張蕾

0 引言

隨著現(xiàn)代市場經(jīng)濟(jì)競爭的不斷加劇，以及國家對于要素獲得創(chuàng)新競爭的鼓勵(lì)，越來越多的企業(yè)將開展市場競爭的過程融入供應(yīng)鏈體系中。與此同時(shí)，基于傳統(tǒng)物流以及信息流的供應(yīng)鏈，也正逐步從其自身的管理體制中尋求創(chuàng)新與競爭力提升突破。2015年前三季度，全國社會物流總額162.8萬億元，同比增長5.8%，供應(yīng)鏈協(xié)作管理適用面正在逐步擴(kuò)展，越來越多的產(chǎn)業(yè)會引入與供應(yīng)鏈的協(xié)作關(guān)聯(lián)服務(wù)，據(jù)前瞻產(chǎn)業(yè)研究院預(yù)測，2017年我國供應(yīng)鏈協(xié)作管理服務(wù)額度將超過2萬億美元，而至2020年供應(yīng)鏈協(xié)作管理服務(wù)額度將超過3萬億美元。

隨著供應(yīng)鏈對于其他產(chǎn)業(yè)融入的進(jìn)一步深化，以及多數(shù)企業(yè)對于供應(yīng)鏈服務(wù)需求的擴(kuò)展，使得對于供應(yīng)鏈管理在自身內(nèi)化指標(biāo)的管理效率逐步向內(nèi)外協(xié)作的深層演變，對于供應(yīng)鏈自身而言，更應(yīng)該梳理清楚各種存在動(dòng)態(tài)作用效應(yīng)的協(xié)作管理績效影響因素。為此，本文結(jié)合分層邏輯進(jìn)行基于Markov改進(jìn)的供應(yīng)鏈協(xié)作機(jī)制探究，在數(shù)據(jù)樣本篩選基礎(chǔ)上進(jìn)行樣本疊合的粗糙集信息約簡改進(jìn)，進(jìn)而從供應(yīng)鏈管理過程的協(xié)作方面因素之間相互作用機(jī)制的探究中，獲得提升供應(yīng)鏈協(xié)作績效的關(guān)鍵指標(biāo)及其相互關(guān)系。

1 供應(yīng)鏈協(xié)作管理績效評估原理

1.1 供應(yīng)鏈協(xié)作管理的粗糙集設(shè)定

對于存在多變量相互作用及累積的問題，通常是以簡單分層進(jìn)行對應(yīng)的關(guān)聯(lián)測度，而事實(shí)上假如所選指標(biāo)除了相互作用，還需要將不同作用層次的累積作用考慮在內(nèi)。對于這類問題的解決，應(yīng)該按照上下分層進(jìn)行粗糙集的子屬性向量集歸類。假定供應(yīng)鏈協(xié)作管理的績效按照協(xié)作績效和協(xié)作關(guān)聯(lián)進(jìn)行被解釋變量以及參變量選取，設(shè)定一個(gè)總的向量集解釋目標(biāo)是協(xié)作管理效應(yīng)，那么其對應(yīng)的子屬性集為L(A)，同時(shí)設(shè)定符合同一層次供應(yīng)鏈協(xié)作管理的上下分層為一個(gè)樣本向量集的邏輯描述映射，那么這一映射與設(shè)定條件X=c(φ)（是否吻合不同層次的供應(yīng)鏈協(xié)作管理水平），那么對應(yīng)的供應(yīng)鏈協(xié)作管理按照基本粗糙集進(jìn)行向量集的分區(qū)：

式（1）代表處于不同邏輯層級的供應(yīng)鏈協(xié)作管理對應(yīng)的不同協(xié)作效應(yīng)可以按照擬合結(jié)果，判斷不同層級對應(yīng)指標(biāo)的管理績效差異，即按照粗糙集進(jìn)行邏輯子集的上下及訓(xùn)練擬合。當(dāng)擬合過程生成不同訓(xùn)練集訓(xùn)練結(jié)果的邏輯邊界臨近時(shí)，按照子信息樣本集進(jìn)行關(guān)聯(lián)集映射關(guān)系的梳理：

這一關(guān)系包含了供應(yīng)鏈協(xié)作在被解釋變量S，以及關(guān)聯(lián)子向量集、映射關(guān)系以及映射函數(shù)變動(dòng)趨勢的共同影響，并且按照關(guān)聯(lián)子向量集、映射關(guān)系以及映射函數(shù)變動(dòng)趨勢如下的條件約束進(jìn)行分層設(shè)定：

當(dāng)這一設(shè)定條件在同時(shí)被滿足，且擬合臨界可以區(qū)分的前提達(dá)成時(shí)，將對應(yīng)臨界擬合子向量集上逐一剝離：

上述式（7）滿足存在不可分割的擬合值時(shí)，表明粗糙集對原始樣本訓(xùn)練結(jié)果可以實(shí)施分層討論，否則按照設(shè)定條件X=c(φ)為前提繼續(xù)進(jìn)行粗糙集樣本訓(xùn)練擬合。

1.2 修正粗糙集的評價(jià)功能機(jī)理

本文將選取指標(biāo)進(jìn)行信息疊合過濾操作，將粗糙集訓(xùn)練中的誤差相對值劃分區(qū)間加以Markov的離散序列的轉(zhuǎn)移概率折算，再通過一定量的折算后概率劃分區(qū)間進(jìn)行粗糙集向量集訓(xùn)練，進(jìn)而獲得供應(yīng)鏈協(xié)作管理不同階段的評估精度。

首先，將向量集對應(yīng)的狀態(tài)按照區(qū)間劃分，在不同化分層中形成供應(yīng)鏈選取指標(biāo)的基本數(shù)據(jù)輸入，再以疊合部分信息作為粗糙集的預(yù)選隱含層信息擴(kuò)展指標(biāo)基本數(shù)據(jù)，將不同層次信號作為基本粗糙向量集訓(xùn)練的擬合精度設(shè)定值，按照這個(gè)設(shè)定值予以中間環(huán)節(jié)的訓(xùn)練；再通過BP框架的訓(xùn)練輸出，形成符合供應(yīng)鏈協(xié)作管理基本形態(tài)的信息疊合區(qū)間刪除；最后，訓(xùn)練中的顯著信號進(jìn)行測度指標(biāo)與訓(xùn)練序列初始化，形成符合基本節(jié)點(diǎn)驗(yàn)算的供應(yīng)鏈協(xié)作管

設(shè)定存在同樣管理效率的供應(yīng)鏈決策在遞進(jìn)一個(gè)單位的時(shí)序內(nèi)信號，為粗糙訓(xùn)練樣本源，而其對應(yīng)的組合差可以按照向量集誤差予以規(guī)劃：理指標(biāo)評測矩陣。

對于供應(yīng)鏈協(xié)作管理過程中不同決策措施，以及供應(yīng)鏈作業(yè)，本文將實(shí)踐形態(tài)按照指標(biāo)選取的方式進(jìn)行形態(tài)固話，以便于將其管理方式實(shí)現(xiàn)可估化數(shù)據(jù)。即通過最小誤差的待測樣本數(shù)據(jù)進(jìn)行權(quán)重系數(shù)分析：

其中，sme為被解釋變量，供應(yīng)鏈協(xié)作管理績效，式（9）按照疊合不同時(shí)序進(jìn)行BP神經(jīng)訓(xùn)練的信息約簡，且每一個(gè)時(shí)序?qū)?yīng)一個(gè)樣本訓(xùn)練集的設(shè)定約簡點(diǎn)：

式（10）用以在信息約簡過程中控制不同訓(xùn)練集的樣本回歸，其中 f表示進(jìn)入無疊合信息樣本的頻度，那么當(dāng)且僅當(dāng) fi，t=smei，t時(shí)，訓(xùn)練樣本過程基礎(chǔ)誤差集為信號約簡后的粗糙集向量樣本全集：

將符合設(shè)定信號剔除的元素向式（11）進(jìn)行疊合處理的重新驗(yàn)算，反復(fù)直至獲得最大向量集信號反饋排序方案的層級樣本量以及樣本訓(xùn)練量，此時(shí)供應(yīng)鏈在自身決策以及決策要素的管理績效評價(jià)中不再有反饋信號疊合部分，此時(shí)處于非疊合狀態(tài)的指標(biāo)按照下式進(jìn)行誤差相對序列的區(qū)域劃分：

經(jīng)劃分后的信號疊合刪除確保層級改進(jìn)的向量集訓(xùn)練能夠與改進(jìn)后粗糙集對應(yīng)的Markov實(shí)現(xiàn)多元函數(shù)極值匹配：

式（13）分別為改進(jìn)粗糙集在BP框架下的自有初始條件、疊合后設(shè)定條件以及直接匹配約簡條件的極大值方程，在向量集變動(dòng)上分別對應(yīng)為BP神經(jīng)訓(xùn)練自身存在的供應(yīng)鏈決策向量集，以及接近一個(gè)類似決策向量的趨近向量，接近一個(gè)可直接約簡粗糙集內(nèi)的反饋向量集的趨近向量。

2 改進(jìn)粗糙集和Markov鏈的供應(yīng)鏈管理績效評價(jià)

2.1 數(shù)據(jù)選取

根據(jù)上述分析，本文結(jié)合供應(yīng)鏈協(xié)作管理過程實(shí)際，結(jié)合xx省區(qū)域78家供應(yīng)鏈上下游企業(yè)。選取運(yùn)營能力、協(xié)作能力、作業(yè)能力三個(gè)方面作為測度供應(yīng)鏈協(xié)作管理績效的指標(biāo)，其中運(yùn)營能力包含供應(yīng)鏈資金周轉(zhuǎn)率、產(chǎn)值增長；協(xié)作能力包含供應(yīng)鏈團(tuán)隊(duì)的信息共享、經(jīng)營的跨部門協(xié)作發(fā)生量；作業(yè)能力包括企業(yè)重復(fù)訂單頻次、客戶保有量。

所選指標(biāo)中的運(yùn)營能力一級指標(biāo)由資金周轉(zhuǎn)率和產(chǎn)值增長構(gòu)成，均以當(dāng)年對上一年的相對比構(gòu)成，結(jié)合上述分析，將供應(yīng)鏈協(xié)作管理績效a1按照資金周轉(zhuǎn)率a11，分層級檔位設(shè)置為0.8、0.5、0.3，為統(tǒng)一起見，其余指標(biāo)均設(shè)定三類檔位予以供應(yīng)鏈協(xié)作管理績效分級，其中，將產(chǎn)值增長率a12對應(yīng)控制在2%以下、2%～3%、3%以上；一級指標(biāo)協(xié)作能力a2主要包含團(tuán)隊(duì)信息共享a21以及跨部門協(xié)作發(fā)生量a22，均按照供應(yīng)鏈協(xié)作管理過程中的每年次折算，結(jié)合樣本實(shí)際，將信息共享與跨部門協(xié)作發(fā)生量年次均分為0～4次、5～10次、10次以上三檔；一級指標(biāo)作業(yè)能力a3則包含了重復(fù)訂單頻次a31（按年次計(jì)算），以及客戶保有量a32（按戶數(shù)計(jì)算）分別設(shè)定三檔為0～2次、3～5次、5次以上，0～1戶、2～4戶、5戶及5戶以上。其中，資金周轉(zhuǎn)率數(shù)據(jù)源自調(diào)研樣本所供的企業(yè)資產(chǎn)、經(jīng)營賬戶，其余信息由樣本數(shù)據(jù)部門所供的年度工作計(jì)劃、項(xiàng)目實(shí)施數(shù)據(jù)、公司訂單信息管理平臺以及客戶資料檔案整理而成。

2.2 樣本分布分析

結(jié)合供應(yīng)鏈協(xié)作管理現(xiàn)狀與指標(biāo)按照由低到高順序，A、B、C級別分層，圖1報(bào)告了所選樣本六個(gè)二級指標(biāo)供應(yīng)鏈協(xié)作管理績效指標(biāo)數(shù)據(jù)分布區(qū)。

圖1 基于改進(jìn)粗糙集的供應(yīng)鏈協(xié)作管理績效二級指標(biāo)樣本分布

從圖1可以看出，所選二級指標(biāo)基本呈現(xiàn)出中間層次高樣本，兩端層級低樣本的分布態(tài)勢，也就是說總體上供應(yīng)鏈協(xié)作管理績效處于運(yùn)營能力、協(xié)作和作業(yè)能力中級的樣本數(shù)量相對較多，而處于較好或較差運(yùn)營能力、協(xié)作能力以及作業(yè)能力的供應(yīng)鏈協(xié)作管理決策則相對分布稀缺。其中，重復(fù)訂單頻次這一單項(xiàng)二級指標(biāo)的最好分布數(shù)偏少，僅為11個(gè)，而較差的為33個(gè)，是最多的分布，表明供應(yīng)鏈決策的管理在訂單，也就是重復(fù)業(yè)務(wù)的競爭能力上表現(xiàn)不足。

接著，本文結(jié)合式（13）進(jìn)行去改進(jìn)Markov粗糙集訓(xùn)練的績效決策效果評價(jià)，其結(jié)果如表1所示。

表1 基于改進(jìn)Markov粗糙集訓(xùn)練的供應(yīng)鏈協(xié)作管理績效決策效果

從表1報(bào)告的結(jié)果可以看出，各二級指標(biāo)的選取對于一級指標(biāo)的供應(yīng)鏈協(xié)作管理績效解釋有所不同。存在優(yōu)、較好、一般、差不同級別，而所選樣本中只有兩個(gè)二級指標(biāo)（資金周轉(zhuǎn)率和產(chǎn)值增長）對于一級指標(biāo)的修正粗糙集向量指標(biāo)訓(xùn)練結(jié)果解釋是優(yōu)的決策效果結(jié)果，這反映了目前階段我國廣大供應(yīng)鏈企業(yè)獲取管理績效的關(guān)鍵途徑還在于自身生產(chǎn)和在生產(chǎn)規(guī)模方面的累積獲得，但在這一過程中，對于企業(yè)自身的一些部門內(nèi)部協(xié)作管理以及運(yùn)作管理，分別表現(xiàn)出了一般、較好以及較差、一般的管理績效決策結(jié)果，這反映出了供應(yīng)鏈協(xié)作管理在企業(yè)運(yùn)營過程中尚未能與企業(yè)自身管理直接、有效地結(jié)合起來，而與此相關(guān)的二級指標(biāo)——團(tuán)隊(duì)信息共享以及跨部門協(xié)作發(fā)生量，都是從供應(yīng)鏈企業(yè)自身的管理角度出發(fā)的測度指標(biāo)，因此對照驗(yàn)證結(jié)果可知，對于廣大供應(yīng)鏈企業(yè)而言，在做好供應(yīng)鏈績效提升的同時(shí)，應(yīng)該更進(jìn)一步從團(tuán)隊(duì)合作以及信息共享機(jī)制方面抓住突破口，實(shí)現(xiàn)信息與管理內(nèi)容互通層面上的管理績效改進(jìn)。

2.3 改進(jìn)粗糙集-Markov對供應(yīng)鏈協(xié)作管理績效的訓(xùn)練調(diào)整

經(jīng)過Markov修正的粗糙集訓(xùn)練約簡向量集數(shù)據(jù)，經(jīng)歷共80次訓(xùn)練，其中在第45次逐漸步入平穩(wěn)階段，并實(shí)質(zhì)上反饋出所選樣本訓(xùn)練的終止，按照這一結(jié)果進(jìn)行Markov鏈的績效歸一化輸入訓(xùn)練（見下頁圖2），再次進(jìn)入上述式（6）的樣本數(shù)據(jù)設(shè)定為訓(xùn)練優(yōu)反饋信號，在約簡后的Markov向量集中有兩組共四個(gè)二級指標(biāo)報(bào)告了按風(fēng)層次粗糙集內(nèi)向量的反饋強(qiáng)信號，分別是團(tuán)隊(duì)信息共享（次/年）、跨部門協(xié)作發(fā)生量（次/年）、重復(fù)訂單頻次（次/年）、客戶保有量（戶），按照Markov鏈整理的輸出信號分別為（0.0021 0.9912-0.0011 0.0067）和（0.0039 0.0812-0.0020 0.0039），除了跨部門協(xié)作在對應(yīng)于運(yùn)營、協(xié)作的交叉作用時(shí)有所偏離，其余二級指標(biāo)對一級指標(biāo)的供應(yīng)鏈協(xié)作管理績效反饋都對應(yīng)統(tǒng)一數(shù)量級。同時(shí)，再按照改進(jìn)粗糙集訓(xùn)練所獲向量集信息反饋中的輸出向量獲得基于式（11）的Markov向量粗糙集輸出誤差。

由圖2可知，形成顯著Markov與粗糙集訓(xùn)練共同干預(yù)約簡后信號的主要是團(tuán)隊(duì)信息共享、跨部門協(xié)作發(fā)生量、重復(fù)訂單頻次以及客戶保有量二級指標(biāo)，且信息共享與重復(fù)訂單次數(shù)是經(jīng)過改進(jìn)馬爾科夫鏈過程刻畫的粗糙集訓(xùn)練后的高二級分層反饋指標(biāo)，其次是跨部門協(xié)作。由此可知，影響供應(yīng)鏈協(xié)作管理績效的重要因素協(xié)作能力、作用能力在企業(yè)日常的管理過程和信息技術(shù)處理與客戶關(guān)系管理中有待加強(qiáng)。

圖2 基于改進(jìn)Markov過程的供應(yīng)鏈協(xié)作管理關(guān)聯(lián)因素粗糙集輸出誤差測定訓(xùn)練

最后，本文結(jié)合團(tuán)隊(duì)信息共享、跨部門協(xié)作發(fā)生量、重復(fù)訂單頻次以及客戶保有量的高敏二級指標(biāo)，進(jìn)行時(shí)序角度的基于改進(jìn)Markov的層級訓(xùn)練樣本對供應(yīng)鏈協(xié)作管理決策有效性排序。

表2 基于改進(jìn)Markov神經(jīng)訓(xùn)練的供應(yīng)鏈管理績效決策效果

從表2的結(jié)果可知，資金周轉(zhuǎn)率a11在近十年的供應(yīng)鏈協(xié)作管理過程中表現(xiàn)出相對平穩(wěn)的分選指標(biāo)波動(dòng)平緩特征，基本圍繞A級、B級振蕩，與此類似的還有產(chǎn)值增長率a12，這就說明供應(yīng)鏈協(xié)作管理選取指標(biāo)中相互作用的逐年累積效應(yīng)存在穩(wěn)定性，資金周轉(zhuǎn)與產(chǎn)值增長是供應(yīng)鏈企業(yè)協(xié)作的主渠道，而第二類一級指標(biāo)——協(xié)作能力在逐年的供應(yīng)鏈協(xié)作推動(dòng)中獲得的改進(jìn)有限，特別是其中的二級指標(biāo)團(tuán)隊(duì)信息共享a21，尚未在既有累積效應(yīng)上發(fā)揮對于供應(yīng)鏈協(xié)作管理的推動(dòng)作用，這也與現(xiàn)階段我國整個(gè)供應(yīng)鏈體系缺乏管理全稱的信息共享等實(shí)施形成呼應(yīng)；而第三類一級指標(biāo)——作業(yè)能力a3，總體上的時(shí)序累積效應(yīng)偏低，說明供應(yīng)鏈協(xié)作管理績效的推進(jìn)因素相對偏少，也進(jìn)一步削減了各類體系內(nèi)部的協(xié)作、團(tuán)隊(duì)共享未能更有效直接地形成供應(yīng)鏈協(xié)作管理能力。可見，盡管部分要素存在與整體供應(yīng)鏈協(xié)作管理的相互關(guān)聯(lián)結(jié)構(gòu)特征，但在整個(gè)時(shí)序內(nèi)的累積過程仍未達(dá)到與供應(yīng)鏈協(xié)作管理協(xié)調(diào)的地步，這也是供應(yīng)鏈協(xié)作管理改進(jìn)的關(guān)鍵。

3 總結(jié)

本文結(jié)合供應(yīng)鏈協(xié)作管理在我國發(fā)展的現(xiàn)實(shí)狀況，利用基于Markov分層的粗糙集訓(xùn)練方法進(jìn)行管理績效評價(jià)過程中的決策疊合信息約簡，并通過疊合不同時(shí)序進(jìn)行指標(biāo)訓(xùn)練信息約簡與粗糙集訓(xùn)練改進(jìn)。根據(jù)驗(yàn)證結(jié)果分析，制約供應(yīng)鏈協(xié)作管理績效的關(guān)鍵因素主要是團(tuán)隊(duì)信息以及跨部門協(xié)作，而供應(yīng)鏈協(xié)作管理背景下的訂單以及客戶管理也逐步成為影響供應(yīng)鏈協(xié)作管理的關(guān)鍵，在驗(yàn)證過程中形成較顯著反饋特征的因素對于今后一段時(shí)間內(nèi)調(diào)整整個(gè)供應(yīng)鏈產(chǎn)業(yè)及其服務(wù)的協(xié)作管理績效具有借鑒意義。

[1]Mentzer J T,Dewitt W,Keebler J S,et al.Defining Supply Chain Management[J].Journal of Business Logistics,2001,22(22).

[2]Bai C,Dhavale D,Sarkis J.Complex Investment Decisions Using Rough Set and Fuzzy C-means:An Example of Investment in Green Supply Chains[J].European Journal of Operational Research,2015,248(2).

[3]Tiwari S,Roy S S,Viswanatham V M.Using Rough Sets for Optimal Cost Evaluation in Supply Chain Management[J].International Conference on Computing，2012.

[4]Zou Z,Tseng T L,Sohn H,et al.A Rough Set Based Approach to Distributor Selection in Supply Chain Management[J].Expert Systems With Applications,2011,38(1).

[5]謝莉娟.互聯(lián)網(wǎng)時(shí)代的流通組織重構(gòu)——供應(yīng)鏈逆向整合視角[J].中國工業(yè)經(jīng)濟(jì),2015,(4).

[6]鄭培,黎建強(qiáng).基于BP神經(jīng)網(wǎng)絡(luò)的供應(yīng)鏈績效評價(jià)方法[J].運(yùn)籌與管理,2010,19(2).

[7]史成東,陳菊紅，郭福利.粗糙集和BP神經(jīng)網(wǎng)絡(luò)在供應(yīng)鏈績效評價(jià)中的應(yīng)用研究[J].軟科學(xué),2008,22(3).

[8]陳紅梅.基于粗糙集的TOPSIS供應(yīng)鏈合作伙伴選擇[J].統(tǒng)計(jì)與決策,2011,(22).

[9]葉春明,馬慧民,李丹等.BP神經(jīng)網(wǎng)絡(luò)在供應(yīng)鏈管理績效指標(biāo)評價(jià)中的應(yīng)用研究[J].工業(yè)工程與管理,2005,10(5).

[10]張新香.企業(yè)知識管理能力的模糊綜合評價(jià)[J].科學(xué)學(xué)與科學(xué)技術(shù)管理,2008,29(2).

[11]鄭培,黎建強(qiáng).基于BP神經(jīng)網(wǎng)絡(luò)的供應(yīng)鏈績效評價(jià)方法[J].運(yùn)籌與管理,2010,19(2).