数字供应链管理实务任务10-3：数字化供应链管理方法概述电子课件 .ppt

《数字供应链管理实务任务10-3：数字化供应链管理方法概述电子课件 .ppt》由会员分享，可在线阅读，更多相关《数字供应链管理实务任务10-3：数字化供应链管理方法概述电子课件 .ppt（23页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、数字供应链管理实务任务10-3：数字化供应链管理方法概述电子课件 数字化供应链管理技术数字化供应链管理技术 项项目目四四教学单元教学单元 知识点知识点10-310-3：数字化供应链管理方法概述：数字化供应链管理方法概述 数字化供应链评价的方法数字化供应链评价的方法目目 录录CONTENTS层次分析法层次分析法（AHPAHP）一模糊综合评模糊综合评价（价（FCEFCE）二人工神经网人工神经网络（络（ANNANN）三数据包络分数据包络分析（析（DEADEA）二支持向量机支持向量机（SVMSVM）三思政目标思政目标壹壹贰贰 过去的供应链设计是串联的长链，数字化的供应链是网状的并过去的供应链设计是串联

2、的长链，数字化的供应链是网状的并联。联。供应链效绩评价方法是供应链绩效评价的具体手段。供应链效绩评价方法是供应链绩效评价的具体手段。主要是将各具体指标的评价值经过适当的计算，得出最终目标主要是将各具体指标的评价值经过适当的计算，得出最终目标评价值，最后再与评价标准比较，得出评价结论。评价值，最后再与评价标准比较，得出评价结论。没有科学的评价方法对评价指标的运用，就不可能得出正确的没有科学的评价方法对评价指标的运用，就不可能得出正确的结论。结论。一、层次分析法（一、层次分析法（AHPAHP）层次分析法层次分析法（Analytic Hierarchy ProcessAnalytic Hierarc

3、hy Process，AHPAHP）是一种）是一种定性与定量结合的多目标决策分析方法，由定性与定量结合的多目标决策分析方法，由saatysaaty于于2020世纪世纪7070年代首先提出，并用于分析复杂系统。年代首先提出，并用于分析复杂系统。（1 1）层次分析法思想）层次分析法思想:首先分析复杂系统的要素构成及其相首先分析复杂系统的要素构成及其相互间的关系，据此构造出一个有序的递阶层次结构；然后通互间的关系，据此构造出一个有序的递阶层次结构；然后通过两两比较的方式确定层次中各个要素的相对重要性，在每过两两比较的方式确定层次中各个要素的相对重要性，在每一个层次上建立判断矩阵，计算该层要素的相对权

4、重；最后一个层次上建立判断矩阵，计算该层要素的相对权重；最后计算出各要素相对于总目标的权重。计算出各要素相对于总目标的权重。（2 2）层次分析法层次分析法将实际的问题系统的分化为相关的因素与层将实际的问题系统的分化为相关的因素与层次体系，计算各层次和因素对其上或下的层次与因素的重要次体系，计算各层次和因素对其上或下的层次与因素的重要性，通过不同层次间各异的权重系数加以计算，求得次级阶性，通过不同层次间各异的权重系数加以计算，求得次级阶层各元素对上阶层的权重值。层各元素对上阶层的权重值。当在实际操作中遇到难以决策的问题的时候，基于对实际问当在实际操作中遇到难以决策的问题的时候，基于对实际问题的精

5、确分析后，将相关的原因按照实际问题的不同属性，题的精确分析后，将相关的原因按照实际问题的不同属性，按照一定的顺序分解成若干个层次。按照一定的顺序分解成若干个层次。相同层的若干因素从属或者影响上一层的因素，并且对下一相同层的若干因素从属或者影响上一层的因素，并且对下一层的因素有着支配或影响。层的因素有着支配或影响。层次分析法的优点层次分析法的优点层次分析法的优点：简明便于操作，通过两两比较的方法确层次分析法的优点：简明便于操作，通过两两比较的方法确定每个因素的相对重要性，定每个因素的相对重要性，依据专家的经验判断其权重系数，从而决定其相对重要性的依据专家的经验判断其权重系数，从而决定其相对重要性

6、的顺序和权重，顺序和权重，最后通过计算综合积分评判方案的优良，提供决策依据，所最后通过计算综合积分评判方案的优良，提供决策依据，所以是第三方物流企业评价中最常用的评价方法。以是第三方物流企业评价中最常用的评价方法。（3 3）层次分析法层次分析法能够同时从定性和定量两个角度来分析问题，能够同时从定性和定量两个角度来分析问题，特别适合用于解决复杂系统的评价问题。特别适合用于解决复杂系统的评价问题。因为针对复杂问题建立精确的数学模型往往是很困难的，某因为针对复杂问题建立精确的数学模型往往是很困难的，某些时候必须依靠人的定性判断。些时候必须依靠人的定性判断。与此同时，层次分析法也存在很多的不足之处，如

7、与此同时，层次分析法也存在很多的不足之处，如:层次分析层次分析法在很大程度上依靠的是人的经验，无法排除个人偏好造成法在很大程度上依靠的是人的经验，无法排除个人偏好造成的片面性；的片面性；比较和判断的过程较为粗糙，只能用于解决精度要求不高的比较和判断的过程较为粗糙，只能用于解决精度要求不高的问题；当影响因素数量较多时，比较判断的工作量会迅速增问题；当影响因素数量较多时，比较判断的工作量会迅速增加。加。二、模糊综合评价（二、模糊综合评价（FCEFCE）模糊综合评价模糊综合评价(Fuzzy Comprehensive Evaluation(Fuzzy Comprehensive Evaluation

8、，FCE)FCE)是是在模糊数学理论的基础上发展起来的。在模糊数学理论的基础上发展起来的。模糊数学理论由模糊数学理论由ZadehZadeh于于2020世纪世纪6060年代首先提出，它采用精确年代首先提出，它采用精确的数学方法来描述模糊性现象。的数学方法来描述模糊性现象。（1 1）模糊综合评价模糊综合评价借助模糊数学，将边界不清晰、不易量化借助模糊数学，将边界不清晰、不易量化的因素定量化，然后计算各个因素与评价对象的隶属度，根的因素定量化，然后计算各个因素与评价对象的隶属度，根据隶属等级状况进行综合评价。据隶属等级状况进行综合评价。（2 2）供应链绩效评价的指标之间存在着复杂的因果关系，有）供应

9、链绩效评价的指标之间存在着复杂的因果关系，有些关系是模糊的、不确定的，而且有些指标无法实现精确定些关系是模糊的、不确定的，而且有些指标无法实现精确定量化，应用模糊综合评价就能够很好的解决这些模糊性问题，量化，应用模糊综合评价就能够很好的解决这些模糊性问题，这也是该方法的最大优势。这也是该方法的最大优势。（3 3）模糊综合评价劣势在于）模糊综合评价劣势在于:计算复杂；计算复杂；指标权重的设定具有较强的人为主观性；指标权重的设定具有较强的人为主观性；当指标数量较多时，容易出现当指标数量较多时，容易出现/超模糊现象。超模糊现象。三、人工神经网络（三、人工神经网络（ANNANN）人工神经网络人工神经网

10、络(Artificial Neural Networks(Artificial Neural Networks，ANN)ANN)简称神经简称神经网络，是人工智能领域的重要分支，它是对人脑进行抽象、网络，是人工智能领域的重要分支，它是对人脑进行抽象、简化而建立起来的计算模型，目的是为了模拟实现大脑的某简化而建立起来的计算模型，目的是为了模拟实现大脑的某些功能。些功能。（1 1）目前有上百种模型问世，其中比较著名的有）目前有上百种模型问世，其中比较著名的有BPBP神经网神经网络、径向基神经网络、竞争学习神经网络、学习向量量化神络、径向基神经网络、竞争学习神经网络、学习向量量化神经网络、经网络、EI

11、manEIman神经网络、神经网络、HopfieldHopfield神经网络和神经网络和BoltzmannBoltzmann神神经网络，其中经网络，其中BPBP神经网络的影响和应用最为广泛。神经网络的影响和应用最为广泛。（2 2）神经网络的主要优点是能够自适应样本数据，当数据中）神经网络的主要优点是能够自适应样本数据，当数据中有噪声和非线性时，也能够正常工作，另外，联想推理、高有噪声和非线性时，也能够正常工作，另外，联想推理、高速并行处理也是其优点。速并行处理也是其优点。经过科学的训练和学习，神经网络能够找出输入和输出之间经过科学的训练和学习，神经网络能够找出输入和输出之间的非线性映射关系，从

12、而实现智能推理和预测。的非线性映射关系，从而实现智能推理和预测。（3 3）神经网络的劣势在于学习效率低，容易陷入局部极值，）神经网络的劣势在于学习效率低，容易陷入局部极值，以及当样本数据多时收敛速度慢。以及当样本数据多时收敛速度慢。有学者研究了有学者研究了BPBP神经网络在供应链管理绩效指标评价中的应神经网络在供应链管理绩效指标评价中的应用。用。四、数据包络分析（四、数据包络分析（DEADEA）数据包络分析（数据包络分析（Data Envelopment AnalysisData Envelopment Analysis，DEADEA）是）是CharnesCharnes等学者于等学者于1978

13、1978年提出的评价相对有效性的方法；年提出的评价相对有效性的方法；是使用数学规划模型来比较不同决策单元之间的相对效率，是使用数学规划模型来比较不同决策单元之间的相对效率，通过综合分析决策单元的输入和输出数据，通过综合分析决策单元的输入和输出数据，可以得出每个决策单元的综合效率指标，并且以定量化的形可以得出每个决策单元的综合效率指标，并且以定量化的形式表示出来。式表示出来。（1 1）数据包络分析适合用于多输入、多输出的复杂系统评价，）数据包络分析适合用于多输入、多输出的复杂系统评价，它将输入和输出权重设置为变量，无需人为主观设定。它将输入和输出权重设置为变量，无需人为主观设定。DEADEA还能

14、判断各决策单元的投入规模是否恰当，如果不恰当，还能判断各决策单元的投入规模是否恰当，如果不恰当，可以向什么方向、以何种程度调整投入规模以此给部门主管可以向什么方向、以何种程度调整投入规模以此给部门主管提供有用的决策信息。提供有用的决策信息。（2 2）数据包络分析可以处理不同量纲的数据，将系统的内部）数据包络分析可以处理不同量纲的数据，将系统的内部过程视为过程视为“黑箱黑箱”，因此避免了对输入和输出之间的定量关，因此避免了对输入和输出之间的定量关系进行描述。系进行描述。（3 3）数据包络分析的主要缺点在于该方法对指标数目要求比）数据包络分析的主要缺点在于该方法对指标数目要求比较严格，当指标数目相

15、对于决策单元的数目太多时，多数决较严格，当指标数目相对于决策单元的数目太多时，多数决策单元会被判定为有效，从而无法取得有效的信息。策单元会被判定为有效，从而无法取得有效的信息。五、支持向量机（五、支持向量机（SVMSVM）支持向量机支持向量机(Support vector Maehines(Support vector Maehines，SVM)SVM)是是vapnikvapnik于于19951995年提出一种机器学习算法。年提出一种机器学习算法。（1 1）支持向量机支持向量机是一种二分类模型，它的基本模型是定义在是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大

16、使它有别于特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；感知机；SVMSVM还包括核技巧，这使它成为实质上的非线性分类还包括核技巧，这使它成为实质上的非线性分类器。器。SVMSVM的的学习策略就是间隔最大化，可形式化为一个求解凸二的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问次规划的问题，也等价于正则化的合页损失函数的最小化问题。题。SVMSVM的的学习算法就是求解凸二次规划的最优化算法。的的学习算法就是求解凸二次规划的最优化算法。（2 2）支持向量机）支持向量机基本思想是基本思想是:将在低维空间线性不可分的样本通过核函数的

17、非线性变换，将在低维空间线性不可分的样本通过核函数的非线性变换，映射到高维特征空间，在高维特征空间构造出最优超平面和映射到高维特征空间，在高维特征空间构造出最优超平面和决策函数，据此可以推断出任意一个输入决策函数，据此可以推断出任意一个输入x x对应的输出对应的输出y y。（3 3）SVMSVM算法原理。算法原理。SVMSVM学习的基本想法是求解能够正确划分训练数据集并且几何学习的基本想法是求解能够正确划分训练数据集并且几何间隔最大的分离超平面。如下图所示间隔最大的分离超平面。如下图所示.公式：公式：W WX+b=0X+b=0即为分离超平面，对于线性可分的数据集来即为分离超平面，对于线性可分的数据集来说，这样的超平面有无穷多个（即感知机），但是几何间隔说，这样的超平面有无穷多个（即感知机），但是几何间隔最大的分离超平面却是唯一的。最大的分离超平面却是唯一的。（4 4）支持向量机在解决小样本、非线性和高维度问题时具有）支持向量机在解决小样本、非线性和高维度问题时具有很大的优势，然而当样本数量较大时，很大的优势，然而当样本数量较大时，SVMSVM就无能为力了，必就无能为力了，必须求助于改进的须求助于改进的SVMSVM模型。模型。谢谢聆听聆听“北斗北斗”+智慧物流传播工作室智慧物流传播工作室再再见