基于神經模糊系統的供應商選擇模型研究

賈 軍范黎波賈 立

（1.對外經濟貿易大學 國際商學院，北京 100029；2.上海大學 機電工程與自動化學院，上海 200072）

一、引言

隨著經濟全球化的加速進行，企業的競爭由國內蔓延到國外，對大多數企業來說，原料采購成本占產品總成本的70%以上。加入WTO以來，中國由于成本優勢已成為世界制造中心，外國企業在中國的采購規模不斷擴大，選擇中國供應商也成為跨國公司采購實踐的重要環節。如何在全球范圍內進行供應商選擇，直接影響到企業生產成本的降低，尤其是現在產品的生命周期越來越短，強調質量、交貨可靠性、價格、提前期等增加了供應商選擇的復雜性和選擇范圍。

供應商作為企業原材料的提供者，在很多方面影響著企業的發展，如供應商能否按時交貨影響著企業生產能否按期進行；供應商能否保證產品的質量決定了企業產品的最終質量；供應商提供產品的價格影響到企業產品最終在市場上的定價等，這一切又影響了企業的產品在市場上的競爭力及信譽。

針對供應商選擇的定量評價方法，國內外的學者們主要是從兩個角度來進行研究的：一是直接采用定量的評價方法，如Timmerman（1986）、Roodhooft和Jonings（1996）等直接采用成本法對供應商直接評價①Timmerman F.，“An approach to vendor performance evaluation”，Journal of Purchasing and Supply Management，Vol.22，No.4，1986，PP.2-8.；Pan（1989） 和 Ghodsypour等（2001）則采用線性規劃法建立了供應商選擇評價模型。②Pan A.C.，“Allocation of order quantity among suppliers”，Journal of Purchasing and Materials Management，Vol.25，No.3，1989，PP.36-39.二是采用定量和定性相結合的方法來對供應商進行評價。如Webber等（1998）提出了根據數據包絡分析法（DEA分析法）和多目標規劃法構建了一個組合模型，來對供應商進行選擇評價③WeberC.A.， CurrentJ.R.， DesaiA.， “Norcooperative negotiation strategies for vendor selection”，European Journal of Operational Research，Vol.108，No.1，1998，PP.208-223.；Dae Ho Byun（2000）提出AHP算法結合主觀評價來對供應商進行選擇評價④Dae Ho Byun，“The AHP approach for selecting an automobile purchase model”，Information&Management，Vol.38，2000，PP.289-297.；Glsao Shiroman等（2000）采用遺傳算法來求解供應商選擇問題；Khoo等（2005）則提出采用智能軟件代理的方法來評價選擇供應商；國內學者如陳雷等（2003）采用信息熵法構建了供應商的選擇評價模型。⑤陳雷、王延章:《基于熵權系數與TOPSIS集成評價決策方法的研究》，《控制與決策》2003年第4期。

圖1 供應商的選擇

從國外學者們對供應商選擇評價的研究來看，目前研究仍存在著諸如考查指標不全面，評價選擇供應商時主觀性較強、缺乏切實可行的選擇方法等。針對以上問題，本文提出了一種新穎的供應商選擇的評價指標體系，將神經模糊系統引入了供應商評估之中，構建了供應商評價的神經模糊模型，即將如圖1所示的供應商評價指標體系映射到神經模糊模型中，從而消除指標權重確定中人為因素的影響，而且能夠有效地解決非線性指標選擇問題，提高供應商的選擇評價過程的準確性。

二、神經模糊系統

神經網絡是由大量的簡單處理單元構成的非線性、自適應性、自組織系統，它以生物神經網絡為模擬基礎，能對信息進行加工、記憶和處理，并且具有巨量并行性、高度非線性、結構可變性、自組織性和自學習性等特點。而模糊邏輯系統是建立在模糊集合理論、模糊規則和模糊推理等概念上的先進的計算框架，它通過模仿人類思維的模糊綜合判斷推理來處理常規方法難以解決的模糊信息處理問題，是對與人類的思維和感知有關的一些現象建模的另一個有力工具。模糊邏輯系統具有“概念”抽象能力和非線性處理能力，比較適合于表達模糊的或不定的知識。但是模糊邏輯系統缺乏學習和自適應能力，并且模糊邏輯系統隸屬度函數的選取和模糊規則的確定需依經驗而定，具有主觀性。

神經模糊系統（FNN）則融合了模糊邏輯和神經網絡的技術，并利用兩者的優點，使新構成的系統既具有模糊邏輯的處理能力，也具有神經網絡的學習能力。這實際上是人類大腦結構和功能的模擬——大腦神經網絡“硬件”拓撲結構和信息模糊處理“軟件”的思維功能。

三、基于神經模糊系統的供應商評價指標模型的構建

（一）供應商評價指標

學術界對供應商的評價指標體系也各有不同的看法。如1996年Dickson提出了23條供應商選擇的評價指標⑥Dickson C，“An Analysis of Vendor Selection System s and Decisions”，Journal of purchasing，No.2，1996，PP.28-41.，包括質量、價格、保證條款、交貨期等指標，此后的學者們在這23條評價指標的基礎上也進行了增加和修改，如Choi和Hartley（1996）將評價指標概括為可靠性、技術能力、財務、一貫性、關系、服務、價格以及彈性八個標準①Choi T.Y.，Hartley J.L.，“An exploration of supplier selection practicesacrossthe supply chain”， JournalofOperations Management，Vol.14，1996，PP.333-343.；Lee（2001）提出了增加開發與改進指標②Lee E.K.，Ha S.，Kim S.K.，“Supplier selection and management system considering relationships in supply chain management”，IEEE Transactions on Engineering Management，Vol.48，No.3，2001，PP.307-318.；Kreng和Wang（2005）則提出了準時交貨能力的指標等。③Kreng V.B.，Wang I.C.，“Supplier Management for Manufacturea Case Study of Flexible PCB”，International Journal of Advanced Management Technology，Vol.25，2005，PP.785-792.

本文綜合以往學者們的研究，并在行業專家、制造商等意見的基礎上，將影響供應商選擇的因素歸納為企業整體實力、產品質量能力、服務水平能力和協同發展潛力四個主要指標，并將四個一級指標再細分為15條二級評價指標，如表1所示。

表1 供應商的指標評價體系

表1中15條供應商二級評價指標的具體含義是：

企業信譽：指市場上眾多制造商對供應商的合同執行的誠信度的整體評價，通常可以由企業的市場占有率或者品牌認可度等來反映，此指標可以專家根據市場情況打分獲得。

管理水平：指供應商的組織結構、領導團隊等的整體水平，此指標可通過專家小組評分獲得。

財務狀況：供應商的財務狀況直接影響到企業的實際運行，此指標可以通過資金周轉率、資產收益率等指標進行反映。

技術設備水平：指供應商的生產設備的先進性以及柔性等，此指標可以通過一定的設備技術標準進行評分。

人力資源狀況：指企業員工的整體素質，此指標可以通過企業的技術人員、高學歷人員、員工從業經驗等指標進行評分。

質量水平：這是與供應商合作的最基礎的指標，此指標可以通過產品合格率、產品等級等指標進行評分。

質量保證體系：指供應商是否有主動進行質量改進和提升的愿望，此指標可以通過供應商的質量管理體系標準來進行評分。

價格水平：主要指供應商產品的價格水平以及價格的穩定性程度，此指標可通過供應商產品的實際價格來進行評分。

技術研發能力：指供應商持續進行技術研發、產品創新等的能力，此指標可由專家小組評分獲得。

交貨能力：指供應商交貨的準時性以及交貨產品的準確性的能力，此指標可用準時交貨率等指標進行評分獲得。

配送能力：指供應商的運輸硬件、供應商的地理條件等方面的因素，此指標可以通過專家小組打分獲得。

問題解決及時性：主要指供應商對制造商的需求能夠及時、有效的了解和解決的能力，以及對產品故障的響應能力，此指標可通過專家小組打分獲得。

圖2 供應商評價指標模型

企業兼容性：指制造商與供應商在業務關聯、經營理念、企業文化等方面的接近程度，接近程度越高，雙方的協同發展潛力越大。此指標可通過專家小組打分獲得。

信息共享水平：指供應商與制造商之間是否能夠及時、準確地進行信息溝通、交流和傳遞，此指標可通過專家小組打分獲得。

長期合作意愿：指供應商與制造商之間的戰略目標的一致程度，雙方的戰略目標越趨向于一致，雙方越容易建立長期穩定的戰略合作伙伴關系。此指標可通過專家小組打分獲得。

（二）供應商評價指標模型的構建

本文根據給定的供應商選擇指標體系，共選取M個指標作為網絡的輸入參量，分別表示為X=[x1x2…xM]，其中的定性值采用分級打分的方法進行量化；對于定量值則采用原值，然后再將這些定性和定量數值進行歸一化處理。將用來描述供應商特征即選擇供應商的指標體系的信息作為模型的輸入向量X=[x1x2…xM]；將代表相應綜合選擇的值作為模型的輸出y；用足夠的樣本訓練模型，使不同的輸入向量得到不同的輸出量值。①賈立:《神經模糊系統研究及其在建模與控制中的應用》，華東理工大學博士論文，2002年。

供應商評價指標模型包括五層。第一層為輸入層，該層節點將輸入信號傳遞給下一層，表示為：

第二層由N條模糊IF-THEN規則組成。每組分別有M個神經元（M表示模糊規則的前件，也就是輸入變量的維數）。該層中第l（l=1，2，…，N）組的神經元分別與第一層中的每個神經元相連接，每個神經元都表示一個隸屬度函數。本文的研究中選取高斯型隸屬度函數，該層中每個神經元的輸入輸出表示如下：

第三層由N個神經元組成，用來計算每條規則的強度。第l（l=1，2，…，N）個神經元與第二層中第 l（l=1，2，…，N）組中的所有神經元相連接。該層中每個神經元的輸入和輸出可表示為：

第四層由2個神經元組成。其中一個神經元與第三層中的所有的神經元通過單位權值相連接，而另一個神經元則通過權值h與第三層中所有的神經元相連接，表示如下：

第五層由1個單神經元構成，用來計算輸出值y。該神經元與第四層的2個神經元通過單位權值相連接，表示如下：

模型的輸出為：

其中

（三）供應商評價指標模型

在此收集供應商的相關指標值，并將其進行量化，形成原始樣本數據集，并將此數據樣本分為訓練樣本（90%）和測試樣本（10%）。需指出的是，分類屬性的選擇要依據分類的目的來確定，分類是將相似度較高的一組對象劃分為一類，而相似度的衡量，主要依據屬性值，所以對于相同的數據對象，選擇不同的聚分類屬性，分類的結果會不一樣。對供應商進行分類，選擇分類屬性要看企業對供應商在哪些方面有要求，不同企業對供應商的要求不一樣，則分類的屬性也不一樣，通常需要由企業的管理人員或專家給出重要的聚類屬性以及相關屬性的數值。①武弦、徐維祥：《基于改進聚類分析算法的供應商選擇研究》，《物流技術》2009年第6期。在上述基礎上，采用如下步驟建立模型。

步驟1：將第一個訓練數據對x（1）={x1（1），x2（1），…，xM（1）}作為第一個聚類，并設聚類中心c1=x（1），屬于第一個聚類的數據對數目為N1=1。

步驟2：對于第k組訓練數據x（k）={x1（k），x2（k），…，xM（k）}，假設屬于第 L 個聚類，則調節第L個聚類的參數

其中λ表示學習率，NL表示屬于聚類L的數據對數目。

步驟3：令k=k+1，重復執行步驟2和3直到所有的訓練數據對都被分配到相應的聚類中為止。隸屬度函數的寬度計算如下：

其中ρ是交迭參數，通常取1≤ρ≤2。

步驟4：采用最小二乘法計算模糊規則后件參數

其中H=[h1，h2，…，hN]，Φ（k）=[φ1（k），φ2（k），…，φN（k）]，n 是樣本數量。

此后用訓練完成的神經模糊模型進行供應商的評估，只需把評估的供應商的相關參數輸入神經模糊模型中，即可得到供應商的評估結果，依據此評估結果即可進行供應商的選擇。

四、實例驗證

本文以某制造企業為例，采用20個供應商的數據作為樣本，并通過相關的定量指標以及專家小組對定性指標進行打分，獲得了相關的數據指標，指標評價如表2所示。

表2 供應商評價指標評分

表3 指標權重

表4 供應商綜合評價模型

圖3 供應商綜合評價模型

供應商綜合評價模型輸出如表4和圖3所示，可以看出神經模糊系統能夠作為的供應商選擇模型。

五、結論

基于神經模糊系統的供應商選擇模型具有非常明顯的優勢：（1）能夠根據所提供的數據，通過學習和訓練找出輸入與輸出之間的內在聯系，從而求取問題的解，而不是完全依據對問題的經驗知識和規則，因而具有自適應功能；（2）弱化了權重確定中的人為因素；（3）由于供應商選擇指標之間的關系非常復雜，呈現出復雜的非線性關系，基于神經模糊系統的選擇模式則為處理這類非線性問題提供了強有力的工具。