合作採購策略分類模式之構建

Abstract

在全球化的過程中，所有的企業都同樣面臨了如何有效整合公司資源、降低成本，以提供客戶更好的服務的挑戰。「服務乃是供應鏈整體的產出」－因此，競爭的形態也由以往的公司與公司之間的競爭轉變成為供應鏈與供應鏈之間的競爭。為了提升整體供應鏈的競爭力，企業除了必須有效提昇公司內部效率之外，與上、下游的供應商與顧客端建立有效率的合作模式也是影響整體供應鏈表現的關鍵因素之一。 大多數全球化的製造產業，其採購物料的數目往往高達數百種甚至上千種，以人力持續進行評估是相當無效率的做法。有鑑於此，吾人認為如果能由公司過往的決策經驗中，建立相關的指標或是模型，輔助採購相關人員進行物料採購管理作業，當能提升企業採購與物料管理之績效。 本論文利用類神經網路可以有效處理分類問題的特性，研究物料特性與採購模式之間的關係。期望能透過公司過往的採購決策，建立類神經網路模式，來輔助公司進行採購與物料管理作業。 經由實例驗證顯示，類神經網路可以有效學習個案公司目前做法的分類規則，這樣的模型可以輔助採購人員作為決策支援工具，對於較無經驗的採購人員可以提供一個快速的依循準則。此外，由於類神經網路具備快速處理大量資料的能力，當採購件的價格或採購數量等項目發生變化，造成原本的採購模式不適用時，亦能快速地被發現並反應市場變化，達成持續評核採購模式的目的。本論文另採用邏輯斯諦迴歸分析篩選出對於每種採購模式的顯著影響決策因子，以彌補類神經網路模式無法精確的指出因果關係的缺點。

In order to offer high quality service, global companies have to integrate resources effectively. The concept of supply chain management therefore emerges. To raise the competitiveness of a supply chain, companies not only integrate their inner resources but also develop effective collaboration models to cooperate with suppliers. For most global manufacturers, thousands of purchasing items are a normal case. To manually and periodically audit the procurement strategy for each item is a very difficult and costly task. To develop a model using knowledgeable buyer’s experiences to facilitate purchasing and material management activities will be essential. Through a real world case study, the experimental result shows that the neural network can learn the existing procurement rules effectively. For those who don’t have much experience in procurement, this kind of model can provide a guideline to make the decisions. Besides, neural network is capable to process a lot of data quickly. A buyer can periodically audit purchasing items as well as their procurement strategies and make necessary adjustments if price or amount altered. Therefore, the manufacturer can react to market fluctuations faster, and manage procurement items more cost-effective. In this thesis, a logistic regression is also employed to analyze the data. Logistic regression is a multivariate analysis technique. It can help us to identify factors which have significant causal-effect relationship between each procurement model and material attributes. Because neural network is a “black box” and have limited ability to explicitly identify possible causal relationships, logistic regression is complementary to the neural networks. Abstract ii 誌 謝 iii 第一章、緒論 1 1.1 研究背景與動機 1 1.2 研究目的 1 1.3 研究範圍 2 1.4 研究方法 2 第二章、文獻回顧 5 2.1 前言 5 2.2 採購模式文獻回顧 5 2.3 類神經網路應用文獻探討 12 2.4 邏輯斯諦迴歸(logistic regression)文獻探討 13 第三章、問題分析 16 3.1 問題描述 16 3.2 問題基本假設 17 3.3 採購模式(LEP)簡介 18 3.4 決策因子選擇 22 第四章、類神經網路模式構建 28 4.1 數據的前處理 28 4.2 資料分群 32 4.3 類神經網路模式訓練與測試 32 4.4 待判案例分類 37 第五章、邏輯斯諦迴歸模式分析 38 5.1 邏輯斯諦迴歸之目的 38 5.2 邏輯斯諦迴歸模式構建 38 5.3 邏輯斯諦迴歸模式驗證 40 5.4 邏輯斯諦迴歸模式結果分析 44 第六章、結論與未來展望 45 6.1 結論 45 6.2 未來展望 46 附錄A、 47 A-1、類神經網路簡介 [葉怡成，民國八十六年] 47 A-2、倒傳遞網路(Back-propagation network)簡介 [葉怡成，民國八十一年] 47 A-3、倒傳遞類神經網路架構 [葉怡成，民國八十一年] 48 A-4、倒傳遞類神經網路演算法 [葉怡成，民國八十一年] 49 附錄B、 54 SAS程式碼與報表 54 B-1、針對Breadman採購模式執行邏輯迴歸分析程序 54 B-2、針對Consignment採購模式執行邏輯迴歸分析程序 56 B-3、針對Demand pull採購模式執行邏輯迴歸分析程序 59 B-4、針對Dock-to-Shop採購模式執行邏輯迴歸分析程序 62 B-5、針對Pull replenishment採購模式執行邏輯迴歸分析程序 64 參考文獻 68