■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

一、引言

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。

二、BP神經(jīng)網(wǎng)絡(luò)需求預(yù)測(cè)模型

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。

三、AC公司實(shí)際庫存值的影響因素分析

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)

四、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型參數(shù)設(shè)計(jì)

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)

五、BP神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)的步驟

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：

六、BP神經(jīng)網(wǎng)絡(luò)模型實(shí)際應(yīng)用分析

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。

七、結(jié)論

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.