一种复杂供应链网络系统架构建模与适应性评价方法与流程

1.本发明涉及复杂网络构建与评价技术，特别涉及在整个供应链运营过程中利用复杂网络构建技术实现对供应链网络的构建与评价。


背景技术：

2.复杂网络理论是一种描述自然科学、社会科学和工程技术上相互关联关系的模型工具。概括地讲，复杂网络是由大量的个体通过内在和外在关系联系在一起，具有复杂动力学行为与复杂拓扑结构形成的系统.作为一门新兴交叉学科，它综合运用图论、矩阵理论、概率论、数理统计等理论分析工具，对存在的各种复杂现象进行解释与预测。
3.由于供应链成员众多，彼此之间又通过物流、资金流和信息流的直接和间接交换存在着多角色的交叉关系，使得实际的供应链呈复杂的网络结构形状。


技术实现要素：

4.本发明的目的是提供一种供应链网络的建模与评价方法，包括产品网络的建模与供应商网络的建模，借助复杂网络理论，对供应链网络进行了矩阵、网络图(无向图、有向图)的构建，实现供应链网络的可视化支持，同时给出各产品模块集合的相似度评价，确定各产品之间的共享模块。技术方案如下：
5.一种复杂供应链网络系统架构建模与适应性评价方法，包括下列步骤：
6.(1)供应链中产品网络的建模
7.供应链产品网络为无向图，产品网络中的节点代表组成产品的零件，边代表零件之间的连接关系即相关度，相关度采用矩阵的形式进行表示，同时，各节点带有属性，组成节点的属性集合；
8.建模完成后，对供应链产品网络进行模块划分，一类产品中，共享模块的数量越多，其共享度越高；
9.(2)供应链供应商网络建模
10.供应链供应商网络为有向图，同样存在节点和边，节点表示企业，边表示企业之间的联系；
11.供应链供应商网络中，存在多层供应商、制造商、分销商、零售商，最后到达顾客，网络中产品流与服务流的流动方向为供应商
→
制造商
→
分销商
→
零售商
→
顾客，表示从上到下提供产品与服务的过程；需求流和资金流的流动方向为顾客
→
零售商
→
分销商
→
制造商
→
供应商，表示从下到上反馈需求与资金的过程；信息流的流动方向是双向的，表示供应商网络中各成员传递信息的过程；
12.供应链供应商网络中企业之间的关系也可用相关度矩阵表示，由于信息流、产品流与服务流、需求流和资金流的流动方向是确定的，利用矩阵表示企业之间的关系时规则如下：
13.设相关度矩阵为a，a
ij
为第i行，第j列的元素，若为1则表示企业i对企业j存在某种
流的流动，在供应链供应商网络的相关度矩阵中，存在以下情况：
[0014][0015]
相关度矩阵建立完成后，采用infomap算法对其进行模块划分，设p
α
表示节点α的访问概率，访问概率p
α
的计算方法，采取pagerank算法；
[0016]
(3)供应链动态供应协同网络分层结构：第一层为产品项目层，即一类产品的不同类型；第二层为产品结构分解层，即用前面提到的产品网络建模对各类产品进行网络构建；第三层为供应链节点筛选层，即将上一层划分出的模块与供应商进行匹配，综合考虑库存、物流效率、云端协作要求、用户使用偏好、协作质量要求约束条件筛选出最优供应商；第四层为筛选后的供应链网络层；
[0017]
产品模块划分后，各产品模块集合的相似度评价公式如下：
[0018][0019]
r为相似度
[0020]
t为该类产品的类型数
[0021]
t
i
为第i个产品的模块集合
[0022]
为t个产品模块集合的交集的元素个数
[0023]
为t个产品模块集合的并集的元素个数
[0024]
共享模块的数量越多，相似度越大；
[0025]
(4)基于信息熵理论建立供应链网络的适应性评价方法：在将供应链产品网络模块划分与识别共享模块后，模块与已有模块供应商匹配的越多越好，供应商与模块数相同时，对供应链的适应度进行比较，公式如下：
[0026][0027]
p为适应度
[0028]
m为模块数
[0029]
s
i
为模块i的供应商数量。
附图说明
[0030]
图1：供应链产品网络建模；
[0031]
图2：供应链供应商网络建模；
[0032]
图3：某国内著名汽车核心部件生产供应链；
[0033]
图4：某国内著名汽车核心部件生产供应链相关度矩阵热力图；
[0034]
图5：模块划分后的某国内著名汽车核心部件生产供应链；
[0035]
图6：适应度评价供应链示例。
具体实施方式
[0036]
为使本发明实施的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施进行清楚、完整的描述，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0037]
如图1所示，本发明的供应链产品网络的建模方法，供应链产品网络为无向图。设各产品为p，则p＝{p1,p2,....,p
s
}，其中p
i
为各产品中的一种，图1中存在两种元素，节点(nodes)和边(edges)，节点表示零件，边表示零件之间的相关度。p1＝{v1,e1}，其中v1表示组成产品1的零件集合，e1表示组成产品1的零件之间的关系，用相关度矩阵表示。
[0038]
如图1所示，产品p1有个零件组成，则v＝{v1,v2,v3,v4,v5,v6}，可以看到，供应链产品网络的相关度矩阵为对称矩阵。
[0039]
建模完成后，即可对供应链产品网络进行模块划分，如图1所示，p1＝{m1,m2}，p2＝{m2,m3}，p3＝{m2,m4}分别表示产品1由模块1和模块2组成，产品2由模块2和模块3组成，产品1由模块2和模块4组成，则模块2可定义为该类产品的共享模块。一类产品中，共享模块的数量越多，其共享度越高。
[0040]
如图2所示，一种供应链供应商网络建模方法，供应链供应商网络中同样存在节点和边，节点表示企业，边表示企业之间的联系。不同于供应链产品网络，供应商网络由于存在着信息流、产品流与服务流、需求流和资金流的流动，因此采用有向图。
[0041]
供应链供应商网络中，存在多层供应商、制造商、分销商、零售商，最后到达顾客。网络中产品流与服务流的流动方向为供应商
→
制造商
→
分销商
→
零售商
→
顾客，表示从上到下提供产品与服务的过程；需求流和资金流的流动方向为顾客
→
零售商
→
分销商
→
制造商
→
供应商，表示从下到上反馈需求与资金的过程；信息流的流动方向是双向的，表示供应商网络中各成员传递信息的过程。
[0042]
同样，供应链供应商网络中企业之间的关系也可用相关度矩阵表示，由于信息流、产品流与服务流、需求流和资金流的流动方向是确定的，因此利用矩阵表示企业之间的关系时规则如下：
[0043]
相关度矩阵a中，a
ij
为第i行，第j列的元素，若为1则表示企业i对企业j存在某种流的流动。因此，在供应链供应商网络的相关度矩阵中，存在以下情况：
[0044][0045]
因此，供应链供应商网络的相关度矩阵和产品网络的相关度矩阵不同，其不一定为对称矩阵。
[0046]
下面以某国内著名汽车核心部件生产供应链为例进行说明。如图3所示，涉及2000多家供应商、4个生产厂、78家分销中心、1100多家维修店，所有这些环节共同决定了该部件的质量和服务。在这种复杂供应链结构下，要实现供应链总体管控，必须要供应链系统可知、可见，具备良好的可视化形态。利用上述规则建立相关度矩阵，该供应链的相关度矩阵热力图如图4所示。
[0047]
相关度矩阵建立完成后，可以利用各种算法进行模块划分，因为供应链供应商网络为有向网络，因此采用infomap算法对其进行模块划分，infomap算法以最小描述长度为目标函数，最小描述长度又以随机游走的思想进行计算，因此适用于有向网络。
[0048]
infomap算法采用自下而上的思路，类似于凝聚聚类，其步骤如下：
[0049]
(1)每个节点都初始化一个独立的模块；
[0050]
(2)按照随机的顺序遍历每个节点，将每个节点都归到最小描述长度下降幅度最大的那个相邻的节点；
[0051]
(3)重复步骤(2)，直到最小描述长度不再下降。
[0052]
最小描述长度的公式如下：
[0053][0054]
l(m)为最小描述长度。
[0055]
表示随机游走过程中退出模块的概率，表示退出模块i的概率或者从模块i跳出的概率。
[0056]
表示编码模块名字所需的平均字节长度。
[0057]
表示在编码中属于模块i的所有节点(包括跳出节点)的编码的占比。
[0058]
p
α
表示节点α的访问概率。
[0059][0060]
表示模块i中所有节点所需的平均字节长度。
[0061]
其中访问概率p
α
的计算方法，infomap采取了pagerank的做法：
[0062]
(1)初始所有节点都是均匀访问概率；
[0063]
(2)在每个迭代步骤里，对于每个节点，有两种方式跳转：要么以1
‑
r的概率从节点
a的连接边中选择一条边进行跳转，选每条边的概率正比于边的权重；要么以r的概率从节点a随机的跳到图上其他任意一点(r一般取0.15)。
[0064]
(3)重复步(2)直到收敛。
[0065]
对某国内著名汽车核心部件生产供应链网络进行模块划分后，结果如图5所示。从结果可以看出，该供应链划分为三个模块。
[0066]
第一个模块为两层供应商与c公司组成的模块，表示商品在销售之前的运输途径；
[0067]
第二个模块为分销中心、专营店、客户1、客户2、客户3、客户6，表示商品通过分销中心和专营店销售到客户的途径。
[0068]
第三个模块为外库1、外库2、客户4、客户5，表示从仓库到外库直接销售到顾客的途径。
[0069]
本发明采用的供应链动态供应协同网络分层结构，第一层为产品项目层，即一类产品的不同类型；第二层为产品结构分解层，即用前面提到的产品网络建模对各类产品进行网络构建；第三层为供应链节点筛选层，即将上一层划分出的模块与供应商进行匹配，综合考虑库存、物流效率、云端协作要求、用户使用偏好、协作质量要求等约束条件筛选出最优供应商；第四层为筛选后的供应链网络层。
[0070]
产品模块划分后，各产品模块集合的相似度评价公式如下：
[0071][0072]
r为相似度
[0073]
p为该类产品的类型数
[0074]
p
i
为第i个产品的模块集合
[0075]
为p个产品模块集合的交集的元素个数
[0076]
为p个产品模块集合的并集的元素个数
[0077]
以图1的产品网络为例，p1＝{m1,m2}，p2＝{m2,m3}，p3＝{m2,m4}分别表示产品1由模块1和模块2组成，产品2由模块2和模块3组成，产品1由模块2和模块4组成。
[0078]
则产品1和产品2的相似度模块2即为产品1和产品2的共享模块；产品1、产品2、产品3的相似度模块2也为产品1、产品2、产品3的共享模块。
[0079]
在供应链网络中，共享模块的数量越多，相似度越高，其应对各种需求变化的响应速度也就越快。因此在供应链网络中，共享模块的数量应尽量多。
[0080]
最后，基于信息熵理论提供一种供应链网络的适应性评价方法。在将供应链产品
网络模块划分与识别共享模块后，因为模块由供应商供应，因此各模块与各模块的供应商之间存在联系。模块的供应商数量越多，其应对某一供应商供应不及时问题的速度越快。因此，在供应链网络中，模块与已有模块供应商匹配的越多越好，尤其对于共享模块，同时应尽量减少新模块供应商数量。供应商与模块数相同时，可以对供应链的适应度进行比较，公式如下：
[0081][0082]
p为适应度
[0083]
m为模块数
[0084]
s
i
为模块i的供应商数量
[0085]
以图6为例进行适应度评价公式说明，供应链1的适应度为供应链2的适应度为从图可以看出供应链2的模块1只有一个供应商，其适应度较供应链1低，因此供应链1应对某一供应商供应不及时问题的速度更快。
[0086]
尽管上面结合附图对本发明的优选实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，并不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以做出很多形式，这些均属于本发明的保护范围之内。