１引言 

　　為能評價供應鏈的實施給企業群體帶來的效益，方法之一就是對供應鏈進行績效評價。其作用是：可以找出供應鏈運作方面的不足，并及時采取措施調整；考察供應鏈對各成員的激勵，吸引企業加盟，剔除不良企業；評價供應鏈上下游節點企業之間合作關系的好壞以利改進；對企業起到激勵作用。由于對供應鏈績效進行評價本身就是非線性問題，并且其績效評價指標體系的確立與單個企業評價指標體系的確立是不同的，而ＢＰ神經網絡在解決非線性問題方面具有很好的表現，基本上可以模擬任意非線性問題；平衡計分卡法對從戰略高度建立指標評價體系具有積極作用。因而本文擬用ＢＰ神經網絡并結合平衡計分卡的方法建立模型和評價指標對供應鏈績效進行綜合評價，并通過ＭＡＴＬＡＢ在計算機上實現。 

　　２神經網絡及ＢＰ網絡模型簡介 

　�。玻�１神經網絡模型 

　　人工神經網絡是從人腦的生理結構出發，模擬人腦信息處理的功能。是根植于神經科學、數學、統計學、物理學、計算機、科學及工程等學科的一種技術性科學。從網絡結構和學習算法通�？煞譃榍跋蛏窠浘W絡、反饋神經網絡和隨機神經網絡、競爭神經網絡。 

　　２．２三層ＢＰ神經網絡模型 

　�。拢校煟拢幔悖耄校颍铮穑幔纾幔簦椋铮睿犐窠浘W絡是目前應用最為廣泛的一種神經網絡，它是屬于誤差信號反向傳播的多層前向神經網絡，網絡包括輸入層、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，其激勵函數采用Ｓｉｇｍｏｉｄ型函數。本文以三層ＢＰ神經網絡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�后計算輸出值。由工作信號正向傳播可得：設輸入層為Ｍ，有Ｍ個輸入信號；隱層為Ｉ，其中有Ｉ個神經元；輸出層為Ｐ，有Ｐ個神經元。設樣本集為Ｘ＝�煟兀雹煟兀并煟兀尝煛��煟兀韦牐瑢�應任一訓練樣本ＸＫ＝�煟�Ｋ１�煟�Ｋ２…ｘＫＭ�牐�，實際輸出為ＹＫ＝�煟�Ｋ１�煟�Ｋ２�煛�ｙＫｐ�牐�，期望輸出為ｄｋ＝�煟洌耄雹煟洌耄玻�…�煟洌耄黏牐寓煢龋闉殚y值。由工作信號正向傳播可得：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�牐� 

　　輸出層第Ｐ個神經元的誤差信號為ｅｋｐ＝ｄｋｐ－ｙｋｐ�煟睿� 

　　同時定義神經元ｐ誤差能量為ｅｋｐ２�煟睿�， 

　　輸出層所有神經元的誤差能量總和為Ｅ（ｎ）＝ｅｋｐ２�煟睿牐� 

　�。ǎ玻犛烧`差信號從后向前傳播，在返向傳播過程中，逐層修改連接權值。隱層Ｉ與輸出層Ｐ之間的權值修正量為： 

　　其中η為學習步長，０＜η＜１；δｐｐ�煟睿牉榫植刻荻� 

　　輸出層Ｐ的權值調節公式為：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的權值調節公式：ｗｍｉ�煟睿�１�牐剑鳎恚椋煟睿牐�△ｗｍｉ�煟睿� 

　�。郴�于平衡記分卡和ＢＰ神經網絡的供應鏈績效評價方法 

　　３．１基于平衡記分法的評價指標體系的確立 

　　為全面客觀地評價供應鏈績效，必須根據供應鏈自身的特點，建立一套科學合理的評價指標體系。平衡計分卡是使來源于各種衡量方法一體化的一種新的績效評價框架，該方法從財務、業務流程、客戶、學習與發展四個方面綜合評價績效，使得短期目標和長期目標、客觀目標與主觀目標、結果與結果的驅動因素之間一種新的平衡得以建立�煟堡�。本文根據供應鏈績效評價的特點和結合平衡計分卡績效評價的思想，從供應鏈財務、供應鏈業務流程、供應鏈客戶、供應鏈學習和發展四個方面建立供應鏈績效評價指標體系。 

　�。保牴�應鏈業務流程績效評價指標 

　　這里所述供應鏈是指從供應商至零售商的整條供應鏈。綜合考慮評價指標的客觀性和可操作性之后提出產銷率、平均產銷絕對偏差、產需率、供應鏈產品產出周期、供應鏈總運營成本、供應鏈核心企業成本、供應鏈產品質量、時間、產品競爭力、信息系統覆蓋率作為供應鏈業務流程評價指標。 

　�。玻牴�應鏈財務評價指標 

　　供應    ３）供應鏈客戶角度評價指標 

　　供應鏈中的企業為了獲得長遠的績效，就必須創造出讓客戶滿意的產品和服務，供應鏈客戶角度評價指標即在客戶所期望達到的績效而采用的評價指標。具體指標�煟长�。 

　　４�牴�應鏈學習、發展評價指標 

　　某條供應鏈要想取得長期的績效，就要加強對基礎設施和經營過程的投資�煟菠�。 

　�。常�２ＢＰ神經網絡評價供應鏈績效的算法和步驟 

　　由于三層ＢＰ神經網絡可以模擬任意的非線性系統，可以逼近任意連續函數。因而根據三層ＢＰ神經網絡模型及其優化算法，并結合供應鏈績效評價指標體系，應用神經網絡評價供應鏈績效可以概括為以下９個步驟： 

　　（１）初始化。賦給ｗｍｉ、ｗｉｐ及其閥值θｉ、γｐ各一個較小的隨機非零值（可采用�煟�１，１�犞�間的隨機非零值）。 

　�。ǎ玻┹斎腚S機樣本、樣本數據標準化。對于定量指標采用現行比例變換法對原始數據進行標準化處理：對于正向指標有ｘｋｉ�潱剑煟�ｋｉ－ｘｋｉｍａｘ��；對于逆向指標有ｘｋｉ�潱剑煟�ｋｉｍａｘ－ｘｋｉ��。對于定性指標可利用模糊綜合評判的方法將其轉化為介于（０，１）之間的數值�煟搐�。 

　�。ǎ常┻x取具有代表性的訓練樣本輸入ＢＰ網絡，其中輸入樣本為Ｘｋ＝�煟�ｋ１�煟�ｋ２…ｘｋ２８�牐裕瑢嶋H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�對于輸入樣本Ｘｋ�熐跋蛴嬎闵窠浘W絡中隱層和輸出層神經元的輸入信號和輸出信號。 

　　（５）由輸出層的期望輸出ｄｋ和實際輸出Ｙｋ�煟睿犛嬎阏`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，則輸入下一訓練樣本；若超出誤差允許范圍，則轉至下步。 

　　（６）判斷ｎ＋１是否大于最大迭代次數（一般�。保埃埃按芜M行訓練），若大于則轉至第八步；若不大于，對輸入樣本ｘｋ，反向計算每層神經元的局部梯度： 

　�。ǎ罚└鶕�校正誤差返向傳播，逐層修改權值，其權值修正量為： 

　　△ｗｍｉ＝ηδｉｌ�煟睿牐�ｋｍ�煟睿�，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為學習速率 

　　△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習速率。 

　�。ǎ福┡袛嗍欠駥W習完所有訓練樣本，是則結束訓練，轉下一步，否則轉第二步。 

　　（９）ＢＰ網絡訓練完成，得到訓練好的ＢＰ網絡，便可用于目標供應鏈的績效評價。設定評語集（優、良、中、差），輸入目標供應鏈的具體績效評價指標，經過網絡運算后便可得該條供應鏈的績優度。 

　　４編程計算與應用實例 

　　在ＭＡＴＬＡＢ的神經網絡工具箱中，能夠對ＢＰ網絡進行很好的實現，大大減少人工計算的繁雜度并提高運算的精確程度。其實現步驟如下�煟丹牐� 

　�。保牼W絡模型的建立。利用ｎｅｗｆｆ函數建立ＢＰ神經網絡模型。其語法為：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�。 

　　２�牼W絡模型初始化。利用ｉｎｉｔ函數初始化網絡，對權值ｗ及閥值θｉ、γｐ進行初始化。 

　�。常牼W絡訓練。利用函數ｔｒａｉｎ進行網絡訓練。ｔｒａｉｎ函數是按設置的ｎｅｔ．ｔｒａｉｎｆｃｎ和ｎｅｔ．ｔｒａｉｎＰＡａｒａｍ參數來訓練，采用批處理的方式對權值和閥值進行修改。 

　　４�牼W絡仿真。用ｓｉｍ函數來實現該網絡對某一目標供應鏈的仿真。 

　　５供應鏈績效評價應用舉例 

　�。凉�司與Ｂ公司是以生產化妝品為主的新型企業，它們都有相對固定的供應商和銷售商，因此也有兩條以Ａ和Ｂ公司為核心企業的供應鏈，分別以Ａ和Ｂ表示。其供應鏈績效評價指標體系如表６所示（定量指標采用標準化處理，定性指標采用專家打分的模糊綜合評判的方法確定）。 

　　建立評價模型，選取過去５年內對Ａ、Ｂ企業供應鏈績效進行評價的歷史指標作為訓練樣本輸入該神經網絡模型進行網絡訓練，并利用ＭＡＴＬＡＢ對該模型進行模擬仿真，待網絡訓練好后，輸入Ａ、Ｂ兩企業現階段的供應鏈評價指標，并建立評語集（優、良、中、差），并設定各等級所對應的輸出結果范圍為：優（０．８�煟保�、良（０．７，０．８）、中（０．６，０．７）、差（０，０．６）。省略神經網絡的具體訓練過程，最后可得評價結果：Ａ企業評價結果為０．８３７，等級為優；Ｂ企業評價結果為０．７３７，等級為良。 

　　６結束語 

　　建立一種對供應鏈績效進行評價的方法，對于度量供應量績效找出其中問題具有重要意義。本文所論述的應用ＢＰ神經網絡的方法對供應鏈績效進行評價的方法，具有很強的現實意義，發揮人工智能的學習功能，解決了常用方法難以克服的實時性、敏捷性差的弱點，并能在計算機上利用ＭＡＴＬＡＢ進行學習訓練，大大減少了計算的繁雜程度，并提高了運算的精確度。同時該方法還可用于其他問題的綜合評價。 
鏈財務方面包括整個供應鏈運作的經濟結果。