基于支持向量机的供应链绩效评价研究(2007)

1、基于支持向量机的供应链绩效评价研究(2007)基于支持向量机的供应链绩效评价研究4.文/华晓晖闺秀霞正确客观地对供应链进行绩效评价首先必须建立是不但能将两类样本无错误地分开，而且还使两类之间综合全面的评价指标体系。将供应链的输出与指标进行的间隔(Margin)最大。设方程W*x-b=O表示的平面对比，作为改进和完善的依据。供应链绩效评价指标体能将样本分开，即满足条件1系的选择与建立是一个复杂的过程，而且建立一个综合il(W*x)-bl?:1, i=1,2,;_ (1) 全面的指标体系也是非常困难的，但是指标体系的建立可计算得两类样本产间的间隔为而11要使此间隔2将直接影响供应链绩效评价的效果。

2、最大，即等价于最小化ill叫1。供应链绩效评价的方法很多，常用的有标杆法、平这一问题可以用下面的最优化问题表示.衡记分卡法、神经网络法等，但各种方法都有一定的局Min (lV)=j(川)山限性。本文引入近年来发展非常迅速的支持向量机建立*x)-bS.t i*(W刻，(3) 2i=1,; 新的绩效评价模型，并通过解决案例展示了本模型的有效性。通过引人拉格朗日乘子，可以得到上面最优化问题1.支持向量机的对偶形式支持向量机(SupplyVector Machine-SVM)是在统Maxm=Zq-jm川勺j)问)计学习理论基础上发展起来的一种新的学习机器，它可= 0 S.tLaiYj (5a) (5信

3、0b) ，以在有限样本的情况下，得到现有信息的最优解，克服了神经网络中的局部极值问题。支持向量机的算法是通a为每个样本对应的拉格朗日乘子，其中只有一部i分过非线性变换将低维空间映射到高维特征空间，在高维a不等于0，它们对应的向量即为支持向量。因为这i特征空间中构造线性判别函数来实现原空间中的非线是一个二次最优化问题，所以只存在唯一的最优解，这性判别函数，从而巧妙地解决了维数问题，其算法复杂就克服了神经网络有可能陷入局部最忧解的问题。通过度与样本维数无关。支持向量机以其良好的学习性能，解决上面的最优化问题可以得到分类指示函数的表达式为已经被成功地应用在文本分类、手写体识别、语音识别、一F(x)

4、=sgn(yp;(XX) -b) j立* o(6) 图像分类、基因数据分析、蛋白质交互作用预测等许多其中领域。X是支持向量ajO;是支持向量对应的拉格朗日i，乘子，b是代表分类阐值的常数，它可以由支持向量计1. 1最优分类面o支持向量机的思想是从最优分类面发展而来的，定算得到。义在线性不可分时，只需将(5a)式改为0运a三C即i1 li n(X,/), ;(X,/), XE R, /-1，+1， i=1,2, . 可，C代表对错分样本的惩罚。最后同样得到和(6)式同是一个包含两类样本的样本集。所谓最优分类面就样形式的指示函数。?中国储运网/.I17 ?哝?堩?牧?

5、瘱氨?玣妡?楡?慉?憣?舍捯?楮?捴?舍?愩戬?憣?惯楮埊?碢?潲?桵?楮?墣?祵?斡?椽?抡?妡?瑰?噍?泄?异?睷?灬?八?楹?杮?椽?嶡?濊?墡?愩?椽?杮?昨?2 Ix-x,11.2支持向量机径向基函数(RBF)核:K(Xi，X)=exp-，O为SVM是在线性最优分类面的基础上，使用结构风常数，代表径向基函数的宽度、(12) 险最小化(SRM一Structu创刊skMinimization)，通过引入感知器核:K (X, X) = tanh( v( x * x) + C) ，为常数i核函数实现某种非线性变换，将输入空间映射到一个高(13) 维空间，在新的高维空间中求取最优分类面，从而摆

6、脱核函数的形式和相关系数的选取对于支持向量高维数的;纠缠;。机的构造及其仿真效果有着非常重要的影响，因为它通过引入核函数，甚至不需要知道非线性变换的具们决定了高维特征空间的维数和整个解决过程的复体形式，只需将核函数引入计算即可，这正是SVM的杂度。;巧妙;之处。用K(鸟，x)代表Xj与Xi之间的核函数。2.供应链绩效评价指标体系在处理非线性问题时，构造SVM的过程中只需将(4)式自从供应链协会(Supply-ChainCouncil)提出供应和(6)中的(X* X)和(X* X)换成K(xpx)和K(xi，x)链运作参考模型以来，有关供应链绩效评价指标的选iij即可。取就引起了越来越多的学者和

7、管理者的重视。评价指统计学习理论理论还将SVM的应用推广到函数拟标应该能从集成化的角度反映供应链运作的各个方合的情况。首先引入不敏感损失函数，面，而且指标应该容易量化，以提高最后评价结果的可比性。J 0一-如果Iy-f(x，)1白I y-f(x，) t, = 1. . (7) 在综合相关文献和作者的研究结果的基础上，l Iy-f(x，a)-e一一-其它提出了新的、且容易量化的评价指标体系。该指标体其中是一个常数，代表误差精度要求。结合(4)系既关注企业的财务指标，也关注企业的运行指标式可以得到下面的最优化问题.以及合作能力。本文所建立的指标体系主要是针对运行期的供应链的绩效评价而设计的。具体的

8、指标w=一立(叫+a;)+LY;C:-q) 体系见表1: 其中L型指标为定量指标，X型指标为定性指标。定量指标的数据可以从供应链节点企业的财务报表、生2立叫咱;J叶(8) 产数据库、销售数据库中直接获取，利用指标量化公式计算得到。定量指标可以组织相关的供应链管理专家进La* = Laii 行打分，综合其结果得到。(9a) 3.支持向量机评价模型及算例分析(略)。:aj*:CO三aj:C(9b) 4.结论aj，aj曾为拉格朗日系数，C为惩罚系数，同样只有一供应链的各个绩效指标与供应链整体绩效之间存部分(叫-a;)不为0，它们对应支持向量，通过解决上在着某种非线性的关系，而支持向量机正是揭示这种非

9、面的最优化问题，可以得到拟合函数线性关系的有力工具。通过本文的阐述，可以看出支持向量机完全可以应用在供应链绩效评价领域，并可以取F(x)=艺创-aJK (Xi x) + b(10) 得非常好的效果。o i=l 当然，在使用SVM方法进行绩效评价时还有许多阑值b。可以通过支持向量计算求得。需要完善的地方，比如核函数的选取、常数的设定还1.3核函数(KernelFunction) 没有一个易于实现的一般方法，这些都将是今后努力已经证明只要满足Mercers条件的函数均可作的方向。为核函数，常用的核函数有(山东省社科规划项目(项目编号:05BJJ11)和山串多项式核:K(码，X)= (xX+l)d,

10、 d代表阶数(11) i东理工大学博士基金项目资助)118 ?Ch?ina ?sto?rag?e & transport magazine 2007.7 ?卖?剩?杵?礭?圽篁?憣?漩椽?浡?獴?楮条?猃愩?潲?湩?戬闵十?稳?畮?慧?湥?浩?砩莹攦?抡?捩?瑲?穑潮?虑?玡?椫?氩?狞?债?莹?潲?涣?前潮?塩?敲?碡?卖?却?硩?牵?湥?捴?塦?异?畲?牣?砩?灬?慬?卖?敲?禡?硩?榱?塩虑?卖?双?桡?塩?栨?楮?堩?瘨?碱?汥?椩?撴?氩?卖?墣?扯?璴?玑?塰篒?:、研究f. .雪 胃野白白匾表1供应链绩效评价指标体系-级指标二级指标准时交货比率L1 顾客服务水平客户抱怨比

11、率L2 产品柔性L3 数量柔性L4 总资产报酬率L5 总资产周转率L6 财务状况利润增长率L7 销售增长率L8 供应罢效库存周转率L9 生产附加值率L10 生产能力流转时间效率L11 产能利用率L12 信息传递速度L13 价在系协调性与稳定性交易纠纷比率L14 供应链组建年数L15 激励制度的设计Xl R&D投入回报率L16 资产保值增长率L17 发展能力新产品比率L18 市场占有率L19 人员素质X2 (作者单位:山东理工大学管理学院)科研课题组:春兰前沿技术研究的尖兵目前，凭借雄厚的技术研究开发实力以及一支由优秀肘，该课题组还开展车架结构分析、新型悬挂支撑系统动硕、博士组成的科研团

12、队，通过流动、开放、联合，春兰已形成力分析、车体动力学分析与仿真等。了五个课题组，这五个课题组共聚集了100多位平均年龄在在新能源领域，春兰有两个课题组进行氢能存储与转35岁左右的年轻英才，直接从事春兰前沿技术的研究。换应用、电动汽车用动力镇氢电池及其能量管理系统、高在家电领域，春兰有两个课题组专门进行相关产品的速机车车用动力镇氢电池及其实时在钱能源管理系统、新最新技术开发。他们通过计算机仿真分析，建立集成系统一代汽车用42伏电源及其能量管理系统、军用新型动力的网络、数据库环境，开发;动态资源管理;软件，进行空电源系统等方面的研发，同时还进行燃料电池、太阳能电调、压缩机等产品高效、节能，可靠性、低噪等的研究，同时池等最新产品的攻关，形成春兰未来产业的技术中坚。对研发的资源信息、产品模型数据和最新技术的统一管春兰研究院院长邢志勇说，在当今学科交叉、知识融理，成为春兰最新家电产品的坚强后盾。会、技术集成的科研领域内单兵作战;的时代已经过在自动车领域，春兰有一个课题组从事载货汽车等产去，个人的作用在下降，群体的作用在上升。特别是;后品