基于深度神經網絡的供應商選擇評價研究

(華南理工大學　廣東　廣州　510006)

一、引言

2017年10月18日，十九大報告中指出深化供給側結構性改革。建設現代化經濟體系，必須把發展經濟的著力點放在實體經濟上，把提高供給體系質量作為主攻方向，顯著增強我國經濟質量優勢。面對當下中國經濟發展的新常態，僅從需求側著手已經難以發揮應有效果，而應該從供給與需求雙側入手，尤其要增加有效供給。

供應商是市場供需關系中的重要主體，制定準確合理的評價指標，能夠助力供給側改革，尋找科學有效的供應商評價方法篩選出優秀的供應商，能夠提升供給側的輸出質量和水平。

二、供應商選擇問題的提出

供應商選擇的問題實際上屬于根據供應商的各種特點，按照供應商的評價指標，對供應商的數據進行分析處理，得出供應商的綜合水平評價。假設,…,為供應商的n個評價指標，Y為供應商的綜合水平評價結果。因此我們需要尋求指標與綜合水平之間的函數關系。

三、供應商的選擇指標

根據文獻綜述及相關理論基礎，本文從采購內容、供應商本身、信息化程度、創新四個角度出發，設計采購供應商指標。

四、基于神經網絡模型的構建

在建立模型的過程中首先需要確定網絡結構。網絡的結構需要確定網絡的層次、確定輸入層的節點數量、確定中間層的節點數量、確定層級之間的函數關系。

(一)確定網絡層次

學者們認為從單層神經網絡，到兩層神經網絡，再到深層神經網絡，隨著網絡層數的增加，以及激活函數的調整，神經網絡所能擬合的決策分界平面的能力。因此本文采取深層神經網絡模型，采用m個中間層的方法(m>1)，解決供應商綜合水平評價的問題。

(二)確定輸入層的節點數量

建立供應商評價指標有n個二級指標。本文將n個評價指標作為輸入層的輸入。因此輸入層的節點數確定為n個。

(三)確定隱含層的節點數量

m=log2n

m：隱含層節點數

n：輸入層節點數

l：輸出層節點數

a：1—10之間的常數

(四)確定層與層之間的關系函數

對于每個神經元確定一個傳遞函數。對于兩層神經網絡學者使用的激活函數是sgn函數。當加入一層中間層時，學者更多采用sigmoid函數。目前多數學者研究供應商評價方法則采用該函數。

(五)樣本訓練

對神經網絡進行樣本訓練。輸入學習樣本數據，輸入層通過函數關系傳播到輸出層，輸出層的神經元響應后不斷減少網絡輸出與期望輸出的誤差的原則反向傳播修正權值和閾值。最終使得誤差達到設定的允許參數范圍之內，訓練結束。網絡就運用其自學習自適應的能力來建立期神經網絡。此后給網絡輸入相應的輸入則會出現新的輸出結果。

神經網絡模型圖

五、實證分析

首先選取歷史合作的10個供應商數據記錄作為樣本訓練數據，3個供應商數據作為測試值，測試模型有效性。根據所采用評價指標，通過深層神經網絡法，預測供應商S14,S15,S16,S17,S18綜合水平。

(一)樣本數據的選取與預處理

訓練樣本供應商分別為S1,S2,S3,S4,S5,S6,S7,S8,S9,S10。測試樣本供應商分別為S11,S12,S13。根據歷史數據，得到樣本供應商以及測試供應商的指標數值，詳見下表：

S1S2S3S4S5S6S7S8S9S10S11S12S13設備的價格(C1)單位萬元260280240300270240270290320350300258220備用品的價格(C2)單位萬元50604075804880907550458053貿易費用率(C3)%210.91.51.90.750.81.251.51.4123產品合格率(C4)%98.597.897.495.4598.592.598.296.597.898.295.498.697產品故障率(C5)(次)1.21.31.50.51.20.80.61.40.50.310.80.5退貨率(C6)210.50.210.30.50.20.50.811.61.5市場占有率(C7)%13123422102334ISO質量認證通過率(C8)%121310971115201314131012交貨出錯率(C9)%11.51.21.30.951.20.80.30.30.51.21.92.3交貨破損率(C10)%0.20.30.10.50.20.10.30.10.050.30.10.140.2準時交貨率(C11)%85908397929489999492909580保修期限(C12)(年)1211121221231投訴處理時效(C13)(小時)121132112120.51顧客投訴滿意處理率(C14)%85708589839680939592908560品牌知名度(C15)85758580706585756070756080總資產利潤率(C16)12.8211.1213.512.712.910.5410.5411.69.769.34151217資產負債率(C17)%43424045375854473840404743速動比率(C18)1.21.61.51.21.11.21.41.31.31.21.31.61.3存貨周轉率%(C19)13.011114161214111210.512.112.6712.9815銷售利潤率%(C20)11.1113121612191416131515.1218.911.23訂貨響應速度(C21)h1224123612248151824241236庫存水平(C22)%1312101112.59.812.21010.58.5141012物流費用率(C23)%21.431.781.981.321.92.72.131.761.622.8成立年限(C24)(年)101286101591379726年銷售額(C25)16762414287910122198000123261870001280001010009200082000123213110934109734合同履約率(C26)%95908995999395879384899293營業收入增長率(C27)192412-101635-4056-2056233858總資產增長率(C28)20-1718-543016-1213913402320營業利潤增長率(C29)106630-2050220-70201518205456研發投入比率(C30)%21.541.21.92.53.241.31.512.53新產品開發率(C31)%11.51.20.81.20.40.610.71.31.51.31.8營業收入三年增長率(C32)10507090-204317-34-2362204060資本三年平均增長率(C33)9521201827-40-271632341356204員工素質(C34)1.72.022.011.92.643.232.552.212.722.541.92.61.9員工人均培訓支出(C35)(萬元)2.122.163.6822.42.912.692.532.82.752.082.954.23管理人員的比例(C36)%1820151610611141010121715信息技術人員比例(C37)%3451.751.91.1635237信息共享能力(C38)60707565859575809585605080系統穩定性(C39)98988095709693909692968087創新投入能力(C40)%10974895316896研究開發能力(C41)4526774643353創新生產能力(C42)1510412841426101682創新產出能力(C43)0114033024003

通過專家打分法，得出訓練組S1～S10期望值如下：

S1S2S3S4S5S65.00894334.9396383214.982620074.5727063824.8668238285.287090862S7S8S9S104.9308152294.8532779884.8212236175.004135371

通過專家打分法得出檢驗組S11～S13期望值如下：

S11S12S134.7666869855.1267669015.000187562

評估樣本數據:

S14S15S16S17S18設備的價格(C1)單位萬元300270240280260備用品的價格(C2)單位萬元5637594534貿易費用率(C3)%1.21.51.90.82產品合格率(C4)%89.591.580.59588產品故障率(C5)(次)0.60.80.40.60.3退貨率(C6)0.80.50.310.9市場占有率(C7)%26101210ISO質量認證通過率(C8)%106843交貨出錯率(C9)%1.050.20.81.21.8交貨破損率(C10)%0.050.30.20.40.5準時交貨率(C11)%9185929892保修期限(C12)(年)32113投訴處理時效(C13)(小時)11210.5顧客投訴滿意處理率(C14)%9585929391品牌知名度(C15)5075837075總資產利潤率(C16)10.2310.511.81215資產負債率(C17)%4556533950速動比率(C18)11.21.511.3存貨周轉率%(C19)1510121114銷售利潤率%(C20)201417129訂貨響應速度(C21)h1218121218庫存水平(C22)%9.810.510.287物流費用率(C23)%1.451.92.21.53成立年限(C24)(年)105858年銷售額(C25)1180009500010600099000120000合同履約率(C26)%8992937585營業收入增長率(C27)45-4030-34100總資產增長率(C28)26-3445-2950營業利潤增長率(C29)2206760-2030研發投入比率(C30)%2.43.31.50.21.8新產品開發率(C31)%0.50.810.60.5營業收入三年增長率(C32)5220-503040資本三年平均增長率(C33)-30-40203050員工素質(C34)3.4262.22.53.4員工人均培訓支出(C35)(萬元)3.542.81.22.6管理人員的比例(C36)%7121056信息技術人員比例(C37)%2.513.24.67.2信息共享能力(C38)8078905065系統穩定性(C39)8575906080創新投入能力(C40)%84242研究開發能力(C41)64834創新生產能力(C42)24752創新產出能力(C43)75224

(二)神經網絡的構造

1.神經網絡的網絡模型

根據不斷調試，其模型如下，第一層是輸入層，含有43個神經元，后面三層是隱含層，層數分別是30，15和4，最后一層是輸出層。

神經網絡的設置程序如下：

隱含層的傳遞函數是tan-sigmoid，輸出層的傳遞函數是linear，訓練函數是traingd。

2.神經網絡參數的設置

設置神經網絡的訓練次數為5000次，學習速率為0.01，最小誤差為10^-6

3.結果分析

因此得出S15的綜合表現最優。應該選擇該企業作為合作企業。

六、結語

神經網絡具備較強的學習能力。它具備解決非線性信息的處理能力。通過學習與訓練，能夠找出輸入與輸出之間的邏輯關系從而解決問題。用這種方法能夠解決供應商評價問題，選擇的結果更為客觀、有效。