羅宇豪 吳麗娟 梁京章 廣西大學(xué)

當(dāng)前隨著汽車的不斷革新?lián)Q代，汽車行業(yè)之間的競(jìng)爭(zhēng)已經(jīng)演化成了各家公司彼此供應(yīng)鏈之間的競(jìng)爭(zhēng)。由于汽車零部件行業(yè)的蓬勃發(fā)展，市面上一種零件可能會(huì)存在多個(gè)生產(chǎn)廠家。因此，如何進(jìn)行合理地對(duì)市場(chǎng)上眾多的零部件次級(jí)供應(yīng)商進(jìn)行選擇和評(píng)估，這成了每個(gè)汽車零部件企業(yè)遇到的第一個(gè)難題。

當(dāng)前的學(xué)者關(guān)于對(duì)汽車零部件企業(yè)的供應(yīng)商選擇與評(píng)價(jià)研究總的來(lái)說(shuō)還是不太全面，在研究手法上：主要是采用主觀評(píng)價(jià)法對(duì)相關(guān)問(wèn)題籠統(tǒng)地進(jìn)行研究，對(duì)每個(gè)指標(biāo)的具體要求不夠詳細(xì)，主觀性太強(qiáng)。本研究以川南最大的汽車零部件制造企業(yè)之一A 集團(tuán)作為典型代表，擬結(jié)合當(dāng)前政策背景、主觀評(píng)價(jià)的方法、客觀量化的手法以及機(jī)器學(xué)習(xí)的語(yǔ)言探討適合A 公司的技術(shù)型供應(yīng)商評(píng)價(jià)體系，以期為A 公司和汽車零部件行業(yè)提供一定的研究參考。

一、神經(jīng)網(wǎng)絡(luò)建模分析

（一）輸入數(shù)據(jù)和輸出數(shù)據(jù)的確定

將A 公司當(dāng)前零部件——自動(dòng)變速箱濾清器供應(yīng)商作為樣本，對(duì)其進(jìn)行模型的建立、仿真和預(yù)測(cè)。將與A 公司工作人員以及相關(guān)專家歸納的30 個(gè)評(píng)價(jià)指標(biāo)分別用B1，B2....B30 進(jìn)行表示，并將該30 個(gè)指標(biāo)當(dāng)作BP 神經(jīng)網(wǎng)絡(luò)的輸入變量。將供應(yīng)商的綜合評(píng)價(jià)值當(dāng)作輸出變量。當(dāng)前A 公司數(shù)據(jù)庫(kù)中所存在的能提供自動(dòng)變速箱濾清器的供應(yīng)商共20 個(gè)，在本文中隨機(jī)選取16 個(gè)供應(yīng)商作為訓(xùn)練樣本來(lái)構(gòu)建神經(jīng)網(wǎng)絡(luò)，剩下的4 個(gè)供應(yīng)商作為測(cè)試集樣本進(jìn)行仿真。經(jīng)計(jì)算后所得到的樣本輸出值如下表1 所示。

（二）神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)和訓(xùn)練

根據(jù)上述指標(biāo)體系，因此本文所構(gòu)建的模型是30×13×1 的三層BP 神經(jīng)網(wǎng)絡(luò)模型，輸入層節(jié)點(diǎn)數(shù)為30，隱含層節(jié)點(diǎn)數(shù)為未定，學(xué)習(xí)率暫選默認(rèn)0.1，輸出層節(jié)點(diǎn)數(shù)為1，學(xué)習(xí)率取未定，允許誤差選擇系統(tǒng)默認(rèn)值，隱含層激活函數(shù)選擇S 型tansig 函數(shù)，輸出層激活函數(shù)采用線性函數(shù)purelin函數(shù)，訓(xùn)練函數(shù)采用traigdm，學(xué)習(xí)函數(shù)采用learndm，性能函數(shù)選擇mse 函數(shù)。經(jīng)過(guò)實(shí)驗(yàn)學(xué)習(xí)率設(shè)置為系統(tǒng)默認(rèn)值0.1，隱含層神經(jīng)元數(shù)為13 時(shí)均方誤差最小值。

（三）訓(xùn)練結(jié)果分析

圖1 是對(duì)整個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行回歸分析的過(guò)程，從圖可知，基本上所有的回歸分析系數(shù)都接近于1，這說(shuō)明了整個(gè)神經(jīng)網(wǎng)絡(luò)模型具有良好的非線性映射能力和學(xué)習(xí)能力。

在訓(xùn)練結(jié)束之后，根據(jù)上述的訓(xùn)練結(jié)果，對(duì)隨機(jī)選出的測(cè)試集的樣本（N11，N15，N6，N10）歸一化之后的測(cè)試數(shù)據(jù)進(jìn)行仿真，獲得輸出，并將該輸出與樣本期望值進(jìn)行比較。對(duì)比之后發(fā)現(xiàn)最大誤差的絕對(duì)值為0.003465，在四個(gè)備選供應(yīng)商之中得分最高的是N10，與測(cè)試樣本的最佳樣本一致，并且模擬之后的供應(yīng)商重要程度排序趨勢(shì)基本上與期望值排序一致，因此認(rèn)為該模型具有較好的泛化拓展能力，能對(duì)A 公司的次級(jí)技術(shù)型零部件供應(yīng)商進(jìn)行評(píng)估和篩選。

二、研究總結(jié)

圖1 神經(jīng)網(wǎng)絡(luò)的樣本數(shù)據(jù)回歸分析

表1 神經(jīng)網(wǎng)絡(luò)樣本輸出值表

本文通過(guò)文獻(xiàn)研究、專家訪談和調(diào)查結(jié)合當(dāng)前汽車制造業(yè)變化的特點(diǎn)以及中美貿(mào)易戰(zhàn)的背景，綜合得出了符合當(dāng)前形勢(shì)的供應(yīng)商評(píng)價(jià)指標(biāo)。通過(guò)在總結(jié)近年學(xué)者的相關(guān)研究論文，并且結(jié)合A 公司相關(guān)部門員工意見(jiàn)以及供應(yīng)鏈學(xué)者意見(jiàn)，將A 公司日常業(yè)務(wù)進(jìn)行分類和歸納，利用BP 網(wǎng)絡(luò)進(jìn)行系統(tǒng)建模。新建的模型能對(duì)由于動(dòng)態(tài)的市場(chǎng)而發(fā)生變化的供應(yīng)商數(shù)據(jù)做出極快的響應(yīng)，動(dòng)態(tài)地跟蹤每一家供應(yīng)商能力變化情況，能夠持續(xù)地評(píng)估A 公司的供應(yīng)商，能極大地提高評(píng)價(jià)工作地準(zhǔn)確性以及減輕A 公司相關(guān)工作人員的工作，但由于個(gè)人能力有限，樣本數(shù)據(jù)還不夠多，供應(yīng)商選擇工作還需進(jìn)一步完善。