基于BP神經網絡的釀造企業物流成本分析模型構建研究

李海平

（陜西工業職業技術學院 陜西 咸陽　712000）

基于BP神經網絡的釀造企業物流成本分析模型構建研究

李海平

（陜西工業職業技術學院 陜西 咸陽712000）

利用作業成本法作為分析工具，建立了對釀造企業物流成本分析的BP神經網絡模型，并進行了實證分析計算，取得了比較滿意的分析結果。網路的輸入是釀造企業物流成本的各個實際項目，輸出按照需要可以是不同地區，不同客戶等。本研究成功解決了企業物流費用項目與各核算對象成本的多對多的非線性映射關系，為按照不同方法研究成本費用提供了有效的工具。

BP神經網絡；釀造企業；物流；成本分析

隨著經濟的快速發展，物流成本在企業生產、銷售等各個環節占的比重越來大，尤其是對于釀造企業來說，其在生產和銷售中，企業的原料和成品的運輸、倉儲管理等已經成為不可忽視的企業成本，某些釀造企業已經建立了自己的物流體系，成為一個非常重要的產業。但是，由于釀造企業的特殊性，原料和成品的運輸與倉儲管理水平不僅影響產品質量和品質，也是影響產品價格的主要因素，所以，本文抓住釀造企業物流行業的主要環節，通過建立BP神經網絡多角度，多維度的研究影響釀造企業物流成本的因素，為降低企業物流費用提高企業競爭力提供一個有效的途徑和方法。

1　基于BP神經網絡的釀造企業物流成本核算模型

1.1釀造企業物流作業中心的建立

資源是釀造企業物流投入的各種費用，包括許多項目。這里我們選擇其中主要的10項費用，包括：運輸、倉儲、裝卸、保險、薪酬、修理、折舊、水電等費用。按其性質進行分類，核心業務的成本，主要是運輸、倉儲和裝卸等環節的費用，我們將其歸納為：運輸、倉儲、裝卸搬運3類業務，并建立相對應的3個作業中心：運輸作業中心、倉儲作業中心和裝卸搬運作業中心。

1.2釀造企業物流各作業中心成本動因確定

成本分析的關鍵是每個作業中心的成本動因的確定［1］，這里依次為運輸、倉儲和裝卸3個作業中心，確定的作業動因分別是：運輸“標準公里數”、倉儲“標準件.次”，裝卸“標準件.次”。

1.3釀造企業物流各作業中心總成本的匯總

在BP神經網絡模型中要進行成本分析，首先要算出各作業中心的動因分配率，這就要匯總各作業中心的作業總量和總成本。作業中心的成本，將其分為直接成本與間接成本，運輸費、倉儲費、裝卸費，分別是運輸作業中心、倉儲作業中心和裝卸搬運作業中心的直接成本，其他費用屬于間接費用［2］。

1.4釀造企業物流動因分配率的計算

要計算動因分配率，必須按作業中心匯總出作業總量，這里分別匯總運輸、倉儲、裝卸搬運中心的作業總量，同時結合前面匯總的各作業中心的總成本，計算出各作業中心的動因分配率。

1.5各成本核算對象作業中心作業量的匯總與成本的分攤

計算各成本對象的成本之前，必須將各作業中心的總成本，按各核算對象對作業的消耗量進行分攤，所以必須首先匯總統統計出各成本核算對象對不同作業的消耗總量，這里以陜西省某釀造企業13個月的實際數據為樣本，分別匯總統計出3個地區的作業消耗，并按動因率計算在各作業中心攤得的成本［3］。

1.6匯總統計各成本核算對象物流總成本

這里以研究3個代表地區成本為例，將上步計算的各作業中心所攤得的成本相加即可得到各核算對象的物流總成本［4］。

2　基于BP神經網絡的物流企業成本分析模型

2.1利用BP神經網絡成本分析的原理

在作業成本法中，計算對象可以靈活設置，這為問題研究提供了極大的方便，但要研究各成本核算對象成本主要影響因素，是個多對多的復雜問題，很難用傳統方法進行處理，為此，本文建立神經網絡模型進行研究［5］。

建立如圖1所示一個3層神經網絡結構。它具有:1）輸入層。用來輸入資源動因數據、或作業中心成本。2）中間層。也稱為處理層或隱層，處理輸入層的數據并為輸出層傳遞信息。3）輸出層。它以中間層的輸出作為輸入，再經處理給出網絡的最終輸出。若共有m個輸出單元，則一次輸出一個m維向量，這里依據分析的需要，也許是各個作業中心的總成本或是服務產品的總成本或單個產品的成本。

圖1　仿真成本分析的BP網絡結構Fig.1　BP network structure of cost

BP網絡是一種多層前饋神經網絡，它是仿真人的大腦思考問題的過程，有若干神經元構成，每個神經元，與其他神經元之間有聯系，其聯系方式，一般通過轉換函數實現，轉換函數取值，一般是絕對值以歸一化，而且，基本都是初等的連續函數，這里構造三層神經元。如果權值的調整采用反向傳播（Back Propagation）的學習算法，就叫BP網絡。在確定了BP網絡的結構后，利用本文所選樣本公司的若干項指標數據和輸出層對應的若干項數據（這些依據研究分析的需要不同，或許是資源成本動因+作業中心總成本；資源成本動因+服務產品總成本等），可以對網絡進行訓練，也即對網絡的權值和閾值進行學習和調整，以使網絡確定有關費用項目與物流成本之間的復雜映射關系。網絡的訓練過程實際上是一個循環調整神經元之間權重的過程，控制循環的目標是仿真值與真值誤差向量，權重的調整用計算方法中的梯度下降法［6］。

設BP網絡的輸入層為：

其中x是為訓練網絡選取的輸入層數據。

BP網絡的中間層單元輸入和輸出值：

控制網絡訓練迭代過程的目標是，輸出量構成的誤差向量，其s基本計算公式如下：

在訓練網絡時，首先確定一個極限誤差，和極限迭代次數，二者中有一個滿足條件即可結束網絡訓練，否則，不斷調整，權重向量，計算新的網絡輸出，再與真值比較計算仿真誤差。

梯度搜索算法中權重向量的計算公式如下。

其中η為學習修正率。

2.2樣本數據處理及MATLAB實現

利用2013.1-2014.1陜西省某釀造企業實際數據為樣本數據，建立反映該企業各資源動因、作業中心，按地區核算的服務產品成本之間的非線性映射關系的神經網絡。網絡中輸入層節點個數：作業中心為3個，所以輸入層為3；隱含層結點數可以由程序調節。這里的網絡輸入數據就是13個月有關物流費用科目的月發生額。為了避免不同量級數據差異帶來的訓練網絡所造成的誤差，在進行網絡訓練、仿真時都將有關數據首先進行“標準化”處理。

訓練網絡時，輸入輸出是對應的，與對網絡輸入處理一樣，也是利用2013.1-2014.1陜西省某釀造企業實際數據，建立反映其各資源動因、作業中心，按地區核算的服務產品成本之間的非線性映射關系的神經網絡將訓練網絡的有關輸出數據同樣做“標準化”處理。下文重點研究的是各地區物流成本受各物流費用科目的影響研究，所以輸出數據是13個月按地區核算 （A地區、B地區、C地區）的各地區當月物流成本數據。為了方便大家使用這里列出核心處理的MATlAB函數

1）網絡的初步建立

網絡仿真的第一步就是要搭建網絡框架，以便為下一步用實際數據進行網絡訓練打下基礎，建立BP網絡的函數為newff（），調用格式如下：

newff（minmax（p），［n，k］，｛‘tansig’，’logsig’｝，’traingdx）

2）訓練網絡

第二步，就是用實際歷史數據訓練網絡，以便研究對象之間的多對多關系，用來完成此項功能的函數為train（），調用格式如下：

net=train（net，p，t）

3）仿真與使用網絡

最后，就是利用訓練好的網絡進行分析研究，給出網絡輸入，研究網絡輸出，進行仿真預測，完成該功能的函數為sim（net，testp），調用格式如下：

y=sim（net，testp）

2.3網絡建立與仿真

用上述處理思想，建立一個N×K×M的BP網絡，分別利用Matlab中的函數NEWFF（）、train（）、，sim（）建立、訓練和仿真網絡［6］。利用文中所選陜西省某釀造企業2013.1-2014.1，13個月數據訓練網絡，并進行模擬計算分析，隱層和輸出層傳遞函數分別取tansig和logsig，定義訓練步數為2000，目標誤差為0.03，訓練過程見圖2，由圖2可見，利用我們所選的參數進行網絡訓練，收斂很快，網絡最終仿真誤差極小。最大相對誤差在3%以內。說明本文建立的神經網絡具有很好的仿真能力，完全可以利用它進行物流企業成本費用分析研究，也就是說，該模型能非常有效地仿真物流企業各相關指標之間的非線性關系。

圖2　神經網絡系統訓練過程Fig.2　The training process of neural network system

經過用2013.1-2014.1陜西省某釀造企業物流數據的模擬計算可以看出神經網絡系統的仿真值與原始模糊評價數據比較接近，除個別點外，仿真誤差在3%以內，圖2為系統訓練過程，可見網絡迭代收斂很快。3個地區實際成本與網絡模擬成本對比，可見兩條曲線幾乎重合，網絡仿真結果非常好；為了更進一步觀察網絡仿真效果，圖3列出3個成本誤差曲線，可見誤差曲線都在0點附近，仿真效果非常理想。

圖3　A B C成本的仿真誤差Fig.3　The simulation error of ABC cost

2.4分析不同地區物流成本的影響因素

通過上面分析可見，本文所建ABC神經網絡模型具有非常好的仿真效果，為了分析不同費用科目對地區物流成本的影響，這里以各科目13月平均值為基礎，采取單項分別變化的辦法構造網絡輸入數據，讓一個科目發生額增加和減少平均值的10%，其他科目采取平均值，考查網絡輸出的3個成本變化，分析結果如下：

當運輸費分別增加和減少平均成本的10%，A地區的物流成本有顯著的同方向變化，其歸一化成本值由0.57，分別變為0.88，0.32，B和C地區的物流成本略有下降，說明運輸費與A地區物流成本呈正相關、與B地區及C地區物流成本呈負相關。

當倉儲費分別增加和減少平均成本的10%時，B和C地區的物流成本有明顯同方向變化，其歸一化成本值分別由0.858和0.266，分別變為0.985，0.278和0.531，0.232；A地區物流成本與倉儲費呈現反方向變化，其歸一化成本值由0.57，分別變為0.454，0.883；說明倉儲費與B和C地區物流成本呈正相關、與A地區物流成本呈負相關。

當裝卸費分別增加和減少平均成本的10%時，C地區的物流成本有明顯同方向變化，其歸一化成本值分別由0.266，分別變為0.592，0.244，A和B地區物流成本呈現反方向變化；說明裝卸費C地區物流成本呈正相關、與A地區和B地區物流成本呈負相關。

當其它間接物流費用發生變化時，對3個地區物流成本影響無論是量還是方向都不是太固定，這是由于，相比較運輸費用、倉儲費用和裝卸費用，這些間接費用都比較小。

就成本控制而言，要想降低A地區物流成本，就要合理安排和控制運輸費用，適當增加和調整庫存；對B地區而言，要適當增加運輸費用，減少庫存費用；對C地區而言，要嚴格控制裝卸費用，適當增加庫存費用。

3　結束語

本文基于作業成本法建立了釀造企業物流成本分析模型，為了分析方便靈活，建立了BP神經網絡模型，并用陜西某釀造企業2013.1—2014.1期間13個月實際物流發生費用對網絡進行了訓練和仿真預測，取得了令人滿意的效果。本文所用模型、原理和方法，可以推廣到物流行業及其他行業

［1］扈景科.煙草行業物流現狀與改革措施［J］.衡水學院學報，2008，10（5）:22-23.

［2］魏國辰，楊莉.我國物流企業服務管理現狀與對策研究［J］.物流技術，2012，31（2）:165-168.

［3］樓前飛，嚴偉.淺析我國第三方物流的發展現狀及對策［J］.物流技術，2005，11:25-27.

［4］邵鐵柱，吳丹丹.作業成本法成本動因在高新技術企業中的應用［J］.北方經貿，2012（6）:112-114.

［5］左杰.作業成本法在物流企業中的應用研究 ［D］.天津:天津財經大學，2007.

［6］楊君岐.基于模糊神經網絡仿真顧客飲料口味的評價模型構建［J］.中國釀造，2006，6:37-41.

Cost analysis of brew logistics enterprises based on ABC and neural network

LI Hai-ping
（Shaanxi Polytechnic Institute，Xianyang 712000，China）

The use of activity-based costing as the analysis tool，based on BP neural network model to analyze the logistics cost of brewing enterprises，and analyses the empirical calculation，obtained the satisfactory result.The network input is the actual project brewing enterprise logistics cost，output in accordance with the needs of different customers can be in different areas，etc.This study solves the many to many mapping relationship between enterprise logistics cost accounting object and the project cost，according to the different methods of cost provides an effective tool.

BP neural network；brewing enterprises；logistics；cost analysis

TN-9

A

1674－6236（2016）05-0071-03

2015-03-30稿件編號：201503434

陜西省咸陽市科技局科技計劃項目（2012K07-08），陜西工業職業技術學院科研項目（ZK12-27）

李海平（1977—），男，陜西合陽人，碩士研究生，講師。研究方向：企業管理，電子商務，物流管理。