CN105894236A - 一种饮用水物流监控系统及饮用水供应链递阶质量屋管控方法 - Google Patents

Abstract

本发明提出一种饮用水物流监控系统和基于该系统及联立方程的饮用水供应链递阶质量屋管控方法，该管控方法以饮用水供应链质量需求为输出，将饮用水供应链中各个主体业务环节的工程特性看作是输入，建立一个多输入多输出系统的饮用水供应链递阶质量屋管控模型，可以对饮用水整个供应链上下游进行有效质量设计与控制，改进其质量形成过程，从而最终实现供应商与生产企业的整体利润。

Description

一种饮用水物流监控系统及饮用水供应链递阶质量屋管控 方法

技术领域

本发明涉及一种饮用水物流监控系统及基于该系统和联立方程的饮用水供应链递阶质量屋管控方法，属于企业供应链管理技术领域。

背景技术

现代企业的竞争已经从企业与企业之间的单个个体的竞争转向供应链与供应链之间的竞争。物资供应是整个企业供应链的开始和重要的组成部分，从某种程度说，供应商对质量控制参与的程度和效果直接关系到企业的命运。根据顾客的多样需求及质量投诉，完善对供应商的质量信用评价，提高供应链对质量需求和质量控制变动的响应能力，进而在供应商生产设计阶段就防患于未然，是企业进行质量管理的一项重要课题。随着国际饮用水巨头的品牌渗透，饮用水生产企业面临的竞争日渐加剧。饮用水供应链的质量控制问题在饮用水企业品牌竞争中扮演着越来越重要的角色。

传统采购评价供应商绩效的最重要标准是可用性和低价格，缺少对供应商其他方面的关注和考量，更难以对供应商的质量信用进行科学客观评价。企业的以上做法仅仅着眼于价格和短期行为，使得原材料质量难以得到有效保障，进而导致频频更换供应商，付出很多代价。饮用水用原辅材料是影响饮用水生产企业产品质量的重要环节。适应现代化饮用水设备使用条件、质量稳定的原辅料是铸就高品质产品的必备条件。饮用水原辅材料除了原料外，各类辅料种类繁杂，辅料的供应商也为数众多。这些供应商的生产规模、技术装备和质量控制水平各不相同，与饮用水企业的合作时间也长短不一，在参与供应商质量控制的环节上更显薄弱。企业采购方很难参与供应商的生产过程和有关质量控制活动，不能对所采购的辅料实时进行质量控制而防患未然。通过有效的供应链现状分析,构建饮用水用原辅料供应商质量信用评价体系，同时进行质量设计与控制，改进其质量形成过程，从而最终实现供应商与生产企业的整体利润，而不是局部利润。

质量屋是一种广泛的应用于制造业的形似屋子的图示方法，出现于1972年，它是质量功能部署的一个重要部分。质量屋主要用于确定用户需求和技术方案之间的联系。现有技术中主要是采用面对面的调查问卷的方式获取用户对于各个用户需求的评价等级，从而确定出每个用户需求的需求重要度。质量屋是一种直观的矩阵框架表达形式，是QFD方法的工具。建立质量屋的基本框架，给以输入信息，通过分析评价得到输出信息，从而实现一种需求转换。通常的质量屋由以下几个广义矩阵部分组成：WHATS矩阵，表示需求什么；HOWS矩阵，表示针对需求怎样云做；相关关系矩阵，表示WHATS项的相关关系；HOWS的相互关系矩阵，表示HOWS阵内各项目的关联关系；评价矩阵，表示HOWS项的组织度或技术成本评价情况；竞争性或可竞争力或可行性分析比较。质量屋建立完成后，通过定性和定量分析得到输出项——HOWS项，即完成了“需求什么”到“怎样去做”的转换。但在大数据时代，仍然需要对其进行改进，从而提出一种更加有效的建立质量屋的技术方案。

联立方程系统以经济理论为基础，以解释经济系统中各部分、各因素之间的数量关系和模型的数值特征为目标。将一组描述内生变量的已知方程组作为模型，给定了联立方程模型中外生变量的信息，就可以使用联立方程模型对内生变量进行模拟、评价和预测，从而为政策的制定者提供决策参考，或为企业家提供财务决策评价，并为经济走势提供分析和预测。

基于上述理论，本发明提出一种新型的基于联立方程的饮用水供应链递阶质量屋管控方法，该管控方法以饮用水供应链质量需求为输出，将饮用水供应链中各个主体业务环节的工程特性看作是输入，建立一个多输入多输出系统的饮用水供应链递阶质量屋管控模型。

发明内容

为了解决上述技术问题，本发明提出一种基于联立方程的饮用水供应链递阶质量屋管控方法，该管控方法以饮用水供应链质量需求为输出，将饮用水供应链中各个主体业务环节的工程特性看作是输入，建立一个多输入多输出系统的饮用水供应链递阶质量屋管控模型。

为实现上述目的，本发明采用的技术手段为：

一种饮用水物流监控系统，包括RFID标签、RFID阅读器、天线、GSM/GPRS/Internet、系统服务器、SMS收发模块和云计算平台，其中RFID标签安装在每个车辆和货物上，若干个RFID阅读器被布置成网状结构置于仓库的内部，天线置于仓库的出入口，RFID标签、RFID阅读器、天线分别接入GSM/GPRS/Internet中，GSM/GPRS/Internet通过系统服务器分别与SMS收发模块和云计算平台连接，所述系统服务器包括EPC服务器、ONS服务器、PML服务器和WEB服务器。其中天线为加入匹配枝节的标签天线，所述标签天线呈左右对称布置，以标签芯片的中心安装孔轴线为对称基准，所述标签电线在对称基准右侧依次按如下方向延伸：先水平向右延伸而后竖直向上延伸，再水平向右延伸而后竖直向下延伸，而后水平向右延伸再竖直向上延伸，然后水平向右延伸再竖直向上延伸，然后水平向右延伸再竖直向下延伸，然后水平向左延伸再竖直向上延伸，然后水平向右延伸再竖直向下延伸，最后水平向左延伸；所述标签天线左侧部分与右侧部分呈镜像对称设置；所述匹配枝节设置在标签芯片中心安装孔上方。其中匹配枝节呈M型状，设置在中心安装孔上方。

进一步地，所述饮用水物流监控系统还包括：一饮用水水源信息单元，用于为各个饮用水水源生成一饮用水水源识别信息，并将所述饮用水水源的生产参数加入所述饮用水水源的饮用水水源识别信息中；一饮用水生产信息单元，用于读入进入饮用水生产的饮用水水源的饮用水水源识别信息，并为生产的饮用水生成一饮用水识别信息，并将生产所述饮用水的饮用水水源的饮用水水源识别信息以及生产所述饮用水的生产参数加入所述饮用水识别信息；一运输信息单元，用于读入运输中的饮用水的饮用水识别信息，并将运输参数加入所述饮用水识别信息中；一仓储信息单元，用于读入入库的饮用水的饮用水识别信息，并将仓储参数加入所述饮用水识别信息；一销售配送信息单元，用于读入已销售的饮用水的饮用水识别信息，并将销售配送参数加入所述饮用水识别信息；以及一存储单元，用于存储所述饮用水水源信息单元生成的饮用水水源识别信息、所述饮用水生产信息单元生成的饮用水识别信息以及所述运输信息单元、仓储信息单元和销售配送信息单元更新的饮用水识别信息；所述饮用水水源的生产参数包括饮用水水源深度、周边绿化率、周边工厂数、环境监测指数；所述周边绿化率包括森林覆盖率、草丛花卉种植面积；所述周边工厂数包括重工业厂房数、轻工业厂房数、手工作坊数；所述环境监测指数包括空气质量、环境温度、土壤中的重金属颗粒物含量、土壤中的剧毒物及农药含量。

进一步地，所述饮用水的生产参数包括产品代码、工厂瓶装信息、包装供应商、包装批次信息、工艺数据、灌装批次信息、饮用水检测数据、灌装检测数据和工厂设备清洗记录信息。

进一步地，所述工艺数据包括杀菌数据和消毒数据；所述灌装批次信息包括灌装时间、封装机装线号和工厂代码；所述灌装检测数据包括包装微生物数据、矿物质含量数据、包装渗透数据、包装暴露检测数据和包装膜过滤验证数据。

进一步地，所述运输参数包括封装号、生产批号、车号、司机信息、出厂时间和目的地信息。

进一步地，所述仓储参数包括入库时间、仓库环境数据和仓库号。

进一步地，所述仓库环境数据包括仓库温度和仓库湿度。

进一步第，所述销售配送参数包括订单数据、配送车辆号、配送司机信息、拣货时间和出库时间。

进一步地，所述订单数据包括订单流水号、发货单号、商超信息和商品数量。

本发明的基于饮用水物流监控系统和联立方程的饮用水供应链递阶质量屋管控方法包括以下步骤：步骤1)业务工程特性及质量需求标准化；步骤2)模型建立；步骤3)模型参数估计步骤；4)模型的检验方式；步骤5)饮用水供应链各主体改进业务工程改进优先度测算。

本发明的饮用水供应链递阶质量屋管控方法可以对整个饮用水供应链上下游进行有效质量设计与控制，改进其质量形成过程，从而最终实现供应商与生产企业的整体利润。

附图说明

图1为本发明的饮用水供应链递阶质量屋管控逻辑模型示意图；

图2为本发明的饮用水供应链单主体的质量屋管控模型示意图。

具体实施方式

参看图1-2示出现有的质量屋的结构，针对多个用户需求，可通过市场调研、统计分析等方式得到用户对质量的若干用户需求的评分，进而确定出每个用户需求的需求重要度。质量屋中的矩阵部分表示了各个技术方案与各个用户需求之间的关联关系，其中可以使用圆形、正方形等符号表示不同的关联程度。“屋顶”部分表示不同技术方案之间的关联性。

图中用D，W，B，X，H，E，Q分别代表质量需求、质量评估、质量需求自相关矩阵、业务工程特性、业务工程特性权重、业务工程特性自相关矩阵、质量/业务转换矩阵。

表示质量需求指标，量值越大，用户需求指标值越大；质量评估右墙有三列，第一列实时质量M＝{m_t1,m_t2,…m_tn}^T，第二列表示质量管控标准O＝{o_t1,o_t2,…o_tn}^T，第三列表示改进权重V_t＝(v_t1,v_t2,…v_tn)T；表示业务工程特性，量值越大，技术特性指标值越高；表示业务工程特性指标的权重，量值越大，表示该业务工程特性对质量要求影响越大。

为各项质量需求相关矩阵，即质量屋的房顶部分，为第j个质量需求与第k个质量需求之问的关联程度，为第k个质量需求与第j个质量需求之间的关联程度，故 为质量需求与业务工程特性的关联矩阵，即质量屋的房间部分，表示质量需求与业务工程特性之间的转化关系，表示质量需求指标变化1个等级时引起的业务工程特性的变动量。此外，该质量屋还有其它部分，然而这些其它部分与本申请要改进部分并无直接的关联，而且这些部分也是本领域技术人员所熟知的，在此不加赘述。

本发明的基于联立方程的饮用水供应链递阶质量屋管控方法包括以下步骤：

步骤1)：业务工程特性及质量需求标准化：

对业务环节工程特性和质量需求的满意水平进行无量纲化处理，归一化的业务环节工程特性为X_j，(j＝1,2,....n)；归一化的质量需求的满意水平为Y_i，(i＝1,2,....m)。

工程特性具有望大特性、望小特性、望目特性，分别按照按下列两个方程式进行标准化。

$X_j=\frac{l_j-l_j^{\min }}{l_j^{\max }-l_j^{\min }}$

$X_j=\frac{l_j^{\max }-l_j}{l_j^{\max }-l_j^{\max }}$

质量需求具有望大特性，按照式进行标准化。

$Y_i=\frac{k_i-k_i^{\min }}{k_i^{\max }-k_i^{\min }}$

步骤2)：模型建立：

根据各质量需求与其他质量需求、业务工程特性的关系，建立如下模型：

Y₁＝β₁₂Y₂+β₁₃Y₃+…+β_1mY_m+γ₁₁X₁+γ₁₂X₂+…+γ_1nX_n+μ₁

Y₂＝β₂₁Y₁+β₂₂Y₂+…+β_2mY_m+γ₂₁X₁+γ₂₂X₂+…+γ_2nX_n+μ₂

Y_m＝β_m1Y₁+β_m2Y₂+…+β_mm-1Y_m-1+γ_m1X₁+γ_m2X₂+…+γ_mnX_n+μ_m

整理得

Y₁-β₁₂Y₂-β₁₃Y₃-…-β_1mY_m-γ₁₁X₁-γ₁₂X₂-…-γ_1nX_n＝μ₁

-β₂₁Y₁+Y₂-β₂₃Y₃-…-β_2mY_m-γ₂₁X₁-γ₂₂X₂-…-γ_2nX_n＝μ₂

-β_m1Y₁+Y₂-β_m3Y₃-…-β_mm-1Y_m-1+Y_m-γ_m1X₁-γ_m2X₂-…-γ_mnX_n＝μ_m

矩阵形式为:BY+ΓX＝U

步骤3)：模型参数估计：

将结构式模型转换为简化式模型，并进行最小二乘估计，进行整理得到：

Y+B^-1ΓX＝B^-1U

Y＝-B^-1ΓX+B^-1U

Y＝ΠX+V

其中Π＝B^-1Γ,V＝B^-1U

对简化式进行最小二乘估计，得到

$\hat{Y}=\widehat{\mathrm{\Π}}X+V$

$Y_i=\hat{Y}+e_i,i=1,2,\mathrm{...},m$

用上式的右端替换所要估计的结构方程中的内生解释变量，则有：

u₁'＝β₁₂e₂+β₁₃e₃+...+β_1me_m+u₁

u_i'＝β_i2e₂+β_i3e₃+...+β_1i-1e_i-1+β_1i+1e_i+1…+β_ime_m+u_ii＝2,…,m

步骤4)：模型的检验方式：

采用整体检验来对联立方程的拟合程度进行检验：

第一步：将第t期前定变量的样本值X_1t,X_2t,…,X_nt赋予X中的对应分量X₁,X₂,…,X_n；

第二步：赋值后的X记为X_i则得到内生变量的估计值向量其各分量依次为

第三步：得到第i个内生变量在第t期的拟合误差其中T为样本容量；

第四步：对每一期的样本做此检验，则得到全部内生变量在各期中的整体拟合误差ε_it(i＝1,2,…，m；t＝1,2…,T)；

用来评价拟合程度的统计量有：模拟误差均方根模拟误差平均值模拟误差平均值比Theil不相等系数U，见下列公式：

$\widehat{\mathrm{\σ}}=\sqrt{\[\underset{i=1}{\overset{T}{\Σ}}{({\mathrm{\ϵ}}_u/Y_u)}^2\]/T}$

$\stackrel{\‾}{\mathrm{\ζ}}=\frac{1}{T}\underset{i=1}{\overset{T}{\Σ}}{\mathrm{\ϵ}}_{ii}$

$\widehat{\stackrel{\‾}{\mathrm{\ζ}}}=\frac{1}{T}\underset{i=1}{\overset{T}{\Σ}}\frac{{\mathrm{\ϵ}}_{ii}}{Y_{ii}}$

$U=\sqrt{\frac{1}{T}\underset{i=1}{\overset{T}{\Σ}}{\mathrm{\ϵ}}_n^2}/(\sqrt{\frac{1}{T}\underset{i=1}{\overset{T}{\Σ}}{Y}_n^2}+\sqrt{\frac{1}{T}\underset{i=1}{\overset{T}{\Σ}}{\hat{Y}}_n^2})$

步骤5)：饮用水供应链各主体改进业务工程改进优先度测算：

在饮用水供应链递阶质量屋中，每个供应链上的主体会把质量数据C_t传输到控制塔信息中心，控制塔信息中心根据整个供应链的运行情况，提出对i主体的质量需求和管控标准从而进行整条供应链上的协同控制。每个质量屋质量评估右墙的改进权重V_t＝(v_t1,v_t2,…v_tn)^T根据实时质量M＝{m_t1,m_t2,…m_tn}^T、质量管控标准O＝{o_t1,o_t2,…o_tn}^T以及控制塔中心的专家系统综合而得。业务工程特性改进优先度为X_t＝V_t*B,第i个业务工程改进优先度为

实施例

以饮用水行业中瓶装水生产环节为例说明通过联立方程对质量屋展开，发现质量改进优先因素，如下表所示。

表瓶装水生产环节质量控制屋展开

本领域技术人员可以明了的是，上述表格中的各个菌落总数、大肠菌群、各消毒浓度和消毒时间等都是饮用水中的生产参数，此处不再赘述。

业务操作改进优先度依次为：蒸馏、臭氧消毒浓度、臭氧消毒时间、管路消毒二氧化氯浓度、管路消毒时间、灌装环境紫外线照射时间、瓶身、瓶盖消毒二氧化氯浓度、原水水质、瓶身、瓶盖消毒时间、过滤。

Claims (10)

1.一种饮用水物流监控系统，包括RFID标签、RFID阅读器、天线、GSM/GPRS/Internet、系统服务器、SMS收发模块和云计算平台，其中RFID标签安装在每个车辆和货物上，若干个RFID阅读器被布置成网状结构置于仓库的内部，天线置于仓库的出入口，RFID标签、RFID阅读器、天线分别接入GSM/GPRS/Internet中，GSM/GPRS/Internet通过系统服务器分别与SMS收发模块和云计算平台连接，所述系统服务器包括EPC服务器、ONS服务器、PML服务器和WEB服务器。

2.如权利要求1所述的饮用水物流监控系统，其特征在于，所述饮用水物流监控系统还包括：一饮用水水源信息单元，用于为各个饮用水水源生成一饮用水水源识别信息，并将所述饮用水水源的生产参数加入所述饮用水水源的饮用水水源识别信息中；一饮用水生产信息单元，用于读入进入饮用水生产的饮用水水源的饮用水水源识别信息，并为生产的饮用水生成一饮用水识别信息，并将生产所述饮用水的饮用水水源的饮用水水源识别信息以及生产所述饮用水的生产参数加入所述饮用水识别信息；一运输信息单元，用于读入运输中的饮用水的饮用水识别信息，并将运输参数加入所述饮用水识别信息中；一仓储信息单元，用于读入入库的饮用水的饮用水识别信息，并将仓储参数加入所述饮用水识别信息；一销售配送信息单元，用于读入已销售的饮用水的饮用水识别信息，并将销售配送参数加入所述饮用水识别信息；以及一存储单元，用于存储所述饮用水水源信息单元生成的饮用水水源识别信息、所述饮用水生产信息单元生成的饮用水识别信息以及所述运输信息单元、仓储信息单元和销售配送信息单元更新的饮用水识别信息；所述饮用水水源的生产参数包括饮用水水源深度、周边绿化率、周边工厂数、环境监测指数；所述周边绿化率包括森林覆盖率、草丛花卉种植面积；所述周边工厂数包括重工业厂房数、轻工业厂房数、手工作坊数；所述环境监测指数包括空气质量、环境温度、土壤中的重金属颗粒物含量、土壤中的剧毒物及农药含量。

3.如权利要求2所述的饮用水物流监控系统，其特征在于，所述饮用水的生产参数包括产品代码、工厂瓶装信息、包装供应商、包装批次信息、工艺数据、灌装批次信息、饮用水检测数据、灌装检测数据和工厂设备清洗记录信息。

4.如权利要求3所述的饮用水物流监控系统，其特征在于，所述工艺数据包括杀菌数据和消毒数据；所述灌装批次信息包括灌装时间、封装机装线号和工厂代码；所述灌装检测数据包括包装微生物数据、矿物质含量数据、包装渗透数据、包装暴露检测数据和包装膜过滤验证数据。

5.如权利要求2所述的饮用水物流监控系统，其特征在于，所述运输参数包括封装号、生产批号、车号、司机信息、出厂时间和目的地信息。

6.如权利要求2所述的饮用水物流监控系统，其特征在于，所述仓储参数包括入库时间、仓库环境数据和仓库号。

7.如权利要求6所述的饮用水物流监控系统，其特征在于，所述仓库环境数据包括仓库温度和仓库湿度。

8.如权利要求2所述的饮用水物流监控系统，其特征在于，所述销售配送参数包括订单数据、配送车辆号、配送司机信息、拣货时间和出库时间。

9.如权利要求8所述的饮用水物流监控系统，其特征在于，所述订单数据包括订单流水号、发货单号、商超信息和商品数量。

10.一种基于如权利要求1-9所述的饮用水物流监控系统和联立方程的饮用水供应链递阶质量屋管控方法，包括以下步骤：

步骤1)：业务工程特性及质量需求标准化：

对业务环节工程特性和质量需求的满意水平进行无量纲化处理，归一化的业务环节工程特性为X_j，(j＝1,2,....n)；归一化的质量需求的满意水平为Y_i，(i＝1,2,....m)；

工程特性具有望大特性、望小特性、望目特性，分别按照按下列两个方程式进行标准化：

$X_j=\frac{l_j-l_j^{\min }}{l_j^{\max }-l_j^{\min }}$

$X_j=\frac{l_j^{\max }-l_j}{l_j^{\max }-l_j^{\max }}$

质量需求具有望大特性，按照式进行标准化；

$Y_i=\frac{k_i-k_i^{\min }}{k_i^{\max }-k_i^{\min }}$

步骤2)：模型建立：

根据各质量需求与其他质量需求、业务工程特性的关系，建立如下模型：

Y₁＝β₁₂Y₂+β₁₃Y₃+…+β_1mY_m+γ₁₁X₁+γ₁₂X₂+…+γ_1nX_n+μ₁

Y₂＝β₂₁Y₁+β₂₂Y₂+…+β_2mY_m+γ₂₁X₁+γ₂₂X₂+…+γ_2nX_n+μ₂

Y_m＝β_m1Y₁+β_m2Y₂+…+β_mm-1Y_m-1+γ_m1X₁+γ_m2X₂+…+γ_mnX_n+μ_m

整理得

Y₁-β₁₂Y₂-β₁₃Y₃-…-β_1mY_m-γ₁₁X₁-γ₁₂X₂-…-γ_1nX_n＝μ₁

-β₂₁Y₁+Y₂-β₂₃Y₃-…-β_2mY_m-γ₂₁X₁-γ₂₂X₂-…-γ_2nX_n＝μ₂

-β_m1Y₁+Y₂-β_m3Y₃-…-β_mm-1Y_m-1+Y_m-γ_m1X₁-γ_m2X₂-…-γ_mnX_n＝μ_m

矩阵形式为:BY+ΓX＝U

步骤3)：模型参数估计：

将结构式模型转换为简化式模型，并进行最小二乘估计，进行整理得到：

Y+B^-1ΓX＝B^-1U

Y＝-B^-1ΓX+B^-1U

Y＝∏X+V

其中∏＝B^-1Γ,V＝B^-1U

对简化式进行最小二乘估计，得到

$\hat{Y}=\widehat{\mathrm{\Π}}X+V$

$Y_i=\hat{Y}+e_i,i=1,2,\mathrm{...},m$

用上式的右端替换所要估计的结构方程中的内生解释变量，则有：

$\begin{array}{c}{Y}_1-{\mathrm{\β}}_{12}{\hat{Y}}_2-{\mathrm{\β}}_{13}{\hat{Y}}_3-\mathrm{...}-{\mathrm{\β}}_{1m}{\hat{Y}}_m-{\mathrm{\γ}}_{11}{X}_1-{\mathrm{\γ}}_{12}{X}_2-\mathrm{...}-{\mathrm{\γ}}_{1n}{X}_n=u_1^{\′}\\ -{\mathrm{\β}}_{21}{\hat{Y}}_1+Y_2-{\mathrm{\β}}_{23}{\hat{Y}}_3-\mathrm{...}-{\mathrm{\β}}_{2m}{\hat{Y}}_m-{\mathrm{\γ}}_{21}{X}_1-{\mathrm{\γ}}_{22}{X}_2-\mathrm{...}-{\mathrm{\γ}}_{2n}{X}_n=u_2^{\′}\\ .\\ .\\ .\\ -{\mathrm{\β}}_{m1}{\hat{Y}}_1-{\mathrm{\β}}_{m3}{\hat{Y}}_3-\mathrm{...}-{\mathrm{\β}}_{mm-1}{\hat{Y}}_{m-1}+Y_m-{\mathrm{\γ}}_{m1}{X}_1-{\mathrm{\γ}}_{m2}{X}_2-\mathrm{...}-{\mathrm{\γ}}_{mn}{X}_n=u_m^{\′}\end{array}$

u′₁＝β₁₂e₂+β₁₃e₃+...+β_1me_m+u₁

u′_i＝β_i2e₂+β_i3e₃+...+β_1i-1e_i-1+β_1i+1e_i+1…+β_ime_m+u_i i＝2,…,m

步骤4)：模型的检验方式：

采用整体检验来对联立方程的拟合程度进行检验：

第一步：将第t期前定变量的样本值X_1t,X_2t,…,X_nt赋予X中的对应分量X₁,X₂,…,X_n；

第二步：赋值后的X记为X_i则得到内生变量的估计值向量其各分量依次为

第三步：得到第i个内生变量在第t期的拟合误差其中T为样本容量；

第四步：对每一期的样本做此检验，则得到全部内生变量在各期中的整体拟合误差ε_it(i＝1,2,…，m；t＝1,2…,T)；

用来评价拟合程度的统计量有：模拟误差均方根模拟误差平均值模拟误差平均值比Theil不相等系数U，见下列公式：

$\widehat{\mathrm{\σ}}=\sqrt{\[\underset{i=1}{\overset{T}{\Σ}}{({\mathrm{\ϵ}}_u/Y_u)}^2\]/T}$

$\stackrel{\‾}{\mathrm{\ζ}}=\frac{1}{T}\underset{i=1}{\overset{T}{\Σ}}{\mathrm{\ϵ}}_{ii}$

$\widehat{\stackrel{\‾}{\mathrm{\ζ}}}=\frac{1}{T}\underset{i=1}{\overset{T}{\Σ}}\frac{{\mathrm{\ϵ}}_{ii}}{Y_{ii}}$

$U=\sqrt{\frac{1}{T}\underset{i=1}{\overset{T}{\Σ}}{\mathrm{\ϵ}}_n^2}/(\sqrt{\frac{1}{T}\underset{i=1}{\overset{T}{\Σ}}{Y}_n^2}+\sqrt{\frac{1}{T}\underset{i=1}{\overset{T}{\Σ}}{\hat{Y}}_n^2})$

步骤5)：饮用水供应链各主体改进业务工程改进优先度测算：

在饮用水供应链递阶质量屋中，每个供应链上的主体会把质量数据C_t传输到控制塔信息中心，控制塔信息中心根据整个供应链的运行情况，提出对i主体的质量需求和管控标准从而进行整条供应链上的协同控制；每个质量屋质量评估右墙的改进权重V_t＝(v_t1,v_t2,…v_tn)^T根据实时质量M＝{m_t1,m_t2,…m_tn}^T、质量管控标准O＝{o_t1,o_t2,…o_tn}^T以及控制塔中心的专家系统综合而得；业务工程特性改进优先度为X_t＝V_t*B,第i个业务工程改进优先度为