基于LM-BP模型的企业产品质量经济性模糊综合评价研究①

基于LM-BP模型的企业产品质量经济性模糊综合评价研究①

昆明理工大学质量发展研究院 张兆薇 李洁

针对企业产品的质量经济效益综合评价问题，提出基于LM算法和BP神经网络的模糊综合评判方法。该方法弥补了现有方法评价精度不理想的缺陷，能够客观表达评价者的知识和经验。本文通过对某企业的相关数据进行实证分析，验证了评价方法在企业产品质量经济效益评价方面的准确性，并通过结果表明该方法具有比现有方法更高的可信度。

LM-BP模型 产品质量经济效益 模糊综合评价

产品质量经济效益评价是专门研究质量与经济效益内在联系和数量关系，从经济和经济效益的角度，通过对质量和质量管理的效果进行经济分析、经济比较和经济效益评价，以确保用最少的人力、物力和财力，生产出尽可能多的优质产品，创造尽可能大的经济效益[1]。最早对质量经济效益或经济性进行研究的朱兰主要是从质量成本的角度对企业的质量经济效益进行了研究[2]。

近年来，国内也有较多文献对产品质量的经济性进行了研究，研究主要集中在产品质量对本企业的经济效益研究上，部分文献定性研究了产品质量对消费者和社会效益的影响。建立了质量成本分析模型，选择DEA模型对其产品进行质量经济性评价[3]。通过对质量经济性的研究，建立了质量水平与质量成本的关系模型和质量效益的评价与计算模型[4]。质量经济性不仅局限于企业内部，而应该着眼于宏观角度，即从企业内部、消费者及社会等几大环境进行评价[5]。提出广义的产品质量经济性评价设想，并且将模糊综合评价方法应用到评价模型的计算中[6]。可以看出国内已有成果定性分析了产品质量对经济社会形成的效益研究。但是，目前对构建产品质量效益综合评价模型的研究较少。因此如何科学构建产品质量的经济效益综合评价模型是质量经济学研究中的一个焦点和难点问题。

目前，已有模糊综合评判方法应用于质量经济效益评价[13，14]。对质量经济效益评价进行了有益的探讨，但此方法主观性较强，评价结果的可信度不高。再者，企业的产品质量经济效益评价问题中的评价因子与评价级别之间还存在着复杂的非线性关系，而BP神经网络就是一种处理非线性映射的良好算法；不过，传统的BP神经网络存在学习收敛速度较慢、易陷入局部极小等缺陷，其应用范围受到限制；而学者们[15]亦对传统BP神经网络进行了改进，主要方法有动量法、自适应学习系数法、LM算法等，其中LM算法兼具了梯度下降法的全局特性和Gauss-Newton法的局部特性两个优点，有效弥补了传统BP神经网络的不足；鉴于此，本文基于LM-BP网络对企业产品质量经济效益进行模糊综合评判，首先通过利用模糊综合评判算法对多指标的质量特性进行综合评价分析，然后将其评价结果作为学习样本对网络进行训练，使得经训练后的网络评价模型对新增的生产要求做出快速精确地响应，从而实现对产品在生产阶段质量特性进行评价和预测。

1 相关理论基础简要介绍

1.1 BP神经网络

人工神经网络基于人脑的基本特性，能够大规模进行处理和分布式储存，具有自适应性和容错性的优点。理论上，误差逆传播(BP)神经网络可以使用于任意多层的网络。由于BP神经网络具有工作状态稳定、结构简单的特点，是众多的神经网络模型中应用最为广泛、发展最为成熟的网络模型。BP网络模型由输入层、隐层和输出层组成，层与层之间用权值表示连接程度，并通过学习不断调整权值。

1.2 LM优化算法

由于Levenberg-Marquartdt优化算法兼具梯度下降法的全局特性和Gauss-Newton法的局部特性两个优点，因此针对传统的BP神经网络所存在的学习收敛速度较慢、易陷入局部极小值等问题，本文采用Levenberg-Marquartdt优化算法作为改进算法对传统的BP神经网络进行改进。

1.3 模糊综合评判

基于模糊集合理论的综合评价方法通过精确的数学手段进行产品质量经济效益评价，能对呈现模糊性的指标做出较为客观、科学、合理、符合实际的定量描述；并且它的评价结果亦是一个所包含信息比单纯点值更为丰富的矢量。

2 企业产品质量经济效益综合评价模型的构建

2.1 指标体系的分析与设计

2.1.1 输入指标的分析与设计

基于经济效益的核心是质量水平高、质量成本低[8]， 承接于企业产品质量的综合评价指标体系设计，本文选取的输入指标如表1所示。选用质量成本来设计综合评价的指标体系也是目前比较通用的做法。大量的统计资料表明，目前四种质量成本在总质量成本中所占比例大致如下表2所示。

表1 模型输入指标设计

表2 质量成本构成比例

2.1.2 输出指标的分析与设计

基于采用产品质量的收益表征质量经济效益的产出[14]，将输出指标设计为：企业品牌形象、顾客满意度、社会经济效益。其中，企业品牌形象作为一种复杂表征，是品牌属性、形象包装、产品价格、历史声誉和宣传方式的无形综合，能够反映出企业在不同质量水平上的无形质量效益；顾客满意程度取决于顾客对产品感知质量和期望质量的关系。社会经济效益的主要内容包括产品使用寿命延长、可靠性提高等使用价值的增加；能源和物化消耗的减少带来的间接经济效益；其他经济效益。

2.2 评价模型的原理与构建

依照模糊综合评估的基本原理，利用隶属度函数对模糊的指标信息和评价信息进行数字化处理，将企业产品质量经济效益定性定量化。应用BP网络来处理模糊综合评判问题，处理多级综合评价问题，具有较好的容错性和鲁棒性。基于LM-BP网络的企业质量经济效益模糊综合评判模型的实施流程其具体算法和实现如下：

(1)将待估案例的历史数据以的比例划分为K个训练样本和L个测试样本；

(2)确定网络结构参数：输入层、隐层和输出层的节点个数、学习系数、误差允许范围；

(3)确定网络连接权值的初始值；

(4)将学习样本特征值矩阵进行模糊处理，转化为评价矩阵；

(5)输入上步模糊综合评判结果，将其作为期望输出向量来参照网络训练；

(6)计算网络隐层和输出层各节点的实际输出值；

(7)计算单次学习样本二次型误差函数和整体平均误差；

(8)基于LM优化算法调整连接权值和阈值；

(9)若平均误差处于允许的误差范围之内，则停止训练；否则，转回(6)；

(10)利用上述训练完成的模型对测试样本进行测试。

3 实证研究

为了验证本模型的有效性，选用某生产企业某时期生产的历史数据进行实例模拟。按照上述步骤，取出234例作为训练样本，58例作为预测样本。结合MATLAB软件编码设计，对学习样本进行归一化处理，误差指标取0.01，学习系数为0.01，网络拓扑结构参数为，隐含层与输出层的激活函数为S型函数。模型输出结果与模糊估计专家评估结果比较，如表3所示。结果表明：网络预测与专家估计的拟合精度较模糊评价与专家估计的拟合精度较高，测试样本结果基本符合事先要求。

表3 比较结果

4 结语

本文针对企业产品质量经济效益综合评价问题，提出了一种基于LM-BP网络的模糊综合评判模型。充分考虑了评价指标的模糊性，弥补了以往评价的随机性带来的不足，使得输出结果更为可信。实例验证表明该方法能够较好地模拟专家评价，有机结合了自学习、专家系统和模糊推理的优势，对于企业产品质量经济效益综合评价问题具有可行性。

[1] 银路,刘卫.质量经济效益分析[M].成都:成都出版社,1992.

[2] 王斌会.过程控制与管理经济效益的模型分析[M].北京:经济科学出版社,2005.

[3] 王献雨,鞠晓峰.基于DEA模型的大型复杂军工产品质量经济性评价[J].系统工程与电子技术,2010,32(3).

[4] 李洪勇.质量的经济性问题分析[J].中国管理信息化,2010,13(17).

[5] 史小月.质量经济效益评价模型的实践应用案例[J].江苏科技信息(学术研究),2011(6).

[6] 徐仁冬.产品质量经济性的模糊综合评价研究[J].航空标准化与质量,2012(5).

[7] 杜栋,庞庆华,吴炎.现代综合评价方法与案例精选[J].北京:清华大学出版社,2008.

[8] Banker,Charnes Cooper.Some models for estimating technical and scale inefficiencies data envelopment analysis[J].Management Science,1984,30(9).

[9] Ali A I,Lerne C S,Seiford L M.Components of efficiency evaluation in data envelopment analysis[J].European Journal of Operational Research,1995,80(3).

[10] 张国庆.质量经济效益理论和评价研究[D].大连理工大学,2003.

[11] 约瑟夫·M·朱兰,约瑟夫·A·德菲欧.朱兰质量手册(第六版)[M].北京:中国人民大学出版社,2014.

[12] 贾跃,赵学涛,林贤杰等.基于BP神经网络的鱼雷作战效能模糊综合评估模型及其仿真[J].兵工学报,2009,30(9).

[13] 关晓光,葛志杰.质量经济效益的模糊综合评价[J].管理工程学报,2000,14(4).

[14] 徐仁冬.产品质量经济性的模糊综合评价研究[J].航空标准化与质量,2012(5).

F273.2

A

2096-0298(2015)04(c)-162-03

云南省教育厅科学研究基金项目“产品质量经济效益评价模型研究”(2014Y081)。

张兆薇(1991-)，女，重庆涪陵人，硕士研究生，主要从事质量管理方面的研究；李洁(1977-)，女，四川安岳人，副教授，主要从事数量经济和质量管理方面的研究。