SOM神经网络在生猪绿色供应链绩效评价中的应用

何开伦，李伟，程创业

(重庆理工大学工商管理学院，重庆 400054)

SOM神经网络在生猪绿色供应链绩效评价中的应用

何开伦，李伟，程创业

(重庆理工大学工商管理学院，重庆 400054)

遵循绩效评价指标选取原则，在选择生猪绿色供应链业务流程执行水平、运作绩效水平、节点企业绩效水平和绿色水平4个维度的基础上，构建了生猪绿色供应链绩效评价指标体系。然后利用自组织映射神经网络Matlab软件建立了SOM模型，并使用该模型对生猪绿色供应链绩效评价数据进行聚类分析，得出的聚类结果和特征即为绩效评价结果和绩效特征。实证分析结果表明:该方法可以对生猪绿色供应链绩效进行客观、准确的评价，从而为生猪绿色供应链绩效评价提供了一种新的途径。最后提出了发展生猪绿色供应链的相关建议。

生猪;绿色供应链;自组织映射神经网络;绩效评价

我国是一个以粮食和猪肉为主的农业大国，猪肉是我国大多数城乡居民的主要副食品。随着城镇居民收入的不断增加，生活水平日益提高，人们越来越重视饮食卫生和自身健康。特别是2011年3月份双汇出现的猪肉“瘦肉精”事件，更是引起人们对猪肉产品质量的高度重视。生猪产业是我国农业的核心产业。为保护生猪产业发展环境，保证猪肉质量安全，发展生猪绿色供应链已是大势所趋。生猪绿色供应链是由种猪繁殖企业、饲料企业、商品猪养殖企业、生猪屠宰企业及分销企业构成的企业链，通常以屠宰企业为核心，在屠宰企业主导下实现环境管理。生猪绿色供应链的基本特征是企业提供绿色猪(肉)、企业环境行为友好等［1］。生猪企业产业实施绿色供应链是生猪产业发展趋势。发展生猪绿色供应链必须对供应链进行绩效评价，研究和提出绩效评价方法对生猪产业的现代化发展具有重要意义。

生猪绿色供应链绩效评价就是根据生猪绿色供应链绩效评价指标值，通过按一定方法建立的评价模型对生猪绿色供应链绩效进行综合评判。目前，生猪绿色供应链绩效评价方法主要有生猪动物福利经济评价方法［2］、博弈分析法［3］、因子分析法［4］、Fuzzy－AHP－Grey评价模型［5］、结构方程模型［6］等。但运用生猪动物福利经济评价方法进行生猪绿色供应链绩效评价只是从动物福利单一角度出发，存在片面性。博弈论尽管是一门演绎科学，对社会现象有强大的解释力，然而，其理想主体的假定使得其演绎出的理论解与实际博弈结果存在差异［7］。而且博弈论下的绩效评价机制容易导致评价结果受到主观因素的影响。因子分子法需要大量的绩效指标数据支撑，而且通过真实的初始数据得到的因子分析结果可能与上一级指标内容有偏差。运用模糊数学方法不能解决绩效评价指标相关造成的信息重复问题，评价精度一般较低［8］，导致生猪绿色供应链绩效评价的结果不够精确。结构方程模型对生猪绿色供应链绩效评价的指标的数量要求高，而且其参数不是特别具体和直观。为了提高生猪绿色供应链绩效评价科学性结果的客观性和准确性，本文将自组织映射(self－organizingmaps，SOM)神经网络算法应用于生猪绿色供应链绩效评价中，运用Matlab工具进行聚类分析，得出绩效评价结果和绩效特征，以此客观准确地评价生猪绿色供应链运作绩效。

1 自组织特征映射神经网络(SOM)原理及绩效评价步骤

1.1 SOM神经网络基本原理

自组织特征映射神经网络(self－organizing featuremap，SOM)是自组织竞争型神经网络的一种网络类型。该网络为无监督学习网络，能够识别环境特征并自动聚类。SOM神经网络包括输入层和竞争层。网络的输入层与竞争层之间完全连接，竞争层的神经元之间在训练时存在着侧向抑制的作用，在识别时没有任何连接。

SOM神经网络聚类分析方法的数据挖掘作用主要体现在以下3个方面:①聚类分析可以用作其他方法的预处理步骤，同时也能将聚类结果应用到进一步的分析当中;②可作为一个独立的计算工具来获得被处理数据的分布情况，观察数据组的特征，对特处理的数据组做进一步的分析和处理，可应用于市场的细分、目标客户的定位、生物群种的划分、业绩等级的评价等方面;③聚类分析还可实现孤立点挖掘的功能，大量数据挖掘算法试图使孤立点对整体的影响最小化，甚至排除它们，然而孤立点本身也可能非常重要［9］。

SOM神经网络的学习过程是一个迭代的算法过程，在第t次迭代过程中有一个以胜元为中心的邻域Ng(t)，在此邻域内的神经元权值会得到增强，邻域外的神经元会受到抑制或者不增强。SOM神经网络最大的特点就是能够对没有类别标签的样本进行学习，即可以进行聚类分析。在经过多次迭代学习后，相近的样本所激活的胜元在空间中分布的区域相近，可以将这个区域确定为一类［10］。下面给出网络训练算法(采用欧氏距离):

1)初始化，随机赋值，对所有竞争层神经元的权值为{wij}，并将每个神经元的权值矢量归一化为单位长度，即‖Wj‖=1。邻域Ng(t)是指以步骤3)确定的获胜神经元g为中心，并且包含若干神经元的区域范围，而Ng(t)的值是指在第t次学习过程中邻域所包含得到神经元的个数。邻域Ng(t)的初始值为Ng(0)。需要确定学习次数T和学习率η(t)的初始值，且满足条件:0＜η(0)＜1［10］。

2)任意选x个学习模式中的一个模式X提供给SOM神经网络的输入层，并对X进行归一化处理:

3)对连接权值矢量进行归一化处理，计算训练样本X与Wj之间的欧式距离，找出最小距离dg，并确定胜元g:

4)进行连接权值调整，同时对竞争层邻域Ng(t)内所有神经元与输入层的神经元之间的连接权值进行一一修正，并做归一化处理:

5)选取另一个学习模式提供给SOM神经网络的输入层，重复2)～4)步骤，直至全部训练样本训练一遍;

6)在进行下一次迭代时，令t=t+1，更新学习率η(t)和Ng(t)。η(t)的值应该越来越小，最后等于0;Ng(t)的区域也会越来越小，到最后只包含一个胜元。假设竞争层某个神经元p在二维阵列中的坐标为(xp，yp)，则邻域的范围是以点［xp+Ng(t)，yp+Ng(t)］和点［xp－Ng(t)，yp－Ng (t)］为左下角和右上角的正方形图形，其修正公式为

式(6)中:int［x］取整符号，且Ng(0)是Ng(t)的初始值。

7)令t=t+1，返回上述步骤2)并重复2)～6)，直至t=T为止。网络收敛后，根据输出节点的响应将样本归到各自的类别当中［10］。

对于所有待分类的样本，通过Matlab软件逐个计算各输出节点与输入之间连接权值的欧式距离，如果与第j个输出节点之间的距离最小，则将该样本聚类到以第j个输出节点为特征的类别当中。在Matlab软件中基本算法如下:设D为分类序号;JD(i)为该分类下输入样本的序号;V(D)为该分类下输出节点的序号。对于第一个样本来说，如果与输出层节点序号为l的输出节点权值之间的距离最小，则有D=1，Jl(1)=1，V(1)=l;对于第k个样本Xk(k=2，3，…，n)，计算出与输出层节点序号为r的输出层节点权值之间距离最小后，令V(k)=r，对于每个V(D)，如果有V(k)= V(Dn)，则对于Dn，i=i+1，JD(i)=k;否则会形成新的类别，有D=D+1，JD(1)=k，V(D)=r。通过上述算法可以将所有输入样本分为D类［11］。

1.2 SOM神经网络绩效评价步骤

对生猪绿色供应链绩效评价的大体步骤分为如下4步:

1)选取具有典型特征的绩效评价指标;

2)把每一指标下的训练样本输入到评价模型当中;

3)计算输入矢量权值之间的欧氏距离来确定获胜神经元;

4)比较各类绩效评价指标下的待检测样本输出的位置和标准输出的位置之间的欧式距离是否最近。如果这几种指标输出的位置都比较近，那么就说明这几张绩效评价指标都可以用来评价生猪绿色供应链的绩效。

2 生猪绿色供应链绩效评价指标体系设计

可作为生猪绿色供应链绩效评价的指标很多，然而绩效评价的客观性并不要求对所有指标进行量化，而是要尽量避免绩效评价时的主观臆断与测量偏差。构建生猪绿色供应链绩效评价指标体系应遵循目标性、充分性、系统性、科学性、简单有效性和可操作性等原则［12］。根据这些原则，本文从生猪绿色供应链业务流程执行水平、运作绩效水平、节点企业绩效水平和绿色水平4个维度构建生猪绿色供应链绩效评价指标体系，具体内容见表1。

表1 生猪绿色供应链绩效评价指标体系

1)生猪绿色供应链的业务流程执行水平。本文把生猪绿色供应链的业务流程执行水平A1指标划分为绿色计划、绿色养殖、绿色屠宰加工、绿色配送和绿色回收6个业务流程二级指标，并从流程可靠性、反应性和灵活性3个方面对6个二级指标进行综合考虑，得到具体的易操作的评价指标。用订单准时交货率、订单完成率和产品合格率等指标来表示业务流程执行的可靠性;以采购订单完成率等指标反映业务流程执行的灵活性;用重新计划周期、预测准确性等指标来描述业务流程执行的反应速度。

2)生猪绿色供应链的运作绩效水平。本文主要从节点企业间的关系、成本与效益、创新和发展3个维度对生猪绿色供应链的运作水平进行评价。节点企业间关系指标可以从节点企业平均交货期、信息交流频率、信息传递及时率、售后服务质量、产销率和产需率6个角度进行评价，它能够反映生猪绿色供应链信息资源共享的程度以及企业间协调的稳定性;成本与效益指标可以从供应链利润增长率、总营运成本和供应链报酬率3个角度来进行评价，它能够反映生猪绿色供应链运营过程中的成本及效益水平;创新和发展指标可以从新产品收入比率、智力资本比率、R＆D费用比率和R＆D人员比率4个角度来进行评价，它能够反映各企业在市场环境变化情况下的创新和发展能力。

3)生猪绿色供应链节点企业绩效水平。本文从财务和市场2个维度对生猪绿色供应链节点企业绩效水平进行评价。财务指标可以从资产报酬率、资产增长率和流动比率3个角度来进行分析，它能够反映节点企业的盈利能力、运营能力、偿债能力和负债情况;市场指标可以从顾客满意度、退货率和市场占有率3个角度来进行评价，它能够反映节点企业对外部环境的响应速度以及它的市场竞争能力。

4)生猪绿色供应链的绿色水平。本文从环境属性、资源属性、能源属性和可回收性4个二级指标对生猪绿色供应链的绿色水平进行分析。环境属性指标包含环境污染程度、环境治理成本和环保收益3个三级指标，它能够反映生猪绿色供应链对环境的影响程度以及绿色等级;资源属性指标主要包含材料利用率、设备利用率以及无害材料使用比率3个三级指标，它能够映生猪绿色供应链对资源的依赖程度以及对资源的使用效益;能源属性指标包含能源利用率和产品使用能耗2个二级指标，它能够反映生猪绿色供应链对清洁能源的利用率。

需要指出的是:在表1所示的生猪绿色供应链绩效评价指标中，C23、C33、C403个指标表示生猪绿色供应链运作过程中可能的成本支出。这是一种负向绩效，对绩效具有消弱作用，因而将其纳入生猪绿色供应链绩效评价指标体系中。除此之外，其余37个绩效评价指标均为各个维度上的正向绩效，对绩效具有增进作用。

3 生猪绿色供应链绩效评价实例

3.1 数据收集

通过对生猪行业专家的访谈以及征求专家的意见，将生猪绿色供应链绩效评价标准划分为5个等级:1级表示优秀，2级表示良好，3级表示中等，4级表示合格，5级表示不合格，即级数越高，表现越差。本文研究的原始数据通过问卷调查和实际调研的形式，收集重庆市一家生猪屠宰企业主导的生猪绿色供应链过去5年(2007—2011年)的数据，以评价其生猪绿色供应链的运作绩效。

3.2 数据处理

Matlab建模过程:首先，运用函数newsom创建一个SOM神经网络。其代码为:Net=newsom (minmax(P'k)，［1，5］)，其中:将评价标准样本标准化和归一化之后的P'k作为模型的训练样本;将原始数据标准化和归一化之后的P't作为模型的测试样本;minmax(P'k)指定了输入向量元素的最小值和最大值;［1，5］表示创建SOM神经网络的竞争层为1×5的结构，且网络的结构是可以调整的。因为训练样本的样本量较小，所以创建这样的一个竞争层是非常合适的。然后，利用函数train和仿真函数sim对SOM神经网络进行训练并仿真。由于训练步数的大小会影响到网络的聚类性能，所以训练步数的设定对于网络的性能影响较大。本文设置训练步数为100、300和500，通过软件的运行分别观察其聚类性能。Matlab运行结果见表2、3。

表2 生猪绿色供应链绩效标准评价训练样本学习结果

表3 生猪绿色供应链绩效评价测试样本聚类结果

3.3 SOM网络评价

从表2的训练样本学习结果可知:当训练步数为100时，样本1、2、3各为一类，样本4、5分为一类，网络进行了初步分类;当训练步数为300时，由于样本量少，此时的样本已经完全划分为5种不同类型;当训练步数到达500时，被训练的每个样本都划分为5种不同的类型，与实际情况非常吻合，如果再提高训练的步数，再运行其实际意义不大。标准样本1～5的输出结果分为1、2、3、4、5，分别代表评价等级为优秀、良好、中等、合格和不合格5个等级。从表3的测试样本聚类结果可知:当训练步数为500时，样本1被划分为第二类，样本2和样本4被划分为第三类，样本3和样本5划分为第四类。综合表2和表3可以得知最终评价结果如表4。表4所反映的生猪绿色供应链绩效评价结果与所研究样本企业实际情况相符。因此，在综合分析生猪绿色供应链的绩效评价等级时，可以选用生猪绿色供应链的业务流程执行水平、运作绩效水平、节点企业绩效水平、绿色水平4个一级评价指标。以上分析结果表明:该方法可以对生猪绿色供应链绩效进行客观、准确的评价，从而为生猪绿色供应链绩效评价提供了一种新的途径。

表4 生猪绿色供应链绩效评价结果

4 发展生猪绿色供应链的对策建议

通过以上实证分析可以得出:整个生猪绿色供应链的发展受市场、成本等因素的影响，由于我国生猪产业尚处于产业化发展环境过程中，供应链管理还很薄弱，所以政府需要加大政策扶持力度，加大资金技术等投入，生猪养殖单位则要提高竞争力，优化产业结构，完善信息服务等。具体对策建议如下:

1)政府应充分运用各种职能，加大资金技术等投入，加强市场的规范管理，为生猪产业的发展和绿色供应链绩效的提高创造良好的环境。

2)养殖单位应调整优化产业结构，提高质量，打造优质品牌，保证产品质量。养殖单位应抓好生产等工作，加强管理，提高生产水平，降低产品成本，提高质量，及时对市场进行观测分析，降低市场的潜在风险。

3)政府相关部门应建立产业范围内的信息沟通机制，促进供应链信息的畅通传递。做好相关信息的收集、处理和及时传递，特别是市场价格波动等重大信息的共享，避免生猪产业受这些不利变化的影响。

5 结束语

本研究依据绩效指标体系构建原则和生猪绿色供应链业务流程执行水平等4个原则构建了生猪绿色供应链绩效评价指标体系。通过对不同绿色供应链绩效评价方法的比较，为避免人为设置指标权重对评价结果的不利影响，选择SOM神经网络聚类分析方法来实现生猪绿色供应链绩效的综合评价，并对一条完整的生猪绿色供应链进行实地调研和数据收集，通过对该供应链绩效评价进行实证分析，得出相应的评价结果。结果表明:生猪绿色供应链绩效评价指标选取的合理性以及评价方法的客观性，同时说明生猪绿色供应链运作模型相比上文模型和方法而言具有较高的可行性和实用性。

由于生猪绿色供应链运作模型的理论与实践尚处于初级研究阶段，分析基础尚不够充分，所以今后无论是在理论还是实际应用方面都可以从以下2个方面作进一步探讨:在生猪绿色供应链绩效评价指标体系方面，进一步通过探索性研究来选取更为合适的评价指标;在生猪绿色供应链绩效评价技术方面，进一步将其他学科的人工智能技术应用到绿色供应链绩效评价研究当中。

［1］何开伦，彭铁.生猪绿色供应链管理模式及实施策略［J］.农业现代化研究，2011，32(4):440－444.

［2］MDen Ouden，JT Nijsing，A A Dijkhuizen，et al.Economic optimization of pork production－marketing chains: I.Model input on animal welfare and costs［J］.Livestock Production Science，2010，48:23－37.

［3］胡凯，甘筱青，阮陆宁.生猪供应链上游结构与猪肉安全的博弈分析［J］.物流技术，2007，26(3):71－73.

［4］叶俊焘.猪肉加工企业质量安全可追溯行为及绩效研究［D］.杭州:浙江大学，2012.

［5］王文海.中国猪肉绿色供应链的构建及评价研究［D］.郑州:河南农业大学，2009:32－33.

［6］甘筱青，高阔.鄱阳湖域生猪绿色供应链研究［M］.南昌:江西人民出版社，2012:114－117.

［7］刘晓丽.博弈实验看博弈论作为社会科学方法论的局限性［J］.东南大学学报，2012(4):22－24.

［8］邱林，唐红强，陈海涛，等.集对分析法在地下水水质评价中的应用［J］.节水灌溉，2007(1):13－15.

［9］袁曾任.人工神经网络系统理论及应用［M］.北京:清华大学出版社，1999:121－123.

［10］闻新，周露等.MATLAB神经网络应用设计［M］.北京:科学出版社，2000:271－285.

［11］李洪良.SOM网络在上市公司财务评价中的应用实证研究［D］.天津:天津大学，2005:25－26.

［12］周萌.基于供应链运作参考模型的制造业供应链绩效评价体系研究［D］.重庆:重庆大学，2010:22－23.

(责任编辑 杨黎丽)

Application of SOMNeural Network in Performance Evaluation of Green Supply Chain for Pig Industry

HE Kai－lun，LIWei，CHENG Chuang－ye
(School of Business Administration，Chongqing University of Technology，Chongqing 400054，China)

In complying with the principle of performance evaluation and four dimensions，the paper chooses four dimensions，including the business process execution level of Green Supply Chain for Pig Industry，operational performance level，performance level of node enterprise and green level，to build the performance evaluation of Green Supply Chain for Pig Industry.Then after building a SOMmodel by the self－organizingmap neural network Matlab software，the paper uses thismodel to perform data clustering analysis for Green Supply Chain for Pig Industry，and obtains the clustering results and characteristics，namely performance evaluation results and performance characteristics.The results show that themethod can objectively and accurately evaluate the performance evaluation of Green Supply Chain for Pig Industry.Therefore，a new way is provided for the performance evaluation of Green Supply Chain for Pig Industry，and the paper comes up with the suggestions for the promotion of the green live pig supply chain.

live pig;Green Supply Chain;SOMNeural Network;performance evaluation

TP391

A

1674－8425(2014)09－0092－06

10.3969/j.issn.1674－8425(z).2014.09.020

2014－02－16

2010年重庆市社会科学规划项目“重庆工业园区废弃物利用合作机制研究”(2010YBJJ18)

何开伦(1965一)，男，重庆人，副教授，主要从事物流与供应链管理研究。

何开伦，李伟，程创业.SOM神经网络在生猪绿色供应链绩效评价中的应用［J］.重庆理工大学学报:自然科学版，2014(9):92－97.

form at:HE Kai－lun，LIWei，CHENG Chuang－ye.Application of SOMNeural Network in Performance Evaluation of Green Supply Chain for Pig Industry［J］.Journal of Chongqing University of Technology:Natural Science，2014(9):92－97.