基于BP神经网络的冷链物流服务商选择

（大连东软信息学院 信息与商务管理学院，辽宁 大连 116023）

1 绪论

随着生活水平的不断提高，加上信息的全面普及，人们对食品安全的重视程度越来越高。食品生产企业在努力向高质量标准靠拢的同时，却发现限制食品安全的瓶颈出现在物流环节。无论是原材料的采购，还是成品的储存、运输、配送中，食品对时间窗和物流条件的较高要求使其对冷链物流服务具有极大的依赖性。但我国的冷链物流发展与食品生产企业的发展存在不均衡的情况，冷链物流服务成本高，冷藏冷冻的技术和设备配置不健全，导致物流服务过程中货损率偏高，且高水平专业物流服务资源贫乏。因此选择合适的冷链服务商是食品生产企业保持可持续发展所必须面对的问题。针对冷链物流的特殊性，企业要在成本、冷链水平和服务质量等多方面进行综合衡量，这需要完备的服务商选择评价指标体系和科学的评价方法。

目前，国内外学者在供应商选择方面已经进行了卓有成效的研究。Weber、Current和Benton[1]总结过74篇供应商体系选择的文献，其探讨次数最多的就是服务的价格选择，其次为交货时间、产品质量、企业设施设备、选址方位、技术管理水平等，后来被Dickson总结排序，形成了新的23条准则。之后又有专家将新的因素，包括信息共享水平、环境因素、财务成本、销售规划与实施能力、运输管理能力、关系协调能力等放入选择准则中。在国内，钱芝网[2]阐述了供应商选择对企业整体竞争能力的重要影响。郑文凯[3]运用运筹学的方法建立了数学评价模型来选择供应商，避免主观影响和不确定性。罗新星[4]在绿色物流供应商选择中，应用AHP和TOPSIS的混合模型进行了尝试。李泽尧[5]在神经网络训练成功的前提下对企业供应商进行了选择，并详细说明了基于BP神经网络对供应商选择与评价的可行性。

综上，学者们在不同层面应用多种理论和方法对供应商选择问题进行了探索。但主流的评价方法中，AHP的衡量指标权重打分中会出现很多主观因素，数据结果的稳定性也会下降；德尔菲法中专家可能对结论不愿意修改意见，导致结论具有主观偏好；作业成本法以作业中心为基础通过选取合适的成本动因计算作业消耗的成本，但是在经营活动范围复杂多样，相互之间的因素和成本变动相关性难以分辨的冷链物流服务中表现不佳。而BP神经网络分析具备对任意非线性关系的衡量能力，适合对多因素的评价指标进行学习和描述，并输出有效的结果，对冷链物流服务商选择这一课题的契合性较高。

2 基于BP神经网络的冷链物流服务商选择模型

2.1 BP神经网络模型构建

神经网络由输入层、隐含层和输出层构成。自身具备很多特点，比如：自学习适应能力、非线性映射关系。可以对服务商选择评价进行完善，更详细的阐述评价指标与结果之间的映射关系。

假设输入变量为X=(X1，X2，…，Xi)，隐含层输出变量为Y=(Y1，Y2，…，Yj)，输出层变量为Z=(Z1，Z2，…，Zl)，期望输出的目标变量为T=（T1，T2，…，Tk），Wij为输入层到隐含层的连接权值，Wjl为隐含层到输出层的连接权值。通过不断修改调整Wij和Wjl，使网络输出向量Z不断接近期望输出向量T，最终使结果误差最小。

2.2 BP神经网络供应商选择步骤

本文结合冷链物流服务商选择评价体系，建立以神经网络为基础的供应商选择评价模型。具体步骤如图1所示。

首先规定节点数，并且对连接权值和阈值进行数据初始化，运用算法对数据进行逐层计算。在正向传递中输入向量经过隐含层进行计算，将数据结果传递给输出层，若实际误差在允许误差范围内，则学习训练结束，确定服务商选择评价结果；若超出允许范围，则进行反向误差传播，直到达到期望值。

2.3 冷链物流服务商评价指标体系

本文根据典型食品生产企业对冷链物流服务商的需求以及冷链物流的特殊性，建立了符合食品生产企业特质的服务商评价指标体系，为下一步BP神经网络提供定性定量数据，具体指标描述如下：

（1）产品质量保障。产品质量保障评价指标见表1。

图1 BP神经网络的供应商选择步骤

表1 产品质量保障评价

（2）交货可靠性

①交货准时率：在一定的时间段内，准时交货的次数与总交货次数的比率。

②交货准确率：在一定的时间段内，以正确的产品及数量，正确的交货地点为基础的交货次数与总交货次数的比率。

（3）食品配送质量。食品损失率为在一定的时间段内，该物流服务商的运输产品损失额与运输产品价值总额的比率。配送质量评价指标描述见表2。

（4）信息化发展能力

①信息及时性：在一定时间内，信息及时传递的次数与信息总传递次数的比率。

②信息的准确性：在一定的时间内，信息准确传递的次数与信息传递的总次数的比率。企业间信息的共享度指标描述见表3。

表3 企业间信息的共享度评价

（5）产品服务的柔性

①产品柔性：冷链物流服务商所提供的物流服务种类与各种服务种类数量的比率。

②数量柔性：在一定时间内，冷链物流服务商所满足的物流需求量与客户需求总量的比率。

③时间柔性：在一定时间内，物流服务商对服务需求的响应时间与服务需求次数的比率。

（6）服务能力。服务能力采用客户满意度表征。客户满意度即在一定时间内，未接到客户投诉的次数与总交易的次数的比率。服务改进能力指标描述见表4。

表4 服务改进能力评价

（7）冷链运输能力

①冷链车数量：冷链车数量越多，企业规模越大，运输能力越强。

②冷链运输的损失率：在一定的时间内，冷链运输的食品损失金额与食品运输配送中的总金额的比率。

（8）仓储周转能力

①仓储总量：仓储的总量越大，企业的规模越大，库存的能力就越大。

②库存周转率：在一段时间内，冷链食品出库的总金额与仓库的平均库存价值的比率。仓库的平均库存价值是期初仓库储存的冷链食品的总金额加上期末仓库储存的冷链食品的总金额，再整体求平均值。

（9）企业发展能力

①业务增长率：主要由冷链物流量增长率与食品价值量的增长率决定。在两段连续的时期内，冷链物流量的差值与第一时期冷链物流量的比率加上食品价值量差值与第一时期食品价值量的比率,再整体求平均值。

②利润增长率：在两段连续的时期内，两个时间段冷链物流服务商盈利利润差与第一时期冷链物流服务商盈利利润的比率。

③资产负债率：物流服务商企业负债的总额与企业资产总额的比率。

3 冷链物流服务商选择实证分析

根据食品生产企业A的需求及和与冷链物流服务商合作的情况，选择出8个服务商，其中5家是曾经合作过的服务商，其余3家是预评测目标。

3.1 数据收集

选择与食品生产企业A合作过的5家冷链物流服务商进行数据的采集、整理及分析，并对指标体系在定性和定量等方面对5家企业进行评价，得出分值结果Oij；并对5家公司的综合实力进行评价，得出分值结果ZM。同理运用合理化的信息采集方法及指标体系评价，对剩余3家企业进行综合分析。

上一节9大项共20种冷链物流服务商的影响因素，分别用x1，x2，···，x20表示，这些指标作为神经网络的输入向量，综合实力评价分值ZM作为期望输出值。将选定的前5个物流服务商分别标记为A、B、C、D、E，并作为神经网络中的训练样本，剩下的3个物流服务商标记为F、G、H，并作为测试样本，进行仿真训练，得出预测结果。

通过对8家物流服务商的数据调查，得出前5个训练样本的数据及期望输出值，见表5，剩余3个测试样本的数据见表6部分指标。

表5 训练样本数据及期望输出值

表6 测试样本数据

3.2 数据处理和训练

（1）标准化处理。为了对体现服务商各个方面能力的数据进行分析，首先应用Matlab软件对数据进行标准化和归一化处理，代码如下：

（2）数据主成分分析。对完成标准化处理的矩阵进行主成分分析，将数据放入SPSS软件中进行方差计算并筛选出重要的6个主成分指标，得出主成分指标矩阵。

（3）数据训练。将处理后的数据分为输入矩阵、输出矩阵和期望矩阵，根据本文建立的评价指标体系和数据处理情况，三个矩阵分别为6×5，6×3和6×1矩阵。通过调用Matlab中BP神经网络工具包，设置网络参数，对处理好的数据进行训练，训练过程如图2所示。

图2 BP神经网络训练过程

通过图2所示的程序运行情况，将输出矩阵与期望矩阵ZM之间的允许误差范围设计在10-6以内，保证得到相对满意的结果，当结果达到稳定状态，则得出训练完毕的网络。

（4）选择结果及分析。将待评价的3家冷链物流服务商的数据矩阵代入训练完毕的神经网络，得到最终评价结果为{0.415 0，-0.068 2，0.123 1}。输出结果中数值的大小依次是0.415 0＞0.123 1＞-0.068 2，对应的3家待选择的服务商分别是：F、H、G。公司F所得到的输出结果最高，说明根据之前合作过的5家服务商的数据进行数据分析，得到的训练好的神经网络对3家待选择服务商进行评价后，F公司是最具有竞争优势的。

4 结论

本文在冷链物流服务商选择评价体系的搭建中，以食品生产企业的共性特征为基础，同时参考了企业A的需求。在现实应用中，评价指标应该按照企业实际状况和需求侧重对指标体系进行完善和补充。神经网络算法以其显著的适应能力和学习能力可以帮助企业进行科学的供应商评价和选择，但是其算法也存在一定的局限性，如网络隐含层节点数设置存在主观评判性，网络训练时间受到速率影响，样本数据较少则导致网络存在冗余等，日后的研究方向是结合其他优化算法，对神经网络进行更好的改进，使其能够更有效的为该研究领域服务。