基于神经网络的汽车供应链风险评估研究

论文摘要

汽车供应链具有节点企业多、链条长、节点企业间关联度高、技术和资金密集等特点,在竞争白热化、需求多样化的市场背景下,更易受到不确定因素影响,且风险引发后往往损失巨大。依托上海汽车集团及其合作企业进行问卷调查,创造性地将机器学习领域的反向传播神经网络运用于潜在风险因素的重要程度评价,结果显示高风险指标集中于供应商和制造商两段,其中制造商的生产风险、意外风险和财务风险以及供应商的战略风险对汽车供应链整体风险的影响最为显著。不仅从理论上丰富了供应链风险管理的技术方法,同时以中国最大汽车集团——上汽集团的风险评估状况为典型代表,为中国汽车产业供应链的风险防范和安全运转提供具有实践意义的操作建议和决策支持。

论文目录

• 0 引言
• 1 神经网络的结构与算法
• 2 数据收集与指标体系
• 3 评估结果分析
•   3.1 高风险因素:0.85及以上
•     3.1.1 供应商机械设备老旧, 生产效率低
•     3.1.2 供应链上游主要供应商破产
•     3.1.3 消费者的购车资金储备不足
•     3.1.4 经销商层面临国家宏观调控政策变化
•   3.2 中高风险因素:0.8～0.85
•     3.2.1 制造商设备柔性低, 转产能力差
•     3.2.2 供应商产线意外事故
•     3.2.3 供应商石油等重要生产资源价格上涨
•   3.3 中风险因素:0.6～0.8
•     3.3.1 供应商操作工流失
•     3.3.2 研发能力低下, 新产品竞争力不足
• 4 总结与展望

文章来源

类型: 期刊论文

作者: 潘盟,张建同,陈晓东,杜娟

关键词: 供应链风险评估,汽车供应链,反向传播神经网络神经网络

来源: 上海管理科学 2019年01期

年度: 2019

分类: 经济与管理科学,工程科技Ⅱ辑

专业: 汽车工业,工业经济,企业经济

单位: 同济大学经济与管理学院

基金: 国家自然科学基金面上项目(71471133),国家自然科学基金重点项目(71532015),国家自然科学基金重点项目(71432007)

分类号: F426.471;F274

页码: 99-106

总页数: 8

文件大小: 240K

下载量: 677