１引言 

　　为能评价供应链的实施给企业群体带来的效益，方法之一就是对供应链进行绩效评价。其作用是：可以找出供应链运作方面的不足，并及时采取措施调整；考察供应链对各成员的激励，吸引企业加盟，剔除不良企业；评价供应链上下游节点企业之间合作关系的好坏以利改进；对企业起到激励作用。由于对供应链绩效进行评价本身就是非线性问题，并且其绩效评价指标体系的确立与单个企业评价指标体系的确立是不同的，而ＢＰ神经网络在解决非线性问题方面具有很好的表现，基本上可以模拟任意非线性问题；平衡计分卡法对从战略高度建立指标评价体系具有积极作用。因而本文拟用ＢＰ神经网络并结合平衡计分卡的方法建立模型和评价指标对供应链绩效进行综合评价，并通过ＭＡＴＬＡＢ在计算机上实现。 

　　２神经网络及ＢＰ网络模型简介 

　　２．１神经网络模型 

　　人工神经网络是从人脑的生理结构出发，模拟人脑信息处理的功能。是根植于神经科学、数学、统计学、物理学、计算机、科学及工程等学科的一种技术性科学。从网络结构和学习算法通常可分为前向神经网络、反馈神经网络和随机神经网络、竞争神经网络。 

　　２．２三层ＢＰ神经网络模型 

　　ＢＰ�煟拢幔悖耄校颍铮穑幔纾幔簦椋铮睿犐窬�网络是目前应用最为广泛的一种神经网络，它是属于误差信号反向传播的多层前向神经网络，网络包括输入层、中间层�熞�含层�牶褪涑霾悖�其中输入和输出都只有一层，隐含层可以有多层，其激励函数采用Ｓｉｇｍｏｉｄ型函数。本文以三层ＢＰ神经网络模型为例介绍其算法，该模型包括输入层、隐含层、输出层三层，可以看成从输入到输出的高度非线性映射。 

　　１�牬忧巴�后计算输出值。由工作信号正向传播可得：设输入层为Ｍ，有Ｍ个输入信号；隐层为Ｉ，其中有Ｉ个神经元；输出层为Ｐ，有Ｐ个神经元。设样本集为Ｘ＝�煟兀雹煟兀并煟兀尝煛��煟兀韦牐�对应任一训练样本ＸＫ＝�煟�Ｋ１�煟�Ｋ２…ｘＫＭ�牐裕�实际输出为ＹＫ＝�煟�Ｋ１�煟�Ｋ２�煛�ｙＫｐ�牐裕�期望输出为ｄｋ＝�煟洌耄雹煟洌耄玻�…�煟洌耄黏牐寓煢龋槲�阀值。由工作信号正向传播可得：ｕｉｌ＝ｗｍｌｘｋｍ 

　　中间层的输出值为ｖｉｌ＝ｆ�煟鳎恚欤�ｋｍ＋θｉ 

　　ｕｐｐ＝ｗｉｐｖｉｌ 

　　输出层的输出值为：ｖｐｐ＝ｆ�煟酰穑穑�θｉ�牐� 

　　输出层第Ｐ个神经元的误差信号为ｅｋｐ＝ｄｋｐ－ｙｋｐ�煟睿� 

　　同时定义神经元ｐ误差能量为ｅｋｐ２�煟睿牐� 

　　输出层所有神经元的误差能量总和为Ｅ（ｎ）＝ｅｋｐ２�煟睿牐� 

　　（２�犛晌蟛钚藕糯雍笙蚯按�播，在返向传播过程中，逐层修改连接权值。隐层Ｉ与输出层Ｐ之间的权值修正量为： 

　　其中η为学习步长，０＜η＜１；δｐｐ�煟睿犖�局部梯度 

　　输出层Ｐ的权值调节公式为：ｗｉｐ�煟睿�１�牐剑鳎椋穑煟睿牐�△ｗｉｐ�煟睿� 

　　输入层Ｍ与隐层Ｉ之间的权值修正量：△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� 

　　隐层Ｉ的权值调节公式：ｗｍｉ�煟睿�１�牐剑鳎恚椋煟睿牐�△ｗｍｉ�煟睿� 

　　３基于平衡记分卡和ＢＰ神经网络的供应链绩效评价方法 

　　３．１基于平衡记分法的评价指标体系的确立 

　　为全面客观地评价供应链绩效，必须根据供应链自身的特点，建立一套科学合理的评价指标体系。平衡计分卡是使来源于各种衡量方法一体化的一种新的绩效评价框架，该方法从财务、业务流程、客户、学习与发展四个方面综合评价绩效，使得短期目标和长期目标、客观目标与主观目标、结果与结果的驱动因素之间一种新的平衡得以建立�煟堡牎１疚母�据供应链绩效评价的特点和结合平衡计分卡绩效评价的思想，从供应链财务、供应链业务流程、供应链客户、供应链学习和发展四个方面建立供应链绩效评价指标体系。 

　　１�牴┯α匆滴窳鞒碳ㄐ�评价指标 

　　这里所述供应链是指从供应商至零售商的整条供应链。综合考虑评价指标的客观性和可操作性之后提出产销率、平均产销绝对偏差、产需率、供应链产品产出周期、供应链总运营成本、供应链核心企业成本、供应链产品质量、时间、产品竞争力、信息系统覆盖率作为供应链业务流程评价指标。 

　　２�牴┯α床莆衿兰壑副� 

　　供应    ３）供应链客户角度评价指标 

　　供应链中的企业为了获得长远的绩效，就必须创造出让客户满意的产品和服务，供应链客户角度评价指标即在客户所期望达到的绩效而采用的评价指标。具体指标�煟长牎� 

　　４�牴┯α囱�习、发展评价指标 

　　某条供应链要想取得长期的绩效，就要加强对基础设施和经营过程的投资�煟菠牎� 

　　３．２ＢＰ神经网络评价供应链绩效的算法和步骤 

　　由于三层ＢＰ神经网络可以模拟任意的非线性系统，可以逼近任意连续函数。因而根据三层ＢＰ神经网络模型及其优化算法，并结合供应链绩效评价指标体系，应用神经网络评价供应链绩效可以概括为以下９个步骤： 

　　（１）初始化。赋给ｗｍｉ、ｗｉｐ及其阀值θｉ、γｐ各一个较小的随机非零值（可采用�煟�１，１�犞�间的随机非零值）。 

　　（２）输入随机样本、样本数据标准化。对于定量指标采用现行比例变换法对原始数据进行标准化处理：对于正向指标有ｘｋｉ�潱剑煟�ｋｉ－ｘｋｉｍａｘ�牐欢杂谀嫦蛑副暧校�ｋｉ�潱剑煟�ｋｉｍａｘ－ｘｋｉ�牎６杂诙ㄐ灾副昕衫�用模糊综合评判的方法将其转化为介于（０，１）之间的数值�煟搐牎� 

　　（３）选取具有代表性的训练样本输入ＢＰ网络，其中输入样本为Ｘｋ＝�煟�ｋ１�煟�ｋ２…ｘｋ２８�牐裕�实际输出为Ｙｋ�煟睿牐饯煟�ｋ１�煟睿牏煟�ｋ２�煟睿牎�ｙｋｐ�煟睿牑牐�期望输出为ｄｋ＝�煟洌耄雹煟洌耄病�ｄｋｐ�� 

　　（４）对于输入样本Ｘｋ�熐跋蚣扑闵窬�网络中隐层和输出层神经元的输入信号和输出信号。 

　　（５）由输出层的期望输出ｄｋ和实际输出Ｙｋ�煟睿牸扑阄蟛睿牛煟睿牐�其中Ｅ�煟睿牐剑玻耄穑玻煟睿牎Ｈ舨怀�出给定的误差允许范围，则输入下一训练样本；若超出误差允许范围，则转至下步。 

　　（６）判断ｎ＋１是否大于最大迭代次数（一般取１０００次进行训练），若大于则转至第八步；若不大于，对输入样本ｘｋ，反向计算每层神经元的局部梯度： 

　　（７）根据校正误差返向传播，逐层修改权值，其权值修正量为： 

　　△ｗｍｉ＝ηδｉｌ�煟睿牐�ｋｍ�煟睿牐�ｗｍｉ�煟睿�１�牐剑鳎恚椋煟睿牐�△ｗｍｉ�煟睿牐唬恚剑雹煟并煛�，２８；ｉ＝１�煟并煛�５，η为学习速率 

　　△ｗｉｐ＝ηδｐｐ�煟睿牐颍椋欤煟睿牐�ｗｉｐ�煟睿�１�牐剑鳎椋穑煟睿牐�△ｗｉｐ�煟睿牏煟椋剑雹煟并煛�５�牐穑剑雹煢俏�为学习速率。 

　　（８）判断是否学习完所有训练样本，是则结束训练，转下一步，否则转第二步。 

　　（９）ＢＰ网络训练完成，得到训练好的ＢＰ网络，便可用于目标供应链的绩效评价。设定评语集（优、良、中、差），输入目标供应链的具体绩效评价指标，经过网络运算后便可得该条供应链的绩优度。 

　　４编程计算与应用实例 

　　在ＭＡＴＬＡＢ的神经网络工具箱中，能够对ＢＰ网络进行很好的实现，大大减少人工计算的繁杂度并提高运算的精确程度。其实现步骤如下�煟丹牐� 

　　１�犕�络模型的建立。利用ｎｅｗｆｆ函数建立ＢＰ神经网络模型。其语法为：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� 

　　２�犕�络模型初始化。利用ｉｎｉｔ函数初始化网络，对权值ｗ及阀值θｉ、γｐ进行初始化。 

　　３�犕�络训练。利用函数ｔｒａｉｎ进行网络训练。ｔｒａｉｎ函数是按设置的ｎｅｔ．ｔｒａｉｎｆｃｎ和ｎｅｔ．ｔｒａｉｎＰＡａｒａｍ参数来训练，采用批处理的方式对权值和阀值进行修改。 

　　４�犕�络仿真。用ｓｉｍ函数来实现该网络对某一目标供应链的仿真。 

　　５供应链绩效评价应用举例 

　　Ａ公司与Ｂ公司是以生产化妆品为主的新型企业，它们都有相对固定的供应商和销售商，因此也有两条以Ａ和Ｂ公司为核心企业的供应链，分别以Ａ和Ｂ表示。其供应链绩效评价指标体系如表６所示（定量指标采用标准化处理，定性指标采用专家打分的模糊综合评判的方法确定）。 

　　建立评价模型，选取过去５年内对Ａ、Ｂ企业供应链绩效进行评价的历史指标作为训练样本输入该神经网络模型进行网络训练，并利用ＭＡＴＬＡＢ对该模型进行模拟仿真，待网络训练好后，输入Ａ、Ｂ两企业现阶段的供应链评价指标，并建立评语集（优、良、中、差），并设定各等级所对应的输出结果范围为：优（０．８�煟保�、良（０．７，０．８）、中（０．６，０．７）、差（０，０．６）。省略神经网络的具体训练过程，最后可得评价结果：Ａ企业评价结果为０．８３７，等级为优；Ｂ企业评价结果为０．７３７，等级为良。 

　　６结束语 

　　建立一种对供应链绩效进行评价的方法，对于度量供应量绩效找出其中问题具有重要意义。本文所论述的应用ＢＰ神经网络的方法对供应链绩效进行评价的方法，具有很强的现实意义，发挥人工智能的学习功能，解决了常用方法难以克服的实时性、敏捷性差的弱点，并能在计算机上利用ＭＡＴＬＡＢ进行学习训练，大大减少了计算的繁杂程度，并提高了运算的精确度。同时该方法还可用于其他问题的综合评价。 
链财务方面包括整个供应链运作的经济结果。