，（5）:138-139.

[2]劉希宋,李亮. 基于 BP 神經(jīng)網(wǎng)絡(luò)的訂單式供應(yīng)鏈采購(gòu)提前期研究[J].物流科技，2008，（3）：252-254.

[3]周開利.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計(jì)[M].北京:清華大學(xué)出版社，2005:70-80.

[4]侯開虎. 供應(yīng)鏈管理中提前期影響因素分析[J].工業(yè)工程與管理,2002, (3):13-15.

[5]馮楠,李敏強(qiáng),寇紀(jì)淞,等.基于人工神經(jīng)網(wǎng)絡(luò)的IT 項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)模型[J]. 計(jì)算機(jī)工程與應(yīng)用,2006,(6):24-26.