基于BP神经网络的制造企业精益供应链协同风险评价研究
基于ＢＰ神经网络的ＥＲＰ实施风险评价
基于ＢＰ神经网络的ＥＲＰ实施风险评价内容摘要:企业ERP项目实施是高投入、高风险项目，在ERP项目实施过程中正确的评价风险是保证企业ERP项目实施成功的重要环节。
本文确定了在ERP 实施过程中的各项风险指标，并从项目管理的角度，采用BP神经网络对ERP项目实施风险进行评价，达到了企业预防各项实施风险和控制ERP项目实施的目的。
关键词:ERP实施风险评价 BP神经网络所谓ERP(Enterprise Resource Plan，企业资源计划)是指建立在信息技术基础上，以系统化的管理思想，为企业决策层及员工提供决策运行手段的管理平台，可增强企业的管理效率和水平，提高企业的经济效益和竞争能力。
ERP实施虽然能够为企业带来巨大效益，但它也具有高投入性、高风险性的特点。
只有正确认识、评价ERP实施风险，才能采取有针对性的措施来降低风险，推动ERP在企业中的成功应用，才能真正促进企业竞争力的提高。
ERP项目实施过程风险评价指标体系建立ERP项目实施风险是指企业ERP项目实施的行为过程中，消极的、不确定的因素和潜在的损失或不利的事件等的存在，导致对实施ERP的企业造成既定目标的偏差与失败。
影响ERP实施成败的因素众多且纷繁复杂，大体上可分为以下几类: 领导风险。
ERP项目是一项一把手工程，领导的支持直接对项目成败具有关键的作用。
在项目实施中，领导风险包括控制能力风险(x1)、执行力风险(x2)、协调能力风险(x3)、推行力风险(x4)。
工作人员风险。
实施ERP是需要聘请资深的实施人员知道和参与实施的全过程，使其在业务流程重组、建模、实施技术路线、实施计划与具体目标、实施质量控制等多方面发挥积极的作用。
其风险指标包括实施团队风险(x5)、人员合作风险(x6)、人员培训风险(x7)、实施培训风险(x8)。
基础数据准备风险。
ERP软件是企业管理有效的工具，而其运行的基础是企业的数据。
真实可靠的数据将运行出正确科学的结果，而不准确的数据将运算出不准确的结果。
BP神经网络算法在物资供应链绩效评价中的应用
BP神经网络算法在物资供应链绩效评价中的应用随着全球商业环境的不断变化和发展，物资供应链绩效评价变得越来越重要。
作为一种强大的机器学习算法，BP神经网络在物资供应链绩效评价中具有很大的应用潜力。
本文将探讨BP神经网络算法在物资供应链绩效评价中的应用，以及其带来的好处和挑战。
首先，让我们了解一下BP神经网络算法。
BP神经网络是一种监督学习算法，它模拟了人脑神经元之间的连接和信息传递过程。
通过不断地调整神经网络中的连接权值和阈值，使得神经网络能够学习并适应复杂的非线性关系。
在物资供应链绩效评价中，BP神经网络可以通过学习历史数据和特征之间的复杂关系，来预测未来的供应链绩效情况。
1.预测需求量：BP神经网络可以通过学习供应链中的销售数据、市场趋势和季节性变化等信息，来预测未来的需求量。
这可以帮助企业准确地制定物资采购计划，避免库存积压或者供不应求的情况。
2.优化库存管理：BP神经网络可以分析供应链中的库存水平、供应商的交货能力和订单的履行情况等信息，来优化库存管理策略。
通过及时调整库存水平和订单量，可以减少库存成本和避免缺货情况。
3.提高供货准时率：BP神经网络可以通过学习供应链中的物流信息、运输时间和物资状态等信息，来预测供货准时率。
这可以帮助企业及时调整物流路线和运输方式，确保及时配送物资，提高客户满意度。
4.优化供应链网络结构：BP神经网络可以通过学习供应链中各个节点之间的关系和影响因素，来优化供应链网络结构。
通过调整供应商和合作伙伴的选择，可以减少供应链中的风险和成本，提高绩效水平。
使用BP神经网络算法进行物资供应链绩效评价，可以带来以下几个好处：1.提高预测准确率：BP神经网络能够学习和识别供应链中的复杂模式和非线性关系，从而提高绩效评价的准确性和精度。
2.加快决策速度：BP神经网络可以快速处理大量数据并进行实时分析，帮助企业快速做出决策，减少反应时间和提高企业的灵活性。
3.降低人力成本：BP神经网络可以自动化地进行数据处理和模型训练，减少人力资源的投入和数据分析的时间成本。
基于BP神经网络的供应商评价选择问题的研究
基于BP神经网络的供应商评价选择问题的研究作者：张阳王加青霍德才来源：《管理观察》2010年第25期摘要:随着经济全球化,市场上的供应链已经形成,供应链环境趋于完善。
越来越多的企业开始重视供应商,考虑构建一个供应商评价系统来实现供应商的选择并加强与供应商的交流合作。
但是目前缺乏有效的能够应用于开发系统的供应商评价方案,难以满足实际的需求。
供应商评价模型设计是开发供应商评价系统的基础。
通过对供应链环境下的供应商评价和BP神经网络的研究,以汽车制造行业为例构建了供应商评价模型以方便供应商评价系统的实现。
关键词:BP神经网络供应商评价评价模型1.BP神经网络的原理BP网络(Back Propagation NN)是单向传播的多层前馈神经网络。
网络分为输入层、中间层(隐含层)、输出层,其中如何输出都只有一层,中间层可有一层或多层。
同层的网络结点之间没有连接。
每个网络结点表示一个神经元,其传递函数通常采用S型函数。
每对神经元之间的连接上有一个加权系数W。
可以加强或减弱上一个神经元的输出对下一个神经元的刺激。
这个加权系数通常称为权值,修改权值的规则称为权值算法。
建立在BP神经网络基础上的专家系统根据一定的算法,通过对样本数据的学习,确定网络权值。
2.基于BP神经网络的供应商评价选择模型2.1原理BP神经网络用于供应商选择的原理为:把用来描述供应商特征,即选择供应商的指标体系的信息作为神经网络的输入向量X= (x1,x2,K,xn);将代表综合选择的值作为神经网络的输出y;用足够的样本即比较实例训练这个网络使不同的输入向量得到不同的输出量值,将输出值与期望输出值比较,当其误差小于某一设定值时,这时神经网络所持有的那组权值Wij,阈值(当I=0时Wij即代表阈值)便是网络经过自适应学习所得到的正确内部表示[8]。
一旦神经网络训练完毕即可作为企业评价和选择供应商的有效工具。
2.2 算法第一步:用随机数(一般在0~1之间)初始化Wij和?兹j;其中Wij为神经元i到j的连接权重,?兹j为神经元j (隐含层和输入层)的阈值。
基于BP神经网络的供应链金融风险评估研究_白世贞
总第 429 期
商业研究
COMMERCIAL RESEARCH
文章编号： 1001 － 148X （ 2013 ） 01 － 0027 － 05
基于 BP 神经网络的供应链金融风险评估研究
白世贞，黎 双
（ 哈尔滨商业大学 管理学院，哈尔滨 150028 ） 摘要： 结合供应链金融的运作模式，本文归纳了 15 个 供 应 链 金 融 业 务 的 风险 影响 因 素，建立 了 具有较好一致性和稳定性的风险指标体系，介绍了 BP 神经网络 的 一 般 原 理 与 步骤， 并 运用 matlab 的 BP 神经网络工具构建了风险评估模型，收集了 10 组供 应 链 金 融 风险 评估样 本， 对 评估样 本进行训练和检验，通过建立起供应链金融风险评估模型证明了该模型的有效性。 关键词： 供应链金融; 风险评估; BP 神经网络 中图分类号： F252 文献标识码： B 标，用最简单的体系反映最真实的状况。建立供应 链金融风险评估体系，应遵循科学性、合理性、针 对性、等原则。 本文借鉴传统风险评估的基本框 架，根据供应链金融的主体及业务流程的特点进 行评估指标的设计，如表 1 所示，评估指标考察的 内容主要包括以下几个方面： 1． 行业 环 境，包 括 行 业 增 长 率、 行 业 环 境、 交易年限以及交易频度。 行业环境是银行考察申 请贷款 企 业 所 在 供 应 链 的 整 体 运 营 情 况 的 指 标， 从整条供应链上综合考虑其业务能力和与交易对 手的合作情况，从而使银行的评估范围更大，减少 由于企业隐瞒信息而产生的信息不对称问题造成 的评估质量下降。 2． 供应链运作，包括流程标准化程度、 流程 信息化程度、银行的操作风险，以及物流企业的操 作风险。 3． 融资项下资产，包括应收账款周转率、 应 收账款周转天数、存货周转率、存货周转天数、预 付款周转率，以及预付款周转天数。融资项下资产 是商业银行考察的重点，原因在于银行是对交易 资产的价值进行评估，然后根据评估的结果给予 授信。如果企业违约，质押资产也是银行将其变现 弥补的保证。
我国上市公司信用风险评估研究——基于BP神经网络模型的研究的开题报告
我国上市公司信用风险评估研究——基于BP神经网络模型的研究的开题报告一、选题背景与意义近年来，我国经济快速发展，其中上市公司在国内经济中扮演着重要的角色，其信用风险评估对于维持资本市场稳定和投资者保护至关重要。
然而，由于上市公司面临着市场环境、公司治理、财务报告等多方面因素的影响，导致信用风险难以评估和掌握。
因此，本研究旨在利用BP神经网络模型对我国上市公司的信用风险进行评估，为监管机构、投资者提供有力的决策支持和风险控制手段。
二、研究内容本研究主要包括以下内容：1. 对我国上市公司信用风险评估的研究现状进行综述，并对其不足之处进行剖析。
2. 利用BP神经网络模型对上市公司信用风险进行评估，构建适用于我国上市公司的信用风险评估指标体系，并对指标进行分析和筛选。
在此基础上，运用BP神经网络模型构建信用风险评估模型，并进行模型的优化与验证。
3. 根据信用风险评估结果，对上市公司的信用风险进行全面的分析和预测，从而得出合理的判断和建议。
4. 对研究结果进行讨论与分析，总结研究成果，并提出针对性的建议，为上市公司信用风险的防范和控制提供参考。
三、研究方法本研究采用文献调查的方法，对我国上市公司信用风险的评估模型进行了广泛的调研和剖析；同时，运用BP神经网络模型构建信用风险评估模型，并从模型构建、参数选择、样本选取等方面进行优化，提高模型的预测精度和可靠性；最后，进行实证分析，从数据分析和研究结果中得出结论和建议。
四、预期成果本研究将构建适用于我国上市公司的信用风险评估指标体系，并利用BP神经网络模型建立精准的信用风险评估模型，通过实证分析，得出合理且有实际意义的研究结论和建议，为我国上市公司信用风险评估提供有力的支持和指导，具有良好的实践意义和推广价值。
基于BP神经网络的企业信用评估系统的研发的开题报告
基于BP神经网络的企业信用评估系统的研发的开题报告一、研究背景和意义随着市场经济的不断发展和竞争的加剧，企业之间的信用成为了重要的竞争力。
在商业活动中，企业信用往往是商业伦理的体现，以及企业生存和发展的重要基石。
因此，对于企业的信用评估显得尤为重要。
目前，我国企业的信用评估主要是由金融机构和信用评级机构进行评估。
但是，这种方式存在一些问题，比如对于小微企业、非上市企业等，往往没有信用评级机构进行评估；另外，传统的评级机构常常只是通过财务指标、市场环境等方面进行评估，不能全面反映企业的实际状况。
因此，采用基于BP神经网络的企业信用评估系统进行评估，不仅可以实现快速、准确地评估，同时也可以解决评估内容过于单一的问题。
二、研究内容和目标本研究旨在设计并开发基于BP神经网络的企业信用评估系统，实现对于企业信用情况的自动化评估。
具体研究内容包括：1. 建立企业信用评估的指标体系，并确定评估指标的优先级和权重；2. 借助BP神经网络的优势，对评估指标进行自动筛选和权重分配；3. 基于收集到的企业数据，训练BP神经网络，并对网络进行精细调整；4. 设计并实现企业信用评估系统的界面和功能，实现对于企业信用情况的实时评估。
三、研究方法和技术路线本研究主要采取以下方法和技术路线：1. 调研和分析企业信用评估的现状和问题，确定评估指标和权重；2. 构建BP神经网络模型，实现自动化评估；3. 使用Python语言实现BP神经网络模型，并借助相关Python工具包（如PyTorch）实现网络训练和优化；4. 利用Bootstrap、jQuery、Vue等前端技术实现企业信用评估系统的界面和功能；5. 更进一步将系统集成化，实现对于大数据的分析和处理，以提高评估的准确性。
四、预期成果和贡献本研究预期的成果为：基于BP神经网络的企业信用评估系统，该系统具有以下特点：1. 评估准确度高，能够全面反映企业的实际状况；2. 系统能够自动学习和优化，适应各种类型的企业；3. 系统操作简单方便，用户友好。
BP神经网络在企业技术创新风险评价中的应用
陈建 新 ， 明贵 ， 志龙 资 刘
（ 南理工 大学 工商管理 学院 ，广 东 广州 ５０ ４ ） 华 １６ ０
摘 要 ：本 文首 先分 析 了 企业 技 术 创 新 的 风 险 因素 ，在 此 基 础 上 设 置 了 风 险 评 价 的 指 标 体 系。 然 后 引 入 神 经 网 络 ，提 出 了一 个基 于 Ｂ Ｐ神 经 网络 的 风 险评 价 模 型 ，并 结合 实例 论 证 了该 模 型在 企 业 技 术创 新 风 险 评 价 中的 可 行 性 。最 后 总 结 了 Ｂ Ｐ神 经 网络在 企 业 技 术 创 新 风 险评 价 中的优 越 性 。 关 键 词 ：技 术 创 新 ；风 险 评 价 ；指 标 体 系 ；Ｂ Ｐ神 经 网络 中 图 分 类 号 ：Ｆ ７ ， ２２５ 文 献 标 识 码 ：Ａ
生产能力限制包括生 产 设备落后 ，工艺不合理 ，设 备和 仪器 的损 坏以及产品质量难 以保证 ，等等 。 （ ）财务风 险。财务 风险是指 在技术创新 过程 中 ，由于 ５ 资金 不能及 时供应 而导 致 创新 活动 某一 环节 中断 的可 能性 。
资金 可谓是 企业 正 常运 作 的 “ 血液 ” ，一 旦 资金 出现 问题 ， 整个技术创新 活动将 面临风险 。因此 ，如何 筹集资 金 ，确保 技术创新 的各个 阶段有 充分 的资金 保障 ，成 了企业 面临的一
２ 企 业技 术创 新风 险的评 价指 标体 系
技术创 新风险 ，是指创新 主体在技术 创新 过程 中 ，由于 各种环境 因素 的不确定 性 ，项 目难 度以及 创新 主体综合 创 新 能力的制 约 ，所 导致 的技术 创新 活 动 的 中止 、撤 销 、失 败 、 或 达 不 到 预 期 经 济 指 标 ，而 造 成 损 失 的 可 能性 Ｊ 。 影 响技术创新成败 的因素众 多且纷 繁复杂 ，大体上 可分 为：决策风 险 、技术风 险 、管理风 险 、生 产风 险 、财务风 险 、 文 化 风 险 、市 场风 险 和 政 策 风 险 等 。 （ ）决策风险 。技术创新是关 系全局 的活动 ，对决策 者 １ 提出 了很高 的要求 。决策 者如 果缺 乏长 远 眼光 和 全局 观 点 ， 有可能作 出错误 的创新决策 。如选择 了错误 的战 略类 型 ，或 技术 创新 项 目与战略定位不相符 ，或战略时机把握 不准 等等 。 可以说决 策风险是技术创新的最大风险 ，也是最可怕 的风 险。 旦决策失误 ，导致 的将是 无法挽 回的损失 ，任何 的轻率 就 会导致 巨大 的经济 损失 和人 力 、物力 的严重 浪 费，重 则会 使
基于BP神经网络模型的中小企业信用评价体系研究
贷款，从而提高收益。
对政府和监管部门的启示
完善政策法规
政府和监管部门可以通过该评价体系研究和分析中小企 业信用状况，从而制定更加科学合理的政策法规。
优化金融市场
通过该评价体系，政府和监管部门可以更好地了解和掌 握金融市场的运行状况和发展趋势，从而制定更加有效 的监管政策和措施。
促进经济发展
通过支持中小企业发展，政府和监管部门可以促进经济 增长和社会就业，从而实现经济可持续发展目标。
模型评估与结果分析
模型评估
将测试集输入到训练好的模型中，对模型进行评估，计算模 型的准确率、精确率、召回率等指标。
结果分析
通过对模型评估结果的分析，发现模型在某些情况下存在一 定的偏差，需要进一步优化模型参数和结构。此外，还需要 加强数据质量和完整性的管理，以提高模型的准确性和可靠 性。
04
基于BP神经网络模型的中小企业信用评
05
基于BP神经网络模型的中小企业信用评
价体系的未来研究方向
完善模型算法和优化模型结构
改进优化算法
研究更有效的优化算法，如遗传算法、粒子群优化算法等，用于寻找最优解 ，提高模型训练效率和准确性。
优化模型结构
研究更合适的网络结构，如深度神经网络、卷积神经网络等，以更好地捕捉 和表达复杂的信用评价特征。
价体系的应用价值
对中小企业的意义
提升信用评价水平
通过BP神经网络模型，中小企业可以获得更准确、更客观的信用评价结果，进而提高其在 金融机构的信用评级和融资能力。
降低融资成本
准确客观的信用评价可以帮助中小企业在融资过程中获得更优惠的利率和更短的融资周期 ，从而降低其融资成本。
提高市场竞争力
有效的信用评价可以使中小企业更容易获得商业合作伙伴的信任和合作机会，从而扩大市 场份额，提高市场竞争力。
基于BP神经网络的供应链知识共享风险预警体系研究
能力 、知识共享平 台的技 术支持能 力 以及节 点企业 间的相容 水平 ４个方面来设计供应链知识共享风险预警体系指标体系 。
２ １ 节 点 企 业 拥 有 的 资 源 强 度 ．
链） ，更准确 地说 ，供应 链是一种 “ 知识供应 网 ”或 “ 识 知 网络” 。在 这种知识 网络 中，位 于不 同节 点 的成员 企业 所 拥 有 的知识 资源 往 往 是各 不 相 同而 又互 为 补 充 的。 因而 ，供
பைடு நூலகம்
可 以及 时预知供应链 知识共享 的程 度 ，提醒供 应链 成员 企业 采取措施 ，避免 由于知识共享不足 和过 度而导致 的不利影 响 ；
可 以通过指标分析 导致 供应链 分享 过度和 不足 的根源 ，而使 供应链成员有 的放矢 ，对症 下药 ，制定 有效 的措施 ，阻 止状 况 的进一步 恶化 ，减少 知识共 享 风险 给供应 链 造成 的 损失 。 供应链知识共享风 险预警 体系是供 应链 知识管 理 的一个重 要 标准和尺度 。
供应链 不仅 是物 料 供应 链 ，而 且 是 知识 供应 链 （ 称 知 识 简
企业知识共享程度进行风 险预警 。在选 择预警指 标时我 们根 据灵敏性原则 、可靠性 原则 、互补 性原则 、灵活 性原则 和定 性与定量相结 合 的原则 来构 建该 指标 体系 。结合 相关 文 献 ， 本文从节点企业拥有 的资 源强 度、各个节点 企业的组织 学 习
基于 Ｂ Ｐ神经网络的供应链 知识共 享风险预 警体 系研究
李长 坤 ，王秀海
（．兰州大学 管理 学院 ，甘 肃 兰州 ７ ０ ０ ； １ ３ ０ ０ ２ ．滨州学院 经济与管理 系，山东 滨州 ２６ ０ ５ ６ ０）
摘 要 ：从 节点企业拥有的资源强度 、各个节点企 业的组织 学习能 力、知识共 享平 台的技术 支持能力 以及节点企 业间的相容水平四个方面 ，构建供 应链 知识共 享风险预警体 系指标 体 系，运 用 Ｂ Ｐ神 经 网络模型对预 警指标进 行 分析 ，以期达到对供应链 知识共享风 险进行科 学预警 的 目的。
基于BP神经网络的智能制造能力评价研究
2018 年软件2018,V〇1.39,No. 8第39卷第8期________________________COMPUTER ENGINEERING & SOFTWARE_______________________国际IT传媒品牌设讨研尧与启用基于B P神经网络的智能制造能力评价研究徐雪，张艺，余开朝(昆明理工大学，机电工程学院，云南昆明650000)摘要：智能制造已成为新一轮工业革命的主攻方向和全球制造业竞争战略的制高点。
本文以我国23个主要 省市的智能制造能力为研究对象，利用因子分析构建了一种智能制造能力评价指标体系，运用M a tla b建立了其BP 神经网络模型，并对20个评价指标的23组样本数据进行分析，从而得到我国23个省市的智能制造能力评价值，为把握我国各省市智能制造发展水平，探究影响智能制造能力的有效提升提供依据。
关键词：智能制造；能力评价；指标体系；B P神经网络中图分类号：TP183 文献标识码：A D O I: 10.3969/j.issn.l003-6970.2018.08.033本文著录格式：徐雪，张艺，余开朝.基于B P神经网络的智能制造能力评价研究[J].软件，2018, 39 (8): 162-166Research on the Evaluation of Intelligent ManufacturingCapability Based on BP Neural NetworkX U Xue1, ZHANG Y i1, YU Kai-chao1{College o f M echanical and Electrical Engineering, Kunming University o f S cience and Technology, Kunming, Yunnan 650000)【Abstract】：Intelligent manufacturing has become the primary developing direction for the new generation o f industrial revolution and commanding height o f the global manufacturing competition.Took the intelligent manufacturing capabilities o f 23 major provinces as the research object,an index system for intelligent manufacturing capability evaluation was been constructed based on the factor analysis method.A BP neural network model was build by using the software Matlab for the index system.The data was analyzed to obtain the evaluation value o f intelligent manufacturing capacity in23 provinces in China,which provides a basis for grasp the level o f intelligent manufacturing development in various provinces and cities in China and exploring the factors that affect the effective improvement o f intelligent manufacturing capabilities.【Key words】：Intelligent manufactoing;Capability evaluation;Index system;BP neural network0引言制造业是一个国家或地区国民经济发展的重要 支柱，其发展水平反映了一个国家或地区的综合实 力。
基于BP神经网络-协同过滤的云制造供应商推荐系统
基于BP神经网络-协同过滤的云制造供应商推荐系统作者：赵晓宇来源：《价值工程》2019年第20期摘要：为更加准确的为制造服务需求方推荐制造服务供应商，提高云制造平台的运行效率，本文将BP神经网络与协同过滤算法相结合，构造了一个制造服务供应商推荐系统。
系统结合了神经网络强大的非线性拟合能力以及协同过滤推荐算法的可解释性，从而更加精准的为制造服务需求方提供推荐服务。
最终发现，本文提出的系统推荐准确率要优于传统的协同过滤推荐算法。
Abstract： In order to recommend manufacturing service providers for manufacturing service demanders more accurately and improve the operational efficiency of cloud manufacturing platform，a manufacturing service provider recommendation system is constructed by combining BP neural network with collaborative filtering algorithm. The system combines the strong non-linear fitting ability of neural network and the interpretability of collaborative filtering recommendation algorithm， so as to provide more accurate recommendation services for manufacturing service demanders. Finally， it is found that the proposed system recommendation accuracy is better than the traditional collaborative filtering recommendation algorithm.关键词：云制造;BP神经网络;协同过滤;推荐Key words： cloud manufacturing;BP neural network;collaborative filtering;recommendation中图分类号：TP391.3 ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; 文献标识码：A ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ; ;文章編号：1006-4311（2019）20-0128-030 ;引言智能制造是实现制造企业信息化的重要途径之一，而云制造是实现智能制造的一个重要方式。
BP_神经网络在企业经济风险识别中的应用
【摘要】随着市场环境的不断变化和竞争的加剧，企业面临着各种潜在的风险，如市场风险、信用风险、经营风险等。
为了有效促进风险识别，BP 神经网络作为一种强大的人工神经网络模型，可以通过对历史数据和相关指标的分析，自动学习和建模，从而预测和识别潜在的经济风险。
基于此，文章通过分析企业经济风险识别与BP 神经网络算法，重在探究BP 神经网络在企业经济风险识别中的具体应用，以帮助其更好地预测和管理经济风险。
【关键词】BP 神经网络；企业经济风险；风险识别；预测防范一、引言企业经济的重要性不言而喻，无论是大型跨国公司还是小型创业企业，了解和管理经济风险对于其生存和发展都至关重要。
经济风险的存在可能导致企业利润下降、资金流动性紧张甚至破产倒闭。
因此，企业需要及时识别和应对潜在的风险，以保持经济运营的稳定性和可持续发展。
二、BP 神经网络算法BP 神经网络是一种常用的人工神经网络算法，被广泛应用于企业经济风险识别领域。
该算法具有强大的学习和模式识别能力，能够通过对大量历史数据的学习和训练，发现数据中的潜在模式和规律。
BP 神经网络算法基于反向传播原理，通过多层神经元之间的连接和权重调整来实现模式识别和预测。
BP 神经网络算法的优势在于它能够处理复杂的非线性关系。
由于现实世界中的经济风险通常具有非线性特征，传统的线性模型往往无法准确捕捉到其中的规律。
而BP 神经网络通过多层神经元之间的连接和权重调整，能够对非线性关系进行建模，从而提高风险识别的准确性。
此外，BP 神经网络还能够适应大规模数据的分析和预测需求。
随着企业经济数据的不断增长和复杂化，传统的统计方法可能无法有效处理大量数据的特征和相互关系。
而BP 神经网络可以通过大规模数据的学习和训练，自动发现其中的模式和规律，从而提供更准确的风险识别结果。
三、BP 神经网络在企业经济风险识别中的应用1.数据预处理与特征选择在企业经济风险识别中，BP 神经网络广泛应用于数据预处理和特征选择的阶段。
基于ga-bp神经网络的制造企业供应链绿色度评价研究
从 企 业 绿 色 发 展 战 略 角 度 对 企 业 供 应 链 绿 色 度 进 行 评 价 ，首 先 以 制 造 企 业 绿 色 发 展 战 略 为 基 点 ，结
合 当 前 绿 色 供 应 链 的 特 点 ，分 析 出 制 造 企 业 绿 色 供 应 链 战 略 目 标 ，采 用 平 衡 计 分 卡 的 思 想 来 构 建 全 面 的
第 32卷 第 6 期 2019年 of Zhejians Wanli University
Vol.32 No.6 November 2019
基 于 GA- B P 神 经 网 络 的 制 造 企 业
供应链绿色度评价研究
闫 伟 ，王琦峰
(浙 江 万 里 学 院 ，浙 江 宁 波 315100)
指标评价体系，利 用 A HP方法确立指标的相对 权 重 ；然 后 将 A HP评 价 结 果 作 为 B P 神经网络
摘 要 ：为 促 进 制 造 业 供 应 链 绿 色 化 发 展 ，运 用 平 衡 记 分 卡 理 论 从 企 业 绿 色 发 展 战 略 视 角 构 建 供 应 链 绿 色 度 评
价 体 系 ；以 GA- B P 神 经 网 络 技 术 与 层 次 分 析 主 观 评 价 法 相 结 合 的 方 式 构 建 供 应 链 绿 色 度 评 价 模 型 ，通 过 利 用
收 稿 日 期 ：2019-06-14 基 金 项 目 ：国 家 社 科 基 金 项 目 （19BGL046)。 作 者 简 介 ：闫伟（1993-),男 ，河 北 张 家 口 人 ，浙 江 万里 学院物流与电子商务学院硕士研究生，研 究 方 向 ：全 球 采购与 供应 链管理 。
. 15 .
2019年 11月
基于BP神经网络的精益供应链协同绩效的建设方法
基于BP神经网络的精益供应链协同绩效的建设方法1引言精益供应链管理源于精益管理，它是指对包括上下游环节在内的整个供应链系统进行优化和改造，免除不必要的步骤、耽搁、等待和消耗，消除企业运营中的浪费，最大限度地降低成本，最大程度地满足客户需求，一系列对供应链计划、实施和控制的过程。
而供应链协同管理正是将整个工厂、供应商、销售和售后服务整合在一起，通过业务流程的优化整合和关键信息的分享来加强企业内部与外部的价值链协作，从而达到整体利益最大化的目的。
当前国内外学者提出了大量的供应链协同模型。
一方面，国外学者研究并提出了第一个标准地用来评价供应链流程的参考模型——SCOR。
Robert S. Kaplan 和David P. Norton首次提出驱动绩效的评价参考体系——平衡计分卡（BSC）。
另一方面，在国外学者提出的SCOR的基础上，中国电子商务协会和供应链管理委员会提出了SCPR评价方法。
国内外的相关研究主要从协同的角度指出供应链协同评价的具体指标为响应时间、运作成本、鲁棒性和适应性。
这既没有对目标一致性、协同合作能力等指标进行评价，也没有对具有普遍性的精益供应链协同绩效评价进行界定。
因此，鉴于已有研究存在的不足，本文构建基于五维动态平衡计分卡模型的精益供应链协同绩效评价指标体系并运用BP神经网络对此类供应链协同绩效进行评价。
本文首先基于五维动态平衡计分卡构建精益供应链协同绩效评价指标体系，然后运用BP神经网络对精益供应链协同绩效进行评价。
五维动态平衡计分卡最初由郑培在有关动态供应链绩效评价方法的研究中提出。
神经网络则是一种综合了多学科特点的交叉性研究方法，其研究内容相当广泛，而其中BP神经网络在供应链绩效评价中的应用最为常见。
2评价指标体系的构建与规范化2.1评价指标体系的构建精益供应链来源于精益管理，一方面，它通过消除企业中的浪费以最大限度地降低成本；另一方面，它通过最大程度地满足顾客需求来提高顾客满意度，进而最终达到整体利益最大化的目的。
基于BP神经网络的产学研知识创新联盟风险评价研究_肖玲诺
基于BP 神经网络的产学研知识创新联盟风险评价研究肖玲诺，史建锋1，孙玉忠2（1.哈尔滨工业大学，黑龙江哈尔滨150001；2.威海市科学技术局，山东威海264200）摘要：本文从知识创新的角度分析了产学研知识创新联盟的风险成因，认为知识共享不足、知识外溢、知识转化和升级不足是该联盟风险产生的渊源；管理风险、利益风险为内向性风险，市场风险、技术风险是其外向性风险。
在吸取以往研究成果的基础上，设置了风险评价指标。
根据所研究的风险特征，通过理论分析选择了BP 神经网络作为风险评价法，利用MATLAB 软件对调查数据进行处理，初步生成风险程度评价模型，并用实证演示加以证明。
关键词：产学研；知识创新联盟；神经网络；风险评价中图分类号：G302文献标识码：A文章编号：1002－9753（2011）12－0173－07Risk Assessment of Industry －university －research Knowledge InnovationAlliance Based on BP Neural Network Algorithm XIAO Ling －nuo 1，SHI Jian －feng 1，SUN Yu －zhong 2（1．Harbin Institute of Technology ，Harbin 150001，China ；2．Weihai Technology Bureau ，Weihai 264200，China ）Abstract ：This paper analyzes risk causes of industry －university －research knowledge innovation alliance from the per-spective of knowledge innovation ，and it takes knowledge sharing insufficiency ，knowledge spillovers ，insufficient knowl-edge transformation and upgrade as the origin of risk．Management risk and interest risk are inner risk ，market risk and technology risk are extra risk．Learn from previous research achievements ，the risk assessment indexes are set．Accord-ing to the risk characteristics of research ，through the theoretical analysis ，the BP neural network is adopted as a risk e-valuation method ，MATLAB software is used to survey data processing ，and the risk degree evaluation model is prelimi-nary formatted ，at last ，an empirical demonstration is took to prove it．Key words ：industry －university －research ；knowledge innovation alliance ；neural network ；risk assessment收稿日期：2011－07－12修回日期：2011－10－15基金项目：山东省自然科学基金项目，项目号2009ZRA10043，项目名称：控制产学研知识创新联盟风险的决策系统。
基于BP神经网络的制造网格资源评价系统研究的开题报告
基于BP神经网络的制造网格资源评价系统研究的开题报告一、研究背景随着计算机技术和互联网技术的不断发展，制造业正在逐步向数字化、网络化、智能化方向转型。
作为制造业数字化转型中的重要组成部分，制造网格技术应运而生。
制造网格是一种基于互联网、物联网和云计算等技术实现的制造资源共享和应用的技术体系，它将全球范围内的制造资源进行整合和优化，使得制造企业可以高效地获取并灵活利用全球范围内的制造资源。
然而，随着制造网格规模不断扩大，其中存在一些制造资源难以评估的问题，例如制造资源的可靠性、实用性、安全性等方面的评估。
这些问题将制约制造网格的进一步发展和应用。
因此，通过研究制造网格资源评价系统，对于制造网格的发展和优化具有重要的现实意义和实际价值。
二、研究目的和意义本文旨在通过建立基于BP神经网络的制造网格资源评价系统，研究制造网格资源可靠性、实用性、安全性等方面的评估问题。
具体研究目的如下：1. 探究BP神经网络在制造网格资源评价中的应用；2. 建立基于BP神经网络的制造网格资源评价系统；3. 分析和评估制造网格资源的可靠性、实用性、安全性等方面。
本研究将为制造网格资源评价提供可靠的理论分析和技术支持，同时也将为企业和管理部门提供参考和借鉴。
三、研究内容和步骤1. 制造网格资源评价相关理论研究对制造网格资源的评价方法和指标进行梳理和分析，并总结出适用于制造网格资源评价的BP神经网络模型。
2. BP神经网络模型的建立在前期的理论研究基础上，对BP神经网络模型进行建模，设置输入层、隐层、输出层等模型参数，以实现对制造网格资源的评估功能。
3. 基于BP神经网络的制造网格资源评价系统的开发采用.NET技术，开发一个基于BP神经网络的制造网格资源评价系统，并将其应用于实际的数据处理和资源评估中。
4. 制造网格资源的评估和分析利用建立的BP神经网络模型和开发的制造网格资源评价系统，对实际制造网格资源进行评估和分析，并得到相应的评价结果和分析结论。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
【 中图分类－ ］２ ３７Ｆ ２ ￣ Ｆ ７ ．；２ ４ －
【 文献标识ｔ］ ｆＡ ￣
【 文章编号］ｏ ５ １ ２ ２ １ ）３ ０ ０ — ３ １ｏ — ５Ｘ（０ １０ — １３ ０
Ｓ ｕ ｙ ｏ ｓ ａ ｕ ｔ ｎ ｆ ｒＭ ａ ｕ ａ ｔ ｒ ｒ ’ ａ ｕ ｐ ｙ Ｃｈ ｉ ｌ ｂ ｒ ｔ ｎ Ｂａ ｅ ｎ Ｂ Ｎｅ ｒ ｌ ｔ ｒ ｔ ｄ ｎ Ｒｉｋ Ｅｖ ｌ ａ ｉ ｎ ｆ ｃ ｕ ｅ ｓ Ｌｅ ｎ Ｓ ｐ ｌ ａ ｎ Ｃｏ ｌ ｏ ａ ｉ ｓ ｄ ｏ Ｐ ｕ ａ ｗｏ ｋ ｏ ｏ ａ ｏ Ｎｅ
流程 以及 国内外相关研究成果给 出的指标体 系如表 １ 所示 。
能造成的浪费及非增值活动 ， 大限度降低成本。由于供应链 最
在 协 同运 作 过 程 中 的复 杂 性 和 不 确 定 性 ，会 引 起 精 益 供 应 链
３ 精 益 供 应 链 协 同风 险 的 Ｂ Ｐ神 经 网 络 评 价 模 型
Ａｂｓｒ ｃ ：Ｔ ｅ ｐ ｐ ｒｅ ｔｂ ｉ ｈ ｓａ ｒｓ ｖ ｌ ａ ｉｎ ｉ ｄ ｘ ｓ ｓｅ ｆｒ ｌａ ｕ ｐ ｙ ｃ ａ ｎ ｃ ｌ ｏ ａｉ ｎ ａ ｄ ｅ ａｕ ｔｓ ｔ ｅ ｒｓ ｓｅ ｐ ｓ ｄ ｔ ｔ ａ ｔ ｈ ａ ｅ ｓａ ｌｓ ｅ ｋ ｅ ａｕ ｔ ｎ ｅ ｙ ｔ ｍ ｏ ｅ ｎ ｓ ｐ ｌ ｈ ｉ ｏ ｌ ｒ ｔ ｎ ｖ ａ ｅ ｈ ｉｋ ｘ ｏ ｅ ｏ ｉ ｏ ｂ ａ ｏ ｌ ｍａ ｕ ａ ｔ ｒｎ ｎ ｅ ｐ ｓ ｓｉ ｅ ｒ ｅ ｎ ｓ ｐ ｌ ｈ ｉ ｏ ｌ ｏ ａｉ ｎ ｕ ｉ ｇＢＰ ｎ ｕ ａ ｅｗｏ ｋ ｎ ｆ ｃｕ ｉ ｇｅ ｔｒ ｒ ｅ ｔ ｉ ａ ｕ ｐ ｙｃ ａｎ ｃ ｌ ｉ ｎｈ ｌ ｂ ａ ｒ ｔ ｓｎ ｅ ｒ ｎ ｔ ｒ ． ｏ ｌ
Ｂ Ｐ神 经 网 络 即 按 误 差 逆 传 播 算 法 训 练 的 多 层 前 馈 网 络 ，
运作偏离预期 目标而导致精益供应链协 同风险。因此本文运
用 目前 应 用 最 广 泛 的 Ｂ Ｐ神 经 网 络 对 精 益 供 应 链 协 同 风 险 进 行评价 ， 为精 益 供 应 链 企 业 正 确 识 别 、 价 和 防 范协 同 风 险 提 评 供 理 论指 导 和 方 法 借 鉴 。
Ｋｅ ｗｏ ｄｓ ｌ ａ ｕ ｐ ｙ ｃ ａ ｎ ｃ ｌａ ｏ ａ ｉｎ ｒｓ ； ｉｋ ｅ ａ ｕ ｔ ｎ Ｂ ｅ ｒ ｅｗｏ ｋ ｙ ｒ ： ｅ ｎ ｓ ｐ ｌ ｈ ｉ ； ｏｌ ｂ ｒ ｔ ｋ ｒ ｖ ａ ｉ ； Ｐ ｎ ｕ ａ ｎ ｔ ｒ ｏ ｉ ｓ ｌ ｏ ｌ
进 行识 别 可 以 为 防 范 风 险 提 供 一定 的依 据 。 影 响 精 益 供 应 链
１ 引言
现代 企 业 将 精 益 思 想 应 用 到供 应 链 中 ，为 企 业 提 高竞 争 力提 供 可行 的方 法 ，精 益 供 应 链 是 指 从 产 品 设 计 到 最 终 客 户 得 到产 品 的整 个 过 程 中所 涉 及 的组 织 和 机 构 ，通 过 顾 客 需 求 拉 动 ， 最 少 的 资 源 满 足 客 户 的 产 品 和 服 务 需 求 ， 除 一 切 可 以 消
即输 入 层 、 隐层 、 出 层 。 输
２ 精 益供 应 链 协 同风 险评 价 指标 体 系 设 计
精 益 供 应 链 涉 及 企 业 多 ， 程 复 杂 ， 何 一 个 企 业 任 何 一 流 任 个 环 节 出 问题 都 会 引起 整 个 供 应 链 的 风 险 ，因 此 影 响精 益供 应 链 协 同风 险 的 因素 繁 多 ，对 精 益 供 应 链 协 同 中 的风 险 因 素
是 目前应用最广泛的一种人工神经 网络方法 。其能够 同时处
理 定 性 定 量 知 识 ， 速 进 行 大 量 运 算 ， 精 益 供 应 链 协 同风 险 快 对 因 素 中 复 杂 的 非 线 性 关 系 进 行 处 理 ，具 有 很 强 的 自学 习能 力 和 预 测 能力 。 此本 文运 用 Ｂ 因 Ｐ神 经 网络 模 型 评 价 精 益供 应 链 协 同 风 险 ， 体 步骤 如 下 ： 具 （ ） 经元 数 目的确 定 。 文 Ｂ １神 本 Ｐ神 经 网 络采 用 三 层 院 ， 湖 北 武
【 摘
武 汉 ４ ０７ ） ３ ００
要】 建立 了精益供应链协同风险评价指标体 系， 并运用 Ｂ Ｐ神经 网络方 法进行 协同风险评价 ， 为制造企业精益供应链协
同风 险 的评 价 提 供 理 论 指 导 。 ［ 词 】 益 供 应 链 ； 同 风 险 ； 险 评 价 ；Ｐ神 经 网络 关键 精 协 风 Ｂ
刘红胜， 基于 Ｂ 神经网络的制造企业精益供应链协同风险评价研究 等： Ｐ
ｄ ｉ ０３ ６ ￣ｉ ｎ１ ０ — ５ Ｘ２ １ ．３０ ４ ｏ： ．９ ９ ．ｓ ．０ ５ １ ２ ．０ １０ ．３ ｌ ｓ
供 应 链 管 理
基于 Ｂ Ｐ神 经 网 络 的 制 造 企 业 精 益 供 应 链 协 同风 险 评 价 研 究
Ｌ Ｕ Ｈｏ ｇ —ｈ ｎ ， ｉ ｑ ｎ Ｉ ｎ — ｅ ｇ ＬＵ Ｈｕ — ｉ ｇ ｓ —
（ｃｏｌｆ ｎｇｍｅｔＷｕ ａ ｎｖｒｔ ｅｈｏｏｙＷｕ ａ ３ ０ ０ Ｃ ｉａ Ｓｈｏ ａｅ ｎ， ｈ ｎＵ ｉ ｓ ｙ ｆ ｃ ｎｌ ， ｈｎ４ ０ ７ ， ｈｎ） ｏ Ｍａ ｅ ｉ ｏＴ ｇ
协 同 的 风 险 因 素 有 内 部 因 素 和外 部 因 素 ：内 部 因 素 主 要 包 括
自然 环 境 、 策 法 律 、 济 环 境 、 场 ； 部 因 素 主 要 包 括 质 政 经 市 外 量 、 本、 付、 息、 成 交 信 合作 。本 文在 全 面分 析 精 益 供 应 链 运 作