基于BP神经网络的电信运营企业供应商选择研究

摘 要：通过对电信运营企业中供应商的具体特点进行分析，基于不同的特点建立电信运营企业供应商的评价指标体系。BP神经网络是目前应用最广泛的神经网络，本文基于此计算方法对供应商数据进行训练，建立电信运营企业供应商选择模型，设计了一种基于BP神经网络的电信行业供应商选择算法，可以利用训练好的神经网络对复杂繁多的电信运营企业供应商进行快速选择。实例验证结果表明，将BP神经网络用于电信运營企业供应商选择具有较强的实用性。

关键词：BP神经网络;供应商选择;电信行业;MATLAB

中图分类号：TP183文献标识码：A文章编号：1008-4428（2019）06-0025-03

一、 引言

随着国内信息时代的迅速发展，电信行业的市场竞争也愈发激烈，电信运营企业之间的竞争也随之发生了转变，由之前企业之间的竞争演变成供应链之间的相互竞争关系。更多的企业随着市场需求的多元化发展也逐渐加入了电信供应链的大军中，电信企业的管理范畴由以往的自身资源的管理扩大到整个供应链的管理，供应链包含供应商和客户，因此电信内部结构逐渐复杂化，电信运营企业也逐渐察觉结构的变化并寻求管理的办法，通过与合作伙伴之间的相互配合适应竞争环境、针对供应商制定合适的管理方法以及将供应商的选择评价方法进行合理的优化保持电信运营商在市场中的高份额。

目前常用的对供应商进行选择评价和评价的方法有很多，例如：层次分析法（AHP）、网络分析法（ANP）、数据包络分析（DEA）、逼近理想解排序法（TOPSIS）、灰色关联分析法等，这些方法由于专家在评价的过程中主观意识会影响结果及在实际的应用中包含随机性，因此通过利用人工神经网络进行供应商评价可以很好地解决这一问题。

20世纪80年代，在人工智能领域兴起了人工神经网络的研究热潮，针对人脑神经元网络基于信息的角度进行抽象处理，并形成简单的模型，通过不同的方式链接形成不同的网络。在学术界通常简称为神经或类神经网络。它具有学习型自适应性能力、分布式储存、大规模的并行处理信息存储及容错性等优点。同时还是运算模型的一种，可以任意精度逼近计算非线性函数，通常建模时被称为输入和输出数据之间的“黑箱”，并且利用学习能力实现输入和输出数据间的非线性映射。利用这些特点弥补供应商评价中的不足。

本研究依据相关文献的研究和参考，制定了基于电信行业环境的电信运营商中针对供应商的评价指标体系，在此基础上，利用MATLAB针对三层BP神经网络模型的结构进行分析测试及训练。通过此模型的利用完善电信运营企业供应商评价的模拟系统，促进电信运营企业针对供应商的评价效率的提高。

二、 电信运营企业供应商评价指标体系的确定

随着电信行业全球化的发展，认真研究电信供应链变得尤为重要，对于供应链中最重要的采购环节，供应商的选择成为很多电信运营企业的一个难题。本节在分析电信运营企业采购特点的基础上，结合之前学者的研究成果，总结出了适合于电信运营企业供应商的评价指标体系。

（一）电信运营企业的采购特点

1. 采购周期长

在电信运营企业中，时间因素具有特殊的意义。大工程项目通常需要分期完成，然而采购与工程项目相匹配的配套设备通常也需要分期进行。

2. 采购种类多样

电信运营企业从交换数据的设备、传输通信的设备、计算机服务器相关硬件设备等到ERP及信息等软件系统，采购的领域跨度极为庞大，种类多种多样。

3. 采购成本高昂

在采购金额上，电信运营企业的采购额高达上百亿，严重影响企业的资本和现金流量，为了满足企业采购所需的资金必须通过各种筹资方式维持正常的采购开销。

4. 对采购设备的质量要求高

对于电信运营商来说，保证通信服务的质量是提升客户满意度的关键，所以要始终确保采购设备的质量的可靠性和稳定性。

5. 售后服务体系完善

电信运营商采购的设备在投入使用以后，必然会出现一些不大不小的问题，这就需要供应商能够提供完善的技术支持和售后服务，保证在最短的时间内解决问题。

（二）电信运营企业供应商的评价指标

1. 产品因素

（1）产品价格

产品价格通常是指运营商从供应商处获得的产品的价格。它对运营商的利润有一定的影响，该指标是一个定量指标，可以用单位产品的订货价格来衡量。

（2）产品合格率

产品质量指的是供应商提供给运营商的产品的好坏及耐用程度，该指标是一个定量指标，用合格产品占产品总量的百分比来衡量。

（3）物流成本

物流成本是指产品从供应商配送到运营商处所产生的成本，该指标是一个定量指标，用单位产品的运输费用来衡量。

2. 组织因素

（1）生产能力

企业的生产能力不但映射一个企业的生产规模，同时也是企业加工能力的技术参数，因此企业的生产能力是反映企业生产可能性的一个重要指标。

（2）技术人员的教育程度

技术人员的教育程度是影响企业技术、质量的关键因素。利用本科以上学历的技术人员占整个技术人员的百分比来衡量技术人员的教育程度。

（3）ISO认证情况

通过考察供应商是否进行ISO认证，可以规范企业的管理运作，提高管理水平。该指标的考核方式：1为该企业已经行ISO认证，0为该企业未进行ISO认证。

3. 交货能力

（1）交货准时性

交货准时性是指供应商在运营商指定的时间内交付货物的程度。

（2）配送准确性

配送准确性是指供应商能否将货物配送至正确的地点。

（3）安全性

安全性是指配送至运营商的货物是否完好无缺、是否有破损的情况。该指标是一个定量指标，用未破损的产品数量占总产品数量的百分比来衡量。

4. 服务能力

（1）售后服务水平

售后服务是指提供给已出售商品的各项服务。该指标是一个定量指标，主要依据固定时间内总售后服务次数中售后服务满意度次数所占的比例，以此针对供应商售后服务的满意率来衡量。

（2）技术支持水平

技术支持水平不僅是以解决技术问题为目的的，更重要的是在运营商心中建立起企业的形象，并进一步记住所用产品的品牌。该指标是一个定性指标，用李克特五级评分法来衡量。

三、 BP神经网络评价方法

（一）BP神经网络的基本原理

BP神经网络理论是属于技术前沿的人工智能研究领域，是应用最广泛的人工神经网络，是多层前馈网络通过逆向误差传播的算法训练的，通常依靠自己的学习能力训练出相应的规则，不必提前确定输入、输出之间关系的数学方程，就能给输入值一个逼近期望的数值。通过算法实现人工神经网络信息智能处理系统。

BP神经网络是属于单向传播的具有三层或三层以上前向结构的神经网络。然而每层与上层间的神经元单元都实现权连接，但是每个神经元之间又是不连接的。如图1所示，通常从结构上来讲具有三层结构，包含输入、隐藏、输出层，并且处于互连接的状态。

（二）BP神经网络建模的一般流程

BP算法利用自身的学习性以及较好的适应性，判断出规则的多层神经网络的算法，相较于单层感知器只能解决线性问题的不足针对大量的非线性数据BP算法可以很好地解决。一般包含以下流程：

1. 整理数据并读取

基于整理好的数据为基础，并导入excel文本，然后采用MATLAB函数针对数据进行系统的读取，组建成BP神经网络。

2. 设置测试集和训练集

以整理好的数据为基础，并分成测试集和训练集两部分。通过测试集针对训练集训练出的结果进行检验，采用误差分析法将算法的预测能力及拟合性判断并确定下来。

3. 针对数据进行归一化处理

为了更加便捷的查找数据之间的关系，将数据控制在一定的范围内进行归一化处理。归一化可以使模型在实际运行中更加快捷的收敛，是处理数据的基本前提。

4. 设置适合的神经网络参数

训练过程和结果的好坏基于网络参数设置的好坏，因此既精准又快捷的训练过程离不开好的参数基础，反之，坏的参数将会使训练过程延长并造成误差较大的训练结果。因此为了找到合适的参数需要在参数的选择上多参考别人的经验以免造成不必要的麻烦。

5. 针对BP神经网络进行训练

通过以上步骤针对整理好的数据通过设置合适的参数进行训练，由此将模型建立起来。

6. 针对BP神经网络进行测试

测试训练好的模型，基于预期的结果和训练的结果进行比较分析，确定模型拟合度以及在精度方面是否达标。

7. 输出结果

模型测试达标后，在模型中输入已知的数据并计算结果。图2为BP神经网络流程图：

四、 实例分析

某电信运营企业网络配套设备品类现有20家供应商，该企业希望通过筛选，从这20个供应商中选择1个作为长期合作伙伴，并利用评估小组收集供应商的资料进行调研，由此得到相关数据建立供应商评价指标体系，如表1所示：

将表1的数据分为两部分，选取前面的15组数据作为学习样本，目标值采用专家评价值P=（0.85 0.96 0.92 0.79 0.86 0.85 0.97 0.88 0.92 0.94 0.77 0.84 0.79 0.96 0.83），用以训练权值。用MATLAB构建BP神经网络以后，设置最大训练次数为1000，网络收敛目标为0.0000001，学习率为0.3，得到的神经网络预测结果如表2所示：

通过对表2观察得知，针对样本数据进行训练得出预测值相对于供应商的期望值之间误差控制的较小，这种误差针对平常的预测模型来说已经是相当精准了，可以说预测的效果非常好，因此，电信供应商的选择和评价参考模型的训练结果BP神经网络，可以使实际应用中的需求得到满足。

通过对样本训练，并利用训练好的BP神经网络，分别输入5组样本数据，输出结果如表3所示：

依据表3可以直观得出，供应商18的预测值在五个供应商中最高，达到了0.9888，应该被选择为长期合作伙伴，该结果也与企业实际选择结果相匹配。

五、  结论

本文分析了当前经济环境下电信运营企业供应链管理的重要性，并根据电信运营企业的发展现状及结构特点，针对配套网络设备的品类对企业供应商建立评价指标体系的模型，并且将训练出的BP神经网络模型采用MATLAB软件进行仿真并优化，将优化后的模型运用于某电信运营企业供应商的选择与评价中，预测出合适的供应商编号，并对模型的有效性进行检验。电信运营企业基于BP神经网络模型在选择和评价供应商的体系建立上提供了理论和实际指导。

本文基于BP神经网络模型训练出适合的供应商为电信运营企业供应商的选择和评价提供了实际的计算体系，但是电信运营企业内部结构复杂化，未来将要面对更多的问题，因此希望今后对各品类的电信运营企业供应商更加细化研究，以便得出更精确的训练结果，完善供应商的选择和评价体系，使研究结果的针对性更强。

参考文献：

[1] Dickon G W. Analysis of selection systems and decision [J]. Journal of Purchasing，1966（5）：5-17.

[2] Weber C.A， Current， Benton W.C. Vendor Selection Criteria and Methods[J]. European Journal of Operational Research，1991，50：2-18.

[3] 陈建州.物流供应商的评价与选择[D]. 武汉：华中科技大学，2005.

[4] 朱大奇，史慧.人工神经网络原理及其应用[M].北京：科学出版社，2006.

[5] 丁以中.基于神经网络的供应商选择模型[J].物流技术，2014（3）.

[6] 秦晓芳.BP神经网络理论下供应商选择评价模型构建[J].商业经济研究，2015（27）：24-25.

[7] 张阳.电信运营企业的供应商分类研究[D].北京：北京邮电大学，2007.

[8] 曾丽丽. 基于电信行业的供应商评价选择研究[D].北京：北京邮电大学，2014.

作者简介：

董升旭，男，内蒙古人，北京邮电大学经济管理学院管理科学与工程专业硕士研究生，研究方向：供应链管理。