CN111242430A - 电力设备供应商评价方法和装置 - Google Patents
电力设备供应商评价方法和装置 Download PDFInfo
- Publication number
- CN111242430A CN111242430A CN201911425472.0A CN201911425472A CN111242430A CN 111242430 A CN111242430 A CN 111242430A CN 201911425472 A CN201911425472 A CN 201911425472A CN 111242430 A CN111242430 A CN 111242430A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- supplier
- trained
- model
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 166
- 238000013210 evaluation model Methods 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000012360 testing method Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 17
- 238000004140 cleaning Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000000556 factor analysis Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000007621 cluster analysis Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力设备供应商评价方法和装置。该方法包括:获取待评价的供应商的多个评价项目信息;将多个评价项目信息输入到预先训练好的评价模型中进行评价,得到评价结果;根据评价结果确定待评价的供应商的等级。通过本发明,达到了提高电力设备供应商评价方法准确性的效果。
Description
技术领域
本发明涉及数据领域,具体而言,涉及一种电力设备供应商评价方法和装置。
背景技术
供应商绩效评价是整个供应商管理的重要环节,供应商绩效与企业的整条供应链的绩效都有关联,通过构建合理、科学的供应商绩效管理体系,可以促使供应商持续进步并使企业不断保持和提升核心竞争力,因此,建立科学合理的供应商绩效评价体系已成为企业在供应链管理中的重中之重。
目前,针对供应商绩效评价主要有以下几个方案:
1、使用模糊层次分析法建立综合评价模型;
2、利用因子分析进行供应链绩效评价;
3、利用聚类分析法的供应商评价;
4、基于组合赋权的灰色关联法综合评价模型。
目前现有电网设备供应商绩效评价体系中存在以下几个问题:数据源(PMS台账、缺陷)中供应商基础信息梳理难度大,存在有些指标难以量化、指标之间的信息重叠、指标过多导致应用困难等情况,至今并没有一种统一的标准评价方法,而且不同的评价方法对供应商绩效综合评价的结果也不同,关于权重的确定方面,有些方法比较主观,如层次分析法;有些方法是将两者结合,如灰色关联分析,在供应商绩效评价中仅使用单一方法过于片面,目前的供应商绩效评价越来越呈现出多种方法相结合的趋势。评价体系的建立,评价方法的实用性是目前电力设备供应商综合评价中存在的主要问题。
针对相关技术中电力设备供应商评价方法不准确的问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种电力设备供应商评价方法和装置,以解决电力设备供应商评价方法不准确的问题。
为了实现上述目的,根据本发明的一个方面,提供了一种电力设备供应商评价方法,该方法包括:获取待评价的供应商的多个评价项目信息;将所述多个评价项目信息输入到预先训练好的评价模型中进行评价,得到评价结果;根据所述评价结果确定所述待评价的供应商的等级。
进一步地,在将所述多个评价项目信息输入到预先训练好的评价模型中进行评价之前,所述方法还包括:收集预设数量的样本数据,其中,所述样本数据中的每一条数据都包括一个供应商的多个评价项目信息和对应该供应商的评价结果;对所述样本数据进行筛选和数据清洗,得到清洗后的数据;根据所述清洗后的数据对预设模型进行训练,得到所述预先训练好的评价模型。
进一步地,在得到所述预先训练好的评价模型之前,所述方法还包括:通过KMO和Bartlett球形检验判断指标体系对所述评价模型中的影响因子进行可行性检验;如果通过检验,则得到所述预先训练好的评价模型。
进一步地,将所述多个评价项目信息输入到预先训练好的评价模型中进行评价包括:对所述多个评价项目信息进行正向化处理,得到正向化数据;对所述正向化数据进行标准化处理,得到标准化数据;将所述标准化数据输入到所述预先训练好的评价模型中进行评价。
进一步地,所述评价结果包括评价得分,将所述标准化数据输入到所述预先训练好的评价模型中进行评价之后,所述方法还包括:根据所述评价得分和预设的得分与等级的对应关系确定所述待评价的供应商的等级。
为了实现上述目的,根据本发明的另一方面,还提供了一种电力设备供应商评价装置,该装置包括:获取单元,用于获取待评价的供应商的多个评价项目信息;输入单元,用于将所述多个评价项目信息输入到预先训练好的评价模型中进行评价,得到评价结果;确定单元,用于根据所述评价结果确定所述待评价的供应商的等级。
进一步地,所述装置还包括:收集单元,用于在将所述多个评价项目信息输入到预先训练好的评价模型中进行评价之前,收集预设数量的样本数据,其中,所述样本数据中的每一条数据都包括一个供应商的多个评价项目信息和对应该供应商的评价结果;清洗单元,用于对所述样本数据进行筛选和数据清洗,得到清洗后的数据;训练单元,用于根据所述清洗后的数据对预设模型进行训练,得到所述预先训练好的评价模型。
进一步地,所述装置还包括:判断单元,用于在得到所述预先训练好的评价模型之前,通过KMO和Bartlett球形检验判断指标体系对所述评价模型中的影响因子进行可行性检验;处理单元,用于在通过检验时,得到所述预先训练好的评价模型。
为了实现上述目的,根据本发明的另一方面,还提供了一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行本发明所述的电力设备供应商评价方法。
为了实现上述目的,根据本发明的另一方面,还提供了一种设备至少包括一个处理器,以及与所述处理器连接的至少一个存储器、总线,其中,所述处理器、所述存储器通过所述总线完成相互间的通信,所述处理器用于调用所述存储器中的程序指令,以执行本发明所述的电力设备供应商评价方法。
本发明通过获取待评价的供应商的多个评价项目信息;将多个评价项目信息输入到预先训练好的评价模型中进行评价,得到评价结果;根据评价结果确定待评价的供应商的等级,解决了电力设备供应商评价方法不准确的问题,进而达到了提高电力设备供应商评价方法准确性的效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的电力设备供应商评价方法的流程图;
图2是根据本发明实施例的模型的示意图;以及
图3是根据本发明实施例的电力设备供应商评价装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供了一种电力设备供应商评价方法。
图1是根据本发明实施例的电力设备供应商评价方法的流程图,如图1所示,该方法包括以下步骤:
步骤S102:获取待评价的供应商的多个评价项目信息;
步骤S104:将多个评价项目信息输入到预先训练好的评价模型中进行评价,得到评价结果;
步骤S106:根据评价结果确定待评价的供应商的等级。
该实施例采用获取待评价的供应商的多个评价项目信息;将多个评价项目信息输入到预先训练好的评价模型中进行评价,得到评价结果;根据评价结果确定待评价的供应商的等级,解决了电力设备供应商评价方法不准确的问题,进而达到了提高电力设备供应商评价方法准确性的效果。
本实施例的技术方案是将每个供应商的多个评价项目信息输入到预先训练好的模型中进行计算,得到评价结果,评价结果可以是分数,可以是总分值,或者平均分值,也可以是具体到每一项的分值,每个分值范围有对应的等级,因而可以根据评价结果确定供应商的等级。
可选地,在将多个评价项目信息输入到预先训练好的评价模型中进行评价之前,收集预设数量的样本数据,其中,样本数据中的每一条数据都包括一个供应商的多个评价项目信息和对应该供应商的评价结果;对样本数据进行筛选和数据清洗,得到清洗后的数据;根据清洗后的数据对预设模型进行训练,得到预先训练好的评价模型。
可选地,在得到预先训练好的评价模型之前,通过KMO和Bartlett球形检验判断指标体系对评价模型中的影响因子进行可行性检验;如果通过检验,则得到预先训练好的评价模型。
通过KMO和Bartlett球形检验可以判断指标体系是否适合用于因子分析,也即可行性检验,只有通过这两个检验的综合指标体系,才能被认定为适合做因子分析。
可选地,将多个评价项目信息输入到预先训练好的评价模型中进行评价包括:对多个评价项目信息进行正向化处理,得到正向化数据;对正向化数据进行标准化处理,得到标准化数据;将标准化数据输入到预先训练好的评价模型中进行评价。
可选地,评价结果包括评价得分,将标准化数据输入到预先训练好的评价模型中进行评价之后,根据评价得分和预设的得分与等级的对应关系确定待评价的供应商的等级。
本发明还提供了一种优选实施方式,下面对优选实施方式进行说明。
本实施例综合考虑设备台账信息、质量信息,结合供应商销量、分布范围、售后服务质量等多个维度的设备特征属性,提出基于设备多特征属性的评价指标,使用因子分析去除指标中的冗余信息,将多项指标化繁为简,计算其供应商综合得分并采用不同聚类方法将供应商划分不同等级,根据判别分析法正判率和归类结果合理性选取聚类方法,完成最终评价。
本实施例可以作为一种采用多特征属性的供应商绩效综合评价方法。目前电网企业对于入网电力设备供应商评价指标相对单一,无法准确客观地对其进行绩效评价。因而将设备各类特征信息纳入评价范围,综合多项特征属性设计新的评价指标体系,建立因子分析,聚类分析和判别分析相结合的供应商绩效评价模型,能够对设备供应商绩效进行更加全面的评价。
本实施例所提出的模型主要分为三部分:建立综合评价体系、数据处理和建立评价模型。
图2是根据本发明实施例的模型的示意图,综合评价体系主要包括:根据客户对电力设备供应商的常见需求,建立和供应商绩效评价相关的综合评价模型,包括设备台账信息、设备缺陷、设备质量事件、设备家族性缺陷、设备运行时间和装用范围六个维度的设备特征属性以及9个指标:电压等级数量、设备型号数量、设备拥有量、直接影响设备运行数量、质量事故、家族性缺陷、平均运行时间、装用范围。
表1供应商绩效综合评价体系表
数据处理过程包括:
对初步筛选的指标做正向化和标准化处理,描述的指标正向化和标准化处理的计算公式为:
(1)对逆向指标正向化的计算公式:
x′ij=max{xij}-xij (1)
其中,xij为第i个供应商的第j个指标,1≤i≤n,1≤j≤m。
(2)对指标标准化的计算公式:
其中,个体观测值为x,总体均值为μ,总体标准差为σ。
评价模型部分包括:
(1)KMO和Bartlett球形检验。通过KMO和Bartlett球形检验可以判断指标体系是否适合用于因子分析,也即可行性检验。只有通过这两个检验的综合指标体系,才能被认定为适合做因子分析。
(2)提取特征值。按照特征值(主成分对原变量的解释能力)大于1,并且提取因子的累计方差贡献率大于或等于80%的原则提取主成分。
(3)计算综合得分。根据综合得分进行供应商排名,因子综合得分计算公式为:
(4)选取聚类方法。根据公因子得分进行聚类分析(使用7种聚类分析方法:组间连接、组内连接、最近邻元素、最远邻元素、质心聚类、中位数聚类、Ward法,择优选取),并建立判别函数,利用正判率和供应商归类结果合理选取聚类分析方法。
(5)划分等级。利用第(4)步选取的聚类方法将供应商划分为三个等级(A>B>C),完成最终评价。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例提供了一种电力设备供应商评价装置,该装置可以用于执行本发明实施例的电力设备供应商评价方法。
图3是根据本发明实施例的电力设备供应商评价装置的示意图,如图3所示,该装置包括:
获取单元10,用于获取待评价的供应商的多个评价项目信息;
输入单元20,用于将多个评价项目信息输入到预先训练好的评价模型中进行评价,得到评价结果;
确定单元30,用于根据评价结果确定待评价的供应商的等级。
该实施例采用获取单元10,用于获取待评价的供应商的多个评价项目信息;输入单元20,用于将多个评价项目信息输入到预先训练好的评价模型中进行评价,得到评价结果;确定单元30,用于根据评价结果确定待评价的供应商的等级,从而解决了电力设备供应商评价方法不准确的问题,进而达到了提高电力设备供应商评价方法准确性的效果。
可选地,该装置还包括:收集单元,用于在将多个评价项目信息输入到预先训练好的评价模型中进行评价之前,收集预设数量的样本数据,其中,样本数据中的每一条数据都包括一个供应商的多个评价项目信息和对应该供应商的评价结果;清洗单元,用于对样本数据进行筛选和数据清洗,得到清洗后的数据;训练单元,用于根据清洗后的数据对预设模型进行训练,得到预先训练好的评价模型。
可选地,该装置还包括:判断单元,用于在得到预先训练好的评价模型之前,通过KMO和Bartlett球形检验判断指标体系对评价模型中的影响因子进行可行性检验;处理单元,用于在通过检验时,得到预先训练好的评价模型。
所述电力设备供应商评价装置包括处理器和存储器,上述获取单元、输入单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来提高电力设备供应商评价方法准确性。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述电力设备供应商评价方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述电力设备供应商评价方法。
本发明实施例提供了一种设备,设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,处理器、存储器通过总线完成相互间的通信;处理器用于调用存储器中的程序指令,以执行上述的电力设备供应商评价方法。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取待评价的供应商的多个评价项目信息;将多个评价项目信息输入到预先训练好的评价模型中进行评价,得到评价结果;根据评价结果确定待评价的供应商的等级。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种电力设备供应商评价方法,其特征在于,包括:
获取待评价的供应商的多个评价项目信息;
将所述多个评价项目信息输入到预先训练好的评价模型中进行评价,得到评价结果;
根据所述评价结果确定所述待评价的供应商的等级。
2.根据权利要求1所述的方法,其特征在于,在将所述多个评价项目信息输入到预先训练好的评价模型中进行评价之前,所述方法还包括:
收集预设数量的样本数据,其中,所述样本数据中的每一条数据都包括一个供应商的多个评价项目信息和对应该供应商的评价结果;
对所述样本数据进行筛选和数据清洗,得到清洗后的数据;
根据所述清洗后的数据对预设模型进行训练,得到所述预先训练好的评价模型。
3.根据权利要求1所述的方法,其特征在于,在得到所述预先训练好的评价模型之前,所述方法还包括:
通过KMO和Bartlett球形检验判断指标体系对所述评价模型中的影响因子进行可行性检验;
如果通过检验,则得到所述预先训练好的评价模型。
4.根据权利要求1所述的方法,其特征在于,将所述多个评价项目信息输入到预先训练好的评价模型中进行评价包括:
对所述多个评价项目信息进行正向化处理,得到正向化数据;
对所述正向化数据进行标准化处理,得到标准化数据;
将所述标准化数据输入到所述预先训练好的评价模型中进行评价。
5.根据权利要求4所述的方法,其特征在于,所述评价结果包括评价得分,将所述标准化数据输入到所述预先训练好的评价模型中进行评价之后,所述方法还包括:
根据所述评价得分和预设的得分与等级的对应关系确定所述待评价的供应商的等级。
6.一种电力设备供应商评价装置,其特征在于,包括:
获取单元,用于获取待评价的供应商的多个评价项目信息;
输入单元,用于将所述多个评价项目信息输入到预先训练好的评价模型中进行评价,得到评价结果;
确定单元,用于根据所述评价结果确定所述待评价的供应商的等级。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
收集单元,用于在将所述多个评价项目信息输入到预先训练好的评价模型中进行评价之前,收集预设数量的样本数据,其中,所述样本数据中的每一条数据都包括一个供应商的多个评价项目信息和对应该供应商的评价结果;
清洗单元,用于对所述样本数据进行筛选和数据清洗,得到清洗后的数据;
训练单元,用于根据所述清洗后的数据对预设模型进行训练,得到所述预先训练好的评价模型。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
判断单元,用于在得到所述预先训练好的评价模型之前,通过KMO和Bartlett球形检验判断指标体系对所述评价模型中的影响因子进行可行性检验;
处理单元,用于在通过检验时,得到所述预先训练好的评价模型。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的电力设备供应商评价方法。
10.一种设备,其特征在于,所述设备至少包括一个处理器,以及与所述处理器连接的至少一个存储器、总线,其中,所述处理器、所述存储器通过所述总线完成相互间的通信,所述处理器用于调用所述存储器中的程序指令,以执行权利要求1至5中任意一项所述的电力设备供应商评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911425472.0A CN111242430A (zh) | 2019-12-31 | 2019-12-31 | 电力设备供应商评价方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911425472.0A CN111242430A (zh) | 2019-12-31 | 2019-12-31 | 电力设备供应商评价方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111242430A true CN111242430A (zh) | 2020-06-05 |
Family
ID=70875956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911425472.0A Pending CN111242430A (zh) | 2019-12-31 | 2019-12-31 | 电力设备供应商评价方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111242430A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508378A (zh) * | 2020-11-30 | 2021-03-16 | 国网北京市电力公司 | 电力设备生产制造商筛选的处理方法和装置 |
CN112613696A (zh) * | 2020-11-30 | 2021-04-06 | 国网北京市电力公司 | 供应商处理方法、装置、存储介质及处理器 |
CN112926816A (zh) * | 2020-09-08 | 2021-06-08 | 广东电网有限责任公司 | 供应商评价方法、装置、计算机设备和存储介质 |
CN114037206A (zh) * | 2021-10-12 | 2022-02-11 | 南方电网深圳数字电网研究院有限公司 | 一种供应商资质能力评价方法及装置 |
CN112613696B (zh) * | 2020-11-30 | 2024-09-24 | 国网北京市电力公司 | 供应商处理方法、装置、存储介质及处理器 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140136358A1 (en) * | 2012-11-14 | 2014-05-15 | Hewlett-Packard Development Company, L.P. | Supplier quantity selection |
CN106570629A (zh) * | 2016-11-03 | 2017-04-19 | 国家电网公司 | 基于灰色关联度的智能电能表供应商多目标综合评价方法 |
CN108241932A (zh) * | 2018-01-24 | 2018-07-03 | 国网山东省电力公司泰安供电公司 | 一种电力供应商评价模型的建立方法 |
CN109214660A (zh) * | 2018-08-14 | 2019-01-15 | 国网湖北省电力有限公司孝感供电公司 | 基于大数据分析的表计供应商绩效评价方法和系统 |
CN109598300A (zh) * | 2018-11-30 | 2019-04-09 | 成都数联铭品科技有限公司 | 一种评估系统及方法 |
CN110390471A (zh) * | 2019-07-03 | 2019-10-29 | 北京科技大学 | 一种基于LightGBM的供应商价值评价方法及系统 |
-
2019
- 2019-12-31 CN CN201911425472.0A patent/CN111242430A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140136358A1 (en) * | 2012-11-14 | 2014-05-15 | Hewlett-Packard Development Company, L.P. | Supplier quantity selection |
CN106570629A (zh) * | 2016-11-03 | 2017-04-19 | 国家电网公司 | 基于灰色关联度的智能电能表供应商多目标综合评价方法 |
CN108241932A (zh) * | 2018-01-24 | 2018-07-03 | 国网山东省电力公司泰安供电公司 | 一种电力供应商评价模型的建立方法 |
CN109214660A (zh) * | 2018-08-14 | 2019-01-15 | 国网湖北省电力有限公司孝感供电公司 | 基于大数据分析的表计供应商绩效评价方法和系统 |
CN109598300A (zh) * | 2018-11-30 | 2019-04-09 | 成都数联铭品科技有限公司 | 一种评估系统及方法 |
CN110390471A (zh) * | 2019-07-03 | 2019-10-29 | 北京科技大学 | 一种基于LightGBM的供应商价值评价方法及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926816A (zh) * | 2020-09-08 | 2021-06-08 | 广东电网有限责任公司 | 供应商评价方法、装置、计算机设备和存储介质 |
CN112926816B (zh) * | 2020-09-08 | 2023-09-22 | 广东电网有限责任公司 | 供应商评价方法、装置、计算机设备和存储介质 |
CN112508378A (zh) * | 2020-11-30 | 2021-03-16 | 国网北京市电力公司 | 电力设备生产制造商筛选的处理方法和装置 |
CN112613696A (zh) * | 2020-11-30 | 2021-04-06 | 国网北京市电力公司 | 供应商处理方法、装置、存储介质及处理器 |
CN112613696B (zh) * | 2020-11-30 | 2024-09-24 | 国网北京市电力公司 | 供应商处理方法、装置、存储介质及处理器 |
CN114037206A (zh) * | 2021-10-12 | 2022-02-11 | 南方电网深圳数字电网研究院有限公司 | 一种供应商资质能力评价方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111242430A (zh) | 电力设备供应商评价方法和装置 | |
CN108470228A (zh) | 财务数据稽核方法及稽核系统 | |
CN106803799B (zh) | 一种性能测试方法和装置 | |
CN110457175B (zh) | 业务数据处理方法、装置、电子设备及介质 | |
CN110162445A (zh) | 基于主机日志及性能指标的主机健康评价方法及装置 | |
CN112598443A (zh) | 一种基于深度学习的线上渠道业务数据处理方法及系统 | |
CN116205355B (zh) | 电力负荷的预测方法、装置以及存储介质 | |
CN112101692A (zh) | 移动互联网质差用户的识别方法及装置 | |
CN110009347A (zh) | 一种区块链交易信息审计的方法及装置 | |
CN113900921A (zh) | 法院信息系统运行状态评估方法、装置、设备及存储介质 | |
KR20220067924A (ko) | 인공지능을 이용한 대출 상시감사지원시스템 | |
CN108804601A (zh) | 电网运营监测大数据主动式分析方法及装置 | |
CN111242425A (zh) | 电力数据处理方法和装置 | |
CN111738824A (zh) | 一种账务数据处理方式筛选方法、装置及系统 | |
CN117132383A (zh) | 一种信贷数据处理方法、装置、设备及可读存储介质 | |
CN116560811A (zh) | 一种应用于调度系统的仿真系统和方法 | |
CN110910241A (zh) | 现金流评估方法、装置、服务器设备及存储介质 | |
CN113298120B (zh) | 基于融合模型的用户风险预测方法、系统和计算机设备 | |
CN115619539A (zh) | 贷前风险评价方法以及装置 | |
CN107087284A (zh) | 一种网络小区的质量监控方法及监控系统、服务器 | |
CN113610225A (zh) | 质量评估模型训练方法、装置、电子设备及存储介质 | |
CN112613732A (zh) | 一种金融机构监管评级的方法和装置 | |
CN111931966A (zh) | 基于决策树回归的供电可靠性预测方法 | |
CN108182486A (zh) | 空间负荷预测方法及装置 | |
CN117608882A (zh) | 风险识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200605 |
|
RJ01 | Rejection of invention patent application after publication |