论文部分内容阅读
[收稿日期]2008-12-30
[基金项目] 江苏省社会科学基金资助重大项目(06sjb710005)。
[作者简介] 刘庆广(1969-),男,江苏人,南通航运职业技术学院副教授,主要研究方向:供应链与物流管理。
[摘 要] 本文借助于Web技术,基于多Agent设计了一种供应链风险评价决策支持系统的架构。通过对架构主要模块及其功能的分析,阐述了此评价决策支持系统的工作机制。通过对国内某大型钢铁企业供应链风险评价决策支持系统的开发和实际应用,验证了该系统的智能性、先进性和易操行性。研究表明,供应链风险评价决策支持系统的开发与实现可以为企业进行供应链风险评价提供智能化工具,为供应链风险管理提供决策支持。
[关键词]供应链风险;评价;决策支持系统;工作机制
doi:103969/jissn1673-0194200917032
[中图分类号]F270.7;C931.6[文献标识码]A[文章编号]1673-0194(2009)17-0093-05
近年来,一系列触目惊心的风险事件的发生,给供应链造成了重大损失。如2000年美国新墨西哥州的飞利浦电子公司晶片厂的大火造成了对爱立信的供应中断,最终致使爱立信损失近4亿美元;2001年美国“911”事件致使美加边境的物流中断,直接造成大量物品的积压;等等。供应链风险受到了学术界和企业界的共同关注,供应链风险管理也渐成为供应链管理中新的热点和重点研究领域[1] 。
从目前的研究文献来看,供应链风险管理尚处于初始阶段,许多概念尚没有得到统一的认识,大量的研究关注于供应链风险管理过程的研究[2-5] 。供应链风险评价作为供应链风险管理过程中的重要一环,也得到了学者们的关注[6-9] 。从可检索到的文献来看,供应链风险评价研究主要是侧重于评价方法的研究,且多数集中于借助不确定性理论和方法来评价供应链风险。由于这些模型与方法多是利用较为复杂的数学推导来实现风险评价,使得企业在实际应用时具有一定的难度,模型和方法的应用推广受到了限制。
1 多Agent技术
11 Agent定义
简单地说,Agent是一种具有自主性、社会能力、响应性、能动性的行为特征的智能实体[10] ,其基本结构包括:环境感知模块、执行模块、通信模块、信息处理模块、自适应模块、决策智能控制模块、知识库、任务与承诺表等。通过一种形式化定义,就能具体实现和应用与系统中。
12 Agent特征
根据Agent的定义可知,Agent具有如下特征:
(1)自治性。Agent对自身状态和行为有一定程度的控制能力,在完成建模和仿真任务时,无须人类或其他Agent的直接干预。
(2)社会能力。当Agent认为合适时,能够与人类或者其他Agent进行交互以完成自身建模和仿真的任务,或者支持和帮助其他Agent完成它们要执行的任务。
(3)响应性。Agent能够理解自身所处的环境(包括物理世界、用户、协作的Agent和Internet等),可对环境变化作出及时和快速的响应。
(4)能动性。Agent不仅能够对环境作出及时和快速的反应,而且可显示出有意识的不失时机和目标导向的行为表现。
13 多Agent系统
多Agent系统(multi-agent system,MAS)就是由多个Agent组成松散耦合的网络,每个成员拥有不完全的目标、能力、信息、知识等,不存在全局控制,数据可以是分散或分布的,计算可以是异步的、并发的或并行的。MAS主要包括下列几个主要的Agent:
(1)管理Agent是整个系统的核心,负责管理整个系统的所有Agent协调、控制所有Agent的正常运行、权限分配、通信连接、协作协议、协作评估,以及系统的安全认证、任务规划、负载均衡等。
(2)界面Agent是人机交互的接口,用户通过界面Agent向系统提出任务请求,系统通过界面Agent向用户提供可视化的决策信息和结论。它可对任务进行逐步分解后,传递给管理Agent,系统运行过程中,还应管理Agent的要求与用户交互信息。
(3)功能Agent是任务的执行者,它们接收界面Agent的任务要求,接受数据管理Agent的服务,相互协作,完成管理Agent分配的任务。根据具体的需要,一个系统中可以建立多功能Agent。
(4)数据管理Agent负责对本地或网络上的信息进行管理,可以根据任务的需要对数据服务器进行查询,并将相关数据信息提供给各功能Agent。
2 SCRADSS架构
借助Web技术,结合浏览器/服务器结构的网络计算模式,基于多Agent设计了一种SCRADSS系统架构,如图1所示。
系统的工作流程如图2所示,整个系统的操作流程是按照5个主要功能模块展开的:①指标体系选择与生成模块;②量化指标模块;③指标权重确定模块;④评价模型选择模块;⑤模型求解与综合评价模块。
(1)系统启动后首先进入指标体系选择与生成模块。判断是否存在指标模板,如果存在,则进入模板数据库选择指标体系,如果没有,则需要重新生成指标体系。
(2)指标体系经过检验(界面Agent)获得通过后,选择专家进行评价,并通过Web服务器通知各专家。
(3)各专家评价选择评价方法对指标进行评价计算,并提交评价信息。
(4)选择量化指标的方法,量化指标体系中的指标。
(5)指标权重确定时先判断指标是否属于标准模板,如果是标准模板则进入指标标准模板中选定标准指标体系,并调用相应的权重数据。如果不是标准指标模板,则选择指标权重计算方法,确定权重,权重检验通过后存入数据库。
(6)指标权重确定后,根据参与专家的偏好特征(知识管理Agent)和指标量化的方法选择适当的评价模型(模型管理Agent)。
(7)方法管理Agent与模型管理Agent交互,选择适当的模型求解方法求解,并显示结果。
4 系统实现
41 专家Agent
根据系统实际需要,专家Agent分为事务处理和网络浏览两个子系统。事务处理子系统采用目前在客户机/服务器体系结构下最具代表性的开发工具PowerBuilder来实现。PowerBuilder 60以上的版本提供了Internet开发工具(IDT),使浏览网络数据库、创造动态html页、发送接收电子邮件以及装载及卸载文件等变得非常简单。采用SQL Server 70作为本地数据库系统。网络浏览子系统采用Inprise公司推出的可视化、面向对象的快速应用程序开发工具Delphi中的WebBrouse控件来实现。
42 应用程序服务器
应用程序服务器采用Microsoft NT Server 40和IIS 40相结合。IIS 40与Active Server Pages的结合构成三层式Web结构的中间一层,将客户机/服务器结构与Web密切结合,使得Web站点呈现出多样丰富的内容。
43 模型库和模型管理Agent
模型库是模型存储和表示的计算机系统。在这个系统中,还包含一个对模型进行提取、访问和更新等操作的软件系统,即模型管理Agent。模型是以DLL文件由Visual C 编写,具有稳定、高效和语言无关等特性,可以被任何高级语言和面向对象语言所调用。不同的连接方式应对不同的调用方法。
模型管理Agent采用PowerBuilder编写,它通过对“模型总表”和“模型参数表”的添加、删除和修改来实现对模型的管理。
方法库和方法管理Agent与模型库和模型管理Agent实现类似,用Visual C 编写方法,PowerBuilder编写方法管理Agent。
44 知识库和知识管理Agent
知识库的知识来源有两种方式:一是通过对综合数据库管理系统的数据在一定规则下进行挖掘,提取有用的信息和知识给知识库;另一个来源是领域专家知识和建模专家知识[11] 。采用Visual C ,在Visual Studio NET开发环境中,充分利用面向对象的知识表达方法和模块化程序设计方法建立系统的知识库。知识管理Agent利用PowerBuilder实现。
各Agent之间的协同采用文献[12] 中的一对一方式、一对多方式和功能调用方式。
45 数据仓库
数据库采用Microsoft SQL Server 70。SQL Server 70提供了数据转换服务(DTS)和联机分析处理(OLAP)等用于实现数据仓库的功能。
5 实例研究
在与国内某大型钢铁企业(X钢铁公司)相关合作科研项目的资助下,我们开发了该公司的供应链风险评价决策支持系统。
以X钢铁公司的型材系列产品的供应链为实例评价对象。公司目前主要的型材产品为角钢、槽钢、H钢和工字钢4种。原材料主要来自5家供应商,钢铁企业(制造商)负责生产,产品经3个分销商分销后,主要由4家大型零售商销售。该钢铁企业为供应链的核心企业。该钢铁企业在目前的供应链运行中,主要受到供应风险、需求风险、产品风险和信息风险4方面风险干扰。围绕这4个方面,建立供应链风险评价指标体系。图3所示为系统评价体系页面。
建立评价指标体系后,选择并邀请专家对各指标进行评价,然后上报评价数据,选择指标量化方法,确定权重,选择评价模型与求解方法进行综合评价,最后输出评价结果。表1所示为角钢供应链风险评价数据和结果,图4所示为4种产品供应链的综合评价结果。其中各专家采用的是0.1～0.5五级量化方法,0.1为风险很低,0.5为风险很高;权重采用的是层次分析法中的0.1～0.9九级标度确定的;综合评价采用的基于偏好的群体评价模型[9] 。
由表1可以了解到X钢铁公司型材产品供应链风险评价的基本数据情况,使得对供应链风险评价的过程有个全面的了解,便于了解SCRADSS系统评价供应链风险的基本情况。图4则显示出各种产品供应链的风险评价结果,便于直观地了解供应链的风险情况。由图4可知,X钢铁公司型材产品供应链中,槽钢供应链的风险水平SCR最高,接近06,已逾越“风险很高”的界限,公司需加强对此供应链的风险管理。槽钢供应链中,各风险因素的风险水平超过05的有R3(供应商产能风险)、R6(顾客流失风险)、R9(产品交货风险)、R10(产品服务风险)、R11(产品成本风险)和R13(信息扭曲风险)。根据帕累托的关键的少数原理,公司首先应致力于对这几个风险的管理,进而降低供应链整体的风险水平。
6 结 论
本文提出了一种基于多Agent的供应链风险评价决策支持系统——SCRADSS系统的架构,并详细分析了该系统的主要模块及其功能,进而阐述了系统的工作机制。通过对该系统的开发和对国内某大型钢铁企业实际供应链风险评价的应用,充分显示了该系统的先进性、智能性和易操作性。SCRADSS系统的开发与应用,一方面有利于各种复杂的风险评价方法的应用和推广;另一方面也为企业实际供应链风险评价提供决策支持。
主要参考文献
[1] C S TangPerspective in Supply Chain Risk Management[J].International Journal of Production Economics,2006,103(2):451-488
[2] Cranfield Management SchoolSupply Chain Vulnerability[R].Cranfield University,2002
[3] R Lindroth,A NorrmanSupply Chain Risk and Risk Sharing Instruments——An Illustration From the Telecommunication Industry[C].Proceedings of the Logistics Research Network 6th Annual Conference,2001
[4] DeloitteSupply Chain Risk Management[R].2004
[5] 张存禄,黄培清供应链风险管理[M].北京:清华大学出版社,2007
[6] 刘冬林,王春香供应链多风险组合的综合评估及风险管理[J].武汉理工大学学报:信息与管理工程版,2006,28(8):110-113
[7] E Prater,M Biehl,M A SmithInternational Supply Chain Agility,Tradeoffs Between Flexibility and Uncertainty[J].International Journal of Operations and Production Management,2001,21(5/6):823-839
[8] 肖美丹,李从东,张瑜耿基于未确知模糊理论的供应链风险评估[J].软科学,2007,21(5):27-30
[9] 张彦如,陈敬贤,郑泉,等基于偏好的供应链不确定型风险模糊评估方法研究[J].运筹与管理,2008,17(1):69-73
[10] 陈森发复杂系统建模理论与方法[M].南京:东南大学出版社,2005
[11] 黄牧涛,田勇组合智能决策支持系统研究及应用[J].系统工程理论与实践,2007,27(4):114-119
[12]王燕萍,李黎明基于Internet的多Agent群决策支持系统的实现[J].系统工程与电子技术,2002,24(10):100-102
[基金项目] 江苏省社会科学基金资助重大项目(06sjb710005)。
[作者简介] 刘庆广(1969-),男,江苏人,南通航运职业技术学院副教授,主要研究方向:供应链与物流管理。
[摘 要] 本文借助于Web技术,基于多Agent设计了一种供应链风险评价决策支持系统的架构。通过对架构主要模块及其功能的分析,阐述了此评价决策支持系统的工作机制。通过对国内某大型钢铁企业供应链风险评价决策支持系统的开发和实际应用,验证了该系统的智能性、先进性和易操行性。研究表明,供应链风险评价决策支持系统的开发与实现可以为企业进行供应链风险评价提供智能化工具,为供应链风险管理提供决策支持。
[关键词]供应链风险;评价;决策支持系统;工作机制
doi:103969/jissn1673-0194200917032
[中图分类号]F270.7;C931.6[文献标识码]A[文章编号]1673-0194(2009)17-0093-05
近年来,一系列触目惊心的风险事件的发生,给供应链造成了重大损失。如2000年美国新墨西哥州的飞利浦电子公司晶片厂的大火造成了对爱立信的供应中断,最终致使爱立信损失近4亿美元;2001年美国“911”事件致使美加边境的物流中断,直接造成大量物品的积压;等等。供应链风险受到了学术界和企业界的共同关注,供应链风险管理也渐成为供应链管理中新的热点和重点研究领域[1] 。
从目前的研究文献来看,供应链风险管理尚处于初始阶段,许多概念尚没有得到统一的认识,大量的研究关注于供应链风险管理过程的研究[2-5] 。供应链风险评价作为供应链风险管理过程中的重要一环,也得到了学者们的关注[6-9] 。从可检索到的文献来看,供应链风险评价研究主要是侧重于评价方法的研究,且多数集中于借助不确定性理论和方法来评价供应链风险。由于这些模型与方法多是利用较为复杂的数学推导来实现风险评价,使得企业在实际应用时具有一定的难度,模型和方法的应用推广受到了限制。
1 多Agent技术
11 Agent定义
简单地说,Agent是一种具有自主性、社会能力、响应性、能动性的行为特征的智能实体[10] ,其基本结构包括:环境感知模块、执行模块、通信模块、信息处理模块、自适应模块、决策智能控制模块、知识库、任务与承诺表等。通过一种形式化定义,就能具体实现和应用与系统中。
12 Agent特征
根据Agent的定义可知,Agent具有如下特征:
(1)自治性。Agent对自身状态和行为有一定程度的控制能力,在完成建模和仿真任务时,无须人类或其他Agent的直接干预。
(2)社会能力。当Agent认为合适时,能够与人类或者其他Agent进行交互以完成自身建模和仿真的任务,或者支持和帮助其他Agent完成它们要执行的任务。
(3)响应性。Agent能够理解自身所处的环境(包括物理世界、用户、协作的Agent和Internet等),可对环境变化作出及时和快速的响应。
(4)能动性。Agent不仅能够对环境作出及时和快速的反应,而且可显示出有意识的不失时机和目标导向的行为表现。
13 多Agent系统
多Agent系统(multi-agent system,MAS)就是由多个Agent组成松散耦合的网络,每个成员拥有不完全的目标、能力、信息、知识等,不存在全局控制,数据可以是分散或分布的,计算可以是异步的、并发的或并行的。MAS主要包括下列几个主要的Agent:
(1)管理Agent是整个系统的核心,负责管理整个系统的所有Agent协调、控制所有Agent的正常运行、权限分配、通信连接、协作协议、协作评估,以及系统的安全认证、任务规划、负载均衡等。
(2)界面Agent是人机交互的接口,用户通过界面Agent向系统提出任务请求,系统通过界面Agent向用户提供可视化的决策信息和结论。它可对任务进行逐步分解后,传递给管理Agent,系统运行过程中,还应管理Agent的要求与用户交互信息。
(3)功能Agent是任务的执行者,它们接收界面Agent的任务要求,接受数据管理Agent的服务,相互协作,完成管理Agent分配的任务。根据具体的需要,一个系统中可以建立多功能Agent。
(4)数据管理Agent负责对本地或网络上的信息进行管理,可以根据任务的需要对数据服务器进行查询,并将相关数据信息提供给各功能Agent。
2 SCRADSS架构
借助Web技术,结合浏览器/服务器结构的网络计算模式,基于多Agent设计了一种SCRADSS系统架构,如图1所示。
系统的工作流程如图2所示,整个系统的操作流程是按照5个主要功能模块展开的:①指标体系选择与生成模块;②量化指标模块;③指标权重确定模块;④评价模型选择模块;⑤模型求解与综合评价模块。
(1)系统启动后首先进入指标体系选择与生成模块。判断是否存在指标模板,如果存在,则进入模板数据库选择指标体系,如果没有,则需要重新生成指标体系。
(2)指标体系经过检验(界面Agent)获得通过后,选择专家进行评价,并通过Web服务器通知各专家。
(3)各专家评价选择评价方法对指标进行评价计算,并提交评价信息。
(4)选择量化指标的方法,量化指标体系中的指标。
(5)指标权重确定时先判断指标是否属于标准模板,如果是标准模板则进入指标标准模板中选定标准指标体系,并调用相应的权重数据。如果不是标准指标模板,则选择指标权重计算方法,确定权重,权重检验通过后存入数据库。
(6)指标权重确定后,根据参与专家的偏好特征(知识管理Agent)和指标量化的方法选择适当的评价模型(模型管理Agent)。
(7)方法管理Agent与模型管理Agent交互,选择适当的模型求解方法求解,并显示结果。
4 系统实现
41 专家Agent
根据系统实际需要,专家Agent分为事务处理和网络浏览两个子系统。事务处理子系统采用目前在客户机/服务器体系结构下最具代表性的开发工具PowerBuilder来实现。PowerBuilder 60以上的版本提供了Internet开发工具(IDT),使浏览网络数据库、创造动态html页、发送接收电子邮件以及装载及卸载文件等变得非常简单。采用SQL Server 70作为本地数据库系统。网络浏览子系统采用Inprise公司推出的可视化、面向对象的快速应用程序开发工具Delphi中的WebBrouse控件来实现。
42 应用程序服务器
应用程序服务器采用Microsoft NT Server 40和IIS 40相结合。IIS 40与Active Server Pages的结合构成三层式Web结构的中间一层,将客户机/服务器结构与Web密切结合,使得Web站点呈现出多样丰富的内容。
43 模型库和模型管理Agent
模型库是模型存储和表示的计算机系统。在这个系统中,还包含一个对模型进行提取、访问和更新等操作的软件系统,即模型管理Agent。模型是以DLL文件由Visual C 编写,具有稳定、高效和语言无关等特性,可以被任何高级语言和面向对象语言所调用。不同的连接方式应对不同的调用方法。
模型管理Agent采用PowerBuilder编写,它通过对“模型总表”和“模型参数表”的添加、删除和修改来实现对模型的管理。
方法库和方法管理Agent与模型库和模型管理Agent实现类似,用Visual C 编写方法,PowerBuilder编写方法管理Agent。
44 知识库和知识管理Agent
知识库的知识来源有两种方式:一是通过对综合数据库管理系统的数据在一定规则下进行挖掘,提取有用的信息和知识给知识库;另一个来源是领域专家知识和建模专家知识[11] 。采用Visual C ,在Visual Studio NET开发环境中,充分利用面向对象的知识表达方法和模块化程序设计方法建立系统的知识库。知识管理Agent利用PowerBuilder实现。
各Agent之间的协同采用文献[12] 中的一对一方式、一对多方式和功能调用方式。
45 数据仓库
数据库采用Microsoft SQL Server 70。SQL Server 70提供了数据转换服务(DTS)和联机分析处理(OLAP)等用于实现数据仓库的功能。
5 实例研究
在与国内某大型钢铁企业(X钢铁公司)相关合作科研项目的资助下,我们开发了该公司的供应链风险评价决策支持系统。
以X钢铁公司的型材系列产品的供应链为实例评价对象。公司目前主要的型材产品为角钢、槽钢、H钢和工字钢4种。原材料主要来自5家供应商,钢铁企业(制造商)负责生产,产品经3个分销商分销后,主要由4家大型零售商销售。该钢铁企业为供应链的核心企业。该钢铁企业在目前的供应链运行中,主要受到供应风险、需求风险、产品风险和信息风险4方面风险干扰。围绕这4个方面,建立供应链风险评价指标体系。图3所示为系统评价体系页面。
建立评价指标体系后,选择并邀请专家对各指标进行评价,然后上报评价数据,选择指标量化方法,确定权重,选择评价模型与求解方法进行综合评价,最后输出评价结果。表1所示为角钢供应链风险评价数据和结果,图4所示为4种产品供应链的综合评价结果。其中各专家采用的是0.1～0.5五级量化方法,0.1为风险很低,0.5为风险很高;权重采用的是层次分析法中的0.1～0.9九级标度确定的;综合评价采用的基于偏好的群体评价模型[9] 。
由表1可以了解到X钢铁公司型材产品供应链风险评价的基本数据情况,使得对供应链风险评价的过程有个全面的了解,便于了解SCRADSS系统评价供应链风险的基本情况。图4则显示出各种产品供应链的风险评价结果,便于直观地了解供应链的风险情况。由图4可知,X钢铁公司型材产品供应链中,槽钢供应链的风险水平SCR最高,接近06,已逾越“风险很高”的界限,公司需加强对此供应链的风险管理。槽钢供应链中,各风险因素的风险水平超过05的有R3(供应商产能风险)、R6(顾客流失风险)、R9(产品交货风险)、R10(产品服务风险)、R11(产品成本风险)和R13(信息扭曲风险)。根据帕累托的关键的少数原理,公司首先应致力于对这几个风险的管理,进而降低供应链整体的风险水平。
6 结 论
本文提出了一种基于多Agent的供应链风险评价决策支持系统——SCRADSS系统的架构,并详细分析了该系统的主要模块及其功能,进而阐述了系统的工作机制。通过对该系统的开发和对国内某大型钢铁企业实际供应链风险评价的应用,充分显示了该系统的先进性、智能性和易操作性。SCRADSS系统的开发与应用,一方面有利于各种复杂的风险评价方法的应用和推广;另一方面也为企业实际供应链风险评价提供决策支持。
主要参考文献
[1] C S TangPerspective in Supply Chain Risk Management[J].International Journal of Production Economics,2006,103(2):451-488
[2] Cranfield Management SchoolSupply Chain Vulnerability[R].Cranfield University,2002
[3] R Lindroth,A NorrmanSupply Chain Risk and Risk Sharing Instruments——An Illustration From the Telecommunication Industry[C].Proceedings of the Logistics Research Network 6th Annual Conference,2001
[4] DeloitteSupply Chain Risk Management[R].2004
[5] 张存禄,黄培清供应链风险管理[M].北京:清华大学出版社,2007
[6] 刘冬林,王春香供应链多风险组合的综合评估及风险管理[J].武汉理工大学学报:信息与管理工程版,2006,28(8):110-113
[7] E Prater,M Biehl,M A SmithInternational Supply Chain Agility,Tradeoffs Between Flexibility and Uncertainty[J].International Journal of Operations and Production Management,2001,21(5/6):823-839
[8] 肖美丹,李从东,张瑜耿基于未确知模糊理论的供应链风险评估[J].软科学,2007,21(5):27-30
[9] 张彦如,陈敬贤,郑泉,等基于偏好的供应链不确定型风险模糊评估方法研究[J].运筹与管理,2008,17(1):69-73
[10] 陈森发复杂系统建模理论与方法[M].南京:东南大学出版社,2005
[11] 黄牧涛,田勇组合智能决策支持系统研究及应用[J].系统工程理论与实践,2007,27(4):114-119
[12]王燕萍,李黎明基于Internet的多Agent群决策支持系统的实现[J].系统工程与电子技术,2002,24(10):100-102