基于粗糙集供应商选择.pdfVIP

基于粗糙集的供应商选择 杜文涛 辽宁工程技术大学计算机集成制造系统（CIMS ）中心，辽宁阜新 （123000 ） E-mail ：duwentao1008@163.com 摘 要：将粗糙集理论应用于企业的供应商选择过程中，提出了基于粗糙集理论的供应商选 择的模型和方法。把基于粗糙集的数据挖掘方法应用到企业的历史的评价结果中，从中挖掘 出对我们有用的评价规则，充分利用以前的评测结果。最后对供应商的选择过程，给出了应 用实例。 关键词：粗糙集；供应商选择；指标体系 中图分类号：TP18 文献标识码：A 1 引言 供应链是指产品生产和流通中涉及的原材料供应商、制造商、分销商及零代商等组成的 网链结构，其目的是在正确的时间内将正确数量的产品送到正确的客户手中。供应链中的成 员称为供应链的节点，上游节点是下游节点的供应商。供应商的选择是供应链运行的基础， 也是搞好供应链管理的前提。好的供应商是企业正常生产运营的保证，它可以保证供应链的 畅通无阻，避免因缺货、次品等问题而给企业带来各方面的损失；同时优秀的供应商有助于 企业增加销售量，降低库存，降低采购成本。企业在选择评价供应链合作伙伴时，考虑的因 素众多，并且不同的行业、不同的企业、不同的外部环境下所考虑的因素又各有侧重，而且 很多影响因素也是很难确定的，因此，对合作伙伴的选择很难用解析的方法给出准确的数值。 因此，如何建立一个科学、可靠的评价和选择体系是一个复杂且有重要意义的研究问题。 目前国内外进行供应商选择评价供应链合作伙伴时的主要方法有定性的和定量的方法。 定性的方法主要包括：直观判断法、招标法、协商选择法[1] ；定量的方法主要包括：采购成 本比较法、ABC 成本法[2] [3] 、神经网络方法 、模糊数学方法、价值工程法、层次分析法等方 法等。以上的评价选择方法各有侧重，但是它们有一个共同的特点，那就是没有充分运用以 前的评价结果，每次都是从头进行。可以设想，随着企业评价次数的增加，会形成关于供应 链合作伙伴评价选择的一系列的历史数据，如果我们能够将这些历史数据利用起来，从其中 发现出对于我们有用的信息，势必将减少我们对供应链合作伙伴评价选择的工作量。本文的 思路是将基于粗糙集的数据挖掘技术应用进来，用粗糙集的方法从历史的评价结果数据中挖 掘出对我们有用的评价规则，将这些规则存于知识库中，那么以后有需要进行评价的合作伙 伴时，就可以根据其各个方面的情况来匹配知识库中的规则，从而得到评价结果。这样，既 可以利用历史数据，又可以提高工作效率。 2 粗糙集理论基础 [4] 20 世纪80 年代，波兰科学院院士Pawlak Z 提出的粗糙集(Rough Set)理论 研究了不精 确(imprecise)、不一致(inconsistent)、不完整(incomplete)等各种不完备的知识和信息的表达、 学习、归纳的理论和方法。目前，粗糙集己成为人工智能领域中一个新的学术热点，在机器 学习、知识获取、模式识别、故障诊断、决策分析、过程控制等己取得了令人鼓舞的成果。 粗糙集不需要先验知识，仅利用数据本身提供的信息，在保留关键信息的前提下对数据进行 化简并求得知识的最小表达；能识别并评估数据之间的依赖关系，揭示出概念简单的模式； 能从经验数据中获取易于证实的规则知识[5] 。 - 1 - 2.1 知识与知识库 φ ⊆ 设U≠ 我们感兴趣的对象组成的有限集合，称为论域。任何子集X U ，称为U 中的 一个子集或范畴。U 中的任意概念族称为关于U 的抽象知识，简称知识。本文主要是对在U 上能形成划分的那些知识感兴趣。一个划分ζ定义为: ζ={X1，X2,… ，Xn } ,