李海平

（陜西工業(yè)職業(yè)技術(shù)學(xué)院 陜西 咸陽　712000）

基于BP神經(jīng)網(wǎng)絡(luò)的釀造企業(yè)物流成本分析模型構(gòu)建研究

李海平

（陜西工業(yè)職業(yè)技術(shù)學(xué)院 陜西 咸陽712000）

利用作業(yè)成本法作為分析工具，建立了對釀造企業(yè)物流成本分析的BP神經(jīng)網(wǎng)絡(luò)模型，并進(jìn)行了實證分析計算，取得了比較滿意的分析結(jié)果。網(wǎng)路的輸入是釀造企業(yè)物流成本的各個實際項目，輸出按照需要可以是不同地區(qū)，不同客戶等。本研究成功解決了企業(yè)物流費用項目與各核算對象成本的多對多的非線性映射關(guān)系，為按照不同方法研究成本費用提供了有效的工具。

BP神經(jīng)網(wǎng)絡(luò)；釀造企業(yè)；物流；成本分析

隨著經(jīng)濟(jì)的快速發(fā)展，物流成本在企業(yè)生產(chǎn)、銷售等各個環(huán)節(jié)占的比重越來大，尤其是對于釀造企業(yè)來說，其在生產(chǎn)和銷售中，企業(yè)的原料和成品的運輸、倉儲管理等已經(jīng)成為不可忽視的企業(yè)成本，某些釀造企業(yè)已經(jīng)建立了自己的物流體系，成為一個非常重要的產(chǎn)業(yè)。但是，由于釀造企業(yè)的特殊性，原料和成品的運輸與倉儲管理水平不僅影響產(chǎn)品質(zhì)量和品質(zhì)，也是影響產(chǎn)品價格的主要因素，所以，本文抓住釀造企業(yè)物流行業(yè)的主要環(huán)節(jié)，通過建立BP神經(jīng)網(wǎng)絡(luò)多角度，多維度的研究影響釀造企業(yè)物流成本的因素，為降低企業(yè)物流費用提高企業(yè)競爭力提供一個有效的途徑和方法。

1　基于BP神經(jīng)網(wǎng)絡(luò)的釀造企業(yè)物流成本核算模型

1.1釀造企業(yè)物流作業(yè)中心的建立

資源是釀造企業(yè)物流投入的各種費用，包括許多項目。這里我們選擇其中主要的10項費用，包括：運輸、倉儲、裝卸、保險、薪酬、修理、折舊、水電等費用。按其性質(zhì)進(jìn)行分類，核心業(yè)務(wù)的成本，主要是運輸、倉儲和裝卸等環(huán)節(jié)的費用，我們將其歸納為：運輸、倉儲、裝卸搬運3類業(yè)務(wù)，并建立相對應(yīng)的3個作業(yè)中心：運輸作業(yè)中心、倉儲作業(yè)中心和裝卸搬運作業(yè)中心。

1.2釀造企業(yè)物流各作業(yè)中心成本動因確定

成本分析的關(guān)鍵是每個作業(yè)中心的成本動因的確定［1］，這里依次為運輸、倉儲和裝卸3個作業(yè)中心，確定的作業(yè)動因分別是：運輸“標(biāo)準(zhǔn)公里數(shù)”、倉儲“標(biāo)準(zhǔn)件.次”，裝卸“標(biāo)準(zhǔn)件.次”。

1.3釀造企業(yè)物流各作業(yè)中心總成本的匯總

在BP神經(jīng)網(wǎng)絡(luò)模型中要進(jìn)行成本分析，首先要算出各作業(yè)中心的動因分配率，這就要匯總各作業(yè)中心的作業(yè)總量和總成本。作業(yè)中心的成本，將其分為直接成本與間接成本，運輸費、倉儲費、裝卸費，分別是運輸作業(yè)中心、倉儲作業(yè)中心和裝卸搬運作業(yè)中心的直接成本，其他費用屬于間接費用［2］。

1.4釀造企業(yè)物流動因分配率的計算

要計算動因分配率，必須按作業(yè)中心匯總出作業(yè)總量，這里分別匯總運輸、倉儲、裝卸搬運中心的作業(yè)總量，同時結(jié)合前面匯總的各作業(yè)中心的總成本，計算出各作業(yè)中心的動因分配率。

1.5各成本核算對象作業(yè)中心作業(yè)量的匯總與成本的分?jǐn)?/p>

計算各成本對象的成本之前，必須將各作業(yè)中心的總成本，按各核算對象對作業(yè)的消耗量進(jìn)行分?jǐn)?，所以必須首先匯總統(tǒng)統(tǒng)計出各成本核算對象對不同作業(yè)的消耗總量，這里以陜西省某釀造企業(yè)13個月的實際數(shù)據(jù)為樣本，分別匯總統(tǒng)計出3個地區(qū)的作業(yè)消耗，并按動因率計算在各作業(yè)中心攤得的成本［3］。

1.6匯總統(tǒng)計各成本核算對象物流總成本

這里以研究3個代表地區(qū)成本為例，將上步計算的各作業(yè)中心所攤得的成本相加即可得到各核算對象的物流總成本［4］。

2　基于BP神經(jīng)網(wǎng)絡(luò)的物流企業(yè)成本分析模型

2.1利用BP神經(jīng)網(wǎng)絡(luò)成本分析的原理

在作業(yè)成本法中，計算對象可以靈活設(shè)置，這為問題研究提供了極大的方便，但要研究各成本核算對象成本主要影響因素，是個多對多的復(fù)雜問題，很難用傳統(tǒng)方法進(jìn)行處理，為此，本文建立神經(jīng)網(wǎng)絡(luò)模型進(jìn)行研究［5］。

建立如圖1所示一個3層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。它具有:1）輸入層。用來輸入資源動因數(shù)據(jù)、或作業(yè)中心成本。2）中間層。也稱為處理層或隱層，處理輸入層的數(shù)據(jù)并為輸出層傳遞信息。3）輸出層。它以中間層的輸出作為輸入，再經(jīng)處理給出網(wǎng)絡(luò)的最終輸出。若共有m個輸出單元，則一次輸出一個m維向量，這里依據(jù)分析的需要，也許是各個作業(yè)中心的總成本或是服務(wù)產(chǎn)品的總成本或單個產(chǎn)品的成本。

圖1　仿真成本分析的BP網(wǎng)絡(luò)結(jié)構(gòu)Fig.1　BP network structure of cost

BP網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它是仿真人的大腦思考問題的過程，有若干神經(jīng)元構(gòu)成，每個神經(jīng)元，與其他神經(jīng)元之間有聯(lián)系，其聯(lián)系方式，一般通過轉(zhuǎn)換函數(shù)實現(xiàn)，轉(zhuǎn)換函數(shù)取值，一般是絕對值以歸一化，而且，基本都是初等的連續(xù)函數(shù)，這里構(gòu)造三層神經(jīng)元。如果權(quán)值的調(diào)整采用反向傳播（Back Propagation）的學(xué)習(xí)算法，就叫BP網(wǎng)絡(luò)。在確定了BP網(wǎng)絡(luò)的結(jié)構(gòu)后，利用本文所選樣本公司的若干項指標(biāo)數(shù)據(jù)和輸出層對應(yīng)的若干項數(shù)據(jù)（這些依據(jù)研究分析的需要不同，或許是資源成本動因+作業(yè)中心總成本；資源成本動因+服務(wù)產(chǎn)品總成本等），可以對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，也即對網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行學(xué)習(xí)和調(diào)整，以使網(wǎng)絡(luò)確定有關(guān)費用項目與物流成本之間的復(fù)雜映射關(guān)系。網(wǎng)絡(luò)的訓(xùn)練過程實際上是一個循環(huán)調(diào)整神經(jīng)元之間權(quán)重的過程，控制循環(huán)的目標(biāo)是仿真值與真值誤差向量，權(quán)重的調(diào)整用計算方法中的梯度下降法［6］。

設(shè)BP網(wǎng)絡(luò)的輸入層為：

其中x是為訓(xùn)練網(wǎng)絡(luò)選取的輸入層數(shù)據(jù)。

BP網(wǎng)絡(luò)的中間層單元輸入和輸出值：

控制網(wǎng)絡(luò)訓(xùn)練迭代過程的目標(biāo)是，輸出量構(gòu)成的誤差向量，其s基本計算公式如下：

在訓(xùn)練網(wǎng)絡(luò)時，首先確定一個極限誤差，和極限迭代次數(shù)，二者中有一個滿足條件即可結(jié)束網(wǎng)絡(luò)訓(xùn)練，否則，不斷調(diào)整，權(quán)重向量，計算新的網(wǎng)絡(luò)輸出，再與真值比較計算仿真誤差。

梯度搜索算法中權(quán)重向量的計算公式如下。

其中η為學(xué)習(xí)修正率。

2.2樣本數(shù)據(jù)處理及MATLAB實現(xiàn)

利用2013.1-2014.1陜西省某釀造企業(yè)實際數(shù)據(jù)為樣本數(shù)據(jù)，建立反映該企業(yè)各資源動因、作業(yè)中心，按地區(qū)核算的服務(wù)產(chǎn)品成本之間的非線性映射關(guān)系的神經(jīng)網(wǎng)絡(luò)。網(wǎng)絡(luò)中輸入層節(jié)點個數(shù)：作業(yè)中心為3個，所以輸入層為3；隱含層結(jié)點數(shù)可以由程序調(diào)節(jié)。這里的網(wǎng)絡(luò)輸入數(shù)據(jù)就是13個月有關(guān)物流費用科目的月發(fā)生額。為了避免不同量級數(shù)據(jù)差異帶來的訓(xùn)練網(wǎng)絡(luò)所造成的誤差，在進(jìn)行網(wǎng)絡(luò)訓(xùn)練、仿真時都將有關(guān)數(shù)據(jù)首先進(jìn)行“標(biāo)準(zhǔn)化”處理。

訓(xùn)練網(wǎng)絡(luò)時，輸入輸出是對應(yīng)的，與對網(wǎng)絡(luò)輸入處理一樣，也是利用2013.1-2014.1陜西省某釀造企業(yè)實際數(shù)據(jù)，建立反映其各資源動因、作業(yè)中心，按地區(qū)核算的服務(wù)產(chǎn)品成本之間的非線性映射關(guān)系的神經(jīng)網(wǎng)絡(luò)將訓(xùn)練網(wǎng)絡(luò)的有關(guān)輸出數(shù)據(jù)同樣做“標(biāo)準(zhǔn)化”處理。下文重點研究的是各地區(qū)物流成本受各物流費用科目的影響研究，所以輸出數(shù)據(jù)是13個月按地區(qū)核算 （A地區(qū)、B地區(qū)、C地區(qū)）的各地區(qū)當(dāng)月物流成本數(shù)據(jù)。為了方便大家使用這里列出核心處理的MATlAB函數(shù)

1）網(wǎng)絡(luò)的初步建立

網(wǎng)絡(luò)仿真的第一步就是要搭建網(wǎng)絡(luò)框架，以便為下一步用實際數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練打下基礎(chǔ)，建立BP網(wǎng)絡(luò)的函數(shù)為newff（），調(diào)用格式如下：

newff（minmax（p），［n，k］，｛‘tansig’，’logsig’｝，’traingdx）

2）訓(xùn)練網(wǎng)絡(luò)

第二步，就是用實際歷史數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，以便研究對象之間的多對多關(guān)系，用來完成此項功能的函數(shù)為train（），調(diào)用格式如下：

net=train（net，p，t）

3）仿真與使用網(wǎng)絡(luò)

最后，就是利用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行分析研究，給出網(wǎng)絡(luò)輸入，研究網(wǎng)絡(luò)輸出，進(jìn)行仿真預(yù)測，完成該功能的函數(shù)為sim（net，testp），調(diào)用格式如下：

y=sim（net，testp）

2.3網(wǎng)絡(luò)建立與仿真

用上述處理思想，建立一個N×K×M的BP網(wǎng)絡(luò)，分別利用Matlab中的函數(shù)NEWFF（）、train（）、，sim（）建立、訓(xùn)練和仿真網(wǎng)絡(luò)［6］。利用文中所選陜西省某釀造企業(yè)2013.1-2014.1，13個月數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，并進(jìn)行模擬計算分析，隱層和輸出層傳遞函數(shù)分別取tansig和logsig，定義訓(xùn)練步數(shù)為2000，目標(biāo)誤差為0.03，訓(xùn)練過程見圖2，由圖2可見，利用我們所選的參數(shù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，收斂很快，網(wǎng)絡(luò)最終仿真誤差極小。最大相對誤差在3%以內(nèi)。說明本文建立的神經(jīng)網(wǎng)絡(luò)具有很好的仿真能力，完全可以利用它進(jìn)行物流企業(yè)成本費用分析研究，也就是說，該模型能非常有效地仿真物流企業(yè)各相關(guān)指標(biāo)之間的非線性關(guān)系。

圖2　神經(jīng)網(wǎng)絡(luò)系統(tǒng)訓(xùn)練過程Fig.2　The training process of neural network system

經(jīng)過用2013.1-2014.1陜西省某釀造企業(yè)物流數(shù)據(jù)的模擬計算可以看出神經(jīng)網(wǎng)絡(luò)系統(tǒng)的仿真值與原始模糊評價數(shù)據(jù)比較接近，除個別點外，仿真誤差在3%以內(nèi)，圖2為系統(tǒng)訓(xùn)練過程，可見網(wǎng)絡(luò)迭代收斂很快。3個地區(qū)實際成本與網(wǎng)絡(luò)模擬成本對比，可見兩條曲線幾乎重合，網(wǎng)絡(luò)仿真結(jié)果非常好；為了更進(jìn)一步觀察網(wǎng)絡(luò)仿真效果，圖3列出3個成本誤差曲線，可見誤差曲線都在0點附近，仿真效果非常理想。

圖3　A B C成本的仿真誤差Fig.3　The simulation error of ABC cost

2.4分析不同地區(qū)物流成本的影響因素

通過上面分析可見，本文所建ABC神經(jīng)網(wǎng)絡(luò)模型具有非常好的仿真效果，為了分析不同費用科目對地區(qū)物流成本的影響，這里以各科目13月平均值為基礎(chǔ)，采取單項分別變化的辦法構(gòu)造網(wǎng)絡(luò)輸入數(shù)據(jù)，讓一個科目發(fā)生額增加和減少平均值的10%，其他科目采取平均值，考查網(wǎng)絡(luò)輸出的3個成本變化，分析結(jié)果如下：

當(dāng)運輸費分別增加和減少平均成本的10%，A地區(qū)的物流成本有顯著的同方向變化，其歸一化成本值由0.57，分別變?yōu)?.88，0.32，B和C地區(qū)的物流成本略有下降，說明運輸費與A地區(qū)物流成本呈正相關(guān)、與B地區(qū)及C地區(qū)物流成本呈負(fù)相關(guān)。

當(dāng)倉儲費分別增加和減少平均成本的10%時，B和C地區(qū)的物流成本有明顯同方向變化，其歸一化成本值分別由0.858和0.266，分別變?yōu)?.985，0.278和0.531，0.232；A地區(qū)物流成本與倉儲費呈現(xiàn)反方向變化，其歸一化成本值由0.57，分別變?yōu)?.454，0.883；說明倉儲費與B和C地區(qū)物流成本呈正相關(guān)、與A地區(qū)物流成本呈負(fù)相關(guān)。

當(dāng)裝卸費分別增加和減少平均成本的10%時，C地區(qū)的物流成本有明顯同方向變化，其歸一化成本值分別由0.266，分別變?yōu)?.592，0.244，A和B地區(qū)物流成本呈現(xiàn)反方向變化；說明裝卸費C地區(qū)物流成本呈正相關(guān)、與A地區(qū)和B地區(qū)物流成本呈負(fù)相關(guān)。

當(dāng)其它間接物流費用發(fā)生變化時，對3個地區(qū)物流成本影響無論是量還是方向都不是太固定，這是由于，相比較運輸費用、倉儲費用和裝卸費用，這些間接費用都比較小。

就成本控制而言，要想降低A地區(qū)物流成本，就要合理安排和控制運輸費用，適當(dāng)增加和調(diào)整庫存；對B地區(qū)而言，要適當(dāng)增加運輸費用，減少庫存費用；對C地區(qū)而言，要嚴(yán)格控制裝卸費用，適當(dāng)增加庫存費用。

3　結(jié)束語

本文基于作業(yè)成本法建立了釀造企業(yè)物流成本分析模型，為了分析方便靈活，建立了BP神經(jīng)網(wǎng)絡(luò)模型，并用陜西某釀造企業(yè)2013.1—2014.1期間13個月實際物流發(fā)生費用對網(wǎng)絡(luò)進(jìn)行了訓(xùn)練和仿真預(yù)測，取得了令人滿意的效果。本文所用模型、原理和方法，可以推廣到物流行業(yè)及其他行業(yè)

［1］扈景科.煙草行業(yè)物流現(xiàn)狀與改革措施［J］.衡水學(xué)院學(xué)報，2008，10（5）:22-23.

［2］魏國辰，楊莉.我國物流企業(yè)服務(wù)管理現(xiàn)狀與對策研究［J］.物流技術(shù)，2012，31（2）:165-168.

［3］樓前飛，嚴(yán)偉.淺析我國第三方物流的發(fā)展現(xiàn)狀及對策［J］.物流技術(shù)，2005，11:25-27.

［4］邵鐵柱，吳丹丹.作業(yè)成本法成本動因在高新技術(shù)企業(yè)中的應(yīng)用［J］.北方經(jīng)貿(mào)，2012（6）:112-114.

［5］左杰.作業(yè)成本法在物流企業(yè)中的應(yīng)用研究 ［D］.天津:天津財經(jīng)大學(xué)，2007.

［6］楊君岐.基于模糊神經(jīng)網(wǎng)絡(luò)仿真顧客飲料口味的評價模型構(gòu)建［J］.中國釀造，2006，6:37-41.

Cost analysis of brew logistics enterprises based on ABC and neural network

LI Hai-ping
（Shaanxi Polytechnic Institute，Xianyang 712000，China）

The use of activity-based costing as the analysis tool，based on BP neural network model to analyze the logistics cost of brewing enterprises，and analyses the empirical calculation，obtained the satisfactory result.The network input is the actual project brewing enterprise logistics cost，output in accordance with the needs of different customers can be in different areas，etc.This study solves the many to many mapping relationship between enterprise logistics cost accounting object and the project cost，according to the different methods of cost provides an effective tool.

BP neural network；brewing enterprises；logistics；cost analysis

TN-9

A

1674－6236（2016）05-0071-03

2015-03-30稿件編號：201503434

陜西省咸陽市科技局科技計劃項目（2012K07-08），陜西工業(yè)職業(yè)技術(shù)學(xué)院科研項目（ZK12-27）

李海平（1977—），男，陜西合陽人，碩士研究生，講師。研究方向：企業(yè)管理，電子商務(wù)，物流管理。