[發明專利]基于混合PSO-Adam神經網絡的外協供應商評價方法

在審

• 申請號: 201811083184.7
• 申請日: 2018-09-17
• 公開（公告）號: CN109118122A
• 公開（公告）日: 2019-01-01
• 發明（設計）人: 李益兵;宋東林;王磊;陳志鵬
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/04
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 鐘鋒;李丹

本發明公開了一種基于混合PSO?Adam神經網絡的外協供應商評價方法，包括以下步驟：建立外協供應商評價數據集；使用留出法將數據集劃分成k個大小相似的互斥子集；每次用k?1個子集的并集作為訓練集，余下的子集作為測試集，得到k組訓練集與測試集；建立神經網絡，神經網絡的模型結構包括輸入層、隱含層、輸出層；神經網絡訓練，獲得訓練后的神經網絡模型；完成對神經網絡的訓練后，將外協供應商數據集輸入神經網絡的輸入層，神經網絡輸出層的輸出即為外協供應商的評價得分。本發明方法能客觀高效地進行外協供應商評價決策，減少對個人經驗的依賴，降低供應商評價難度，減少供應鏈管理成本。

技術領域

本發明涉及評價技術，尤其涉及一種基于混合PSO-Adam神經網絡的外協供應商評價方法。

背景技術

隨著人工智能、大數據、物聯網和云計算等新興技術在制造業的不斷深入，引發了以全球化、信息化、智能化、智慧化和綠色化為發展方向的新一輪產業革命，企業的制造環境也發生了根本性的變革。越來越多的企業選擇與其他企業進行網絡化的協同制造，并將一些非核心的加工需求交給更為專業的外協供應商，以專注于自身核心競爭力的提高。當前復雜的外協環境給制造企業提供了更多樣化的外協加工資源，然而外協加工資源的分散性、多樣性、動態性、組合性也對制造企業的外協供應商的評價提出了更高的要求，這使得傳統的方法難以滿足當前環境下外協供應商評價的需求。因此，有必要開發一種新的外協供應商決策方法，進一步減少傳統方法對個人經驗的依賴，降低供應商評價的難度，減少供應鏈管理成本，以適應當前復雜的外協環境。

發明內容

本發明要解決的技術問題在于針對現有技術中的缺陷，提供一種基于混合PSO-Adam神經網絡的外協供應商評價決策方法，彌補多目標決策方法主觀性太強的缺陷，從而客觀高效地進行外協供應商評價決策，減少對個人經驗的依賴，降低供應商評價難度，減少供應鏈管理成本。

本發明解決其技術問題所采用的技術方案是：一種基于混合PSO-Adam神經網絡的外協供應商評價方法，包括以下步驟：

1)建立外協供應商評價數據集，所述數據集中包括：從檢驗設備采集的合格率、質量穩定性和故障發生率數據；從加工設備采集的生產和加工效率；從MES系統采集的信息傳遞及時性和信息傳遞準確性數據；根據現有評價指標體系計算得到的平均交貨提前期差額、按期交貨率、交付準確率、制造加工人員素質、先進設備比例、加工要求變更完成率、工期變更完成率、加工報價差額和運輸成本差額數據；根據專家評價獲得的技術標準化程度、信息化水平、服務水平數據；

2)使用留出法將數據集D劃分成k個大小相似的互斥子集，即D＝D₁∪D₂∪…∪D_k，

3)每次用k-1個子集的并集作為訓練集，余下的子集作為測試集，得到k組訓練集與測試集，最后使用min-max標準化進行樣本數據的歸一化；

4)建立神經網絡，神經網絡的模型結構包括輸入層、隱含層、輸出層；輸入層和輸出層的神經元數目由實際的樣本決定，本神經網絡的模型選用單隱含層的網絡；

5)神經網絡訓練，獲得訓練后的神經網絡模型；

6)完成對神經網絡的訓練后，將外協供應商數據集輸入神經網絡的輸入層，神經網絡輸出層的輸出即為外協供應商的評價得分。

按上述方案，所述步驟5)中神經網絡訓練，獲得訓練后的神經網絡模型，采用PSO-Adam混合優化算法完成對神經網絡的訓練，

具體如下：

5.1)確定PSO算法參數與編碼結構：PSO的粒子長度、種群規模與迭代次數；

5.2)PSO算法初始化：初始化粒子種群中每個粒子的位置與速度；