基于BP神經網絡的建筑供應鏈績效評價研究

康龍 趙資源

摘要：對建筑供應鏈進行績效評價可以有效提高建設項目的整體績效和建筑企業的核心競爭力。考慮建筑供應鏈的財務狀況、顧客滿意度、內部運營能力、敏捷性、學習和成長五個方面，建立了包含5個一級指標、15個二級指標的建筑供應鏈績效評價指標體系，提出了BP神經網絡模型對建筑供應鏈績效進行評價的方法。以青島某施工企業2017年12個月的數據作為樣本，進行學習后，預測了該企業2018年1月和2月的供應鏈績效，結果證明了該方法的可行性。

Abstract： Performance evaluation of the construction supply chain can effectively improve the overall performance of the construction project and the core competitiveness of the construction enterprise. Based on the relevant literature， Considering the five aspects of the financial status， customer satisfaction， internal operation ability， agility， learning and growth of the construction supply chain， a building supply chain performance evaluation index system including five first-level indicators and 15 second-level indicators was established. BP neural network model was adopted as the evaluation method of building supply chain performance. The feasibility of this model was verified by taking the data of a construction enterprise in Qingdao as a sample. The results of the example demonstrated the feasibility of the method.

關鍵詞：建筑;供應鏈;績效評價;BP神經網絡

Key words： building;supply chain;performance evaluation;BP neural network

中圖分類號：F274? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2019）21-0123-04

0? 引言

隨著建筑業的發展，供應鏈管理成為建筑業一種新的管理模式，并占有一定分量[1]。建筑供應鏈是指從項目設計到項目交付運營，由包括業主、承包商、供應商、分包商和監理方等全體項目參與方組成的，涉及到物流、資金量和信息流雙向流動的，以滿足業主需求和實現建筑項目效益最大化為目標的完整的功能性網絡結構。建筑供應鏈績效評價是建筑供應鏈管理的重要內容，能夠反映供應鏈的運營狀況，衡量供應鏈目標的實現程度。通過績效評價，了解建筑供應鏈各節點的運作情況，發現運作過程中存在的問題和弱點并進行分析，進而為供應鏈管理者制定戰略、改善機制提供支持。

國內相關學者應用不同的評價方法對建筑供應鏈績效進行過評價，其中，陳艷等選擇了標桿法作為評價建筑供應鏈績效的主要方法[2];王海強和王要武在成熟度的概念模型基礎上研究建筑供應鏈的績效評價方法，并通過案例分析驗證了所提方法的可行性[3];陳偉偉和張云寧基于不確定層次分析法建立了目標優化模型，并結合遺傳算法對建筑供應鏈績效進行了綜合評價[4];沈韻等采用主成分分析法和關鍵績效指標法分別對建筑供應鏈績效定量和定性指標進行了評價，再通過層次分析法得到綜合評價結果[5]。以上方法在評價過程中對于指標權重的確定都存在一定的主觀性，而建筑供應鏈各績效指標的權重具有客觀性，彼此之間存在非線性關聯性，本文利用BP神經網絡學習、客觀和動態特點，解決建筑供應鏈績效綜合評價問題。

1? 建筑供應鏈績效評價指標體系構建

參考相關文獻，找專家咨詢，現場調查，借鑒供應鏈運作參考模型[8]，參考平衡記分卡理論[9]，構建了包含5個一級指標、15個二級指標的評價指標體系，如表1所示。

2? BP神經網絡模型

2.1 確定BP神經網絡結構

①確定BP神經網絡結構的層數。Kolmogrov理論已經證明，包含一個隱含層的三層BP神經網絡只要有足夠多的隱含節點數就可以以任意精度逼近任一連續函數[10]。故本文選用三層BP神經網絡結構。

②確定BP神經網絡的輸入層節點數i、輸出層節點數k。本文共選取了15個評價指標，故輸入層節點數i為15。對于輸出層，將建筑供應鏈績效評價的結果分為優、良、中、差四個等級，輸出節點k為4，用四維向量表示為：當輸出為（1，0，0，0）時則績效評價結果為優，當輸出為（0，1，0，0）時則績效評價結果為良，當輸出為（0，0，1，0）時則績效評價結果為中，當輸出為（0，0，0，1）時則績效評價結果為差。

③確定BP神經網絡的隱含層節點數j。到目前為止，還沒有能精確預測BP神經網絡隱含層節點數的相關理論，對于隱含層節點數的確定，現大多采用“試湊法”。本文考慮到單隱含層神經網絡的非線性映射能力較弱，對于同一問題，想要得到預定的映射關系，隱含層節點數應該多一些，以增加神經網絡的可調參數，所以本文最終確定隱含層個數j為6。

2.2 BP神經網絡原理

2.2.1 指標規范化

考慮建筑供應鏈的績效存在效益型和成本型指標，需要對指標規范化，效益型指標按照公式（1）進行處理，成本型指標按照公式（2）進行處理。

公式（1）、（2）中，A為績效指標的原始值，X為歸一化后的指標值，Amax和Amin為同一指標值的最大值和最小值。對于定性指標（如環保控制能力），先將其轉換為數值指標，然后再按上述方法進行歸一化處理。

2.2.2 BP神經網絡算法的訓練過程

對于上述BP神經網絡，設wij為輸入層xi到隱含層的連接權，Vjk為隱含層到輸出層yk間的連接權，θj為隱含層的閾值，θk為輸出層單元的閾值。

①對輸入層到隱含層的連接權Wij，隱含層到輸出層的連接權Vij，隱含層的閾值θj，輸出層閾值θk隨機賦一個（-1，1）之間的隨機數。

②提供學習樣本對（輸入和期望輸出值），給出輸入向量Xi=（x1，x2，…，xm）和對應的期望輸出向量 ，將xi的值輸入輸入層節點，進行正向計算：

④通過連接權{Vjk}，輸出層的一般化誤差{δk}，隱含層的輸出{Xj}，計算隱含層的誤差{δj}

⑤權值{Vjk}和閾值{θk}的修正

⑥連接權{Wij}和取值{θj}的修正

⑦重復步驟②，輸入不同的訓練樣本，不斷進行上述計算過程，直到誤差δk足夠小或變為0，結束學習。

3? 算例分析

經調查得到青島某建筑企業2017年12個月的建筑供應鏈績效指標取值和績效綜合評價結果如表2和表3所示。其中，環保控制能力取值為1-5，數值越大表示環保能力越好;業主滿意度取值為1-4，數值越大表示業主滿意度越高;工期控制能力和產品控制能力取值為1-3，數值越大表示控制能力越好;供應鏈響應時間在1天到7天之間;信息共享度取值為1-4，數值越大表示共享度越高;新技術開發周期在1個月到12個月之間。

按照公式（1）、公式（2）對表2和表3進行歸一化處理，結果如表4和表5所示。

在BP神經網絡的訓練中，確定BP神經網絡的隱含層為6，輸出層為4，輸入層為15。在[-1，+1]之間隨機定一個數值為權值wij和Vjk的初始值，學習速率η設為0.1，將誤差控制在0.01之內。結合建立的BP神經網絡，采用MATLAB7.0的神經網絡計算工具箱，輸入表4和表5的訓練樣本進行訓練。結果如圖1所示。

分析圖1發現，BP神經網絡學習過程基本結束是在訓練次數約為40次時。圖2為訓練結束后輸出值與期望值之間的誤差關系。

絡訓練結束后，可以用來預測以后的建筑供應鏈績效。針對上述企業，經調查得到的該企業2018年前2個月的績效指標取值結果如表6和表7所示。

將上述各指標歸一化后輸入訓練好的BP神經網絡，輸出結果為（0.023，0.9975，-0.0018，0.0073）和（-0.0084，0.0029，0.9883，-0.0048）。根據此結果可判斷該建筑企業2018年1月、2月的建筑供應鏈績效綜合評價為良和中，與企業績效一致。

4? 結論

本文通過BP神經網絡模型對建筑供應鏈績效評價的研究，主要得出以下結論：

①運用BP神經網絡評價建筑供應鏈的績效指標可綜合考慮大量的影響因素，既包括定性的，也包括定量的，具有先進、準確及簡便的特點。

②用來評價建筑供應鏈的績效指標大都來源于建筑企業的數據統計，人為因素的主觀性得到了有效避免，并且不斷增加的學習樣本，也客觀上提高了評價的準確性，使得其適用性越來越廣。

參考文獻：

[1]王要武，薛小龍.供應鏈管理在建筑業的應用研究[J].土木工程學報，2004，37（9）.

[2]陳艷，安海寧，徐占功.基于標桿法的精益建筑供應鏈績效評價[J].企業經濟，2013（1）.

[3]王海強，王要武.基于成熟度模型的建筑供應鏈績效評價[J].沈陽建筑大學學報（自然科學版），2009，25（2）：404-408.

[4]陳偉偉，張云寧，歐陽紅祥.基于改進型BSC法綠色建筑供應鏈績效評價研究[J].工程管理學報，2014（3）：37-41.

[5]沈韻，周金菊.基于平衡記分卡的建筑供應鏈KPI[J].科學技術創新，2012（4）：127.

[6]張子圓，蔣紅妍.BP神經網絡在舊建筑再利用社會評價中的應用[J].建筑經濟，2011（s1）：239-241.

[7]馬慶濤，尚國琲，焦新穎.基于BP神經網絡的智慧城市建設水平評價研究[J].數學的實踐與認識，2018，48（14）：64-72.

[8]馬雪.基于SCOR模型的建筑供應鏈績效評價研究[D].天津大學，2014.

[9]鄭傳鋒.基于平衡記分卡的供應鏈績效評價指標體系研究[J].中國物流與采購，2005（10）：68-70.

[10]林麗紅，李錦飛.基于BP神經網絡的供應鏈績效評價模型[J].江蘇大學學報（社會科學版），2005，7（3）.