１引言 

　　為能評(píng)價(jià)供應(yīng)鏈的實(shí)施給企業(yè)群體帶來(lái)的效益，方法之一就是對(duì)供應(yīng)鏈進(jìn)行績(jī)效評(píng)價(jià)。其作用是：可以找出供應(yīng)鏈運(yùn)作方面的不足，并及時(shí)采取措施調(diào)整；考察供應(yīng)鏈對(duì)各成員的激勵(lì)，吸引企業(yè)加盟，剔除不良企業(yè)；評(píng)價(jià)供應(yīng)鏈上下游節(jié)點(diǎn)企業(yè)之間合作關(guān)系的好壞以利改進(jìn)；對(duì)企業(yè)起到激勵(lì)作用。由于對(duì)供應(yīng)鏈績(jī)效進(jìn)行評(píng)價(jià)本身就是非線性問(wèn)題，并且其績(jī)效評(píng)價(jià)指標(biāo)體系的確立與單個(gè)企業(yè)評(píng)價(jià)指標(biāo)體系的確立是不同的，而ＢＰ神經(jīng)網(wǎng)絡(luò)在解決非線性問(wèn)題方面具有很好的表現(xiàn)，基本上可以模擬任意非線性問(wèn)題；平衡計(jì)分卡法對(duì)從戰(zhàn)略高度建立指標(biāo)評(píng)價(jià)體系具有積極作用。因而本文擬用ＢＰ神經(jīng)網(wǎng)絡(luò)并結(jié)合平衡計(jì)分卡的方法建立模型和評(píng)價(jià)指標(biāo)對(duì)供應(yīng)鏈績(jī)效進(jìn)行綜合評(píng)價(jià)，并通過(guò)ＭＡＴＬＡＢ在計(jì)算機(jī)上實(shí)現(xiàn)。 

　　２神經(jīng)網(wǎng)絡(luò)及ＢＰ網(wǎng)絡(luò)模型簡(jiǎn)介 

　�。玻�１神經(jīng)網(wǎng)絡(luò)模型 

　　人工神經(jīng)網(wǎng)絡(luò)是從人腦的生理結(jié)構(gòu)出發(fā)，模擬人腦信息處理的功能。是根植于神經(jīng)科學(xué)、數(shù)學(xué)、統(tǒng)計(jì)學(xué)、物理學(xué)、計(jì)算機(jī)、科學(xué)及工程等學(xué)科的一種技術(shù)性科學(xué)。從網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)算法通常可分為前向神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)和隨機(jī)神經(jīng)網(wǎng)絡(luò)、競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)。 

　�。玻�２三層ＢＰ神經(jīng)網(wǎng)絡(luò)模型 

　　ＢＰ�煟拢幔悖耄校颍铮穑幔纾幔簦椋铮睿犐窠�(jīng)網(wǎng)絡(luò)是目前應(yīng)用最為廣泛的一種神經(jīng)網(wǎng)絡(luò)，它是屬于誤差信號(hào)反向傳播的多層前向神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)包括輸入層、中間層�熾[含層�牶洼敵鰧樱�其中輸入和輸出都只有一層，隱含層可以有多層，其激勵(lì)函數(shù)采用Ｓｉｇｍｏｉｄ型函數(shù)。本文以三層ＢＰ神經(jīng)網(wǎng)絡(luò)模型為例介紹其算法，該模型包括輸入層、隱含層、輸出層三層，可以看成從輸入到輸出的高度非線性映射。 

　�。保爮那巴�后計(jì)算輸出值。由工作信號(hào)正向傳播可得：設(shè)輸入層為Ｍ，有Ｍ個(gè)輸入信號(hào)；隱層為Ｉ，其中有Ｉ個(gè)神經(jīng)元；輸出層為Ｐ，有Ｐ個(gè)神經(jīng)元。設(shè)樣本集為Ｘ＝�煟兀雹煟兀并煟兀尝煛��煟兀韦�，對(duì)應(yīng)任一訓(xùn)練樣本ＸＫ＝�煟�Ｋ１�煟�Ｋ２…ｘＫＭ�牐裕瑢�(shí)際輸出為ＹＫ＝�煟�Ｋ１�煟�Ｋ２�煛�ｙＫｐ�牐�，期望輸出為ｄｋ＝�煟洌耄雹煟洌耄�，…�煟洌耄黏牐寓煢龋闉殚y值。由工作信號(hào)正向傳播可得：ｕｉｌ＝ｗｍｌｘｋｍ 

　　中間層的輸出值為ｖｉｌ＝ｆ�煟鳎恚欤�ｋｍ＋θｉ 

　�。酰穑穑剑鳎椋穑觯椋� 

　　輸出層的輸出值為：ｖｐｐ＝ｆ�煟酰穑穑�θｉ��， 

　　輸出層第Ｐ個(gè)神經(jīng)元的誤差信號(hào)為ｅｋｐ＝ｄｋｐ－ｙｋｐ�煟睿� 

　　同時(shí)定義神經(jīng)元ｐ誤差能量為ｅｋｐ２�煟睿�， 

　　輸出層所有神經(jīng)元的誤差能量總和為Ｅ（ｎ）＝ｅｋｐ２�煟睿牐� 

　　（２�犛烧`差信號(hào)從后向前傳播，在返向傳播過(guò)程中，逐層修改連接權(quán)值。隱層Ｉ與輸出層Ｐ之間的權(quán)值修正量為： 

　　其中η為學(xué)習(xí)步長(zhǎng)，０＜η＜１；δｐｐ�煟睿牉榫植刻荻� 

　　輸出層Ｐ的權(quán)值調(diào)節(jié)公式為：ｗｉｐ�煟睿�１�牐剑鳎椋穑煟睿牐�△ｗｉｐ�煟睿� 

　　輸入層Ｍ與隱層Ｉ之間的權(quán)值修正量：△ｗｍｉ�煟睿牐溅铅模椋欤煟睿牐�ｋｍ�煟睿犉渲笑模椋欤煟睿牐剑觯椋欤煟睿牐煟保�ｖｉｌ�煟睿牐牔模辏剩煟睿牐鳎椋辏煟睿� 

　　隱層Ｉ的權(quán)值調(diào)節(jié)公式：ｗｍｉ�煟睿�１�牐剑鳎恚椋煟睿牐�△ｗｍｉ�煟睿� 

　�。郴�于平衡記分卡和ＢＰ神經(jīng)網(wǎng)絡(luò)的供應(yīng)鏈績(jī)效評(píng)價(jià)方法 

　　３．１基于平衡記分法的評(píng)價(jià)指標(biāo)體系的確立 

　　為全面客觀地評(píng)價(jià)供應(yīng)鏈績(jī)效，必須根據(jù)供應(yīng)鏈自身的特點(diǎn)，建立一套科學(xué)合理的評(píng)價(jià)指標(biāo)體系。平衡計(jì)分卡是使來(lái)源于各種衡量方法一體化的一種新的績(jī)效評(píng)價(jià)框架，該方法從財(cái)務(wù)、業(yè)務(wù)流程、客戶、學(xué)習(xí)與發(fā)展四個(gè)方面綜合評(píng)價(jià)績(jī)效，使得短期目標(biāo)和長(zhǎng)期目標(biāo)、客觀目標(biāo)與主觀目標(biāo)、結(jié)果與結(jié)果的驅(qū)動(dòng)因素之間一種新的平衡得以建立�煟堡�。本文根據(jù)供應(yīng)鏈績(jī)效評(píng)價(jià)的特點(diǎn)和結(jié)合平衡計(jì)分卡績(jī)效評(píng)價(jià)的思想，從供應(yīng)鏈財(cái)務(wù)、供應(yīng)鏈業(yè)務(wù)流程、供應(yīng)鏈客戶、供應(yīng)鏈學(xué)習(xí)和發(fā)展四個(gè)方面建立供應(yīng)鏈績(jī)效評(píng)價(jià)指標(biāo)體系。 

　�。保牴�應(yīng)鏈業(yè)務(wù)流程績(jī)效評(píng)價(jià)指標(biāo) 

　　這里所述供應(yīng)鏈?zhǔn)侵笍墓��?yīng)商至零售商的整條供應(yīng)鏈。綜合考慮評(píng)價(jià)指標(biāo)的客觀性和可操作性之后提出產(chǎn)銷率、平均產(chǎn)銷絕對(duì)偏差、產(chǎn)需率、供應(yīng)鏈產(chǎn)品產(chǎn)出周期、供應(yīng)鏈總運(yùn)營(yíng)成本、供應(yīng)鏈核心企業(yè)成本、供應(yīng)鏈產(chǎn)品質(zhì)量、時(shí)間、產(chǎn)品競(jìng)爭(zhēng)力、信息系統(tǒng)覆蓋率作為供應(yīng)鏈業(yè)務(wù)流程評(píng)價(jià)指標(biāo)。 

　�。玻牴�應(yīng)鏈財(cái)務(wù)評(píng)價(jià)指標(biāo) 

　　供應(yīng)    ３）供應(yīng)鏈客戶角度評(píng)價(jià)指標(biāo) 

　　供應(yīng)鏈中的企業(yè)為了獲得長(zhǎng)遠(yuǎn)的績(jī)效，就必須創(chuàng)造出讓客戶滿意的產(chǎn)品和服務(wù)，供應(yīng)鏈客戶角度評(píng)價(jià)指標(biāo)即在客戶所期望達(dá)到的績(jī)效而采用的評(píng)價(jià)指標(biāo)。具體指標(biāo)�煟长�。 

　�。矗牴�應(yīng)鏈學(xué)習(xí)、發(fā)展評(píng)價(jià)指標(biāo) 

　　某條供應(yīng)鏈要想取得長(zhǎng)期的績(jī)效，就要加強(qiáng)對(duì)基礎(chǔ)設(shè)施和經(jīng)營(yíng)過(guò)程的投資�煟菠�。 

　　３．２ＢＰ神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)供應(yīng)鏈績(jī)效的算法和步驟 

　　由于三層ＢＰ神經(jīng)網(wǎng)絡(luò)可以模擬任意的非線性系統(tǒng)，可以逼近任意連續(xù)函數(shù)。因而根據(jù)三層ＢＰ神經(jīng)網(wǎng)絡(luò)模型及其優(yōu)化算法，并結(jié)合供應(yīng)鏈績(jī)效評(píng)價(jià)指標(biāo)體系，應(yīng)用神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)供應(yīng)鏈績(jī)效可以概括為以下９個(gè)步驟： 

　�。ǎ保┏跏蓟�。賦給ｗｍｉ、ｗｉｐ及其閥值θｉ、γｐ各一個(gè)較小的隨機(jī)非零值（可采用�煟�１，１�犞�間的隨機(jī)非零值）。 

　　（２）輸入隨機(jī)樣本、樣本數(shù)據(jù)標(biāo)準(zhǔn)化。對(duì)于定量指標(biāo)采用現(xiàn)行比例變換法對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理：對(duì)于正向指標(biāo)有ｘｋｉ�潱剑煟�ｋｉ－ｘｋｉｍａｘ�牐粚�(duì)于逆向指標(biāo)有ｘｋｉ�潱剑煟�ｋｉｍａｘ－ｘｋｉ��。對(duì)于定性指標(biāo)可利用模糊綜合評(píng)判的方法將其轉(zhuǎn)化為介于（０，１）之間的數(shù)值�煟搐�。 

　�。ǎ常┻x取具有代表性的訓(xùn)練樣本輸入ＢＰ網(wǎng)絡(luò)，其中輸入樣本為Ｘｋ＝�煟�ｋ１�煟�ｋ２…ｘｋ２８�牐�，實(shí)際輸出為Ｙｋ�煟睿牐饯煟�ｋ１�煟睿牏煟�ｋ２�煟睿牎�ｙｋｐ�煟睿牑�，期望輸出為ｄｋ＝�煟洌耄雹煟洌耄病�ｄｋｐ�� 

　�。ǎ矗�對(duì)于輸入樣本Ｘｋ�熐跋蛴�(jì)算神經(jīng)網(wǎng)絡(luò)中隱層和輸出層神經(jīng)元的輸入信號(hào)和輸出信號(hào)。 

　�。ǎ担┯奢敵鰧拥钠谕�輸出ｄｋ和實(shí)際輸出Ｙｋ�煟睿犛�(jì)算誤差Ｅ�煟睿�，其中Ｅ�煟睿牐剑玻耄穑玻煟睿牎Ｈ舨怀�出給定的誤差允許范圍，則輸入下一訓(xùn)練樣本；若超出誤差允許范圍，則轉(zhuǎn)至下步。 

　�。ǎ叮┡袛啵睿�１是否大于最大迭代次數(shù)（一般取１０００次進(jìn)行訓(xùn)練），若大于則轉(zhuǎn)至第八步；若不大于，對(duì)輸入樣本ｘｋ，反向計(jì)算每層神經(jīng)元的局部梯度： 

　　（７）根據(jù)校正誤差返向傳播，逐層修改權(quán)值，其權(quán)值修正量為： 

　　△ｗｍｉ＝ηδｉｌ�煟睿牐�ｋｍ�煟睿牐�ｗｍｉ�煟睿�１�牐剑鳎恚椋煟睿牐�△ｗｍｉ�煟睿�；ｍ＝１�煟并煛�，２８；ｉ＝１�煟并煛�５，η為學(xué)習(xí)速率 

　　△ｗｉｐ＝ηδｐｐ�煟睿牐颍椋欤煟睿�，ｗｉｐ�煟睿�１�牐剑鳎椋穑煟睿牐�△ｗｉｐ�煟睿牏煟椋剑雹煟并煛�５�牐穑剑雹煢菫闉閷W(xué)習(xí)速率。 

　�。ǎ福┡袛嗍欠駥W(xué)習(xí)完所有訓(xùn)練樣本，是則結(jié)束訓(xùn)練，轉(zhuǎn)下一步，否則轉(zhuǎn)第二步。 

　�。ǎ梗�ＢＰ網(wǎng)絡(luò)訓(xùn)練完成，得到訓(xùn)練好的ＢＰ網(wǎng)絡(luò)，便可用于目標(biāo)供應(yīng)鏈的績(jī)效評(píng)價(jià)。設(shè)定評(píng)語(yǔ)集（優(yōu)、良、中、差），輸入目標(biāo)供應(yīng)鏈的具體績(jī)效評(píng)價(jià)指標(biāo)，經(jīng)過(guò)網(wǎng)絡(luò)運(yùn)算后便可得該條供應(yīng)鏈的績(jī)優(yōu)度。 

　�。淳幊逃�(jì)算與應(yīng)用實(shí)例 

　　在ＭＡＴＬＡＢ的神經(jīng)網(wǎng)絡(luò)工具箱中，能夠?qū)Γ拢芯W(wǎng)絡(luò)進(jìn)行很好的實(shí)現(xiàn)，大大減少人工計(jì)算的繁雜度并提高運(yùn)算的精確程度。其實(shí)現(xiàn)步驟如下�煟丹牐� 

　�。保牼W(wǎng)絡(luò)模型的建立。利用ｎｅｗｆｆ函數(shù)建立ＢＰ神經(jīng)網(wǎng)絡(luò)模型。其語(yǔ)法為：ｎｅｔ＝ｎｅｗｆｆ�煟校尧煠煟玻涪煟耽煟堡牏煠煟簦幔睿螅椋纰煟簦幔睿螅椋纰煟簦幔睿螅椋绀牏煟簦颍幔椋睿欤恝煟欤澹幔颍睿纾洌恝煟恚螅澹牎� 

　�。玻牼W(wǎng)絡(luò)模型初始化。利用ｉｎｉｔ函數(shù)初始化網(wǎng)絡(luò)，對(duì)權(quán)值ｗ及閥值θｉ、γｐ進(jìn)行初始化。 

　�。常牼W(wǎng)絡(luò)訓(xùn)練。利用函數(shù)ｔｒａｉｎ進(jìn)行網(wǎng)絡(luò)訓(xùn)練。ｔｒａｉｎ函數(shù)是按設(shè)置的ｎｅｔ．ｔｒａｉｎｆｃｎ和ｎｅｔ．ｔｒａｉｎＰＡａｒａｍ參數(shù)來(lái)訓(xùn)練，采用批處理的方式對(duì)權(quán)值和閥值進(jìn)行修改。 

　　４�牼W(wǎng)絡(luò)仿真。用ｓｉｍ函數(shù)來(lái)實(shí)現(xiàn)該網(wǎng)絡(luò)對(duì)某一目標(biāo)供應(yīng)鏈的仿真。 

　�。倒�應(yīng)鏈績(jī)效評(píng)價(jià)應(yīng)用舉例 

　�。凉�司與Ｂ公司是以生產(chǎn)化妝品為主的新型企業(yè)，它們都有相對(duì)固定的供應(yīng)商和銷售商，因此也有兩條以Ａ和Ｂ公司為核心企業(yè)的供應(yīng)鏈，分別以Ａ和Ｂ表示。其供應(yīng)鏈績(jī)效評(píng)價(jià)指標(biāo)體系如表６所示（定量指標(biāo)采用標(biāo)準(zhǔn)化處理，定性指標(biāo)采用專家打分的模糊綜合評(píng)判的方法確定）。 

　　建立評(píng)價(jià)模型，選取過(guò)去５年內(nèi)對(duì)Ａ、Ｂ企業(yè)供應(yīng)鏈績(jī)效進(jìn)行評(píng)價(jià)的歷史指標(biāo)作為訓(xùn)練樣本輸入該神經(jīng)網(wǎng)絡(luò)模型進(jìn)行網(wǎng)絡(luò)訓(xùn)練，并利用ＭＡＴＬＡＢ對(duì)該模型進(jìn)行模擬仿真，待網(wǎng)絡(luò)訓(xùn)練好后，輸入Ａ、Ｂ兩企業(yè)現(xiàn)階段的供應(yīng)鏈評(píng)價(jià)指標(biāo)，并建立評(píng)語(yǔ)集（優(yōu)、良、中、差），并設(shè)定各等級(jí)所對(duì)應(yīng)的輸出結(jié)果范圍為：優(yōu)（０．８�煟保�、良（０．７，０．８）、中（０．６，０．７）、差（０，０．６）。省略神經(jīng)網(wǎng)絡(luò)的具體訓(xùn)練過(guò)程，最后可得評(píng)價(jià)結(jié)果：Ａ企業(yè)評(píng)價(jià)結(jié)果為０．８３７，等級(jí)為優(yōu)；Ｂ企業(yè)評(píng)價(jià)結(jié)果為０．７３７，等級(jí)為良。 

　�。督Y(jié)束語(yǔ) 

　　建立一種對(duì)供應(yīng)鏈績(jī)效進(jìn)行評(píng)價(jià)的方法，對(duì)于度量供應(yīng)量績(jī)效找出其中問(wèn)題具有重要意義。本文所論述的應(yīng)用ＢＰ神經(jīng)網(wǎng)絡(luò)的方法對(duì)供應(yīng)鏈績(jī)效進(jìn)行評(píng)價(jià)的方法，具有很強(qiáng)的現(xiàn)實(shí)意義，發(fā)揮人工智能的學(xué)習(xí)功能，解決了常用方法難以克服的實(shí)時(shí)性、敏捷性差的弱點(diǎn)，并能在計(jì)算機(jī)上利用ＭＡＴＬＡＢ進(jìn)行學(xué)習(xí)訓(xùn)練，大大減少了計(jì)算的繁雜程度，并提高了運(yùn)算的精確度。同時(shí)該方法還可用于其他問(wèn)題的綜合評(píng)價(jià)。 
鏈財(cái)務(wù)方面包括整個(gè)供應(yīng)鏈運(yùn)作的經(jīng)濟(jì)結(jié)果。