■宋志浩 阿特拉斯·科普柯上海貿(mào)易有限公司
■鄭永前 同濟(jì)大學(xué)機(jī)械與能源工程學(xué)院
AC公司作為全球最大的氣體壓縮機(jī)及工程機(jī)械產(chǎn)品專業(yè)制造商,是世界上最大的工業(yè)集團(tuán)之一。集團(tuán)在四大洲15個(gè)國家生產(chǎn)3000多種產(chǎn)品。通過滲透于150個(gè)國家的銷售網(wǎng)絡(luò),采取多品牌策略,專業(yè)營銷麾下各產(chǎn)品,其中半數(shù)產(chǎn)品由集團(tuán)全權(quán)擁有或控制的銷售公司統(tǒng)一銷售。
集團(tuán)主要由四大部門組成,即壓縮機(jī)技術(shù)部、工業(yè)技術(shù)部、建筑及礦山技術(shù)部和租機(jī)服務(wù)部。其中,移動(dòng)式空氣壓縮機(jī)、液壓破碎錘、移動(dòng)式發(fā)電機(jī)、手持式氣動(dòng)工具等機(jī)械工程產(chǎn)品,是AC公司建筑及礦山技術(shù)部的主打產(chǎn)品。為適應(yīng)日趨激烈的市場(chǎng)競(jìng)爭(zhēng),公司產(chǎn)品線覆蓋面的不斷擴(kuò)大。隨著公司業(yè)務(wù)不斷增長的同時(shí),各類工程機(jī)械產(chǎn)品售后服務(wù)配件的種類和數(shù)量也越來越多,客戶對(duì)售后服務(wù)配件的要求不斷提高。面對(duì)客戶與市場(chǎng)復(fù)雜的需求,企業(yè)為提升市場(chǎng)反應(yīng)能力,保證銷售及業(yè)務(wù)的連續(xù)性,庫存金額逐月上升。
如何更好地滿足客戶的需求,同時(shí)能有效降低企業(yè)庫存成本;不斷提高企業(yè)的競(jìng)爭(zhēng)力,成為許多工程機(jī)械企業(yè)面臨的最大難題。在這種背景下,在保證客戶滿意度的同時(shí),優(yōu)化企業(yè)庫存成本,成為AC公司售后服務(wù)部重要目標(biāo)。本文運(yùn)用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法,通過Matlab工具箱仿真實(shí)現(xiàn)企業(yè)對(duì)于售后服務(wù)配件安全庫存的預(yù)測(cè)及優(yōu)化。
反向傳播網(wǎng)絡(luò)(Back-PropagationNetwork,簡(jiǎn)稱為BP網(wǎng)絡(luò))是將W-H學(xué)習(xí)規(guī)則一般化,對(duì)非線性可微分函數(shù)進(jìn)行權(quán)值訓(xùn)練的多層網(wǎng)絡(luò)。BP多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示,BP網(wǎng)絡(luò)結(jié)構(gòu)由輸入層、中間層和輸出層組成,中間層為隱含層,可以是一層或多層。圖中BP網(wǎng)絡(luò)包括輸入層、隱含層和輸出層。
圖1 神經(jīng)網(wǎng)絡(luò)圖
BP網(wǎng)絡(luò)算法的基本思想,是在學(xué)習(xí)過程中,由信號(hào)的正向傳播以及誤差的反向傳播這兩個(gè)過程組成。正向傳播時(shí),輸入樣本由輸入層傳入,經(jīng)過各隱層逐層處理完畢后,傳向輸出層。若輸出層的實(shí)際輸出與期望的輸出不相符,即轉(zhuǎn)入誤差的反向傳播階段。誤差反傳將輸出誤差以某種形式由隱含層向輸入層逐層反傳,并將輸出誤差反攤給各層的所有單元,從而得到各層單元的誤差信號(hào),該誤差信號(hào)即為修正各單元權(quán)值的依據(jù)。
這種信號(hào)在各層權(quán)值中的正向傳播與誤差的反向傳播調(diào)整過程是周而復(fù)始的,這也就是網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過程。此過程持續(xù)進(jìn)行到網(wǎng)絡(luò)輸出的誤差數(shù)值減少到可接受的程度為止。
針對(duì)AC公司每月庫存進(jìn)行分析,以重要售后服務(wù)零件為樣本,記錄每月的倉庫安全庫存值,以及相關(guān)影響指標(biāo)值,預(yù)測(cè)對(duì)象是各售后服務(wù)備件的月度最小安全庫存值。為便于討論,本文選取20組AC公司最常用的售后服務(wù)零配件的某月度最小實(shí)際庫存值歷史數(shù)據(jù)作為參考依據(jù)。
通過實(shí)際調(diào)查發(fā)現(xiàn),AC公司影響原料安全庫存的因素可以分為企業(yè)內(nèi)部因素和企業(yè)外部綜合因素,結(jié)合AC公司的實(shí)際情況,選取對(duì)影響安全庫存量較大的因素作為網(wǎng)絡(luò)輸入層節(jié)點(diǎn)。
1.企業(yè)外部綜合影響因素:主要考慮供應(yīng)商等因素,如市場(chǎng)需求量(件/月)、訂單到貨周期(天)、供應(yīng)商產(chǎn)品合格率等。
(1)市場(chǎng)需求量(件/月):售后服務(wù)產(chǎn)品零配件月度總市場(chǎng)需求;
(2)訂單到貨周期(天):物料部門根據(jù)市場(chǎng)需求,下訂單后,供應(yīng)商供應(yīng)周期;
(3)供應(yīng)商產(chǎn)品合格率:配件訂單到貨后檢測(cè)合格率;
2.企業(yè)內(nèi)部影響因素:主要考慮物料部門對(duì)庫存維護(hù),發(fā)貨管理等費(fèi)用及產(chǎn)生影響因素,如配件訂貨費(fèi)用(元/件)、保管費(fèi)用(元/件)、缺貨損失(元/件)等。
(1)訂貨費(fèi)用(元/件):物流部門根據(jù)售后服務(wù)部門的需求,向供應(yīng)商產(chǎn)生訂單后,配件入庫前所產(chǎn)生的運(yùn)輸?shù)荣M(fèi)用;
(2)保管費(fèi)用(元/件):物流部門對(duì)安全庫存的維護(hù)管理費(fèi)用;
(3)缺貨損失(元/件):缺貨成本是指生產(chǎn)時(shí)因缺少該物資而造成的損失費(fèi)用。
本文根據(jù)AC公司某月度實(shí)際庫存數(shù)據(jù),將以上6點(diǎn)影響安全庫存的主要因素作為輸入層,輸出層為實(shí)際安全庫存,即對(duì)AC公司現(xiàn)實(shí)運(yùn)營中安全庫存進(jìn)行預(yù)測(cè)及模擬分析,詳見表1。
表1 AC公司安全庫存預(yù)測(cè)樣本數(shù)據(jù)
由于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)是非線性的,初始值的設(shè)定將對(duì)學(xué)習(xí)能否達(dá)到局部最小化起到很大的作用,因此需要初始化權(quán)值使輸入累加時(shí)每個(gè)神經(jīng)元的初始狀態(tài)值都接近于零。輸入/輸出樣本需進(jìn)行歸一化處理,使比較大的輸出落在傳遞函數(shù)梯度較大的地方,避免因指標(biāo)量綱的不同,使得部分神經(jīng)元達(dá)到過飽和狀態(tài)?,F(xiàn)對(duì)數(shù)據(jù)輸入/輸出向量作歸一化處理,令:X‘=X’/XAVG,其中XAVG.為輸入樣本中所屬個(gè)節(jié)點(diǎn)的平均值,對(duì)網(wǎng)絡(luò)輸出也同樣處理。經(jīng)過標(biāo)準(zhǔn)化處理后的安全庫存多因素?cái)?shù)據(jù)見表2。
表2 標(biāo)準(zhǔn)化處理后AC公司安全庫存預(yù)測(cè)樣本數(shù)據(jù)
BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型訓(xùn)練過程中,隱層節(jié)點(diǎn)數(shù)量對(duì)預(yù)測(cè)模型性能會(huì)有影響,隱層節(jié)點(diǎn)數(shù)選擇太少,擬合精度下降,隱含層節(jié)點(diǎn)數(shù)太多,泛化能力下降。一般都會(huì)根據(jù)訓(xùn)練誤差、測(cè)試誤差與預(yù)測(cè)模型節(jié)點(diǎn)數(shù)多少關(guān)系,使用節(jié)點(diǎn)數(shù)逐漸增加或減少的方法來決定合適的隱層節(jié)點(diǎn)數(shù)。
輸入層和隱含層,以及隱含層與輸出層之間的船體函數(shù)全部采用正切Sigmoid的函數(shù)Tansig;網(wǎng)絡(luò)訓(xùn)練函數(shù)采用trainlm;最大訓(xùn)練步數(shù)設(shè)為1000;goal為0.0001;如表3所示。
表3 BP網(wǎng)絡(luò)訓(xùn)練模型各類參數(shù)
使用用MATLAB7.6編寫出網(wǎng)絡(luò)的訓(xùn)練和預(yù)測(cè)程序,使用建好的BP神經(jīng)網(wǎng)絡(luò)對(duì)AC公司庫存數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練,經(jīng)過57次迭代后網(wǎng)絡(luò)達(dá)到訓(xùn)練的精度,Goal=0.0001,并最終確定網(wǎng)絡(luò)訓(xùn)練的均方根誤差為9.9967e-006,訓(xùn)練樣本誤差曲線如圖2所示。
圖2 BP網(wǎng)絡(luò)訓(xùn)練模型誤差曲線圖
訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)安全庫存預(yù)測(cè)模型的權(quán)值和閾值為:
其中,W1,W2為輸入層與隱含層、隱含層與輸出層神經(jīng)元之間的權(quán)值,B1,B2分別為隱含層與輸出層神經(jīng)元的閾值。最終得到的網(wǎng)絡(luò)實(shí)際預(yù)測(cè)結(jié)果如表4所示:
表4 標(biāo)準(zhǔn)化處理后AC公司安全庫存預(yù)測(cè)樣本數(shù)據(jù)
預(yù)測(cè)誤差率E數(shù)值:
用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)15-20進(jìn)行仿真,并對(duì)結(jié)果進(jìn)行標(biāo)準(zhǔn)化處理,得到表5:
表5 標(biāo)準(zhǔn)化處理后AC公司安全庫存預(yù)測(cè)實(shí)際應(yīng)用分析
表5中數(shù)據(jù)表明,利用BP網(wǎng)絡(luò)所得的輸出值與期望值之間的最大誤僅差為1.37% ,誤差非常小,擬合精度很高,即BP網(wǎng)絡(luò)的計(jì)算結(jié)果與實(shí)際發(fā)生的情況基本一致。利用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行AC公司倉庫最小安全庫存值預(yù)測(cè)是有效、可行的,能較準(zhǔn)確的反應(yīng)各因素對(duì)安全庫存最小值的影響。
從上面的預(yù)測(cè)過程分析和預(yù)測(cè)結(jié)果檢驗(yàn)可以看出,用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)企業(yè)最小安全庫存值進(jìn)行預(yù)測(cè)控制是有效、可行的。由于數(shù)據(jù)的波動(dòng)性,結(jié)果肯定會(huì)產(chǎn)生細(xì)微誤差,但預(yù)測(cè)出來的數(shù)據(jù)都在誤差要求范圍內(nèi),并且精度很高。
預(yù)測(cè)的結(jié)果給實(shí)際企業(yè)提高了庫存信息,為安全庫存量的調(diào)整提供了更多依據(jù),為企業(yè)對(duì)原料安全庫存量進(jìn)行控制提供了參考,對(duì)降低企業(yè)的庫存成本,提示企業(yè)市場(chǎng)競(jìng)爭(zhēng)力,以及更好得應(yīng)對(duì)客戶需求,創(chuàng)造更多利潤有著重要的現(xiàn)實(shí)意義。
[1]《運(yùn)籌學(xué)》[M]E 京:清華大學(xué)出版社,2005.
[2]陳治亞,周艾飛,譚欽之,等.基于改進(jìn)的BP 人工神經(jīng)網(wǎng)絡(luò)的物流需求規(guī)模預(yù)測(cè)[J].鐵道科學(xué)與工程學(xué)報(bào),2008(6):62-68.
[3]董長虹,神經(jīng)網(wǎng)絡(luò)與應(yīng)用[M]E 京:國防工業(yè)出版社,2005.
[4]胡金濱,唐旭清.人工神經(jīng)網(wǎng)絡(luò)的BP 算法及其應(yīng)用[J].信息技術(shù),2004(4):1-4.
[5]汪瀾,劉萬軍,馬國利.一種改進(jìn)的BP 人工神經(jīng)網(wǎng)絡(luò)模型[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào),2O04(1):l4-16.