协同效应模糊综合评价的神经网络模型的构建

(整期优先)网络出版时间:2009-03-13
/ 4

协同效应模糊综合评价的神经网络模型的构建

刘明杞郭东强

协同商务链的管理,可以产生协同效应。后者可以帮助协同商务链的各节点企业实现优势互补、互相合

作,达到协同生产,提高企业核心竞争力的目标。然而,由于协同商务链的复杂性,其中各节点上的企

业多,且各有特点。因此,目前还很难用具体的数理模型对它产生的协同效应进行度量。本文在研究价

值链理论的基础上,引入了模糊数学和神经网络的思想,建立了企业协同商务链协同效应的评价指标体

系,并分析了基于神经网络的模糊综合评价方法在协同商务链协同效应评价过程中的应用。

关键词:协同商务链协同效应模糊综合评价神经网络TheFuzzySyntheticAppraisalModeofthe

SynergyBasedonNeuralNetworkModel

LiuMingqiGuoDongqiang

Abstract:Collaborativecommercechainasaneweconomicresourcesunionhasimprovedand

developedthetraditionalsupplychainmodel.Itcangeneratesynergyeffectwiththe

synergybusinesschainmanagement.Thelattercanhelptheenterprisesondifferent

collaborativecommercechainnodestoutilizecomplementaryadvantagesandmutual

cooperation,andachievethegoalsofcoordinatedproductionandenhancingtheircore

competitiveness.However,becauseofthecomplexityofcollaborativecommercechain,large

quantitiesofenterprisesondifferentnodes,andtheirdifferentcharacteristics,itis

stilldifficulttomeasuresynergyeffectwithspecificmathematicalmodel.Thisarticle

introducesfuzzymathideasbesidesthevaluechaintheory,andestablishestheevaluation

indexsystemofsynergyeffectofenterprisecollaborativecommercechain,whatismore,it

alsoanalysestheapplicationforfuzzyevaluationmethodtotheprocessofevaluatingthe

synergyeffectofcollaborativecommercechain.

Keywords:CollaborativecommercechainSynergyFuzzycomprehensiveevaluationNeuralNetwork

【中图分类号】F01【文献标识码】A【文章编号】1009-9646(2009)03-0062-03

自从提出协同商务的概念以来,许多国内外专家学者都已经把眼光从供应链开始转向协同商务链。其中

,对协同商务链的协同效应的研究现在仍是一个十分热点的问题。很多企业已经隐隐约约地意识了协同

商务链这种模式下产生的协同效应将给企业发展带来的深远影响。但是,由于协同商务链本身的复杂性

,并且研究时间较短,成果相对较少。大部分研究成果还是局限在对供应链绩效的探索和研究领域,比

较典型的是供应链运作参考模型(SCOR)。对协同商务链的协同效应如何进行测度及评价几乎还是一个空

白。

本文作者在深入研究价值链的基础上,认为在价值链的各节点从产品的研发设计到提供给最终客户,都

可以产生协同效应。并给出了协同商务链协同效应评价的定义,即协同商务链协同效应评价是指运用一

定的数学分析与计算手段,采用反映协同效应特征的评价指标体系,按照既定的评价标准,按照一定的

评价程序,通过定量和定性的综合分析,对一定时期内协同商务链的各方面协同效应的有效性和效率所

进行的客观评价。另外,考虑到协同商务链企业运作的实际,建立了协同商务协同效应评价指标体系。

1.协同商务链的协同效应

协同商务(CollaborativeCommerce)的概念是1999年由美国著名的咨询机构GartnerGroup公司提出来

的,简单来说协同商务就是企业与企业之间为了实现优势互补、实现多赢,从而增强企业竞争力的目的

而建立起来的一种经济资源联盟体。在此基础上,本文提出了协同商务链的概念:协同商务链是企业为

实现规模经济带来的成本降低和资源充分利用及优势互补的目标,以协同竞争和多赢原则为商业运作模

式,通过运用现代企业管理技术,达到对整个供应链上的信息流、物流、知识流、资金流、和价值流的

有效规划和控制,从而将客户、研发中心、供应商、制造商、销售商、服务商等合作伙伴连成一个整体

功能的网链结构模式,形成一个极具竞争力的战略联盟体。

在协同学的创始人哈肯(H.Hake)[1]看来,协同效应是由协同这种现象产生的结果,是指开放系统

中大量子系统相互作用而产生的整体效应或集体效应。而在企业管理领域,协同效应更多地被认为是由

于企业在战略管理的支配下,企业内部整体性协调后,由企业内部各部门的功能耦合而成的企业整体性

功能。它远远超出企业各部门功能之和,可以简单表示为“1+1>2”[2]。一般来讲,根据价值链的观

点,协同效应就是价值链是各环节的协同带来的整体效应。因此,协同商务链的协同效应可以从以下几

方面考虑:管理协同效应、生产协同效应、财务协同效应、技术协同效应、销售协同效应、采购协同效

应以及设计协同效应等。

2.构建评价指标体系

2.1指标选取的主要原则。

2.1.1全面系统的原则。协同评价指标体系必须从系统整体出发,能够全面准确地反映协同商务链协同

效应的内涵和特点,但尽可能使各指标是最主要的和必不可少的,而且各指标间必须是独立的。

2.1.2目的性原则。构建协同商务链协同效应评价指标体系的目的在于:为衡量管理协同、生产协同、

销售协同、采购协同等诸方面的协同效应提供依据,找出协同商务链的瓶颈所在,指出提高协同商务链

协同效应的方向,提出相应的解决措施。在构建过程中,必须做到有的放矢,紧密围绕实现这些目的来

进行。

2.1.3可比性原则和可操作性。各指标应能根据其档次参照标准进行量化,以便建立数学模型进行计算

。尽可能对所选指标进行适度的简化和归并,取其中关键的指标有助于实际操作。

2.1.4定量与定性相结合原则。指标的选取尽可能要可以量化的,定性指标的选取也要本着转化容易的

原则,而且转化过程中要借助企业内外专家及技术人员的判断,增加评价指标体系的科学性。

2.1.5层次清晰与简洁性原则。从模糊数学的观点来看,单层次的灰度大,多层次的灰度小,但层次过

多,又会使测评工作复杂化。因此,在要求指标体系反映被评价系统的主要特征的基础上,就使指标体

系尽可能简化,易于被人们所理解和采用。

2.2多级指标体系的层次结构。评价指标体系的建立应该能够有利于客观、科学地评价协同商务链的协

同效应,有利于各合作伙伴企业发现自身的不足,为提高商务链的整体协同效应提出整改方案。价值链

分析法提供了一种很好的协同商务链的协同效应研究方法。价值链是由产品的研发设计、生产制造、销售、售后服务的整个过程组成的一条生产链。基于价值链的相关理论,并根据上述的指标选取原则,文章建立了协同商务链协同效应的多级评价指标体系(如图1所示)。

3.模糊综合评价模型

假设评价对象集为X,评审专家集S={s1,s2,…,sk},对任意的评价样本x∈X,有评价指标集U={u1,u2,…,un},评价等级集V={v1,v2,…,vm}。V×U上的模糊关系为R,R(vi,vj)=rij表示了评审专家对任意评价对象x,选择了vi属于uj的模糊程度(rij∈[0,1]),R=(rij)n×m是n×m阶模糊评价矩阵。

3.1确定模糊评价矩阵R=(rij)n×m

当某一评审人员st(st∈S)对任意评价对象x(x∈X)的评价指标vi(i=1,2,…,n)给定了一个且仅为一个肯定性评语uj(j=1,2,…,m)时,其评价矩阵为普通矩阵Rt(t=1,2,…,k),将它们变换为一个模糊矩阵R=(rij)n×m,按下述方法确定rij。

当评审人员st对任一评价对象x(x∈X)的评价指标vi(i=1,2,…,n)给定了U中评语uj(j=1,2,…,m)的一个可能程度rij(t)(rij(t)∈[0,1]),那么就有一个评价矩阵Rt=(rij(t))n×m,并使。∑mj=1rij(t)=1考虑到每个评审人员不同权威性,对评审人员的评审意见进行“加权”处理确定评价矩阵R=(rij)n×m

[3],

rij=∑ki=1atrij(t)∑ki=1at,i=1,2,…,n;j=1,2,…,m(1)

综合所有k个评审人员的评价结果,,那么Rt(t=1,2,…,k),变换为一个模糊矩阵R=(rij)n×m,其中rij(t)∈[0,1],αt为第t个专家的权重,αt∈[0,1]。一般地,权重较大的评审人员,其评价意见就越重要。若不考虑评审人员之间的不同权威性,每个评审人员按“等权”处理,此时(1)式中的αt=1(t=1,2,…,k)。

3.2确定综合评价矩阵R=(ri)n×1

对运用(1)式计算得到模糊矩阵R=(rij)n×m,再用重心法求得其综合评价值ri(i=1,2,…,n),即

ri=∑mj=1βirij∑mi=1rij=∑mj=1βjrij由此得到综合评价矩阵R=(ri)n×1,其中βj∈[0,1](j=1,2,…,m)。βj表示第j个评语的重要性意义,而∑βj可以等于1,也可以不等于1[4]。

3.3确定评价指标的权重。权重wi(i=1,2,…,n)表示评价指标Vi对评价综合结果的影响程度,W=(wi)1×n,构成了权重矩阵。权重wi的大小对评价结果十分重要,它反映了各分指标的相对重要性。目前权重的决定方法主要有主观赋权法和客观赋权法,常用的有专家调查法、两两比较法、AHP法、因子分析法、熵值法等。但这些方法难以摆脱人为因素及模糊随机性的影响。为了克服权重确定的困难,弱化人为因素本文应用人工神经网络确定评价指标的权重。

假定有P个经评审专家评审的学习样本集X′(X′是X的一个子集),专家对每个样本经式(1)与式(2)变换得到综合评价矩阵R=(ri)n×1,同时又给出了综合评价结果Y,那么用神经网络方法去确定W,

Y=WoR(3)这种模型的模糊神经网络结构是一个三层前馈神经网络。设rij为第i个评价指标的第j个评语具有模糊关系的程度,(i=1,2,…,n)用重心法变换为一个确定的ri,并以这n个值作为输入的第一层;第二层为隐节点,隐节点层没有统一的规则,根据具体对象而定;第三层为输出层,以学习样本综合评价y(y∈Y)作为输出。确定权重的模糊神经网络的学习算法参见文献[5]。

3.4指标的模糊处理。此外,在上述指标体系中,有些指标是有量纲的,由于它们的量纲值各异,难于

进行综合对比,因此,必须作无量纲处理,即对评价指标数值做标准化、正规化处理,以便消除指标量纲的差异造成的困难。

在本文中,对于定性指标的模糊处理,则根据前述的评语集,请专家打分评价的方法进行隶属度的确定,从而将定性的描述有效地转化为定量的判定;而对于定量指标的隶属度确定可采取以下公式[6]:

①对于越小越优(成本费用型)的评价指标可用式(4)计算隶属度:属度的取值区间为[0,1]。

3.5综合评价结果的确定。将综合评价矩阵R=(ri)n×1输入训练好的神经网络系统,应用模糊神经网络方法确定的权重可得任意评价样本的综合评价结果Y:Y=WoR,合成运算“o”可采用不同的模糊算子视实际情况和运算效果而定。还可以根据需要将B综合进行无量化处理,得到一个具体的数值P,以便对不同参评对象进行比较和排序[7]。对任意一个评价等设定一个分值,得到评语分值向量F={f1,f2,f3,f4,f5},则P=B综合·FT。

4.基于神经网络的模糊综合评价

4.1模型构建。神经网络是大量的神经元广泛互联而成的网络,它反映了人脑功能的许多基本特性,有大规模并行、分布、存储、处理、自适应、自组织和自学习能力,因此而积累知识和经验,不断修自己的知识面,特别适用于处理需要同时考虑许多因素和条件的模糊信息问题。一般可以分为两类:即单向传播网络和相互结合网络。

本文根据协同商务链协同效应的评价指标体系构造了如图2所示的单向传播神经网络结构。网络输入为:I=(i1,i2,…,im),即有m个输入,n个评语等级,n个输出。整个网络由3层组成,分别是输入层、隐含层和输出层,网络中隐含层和输出层之间的连接权值wi即是模糊评价中各指标的权重值。各层次的神经元之间形成全互连连接,而各层次内的神经元之间没有连接。

输入层的节点数为协同商务链协同效应评价的指标数(这里m=17),输出层为1个,即协同效应值。隐含层的节点数根据参考公式n1=(n+m)1/2+a确定,其中n1为隐单元数,n为输入神经元数,m为输出神经元数,a为1~10之间的常数。本文选择隐含层神经元数为17。网络中除输入层的输入等于输出外,隐含层和输出层节点的输入和输出关系采用了网络响应函数sigmoid[8],即f(x)=1/1+e-x。

在运用此模型进行评价的过程中,输入值和输出值的确定是关键。确定输入值:根据评价指标体系及各指标的评价值,依据本文提出的模糊量化方法得出主人指标的量化值,作为神经网络的输入值;确定输出值:运用三角模糊数法确定各个层次指标的权重,结合二阶模糊综合评价方法分别计算出各神经网络训练的输出值。

4.2计算步骤。应用BP网络的模糊评价系统的工作流程算法可以描述如下:

4.2.1按照评价的实际需要建立起合理的评价指标体系,构成神经网络的输入集域。

4.2.2将各指标的评价值进行模糊处理后,用可靠的专家评审样本作为神经网络的学习样本集,计算如下:将被评价的样本经评审人员评价后,归纳为评价矩阵Rt(t=1,2,…,k),并用(1)式计算,变换为一个n×m阶模糊矩阵R=(rij)n×m,再用(2)式表示的重心法变换为一个n×1阶的模糊矩阵R=(ri)n×1。

4.2.3启动神经网络进行学习和训练,将步骤2中的样本输入评价系统,经过反复迭代直到收敛到相应的精度条件,储存学习好的神经网络综合评价模型。

4.2.4将标准化的评价矩阵输入设计好的神经网络模型,即可得出评价结果。

具体流程见图3,图中实线为模糊神经网络的学习过程,虚线为样本的评价过程。

5.结论及建议

通过对协同商务链的协同效应各级模糊综合评价结果和指标权重的分析,可得到以下结论:

5.1分别对5个准则层指标的权重系数以及其子指标权重进行对比分析,就可以得出这6个指标的相对重要程度以及其子指标的相对重要程度,使企业更好的把握协同商务链的重点环节;

5.2对5个准则层指标的单因素评价结果进行分析,可以得出每个因素产生的协同效应的等级以及各个因素产生协同效应的相对值,为发现协同商务链的薄弱环节,进一步改善提供依据;

5.3对协同商务链的协同效应多因素模糊综合评价的最终结果分析,可对目前协同商务链的总体运行效果较有全面的了解,为下一步决策提供支持。

同时,本文引入了神经网络评价模型,克服了以往缺乏学习能力的缺点,摆脱了评价过程中的随机性和评价人员主观上的不确定性及其认识上的模糊性,保证了评价结果的客观性和科学性。

但值得指出的是:第一,由于模糊综合评价模型在实际操作过程中的手工计算工作量比较大,在应用中建议企业可以通过编制程序来完成有关分析计算过程;第二,将神经网络应用于评价问题还处于探索阶段,有些问题的解决还有待理论研究的深入,如网络中隐含层节点个数的确定等问题。第三,神经网络评价这种方法本身存在局限性,比如训练样本信息要求是可信度高的权威评价结果,否则评价结果会产生较大的误差。第四,为了提高该模型的适应性,企业在进行评价的时候可以根据实际情况对某些指标做出调整和修改,提高评价结果的准确性和科学性。参考文献

[1]潘开灵,白烈湖.管理协同理论及其应用[M].北京:经济管理出版社,2006.10.P10~12

[2]史丽萍,吕莉.战略联盟的协同效应研究[J].齐齐哈尔大学学报(哲学社会科学版),2004(5)

[3]罗晓芳.管理干部综合素质模糊评价体系的神经网络模型[J].科技通报,2004(5)

[4]陈世权,孙有发,李秀平,等.模糊排序专家系统及其在科研管理中的应用[J].模糊系统与数学,2000,14(1):94~99

[5]孙增圻,张再兴,邓志东.智能控制理论与技术[M].北京:清华大学出版社,1997.173~175

[6]赵万华,柳瑞禹.物业管理公司核心竞争力模糊综合评价[J].经济论坛,2005(8)

[7]陈甲华,邹树梁等.基于价值链的战略联盟协同效应评价指标体系与模糊综合评价[J].南华大学学报(社会科学版),2005(6)

[8]李文博,郑文哲.基于神经网络的企业技术创新能力综合评价研究[J].评价与预测.2005(1)