CN115587764A

CN115587764A - 一种用于电网物资管理的供应链导期优化方法和系统

Info

Publication number: CN115587764A
Application number: CN202110690379.3A
Authority: CN
Inventors: 倪小舟; 胡永焕; 陈之浩; 吴力; 袁一鸣
Original assignee: State Grid Shanghai Electric Power Co Ltd
Current assignee: State Grid Shanghai Electric Power Co Ltd
Priority date: 2021-06-22
Filing date: 2021-06-22
Publication date: 2023-01-10

Abstract

本发明涉及一种用于电网物资管理的供应链导期优化方法和系统，方法包括：获取电网物资供应链中各类型的数据，并对数据进行预处理；将电网物资供应链划分为多个供应链环节，基于预设的与导期相关性最大的影响因素，计算在不同的影响因素条件下，各个供应链环节的实际作业平均时间，将该实际作业平均时间与对应的标准作业时间对比，计算差异度，根据预设的差异度阈值区间，判断对各供应链环节是否需要进行导期优化；基于脊回归算法建立回归算法模型，通过历史数据训练获取与导期相关性最大的影响因素。与现有技术相比，本发明对供应链各环节的导期和总导期提出了合理化的建议，提升了供应链整体管理的可视性与响应速度。

Description

一种用于电网物资管理的供应链导期优化方法和系统

技术领域

本发明涉及电网物资管理技术领域，尤其是涉及一种用于电网物资管理的供应链导期优化方法和系统。

背景技术

物资采购对电网公司的生产建设起着至关重要的作用，采购及时性可能会直接影响项目建设里程碑进度，影响接电时长。但目前尚未系统性地针对供应链各环节开展时效性分析，不同因素对供应链时长的影响程度也尚不明确，导致无法满足供应链各环节差异化的管理需求，进一步提升物资到货的及时性，因此亟需对供应链时效开展精益化的管理。

为了更好地保障电力物资供应、精确管理物资供应周期，需要以数据为动能，盘活数据资产，实现用数据精准指导、指挥业务运作转变，持续推动物资管理提质增效，以数据赋能管理决策，提升工程项目供应链运营效率和供应保障能力。

发明内容

本发明的目的就是为了克服上述现有技术存在尚未系统性地针对供应链各环节开展时效性分析，不同因素对供应链时长的影响程度也尚不明确，导致无法满足供应链各环节差异化的管理需求的缺陷而提供一种用于电网物资管理的供应链导期优化方法和系统。

本发明的目的可以通过以下技术方案来实现：

一种用于电网物资管理的供应链导期优化方法，包括以下步骤：

获取电网物资供应链中各类型的数据，并对数据进行预处理；

将所述电网物资供应链划分为多个供应链环节，基于预设的与导期相关性最大的影响因素，计算在不同的影响因素条件下，各个供应链环节的实际作业平均时间，将该实际作业平均时间与对应的标准作业时间对比，计算差异度，根据预设的差异度阈值区间，判断对各供应链环节是否需要进行导期优化；

所述与导期相关性最大的影响因素的获取过程包括：基于脊回归算法建立回归算法模型，该回归算法模型用于对多个供应链时效影响因素进行相关性分析，采用各供应链环节实际作业平均时间的历史数据进行模型训练，得到对各供应链环节均有影响，且整体影响度较高的因素作为所述与导期相关性最大的影响因素。

进一步地，所述与导期相关性最大的影响因素包括采购类型、采购层级、采购方式、项目类型、合同金额和物资品类。

进一步地，根据预设的差异度阈值区间，判断对各供应链环节是否进行导期优化具体为：

当差异度小于a时，为建议过滤区间，继续采用原来的标准作业时间；

当差异度在a～b范围以内，为建议优化区间，根据实际情况选择是否对原来的标准作业时间进行优化；

当差异度超过b，即为异常判定区间，需要对供应链的导期设定进行优化；其中a和b的取值范围均在0-1范围以内，所述a为25％，b为75％。

进一步地，在所述建议优化区间内，将差异度对应的实际作业平均时间的1.25倍的进位整数值作为标准作业时间的优化推荐值。

进一步地，若获取的所述实际作业平均时间符合正态分布，当实际作业平均时间与对应的拟合的正态分布曲线的偏度大于预设的偏度阈值时，使用Box-cox变换对实际作业平均时间数据进行调整，所述Box-cox变换的计算表达式为：

式中，Y为原始数据值，λ为Box-cox变换调整参数。

进一步地，所述对数据进行预处理包括：

检验数据是否符合正态分布，当数据符合正态分布时，采用3σ方法判断并剔除异常值；当数据不符合正态分布时，采用箱型图的方法判断并剔除异常值。

进一步地，通过Q-Q图检验数据是否符合正态分布，所述Q-Q图以数据样本的分位数作为横坐标，以按照正态分布计算的相应分位点作为纵坐标，把样本表现为直角坐标系中的散点；如果数据服从正态分布，则样本点应围绕第一象限的对角线分布。

进一步地，所述3σ方法包括：当样本距离平均值大于3σ，则认定该样本为异常值，其中σ为标准差；所述箱型图的方法包括大于或小于箱型图设定的上下界的数值即为异常值。

进一步地，所述多个供应链环节包括需求提报阶段、计划审查阶段、招标采购阶段和合同签订阶段和供应履约阶段。

本发明还提供一种用于电网物资管理的供应链导期优化系统，包括存储器和处理器，所述存储器存储有计算机程序，处理器调用所述计算机程序执行如上任一所述的方法的步骤。

与现有技术相比，本发明具有以下优点：

(1)节点管控细分化：本发明按照价值链的先后顺序将供应链全流程切分为不同环节，围绕各环节的责任主体和差异化需求对各环节导期开展管控分析，便于发现瓶颈环节有针对性地开展优化提升工作，赋能供应链细分及精益化管理。

(2)导期标准可配置：以供应链时效性分析为基础，分析不同时效影响因子对各环节的影响程度，识别出与环节时间相关性大的影响因素，进一步通过历史数据分析对比分析实际工作周期与标准导期，对供应链各环节的导期和总导期提出合理化的建议，最终形成可配置的标准作业时间，灵活指导物资供应。

(3)数据服务中台化：通过将供应链导期优化功能封装为中台服务，以“数据共享-算法共享-模型共享”服务形式满足营销部、基建部等需求侧对物资供应导期的实时调取需求，信息资源得到充分整合，进一步发挥数据价值，形成“功能-服务”的拓展应用模式。

附图说明

图1为本发明实施例中提供的一种用于电网物资管理的供应链导期优化方法的流程示意图；

图2为本发明实施例中提供的一种供应链导期比对分析示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

如图1所示，本实施例提供一种用于电网物资管理的供应链导期优化方法，根据供应链前后顺序和管理部门差异，将供应链全流程切分成不同的可控环节，共分为需求提报、计划审查、招标采购、合同签订和供应履约五个环节。通过明确供应链关键业务各环节的起止时间计算出各节点的周期时长，借助大数据分析等数字化技术，设计细化的分析模型，利用折线图、柱状图、散点图等可视化分析图表展示供应链全流程工作周期。

基于细分的供应链环节开展供应链时效多维分析，从物资、项目、供应商等维度分析影响供应链全过程工作时效的关键因素，基于模型算法，掌握供应链运营特征与规律，识别与阶段时间相关性大的影响因素，形成可配置的供应链环节管理模式。

以供应链时效性分析结果为基础，围绕供应链全流程关键节点的工作时长，从采购层级、采购方式、项目类型等维度，统计分析重点流程环节的工作周期和效率，对各环节的标准作业时间、实际作业平均时间、标准与实际作业时间差异值、差异度进行分析，在此基础上提出供应链各阶段间合理导期和总导期提出优化建议，优化供应链全过程物资采购供应导期。

进一步将导期优化功能模块封装为中台服务，基建、营销等专业可通过公司数据中台，实时获取不同供应方式下各物资品类的供应总时长，更好地支撑工程项目管理。

包括以下步骤：

将所述电网物资供应链划分为多个供应链环节，根据预处理后的所述数据，计算各个供应链环节的实际作业平均时间，将该实际作业平均时间与对应的标准作业时间对比，计算差异度，根据预设的差异度阈值区间，判断对各供应链环节是否进行导期优化，若是，则根据预先获取的各供应链环节中与导期相关性最大的影响因素，进行供应链导期优化。

下面对本实施例的具体实施过程进行详细描述。

1、数据预处理与分析

数据主要来源于ERP、计划辅助工具和履约辅助工具，从外围系统将数据接入数据中心后，需要进行数据治理和清洗。数据质量与准确性对于后期计算结果有着至关重要的作用，因此需要通过数据清洗消除数据异常值。

数据异常可以从统计角度和业务角度进行判断。从统计角度来看，数据异常指数据缺漏以及字段值存在明显异常情况，可以给定一个置信概率，并确定一个置信限，凡超过此限的误差，就认为它不属于随机误差范围，将其视为异常值。首先可以通过假设检定对数据的分布情况进行判定。检验数据是否符合正态分布的常用方法为Q-Q图：以样本的分位数作为横坐标，以按照正态分布计算的相应分位点作为纵坐标，把样本表现为直角坐标系中的散点；如果数据服从正态分布，则样本点应围绕第一象限的对角线分布。当数据服从正态分布时，对于异常值的认定，将采取3σ方法，当样本距离平均值大于3σ，则认定该样本为异常值，其中σ为标准差。当数据不服从正态分布时，对于异常值的认定，将采取箱型图的方法，大于或小于箱型图设定的上下界的数值即为异常值。

从业务角度来看包括日期数据异常、日期逻辑异常和业务单据异常三类。日期数据异常指业务节点日期明显错误，存在未来日期等情况；日期逻辑异常指前后节点倒置情况，业务单据异常指提交招标时间选择、采购申请或订单删除等情况。

2、供应链时效性多维分析

在数据预处理及数据清洗完成后，围绕电力物资业务特点，结合各环节差异化的责任主体和管理需求，将供应链全流程划分为需求提报阶段、计划审查阶段、招标采购阶段和合同签订阶段、供应履约阶段，并明确各环节的起止点，进行各环节实际作业平均时间计算。

在各环节实际作业平均时间统计的基础上，对共计40个供应链时效影响因素进行相关性分析，通过脊回归算法创建回归算法模型，利用历史数据进行模型训练，识别与阶段时间相关性大的影响因素。

脊回归是一种专用于线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法。

脊回归是在平方误差的基础上增加正则项：

通过确定λ的值可以使得在方差和偏差之间达到平衡：随着λ的增大，模型方差减小而偏差增大。

对ω求导，结果为：

2X^T(Y-XW)-2λW

令其为0，可求得ω的值：

脊回归算法为现有的算法，在此对算法本身不赘述。

脊回归算法会对选取的解释性变量进行自动选择，根据影响度、关联度保留所需变量。基于采购因素相关性分析结果，可以得出采购各单一阶段相关性较高因素，同时需要综合考虑采购各阶段总体相关性较高因素，筛选提取出对采购各阶段均有影响，且整体影响度较高的因素作为后续时长优化分析的基础因素。

根据模型分析筛选出的6个影响因素(采购类型、采购层级、采购方式、项目类型、合同金额、物资品类)，形成可配置的供应链导期查看界面，展示不同采购层级、采购方式等影响因素下的物资供应时长，为标准作业时间优化提供依据。

3、各环节导期优化建议

基于各采购因素筛选条件(采购类型、采购层级、采购方式、项目类型、物资品类、合同金额)，对于不同条件下供应链全流程的各环节周期进行综合计算，包括标准作业时间、实际作业平均时间、标准与实际作业时间差异值、差异度，挖掘瓶颈环节，基于系统预设的阈值，对不同差异度计算结果进行分类并进行优化分析。

供应链各环节的实际作业平均时间基于物资采购的不同影响因素条件进行计算的，也即不同采购类型等的平均作业时间不同，标准作业时间也不同。

确认数据符合正态分布的特征，基于正态分布数据分析的方法论，设定优化阈值数据样本差异度的产生根据每次不同的计算结果是动态变化的，按照四分位法设定阈值区间(后期可以根据业务需求动态调整阈值)，不同阈值将触发不同优化决策，即系统忽略优化、待优化或异常。

正态分布的概率密度函数如下：

正态分布的概率分布函数如下：

式中，x为数值点，σ为标准差，μ为均值。

通过设定阈值初始值，当差异度小于25％，即为建议过滤区间。由于优化效果并不显著，基于对原有业务影响最小化的考虑，可以继续采用原标准作业时间。

当差异度介于25％～75％之间，即为建议优化区间，作为线下研讨会的应用决策依据，取“实际作业时间”*(1+25％)的进位整数值作为标准作业时间的优化推荐值。如果研讨结果认为优化建议合理，则直接应用该优化建议。若研讨结果认为优化结果不合理，则忽略该条优化建议。在实际拟合正态分布曲线中，可以得到数据的偏度，若偏度过大，可以利用数值变换将偏态分布转变成正态分布-Box-Cox变换。

当原数据呈现左偏或右偏时，可以使用Box-cox变换将对原数据做一定变换，使其偏度降低。

Box-cox变换公式如下

式中，Y为原始数据值，λ为Box-cox变换调整参数。

在统计软件中有相应功能帮助确定最合适的参数λ值，当λ＝0时就是最常用的取对数变换，实践表明，取对数可以显著地降低数据右偏程度。

当差异度超过75％，即为异常判定区间，由系统判定实际作业与预设作业时间差距过大的计算结果，在线下研讨会进行异常结果讨论，按照讨论意见进行优化或忽略操作。

4、导期优化服务共享

如图2所示，供应链导期优化功能模块封装为中台服务，基建、营销等专业可通过公司数据中台，实时获取不同供应方式下各物资品类的供应总时长，更好地支撑工程项目管理。

本实施例还提供一种用于电网物资管理的供应链导期优化系统，包括存储器和处理器，所述存储器存储有计算机程序，处理器调用所述计算机程序执行如上任一所述的用于电网物资管理的供应链导期优化方法的步骤。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims

1.一种用于电网物资管理的供应链导期优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种用于电网物资管理的供应链导期优化方法，其特征在于，所述与导期相关性最大的影响因素包括采购类型、采购层级、采购方式、项目类型、合同金额和物资品类。

3.根据权利要求1所述的一种用于电网物资管理的供应链导期优化方法，其特征在于，根据预设的差异度阈值区间，判断对各供应链环节是否进行导期优化具体为：

当差异度超过b，即为异常判定区间，需要对供应链的导期设定进行优化；其中a和b的取值范围均在0-1范围以内。

4.根据权利要求3所述的一种用于电网物资管理的供应链导期优化方法，其特征在于，在所述建议优化区间内，将差异度对应的实际作业平均时间的1.25倍的进位整数值作为标准作业时间的优化推荐值；所述a为25％，b为75％。

5.根据权利要求1所述的一种用于电网物资管理的供应链导期优化方法，其特征在于，若获取的所述实际作业平均时间的数据集符合正态分布，当实际作业平均时间与对应的拟合的正态分布曲线的偏度大于预设的偏度阈值时，使用Box-cox变换对实际作业平均时间的数据集进行调整，所述Box-cox变换的计算表达式为：

式中，Y为原始数据值，λ为Box-cox变换调整参数。

6.根据权利要求1所述的一种用于电网物资管理的供应链导期优化方法，其特征在于，所述对数据进行预处理包括：

7.根据权利要求6所述的一种用于电网物资管理的供应链导期优化方法，其特征在于，通过Q-Q图检验数据是否符合正态分布，所述Q-Q图以数据样本的分位数作为横坐标，以按照正态分布计算的相应分位点作为纵坐标，把样本表现为直角坐标系中的散点；如果数据服从正态分布，则样本点应围绕第一象限的对角线分布。

8.根据权利要求6所述的一种用于电网物资管理的供应链导期优化方法，其特征在于，所述3σ方法包括：当样本距离平均值大于3σ，则认定该样本为异常值，其中σ为标准差；所述箱型图的方法包括大于或小于箱型图设定的上下界的数值即为异常值。

9.根据权利要求1所述的一种用于电网物资管理的供应链导期优化方法，其特征在于，所述多个供应链环节包括需求提报阶段、计划审查阶段、招标采购阶段和合同签订阶段和供应履约阶段。

10.一种用于电网物资管理的供应链导期优化系统，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，处理器调用所述计算机程序执行如权利要求1至9任一所述的方法的步骤。