基于BP神經網絡的冷鏈物流服務商選擇

（大連東軟信息學院 信息與商務管理學院，遼寧 大連 116023）

1 緒論

隨著生活水平的不斷提高，加上信息的全面普及，人們對食品安全的重視程度越來越高。食品生產企業在努力向高質量標準靠攏的同時，卻發現限制食品安全的瓶頸出現在物流環節。無論是原材料的采購，還是成品的儲存、運輸、配送中，食品對時間窗和物流條件的較高要求使其對冷鏈物流服務具有極大的依賴性。但我國的冷鏈物流發展與食品生產企業的發展存在不均衡的情況，冷鏈物流服務成本高，冷藏冷凍的技術和設備配置不健全，導致物流服務過程中貨損率偏高，且高水平專業物流服務資源貧乏。因此選擇合適的冷鏈服務商是食品生產企業保持可持續發展所必須面對的問題。針對冷鏈物流的特殊性，企業要在成本、冷鏈水平和服務質量等多方面進行綜合衡量，這需要完備的服務商選擇評價指標體系和科學的評價方法。

目前，國內外學者在供應商選擇方面已經進行了卓有成效的研究。Weber、Current和Benton[1]總結過74篇供應商體系選擇的文獻，其探討次數最多的就是服務的價格選擇，其次為交貨時間、產品質量、企業設施設備、選址方位、技術管理水平等，后來被Dickson總結排序，形成了新的23條準則。之后又有專家將新的因素，包括信息共享水平、環境因素、財務成本、銷售規劃與實施能力、運輸管理能力、關系協調能力等放入選擇準則中。在國內，錢芝網[2]闡述了供應商選擇對企業整體競爭能力的重要影響。鄭文凱[3]運用運籌學的方法建立了數學評價模型來選擇供應商，避免主觀影響和不確定性。羅新星[4]在綠色物流供應商選擇中，應用AHP和TOPSIS的混合模型進行了嘗試。李澤堯[5]在神經網絡訓練成功的前提下對企業供應商進行了選擇，并詳細說明了基于BP神經網絡對供應商選擇與評價的可行性。

綜上，學者們在不同層面應用多種理論和方法對供應商選擇問題進行了探索。但主流的評價方法中，AHP的衡量指標權重打分中會出現很多主觀因素，數據結果的穩定性也會下降；德爾菲法中專家可能對結論不愿意修改意見，導致結論具有主觀偏好；作業成本法以作業中心為基礎通過選取合適的成本動因計算作業消耗的成本，但是在經營活動范圍復雜多樣，相互之間的因素和成本變動相關性難以分辨的冷鏈物流服務中表現不佳。而BP神經網絡分析具備對任意非線性關系的衡量能力，適合對多因素的評價指標進行學習和描述，并輸出有效的結果，對冷鏈物流服務商選擇這一課題的契合性較高。

2 基于BP神經網絡的冷鏈物流服務商選擇模型

2.1 BP神經網絡模型構建

神經網絡由輸入層、隱含層和輸出層構成。自身具備很多特點，比如：自學習適應能力、非線性映射關系?？梢詫Ψ丈踢x擇評價進行完善，更詳細的闡述評價指標與結果之間的映射關系。

假設輸入變量為X=(X1，X2，…，Xi)，隱含層輸出變量為Y=(Y1，Y2，…，Yj)，輸出層變量為Z=(Z1，Z2，…，Zl)，期望輸出的目標變量為T=（T1，T2，…，Tk），Wij為輸入層到隱含層的連接權值，Wjl為隱含層到輸出層的連接權值。通過不斷修改調整Wij和Wjl，使網絡輸出向量Z不斷接近期望輸出向量T，最終使結果誤差最小。

2.2 BP神經網絡供應商選擇步驟

本文結合冷鏈物流服務商選擇評價體系，建立以神經網絡為基礎的供應商選擇評價模型。具體步驟如圖1所示。

首先規定節點數，并且對連接權值和閾值進行數據初始化，運用算法對數據進行逐層計算。在正向傳遞中輸入向量經過隱含層進行計算，將數據結果傳遞給輸出層，若實際誤差在允許誤差范圍內，則學習訓練結束，確定服務商選擇評價結果；若超出允許范圍，則進行反向誤差傳播，直到達到期望值。

2.3 冷鏈物流服務商評價指標體系

本文根據典型食品生產企業對冷鏈物流服務商的需求以及冷鏈物流的特殊性，建立了符合食品生產企業特質的服務商評價指標體系，為下一步BP神經網絡提供定性定量數據，具體指標描述如下：

（1）產品質量保障。產品質量保障評價指標見表1。

圖1 BP神經網絡的供應商選擇步驟

表1 產品質量保障評價

（2）交貨可靠性

①交貨準時率：在一定的時間段內，準時交貨的次數與總交貨次數的比率。

②交貨準確率：在一定的時間段內，以正確的產品及數量，正確的交貨地點為基礎的交貨次數與總交貨次數的比率。

（3）食品配送質量。食品損失率為在一定的時間段內，該物流服務商的運輸產品損失額與運輸產品價值總額的比率。配送質量評價指標描述見表2。

（4）信息化發展能力

①信息及時性：在一定時間內，信息及時傳遞的次數與信息總傳遞次數的比率。

②信息的準確性：在一定的時間內，信息準確傳遞的次數與信息傳遞的總次數的比率。企業間信息的共享度指標描述見表3。

表3 企業間信息的共享度評價

（5）產品服務的柔性

①產品柔性：冷鏈物流服務商所提供的物流服務種類與各種服務種類數量的比率。

②數量柔性：在一定時間內，冷鏈物流服務商所滿足的物流需求量與客戶需求總量的比率。

③時間柔性：在一定時間內，物流服務商對服務需求的響應時間與服務需求次數的比率。

（6）服務能力。服務能力采用客戶滿意度表征。客戶滿意度即在一定時間內，未接到客戶投訴的次數與總交易的次數的比率。服務改進能力指標描述見表4。

表4 服務改進能力評價

（7）冷鏈運輸能力

①冷鏈車數量：冷鏈車數量越多，企業規模越大，運輸能力越強。

②冷鏈運輸的損失率：在一定的時間內，冷鏈運輸的食品損失金額與食品運輸配送中的總金額的比率。

（8）倉儲周轉能力

①倉儲總量：倉儲的總量越大，企業的規模越大，庫存的能力就越大。

②庫存周轉率：在一段時間內，冷鏈食品出庫的總金額與倉庫的平均庫存價值的比率。倉庫的平均庫存價值是期初倉庫儲存的冷鏈食品的總金額加上期末倉庫儲存的冷鏈食品的總金額，再整體求平均值。

（9）企業發展能力

①業務增長率：主要由冷鏈物流量增長率與食品價值量的增長率決定。在兩段連續的時期內，冷鏈物流量的差值與第一時期冷鏈物流量的比率加上食品價值量差值與第一時期食品價值量的比率,再整體求平均值。

②利潤增長率：在兩段連續的時期內，兩個時間段冷鏈物流服務商盈利利潤差與第一時期冷鏈物流服務商盈利利潤的比率。

③資產負債率：物流服務商企業負債的總額與企業資產總額的比率。

3 冷鏈物流服務商選擇實證分析

根據食品生產企業A的需求及和與冷鏈物流服務商合作的情況，選擇出8個服務商，其中5家是曾經合作過的服務商，其余3家是預評測目標。

3.1 數據收集

選擇與食品生產企業A合作過的5家冷鏈物流服務商進行數據的采集、整理及分析，并對指標體系在定性和定量等方面對5家企業進行評價，得出分值結果Oij；并對5家公司的綜合實力進行評價，得出分值結果ZM。同理運用合理化的信息采集方法及指標體系評價，對剩余3家企業進行綜合分析。

上一節9大項共20種冷鏈物流服務商的影響因素，分別用x1，x2，···，x20表示，這些指標作為神經網絡的輸入向量，綜合實力評價分值ZM作為期望輸出值。將選定的前5個物流服務商分別標記為A、B、C、D、E，并作為神經網絡中的訓練樣本，剩下的3個物流服務商標記為F、G、H，并作為測試樣本，進行仿真訓練，得出預測結果。

通過對8家物流服務商的數據調查，得出前5個訓練樣本的數據及期望輸出值，見表5，剩余3個測試樣本的數據見表6部分指標。

表5 訓練樣本數據及期望輸出值

表6 測試樣本數據

3.2 數據處理和訓練

（1）標準化處理。為了對體現服務商各個方面能力的數據進行分析，首先應用Matlab軟件對數據進行標準化和歸一化處理，代碼如下：

（2）數據主成分分析。對完成標準化處理的矩陣進行主成分分析，將數據放入SPSS軟件中進行方差計算并篩選出重要的6個主成分指標，得出主成分指標矩陣。

（3）數據訓練。將處理后的數據分為輸入矩陣、輸出矩陣和期望矩陣，根據本文建立的評價指標體系和數據處理情況，三個矩陣分別為6×5，6×3和6×1矩陣。通過調用Matlab中BP神經網絡工具包，設置網絡參數，對處理好的數據進行訓練，訓練過程如圖2所示。

圖2 BP神經網絡訓練過程

通過圖2所示的程序運行情況，將輸出矩陣與期望矩陣ZM之間的允許誤差范圍設計在10-6以內，保證得到相對滿意的結果，當結果達到穩定狀態，則得出訓練完畢的網絡。

（4）選擇結果及分析。將待評價的3家冷鏈物流服務商的數據矩陣代入訓練完畢的神經網絡，得到最終評價結果為{0.415 0，-0.068 2，0.123 1}。輸出結果中數值的大小依次是0.415 0＞0.123 1＞-0.068 2，對應的3家待選擇的服務商分別是：F、H、G。公司F所得到的輸出結果最高，說明根據之前合作過的5家服務商的數據進行數據分析，得到的訓練好的神經網絡對3家待選擇服務商進行評價后，F公司是最具有競爭優勢的。

4 結論

本文在冷鏈物流服務商選擇評價體系的搭建中，以食品生產企業的共性特征為基礎，同時參考了企業A的需求。在現實應用中，評價指標應該按照企業實際狀況和需求側重對指標體系進行完善和補充。神經網絡算法以其顯著的適應能力和學習能力可以幫助企業進行科學的供應商評價和選擇，但是其算法也存在一定的局限性，如網絡隱含層節點數設置存在主觀評判性，網絡訓練時間受到速率影響，樣本數據較少則導致網絡存在冗余等，日后的研究方向是結合其他優化算法，對神經網絡進行更好的改進，使其能夠更有效的為該研究領域服務。