论文部分内容阅读
摘要：SCOR模型可以有效的对供应链绩效进行评价。利用供应链绩效标杆法，企业能获得本企业相对其他企业的供应链绩效状况。在计算机智能系统中，BP神经网络型的智能决策系统有较强的模式判别能力。在供应链管理信息系统中，利用BP网络的模式识别能力，综合利用SCOR模型和绩效标杆方法，可以设计一种智能化的决策支持系统，通过模式识别的方式完成对供应链状况的实时评估，从而能够迅速完成企业供应链的实时绩效评估，为企业供应链管理提供有力的决策支持。
关键词：SCOR；行业标杆；神经网络；智能决策支持
中图分类号：F273.7文献标识码：A文章编号：1002-3100(2007)06-0149-03
Abstract: Supporting by the SCM benchmarking method and SCOR model, we can analyze the supply chain performance effectively. The IDSS can support people to make decision and improve productivity. The BP ANN has very strong capability in model recognition. Therefore we try to design a kind of IDSS system that can evaluate supply chain performance according to the judgment of the ANN based on the SCOR model and the benchmarking method. It can provide supporting for the business manager.
Key words: SCOR; Benchmarking; ANN; IDSS
1问题的提出
21世纪的竞争是供应链与供应链之间的竞争，管理供应链绩效成为关键。供应链总体绩效评价既是判别供应链有效性的基本手段，也是供应链绩效改进的基本前提。因此，在供应链管理信息系统中，提供供应链绩效评估的决策支持系统具有重大意义。
供应链绩效评价主要的步骤包括：（1）建立绩效评价体系；（2）选择评价指标集；（3）选定评价模型；（4）确定评价方法；（5）测量实际绩效，撰写评价报告；（6）根据评价建议对评价对象进行改进。
在设计的智能决策支持方法中，其中1～4个步骤采用SCOR和绩效标杆法，步骤5采用BP神经网络进行绩效测量，并可以应用供应链管理信息系统中的其他模块共同完成步骤6的功能。
SCOR（Supply chain of Operation Reference Model，简称SCOR）的绩效标准是国际供应链委员会制定的。SCOR是第一个标准的供应链流程参考模式，它使企业间能准确地交流供应链问题，客观地评价其绩效，确定绩效的改进目标。
SCOR模型通过大量的供应链管理绩效指标对企业进行绩效衡量，通过对指标的实时分析与评价，能够反映供应链的实时状态，这要比仅做事后分析有价值得多。SCOR模型对各指标给出了相应的计算公式，使每一指标都能够以量化的形式清楚地表现出来。
评价方法上，可以使用供应链绩效标杆法，统计和分析行业各个公司供应链管理现状，对其各个指标的得分进行建模。
智能决策支持系统（IDSS）是一类具有一定学习能力的基于知识的决策支持系统。因为具有较强的模式分类能力，BP神经网络作为一种分析技术被广泛运用。但是其在供应链绩效评价方面的应用研究目前仍然少见。通过设计和选用适当BP神经网络算法，对大量的供应链绩效标杆样本进行学习，可以构建一个具有一定知识和模式判别能力的智能支持系统，协助供应链管理人员实时快速地对供应链状况进行判断，促进工作效率和供应链运作水平的提高。
2模型及系统的构建方法
根据解决问题的系统需求，得到以下的系统函数：
M=L(T)（1）
其中T为某行业企业的供应链特征，主要是按照SCOR模型构建的供应链绩效标杆中各个指标的得分模型，根据相关的统计结果生成。M为供应链绩效分类，即企业供应链的实时状况。设定M分为五类，分别为：很好、好、一般、差和很差。L为T到M的映射，也就是神经网络试图解决的多因素非线性决策问题。
2.1SCOR模型的绩效指标
SCOR按流程定义可分为以下等级：顶级、配置级、流程单元级。每一级都可用于分析供应链的运作：
（1）顶级，列出了供应链管理的5项基本流程（如图所示）：计划、采购、生产、分发和退货，它定义SCOR的范围和内容，设立了绩效竞争目标的基础。
（2）配置级，主要定义标准的供应链核心流程，依此对供应链的流程划分种类。
（3）流程要素级，将配置级所定义的流程进一步分解为连续的流程单元，定义了企业在它所选择的市场中成功竞争的能力。
（4）实施级，流程要素分解，企业实施特定的供应链管理系统，定义了取得竞争优势和适应企业变化条件的方案。表是第一层次指标的计算公式。
SCOR模型中总共有200多条指标。目前，SCOR模型同时被许多重要的信息技术平台所支持，SAP公司的MY SAP供应链解决方案就支持SCOR模型，包含了近300个供应链关键绩效指标。
这些所有的指标都与五个供应链的基本性能特征相结合：配送可靠性、反应度、柔性、成本和资产利用率。对于BP神经网络来说，200多个的输入会导致网络规模的过于庞大，因此需要采用一些处理方法，如主成因分析法等进行简化，本文不再赘述。
各指标得分构成了函数（1）中的T测试集。
2.2供应链绩效标杆法
供应链绩效标杆法就是以定量分析自己公司的供应链现状与其他公司现状，并加以比较，找到自己公司和一流公司以及竞争对手之间的差距，有针对性地制定激励目标，优化公司的供应链管理。
供应链绩效标杆可以通过很多种形式进行，主要有：内部标杆、竞争性标杆、行业/功能标杆、协作性标杆、公共性标杆。这里主要采用最常用和最有效的三种：公共性标杆、行业/功能标杆和竞争性标杆。
公共性标杆典型的是由一个独立的机构组织，参与者面向各个行业，种类和区域的公司。参加者提供信息并且获取标杆评估结果；其可以是来自不同行业和不同的国家。
行业/功能标杆是将公司的业绩放在从供应链角度同行业或跨行业同一功能领域里进行比较。
竞争性标杆比较同一市场的其他竞争对手的实践和绩效。可以在竞争者认同和合作的情况下进行也可以在对方不知情的情况下进行。
标杆的统计结果生成神经网络样本训练集的教师信号M′。
2.3BP神经网络系统构建
人工神经网络（Artificial Neural Network）是一种重要人工智能技术。根据应用目的和功能不同，有多种人工神经网络模型。其中前向网络的特殊的网络结构（BP网络）具有很强的模式识别能力，被广泛应用在信号处理，图像识别和经济信息分析上。在BP网络中有三种神经元：输入神经元、输出神经元和隐含神经元。输入神经元接收环境的信息，位于网络的最底层；输出神经元把信息传递到环境中去，位于网络的最高层；隐含神经元不与环境发生交互作用，因此是不可见的。
3结论
对于供应链管理来说，在现有的管理方法外，通过智能决策支持系统的应用，实现对供应链绩效的快速和实时监控，可以发展出新的管理手段和方法，能够对企业有效控制供应链情况起到重要的作用。随着基于SCOR模型和供应链绩效标杆法的BP网络智能决策系统的实施，在经过实际效果评估后，将进一步研究如何改善评估模型以及采用更加有效的神经网络算法，从而提高系统决策支持的有效性。
参考文献：
[1] 徐贤浩，马士华，陈荣秋. 供应链绩效评价特点及其指标体系研究[J]. 华中理工大学学报：社会科学版，2002(2):69-72.
[2] 焦李成. 神经网络系统理论[M]. 西安：西安电子科技大学出版社，1990.
[3] 黄小原,等. 证券投资的神经网络专家系统[J]. 控制与决策，1996(1):43-44.
[4] 霍佳震，隋明刚，刘仲英. 集成化供应链整体绩效评价体系构建[J]. 同济大学学报，2002,30(4):496-498.
[5] C Stevens. Successful Supply Chain Management[J]. Management Decision, 1992,28(8):22-24.
[6]Beamon B M. Measuring supply chain performance[J]. International Journal of Operations and Production Management, 1999,19(3):106-109.
“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”
关键词：SCOR；行业标杆；神经网络；智能决策支持
中图分类号：F273.7文献标识码：A文章编号：1002-3100(2007)06-0149-03
Abstract: Supporting by the SCM benchmarking method and SCOR model, we can analyze the supply chain performance effectively. The IDSS can support people to make decision and improve productivity. The BP ANN has very strong capability in model recognition. Therefore we try to design a kind of IDSS system that can evaluate supply chain performance according to the judgment of the ANN based on the SCOR model and the benchmarking method. It can provide supporting for the business manager.
Key words: SCOR; Benchmarking; ANN; IDSS
1问题的提出
21世纪的竞争是供应链与供应链之间的竞争，管理供应链绩效成为关键。供应链总体绩效评价既是判别供应链有效性的基本手段，也是供应链绩效改进的基本前提。因此，在供应链管理信息系统中，提供供应链绩效评估的决策支持系统具有重大意义。
供应链绩效评价主要的步骤包括：（1）建立绩效评价体系；（2）选择评价指标集；（3）选定评价模型；（4）确定评价方法；（5）测量实际绩效，撰写评价报告；（6）根据评价建议对评价对象进行改进。
在设计的智能决策支持方法中，其中1～4个步骤采用SCOR和绩效标杆法，步骤5采用BP神经网络进行绩效测量，并可以应用供应链管理信息系统中的其他模块共同完成步骤6的功能。
SCOR（Supply chain of Operation Reference Model，简称SCOR）的绩效标准是国际供应链委员会制定的。SCOR是第一个标准的供应链流程参考模式，它使企业间能准确地交流供应链问题，客观地评价其绩效，确定绩效的改进目标。
SCOR模型通过大量的供应链管理绩效指标对企业进行绩效衡量，通过对指标的实时分析与评价，能够反映供应链的实时状态，这要比仅做事后分析有价值得多。SCOR模型对各指标给出了相应的计算公式，使每一指标都能够以量化的形式清楚地表现出来。
评价方法上，可以使用供应链绩效标杆法，统计和分析行业各个公司供应链管理现状，对其各个指标的得分进行建模。
智能决策支持系统（IDSS）是一类具有一定学习能力的基于知识的决策支持系统。因为具有较强的模式分类能力，BP神经网络作为一种分析技术被广泛运用。但是其在供应链绩效评价方面的应用研究目前仍然少见。通过设计和选用适当BP神经网络算法，对大量的供应链绩效标杆样本进行学习，可以构建一个具有一定知识和模式判别能力的智能支持系统，协助供应链管理人员实时快速地对供应链状况进行判断，促进工作效率和供应链运作水平的提高。
2模型及系统的构建方法
根据解决问题的系统需求，得到以下的系统函数：
M=L(T)（1）
其中T为某行业企业的供应链特征，主要是按照SCOR模型构建的供应链绩效标杆中各个指标的得分模型，根据相关的统计结果生成。M为供应链绩效分类，即企业供应链的实时状况。设定M分为五类，分别为：很好、好、一般、差和很差。L为T到M的映射，也就是神经网络试图解决的多因素非线性决策问题。
2.1SCOR模型的绩效指标
SCOR按流程定义可分为以下等级：顶级、配置级、流程单元级。每一级都可用于分析供应链的运作：
（1）顶级，列出了供应链管理的5项基本流程（如图所示）：计划、采购、生产、分发和退货，它定义SCOR的范围和内容，设立了绩效竞争目标的基础。
（2）配置级，主要定义标准的供应链核心流程，依此对供应链的流程划分种类。
（3）流程要素级，将配置级所定义的流程进一步分解为连续的流程单元，定义了企业在它所选择的市场中成功竞争的能力。
（4）实施级，流程要素分解，企业实施特定的供应链管理系统，定义了取得竞争优势和适应企业变化条件的方案。表是第一层次指标的计算公式。
SCOR模型中总共有200多条指标。目前，SCOR模型同时被许多重要的信息技术平台所支持，SAP公司的MY SAP供应链解决方案就支持SCOR模型，包含了近300个供应链关键绩效指标。
这些所有的指标都与五个供应链的基本性能特征相结合：配送可靠性、反应度、柔性、成本和资产利用率。对于BP神经网络来说，200多个的输入会导致网络规模的过于庞大，因此需要采用一些处理方法，如主成因分析法等进行简化，本文不再赘述。
各指标得分构成了函数（1）中的T测试集。
2.2供应链绩效标杆法
供应链绩效标杆法就是以定量分析自己公司的供应链现状与其他公司现状，并加以比较，找到自己公司和一流公司以及竞争对手之间的差距，有针对性地制定激励目标，优化公司的供应链管理。
供应链绩效标杆可以通过很多种形式进行，主要有：内部标杆、竞争性标杆、行业/功能标杆、协作性标杆、公共性标杆。这里主要采用最常用和最有效的三种：公共性标杆、行业/功能标杆和竞争性标杆。
公共性标杆典型的是由一个独立的机构组织，参与者面向各个行业，种类和区域的公司。参加者提供信息并且获取标杆评估结果；其可以是来自不同行业和不同的国家。
行业/功能标杆是将公司的业绩放在从供应链角度同行业或跨行业同一功能领域里进行比较。
竞争性标杆比较同一市场的其他竞争对手的实践和绩效。可以在竞争者认同和合作的情况下进行也可以在对方不知情的情况下进行。
标杆的统计结果生成神经网络样本训练集的教师信号M′。
2.3BP神经网络系统构建
人工神经网络（Artificial Neural Network）是一种重要人工智能技术。根据应用目的和功能不同，有多种人工神经网络模型。其中前向网络的特殊的网络结构（BP网络）具有很强的模式识别能力，被广泛应用在信号处理，图像识别和经济信息分析上。在BP网络中有三种神经元：输入神经元、输出神经元和隐含神经元。输入神经元接收环境的信息，位于网络的最底层；输出神经元把信息传递到环境中去，位于网络的最高层；隐含神经元不与环境发生交互作用，因此是不可见的。
3结论
对于供应链管理来说，在现有的管理方法外，通过智能决策支持系统的应用，实现对供应链绩效的快速和实时监控，可以发展出新的管理手段和方法，能够对企业有效控制供应链情况起到重要的作用。随着基于SCOR模型和供应链绩效标杆法的BP网络智能决策系统的实施，在经过实际效果评估后，将进一步研究如何改善评估模型以及采用更加有效的神经网络算法，从而提高系统决策支持的有效性。
参考文献：
[1] 徐贤浩，马士华，陈荣秋. 供应链绩效评价特点及其指标体系研究[J]. 华中理工大学学报：社会科学版，2002(2):69-72.
[2] 焦李成. 神经网络系统理论[M]. 西安：西安电子科技大学出版社，1990.
[3] 黄小原,等. 证券投资的神经网络专家系统[J]. 控制与决策，1996(1):43-44.
[4] 霍佳震，隋明刚，刘仲英. 集成化供应链整体绩效评价体系构建[J]. 同济大学学报，2002,30(4):496-498.
[5] C Stevens. Successful Supply Chain Management[J]. Management Decision, 1992,28(8):22-24.
[6]Beamon B M. Measuring supply chain performance[J]. International Journal of Operations and Production Management, 1999,19(3):106-109.
“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”