基于數據挖掘技術的煤炭企業供應商管理系統的研究與設計＊

杜 楠 崔歡喜 李佳寶

（中國礦業大學 （北京）管理學院，北京市海淀區，100083）

物資采購業務是煤炭企業供應鏈中的重要環節，同時也是整個供應鏈的起點，煤炭企業如果改善與供應商的關系，將能夠有效地減少物資和服務的成本。在當前嚴峻的煤炭市場形勢下，僅僅通過加強內部管理和優化內部流程來達到降低綜合成本和增強運營績效的目的，已經難以使煤炭企業在競爭中處于不敗之地，煤炭企業必須一改傳統粗放式的供應商管理模式，采用精細化的管理手段，深化采供雙方合作，建立供應商合作關系，從外部資源中獲取競爭力。

隨著煤炭企業信息化建設的不斷深入，煤炭企業建立的物資管理系統中大多涉及對供應商的管理，但系統中使用的方法還是以傳統靜態方法為主，如專家評價、運籌學和統計學等方法，這些方法在對供應商分類、評價和選擇時，由于沒有綜合考慮供應商在采購交易中的動態和歷史行為，主觀判斷及人為因素較大，無法很好地優化煤炭企業與供應商關系以及深化采供雙方合作，很難實現優化采購的目的。基于此，研究設計了基于數據挖掘技術的煤炭企業供應商管理系統。

1 數據挖掘技術

相比較于傳統靜態的分析方法，數據挖掘技術能夠在沒有先驗知識的情況下，從大量數據中提取或挖掘知識，形成規則及模式，其特點是可快速處理大量數據，且算法具有學習性。供應商管理系統利用數據挖掘技術對煤炭企業現有各業務系統數據庫中大量供應商相關數據進行提取、轉換和分析，從中獲取規則和模式，并應用于煤炭企業管理，輔助領導決策。本系統主要采用數據挖掘技術中的k-均值聚類算法及粗糙集理論，解決供應商動態分類和評價選擇。數據挖掘技術與靜態分析方法對比見表1。

表1 數據挖掘技術與靜態分析方法對比

2 系統設計

2.1 系統架構

供應商管理系統以SRM 理論為指導思想，系統應當與煤炭企業發展戰略相結合，對不同戰略模式的供應商關系提供有針對性的管控支持，以避免一視同仁的管理對重要供應商積極性的打消。因此，針對SRM 中供應商分類和供應商評價選擇等核心問題，系統相應地包含了基礎信息、供應商分類和供應商評價選擇等模塊，同時建立了業務系統信息平臺，用于提取煤炭企業現有的采購管理和財務管理等業務系統中供應商相關的動態數據，為供應商分類及評價選擇提供數據挖掘方法所需要的供應商行為數據，以滿足對供應商管理的動態性和實時性?；跀祿诰蚣夹g的煤炭企業供應商管理系統構架如圖1所示。

2.2 主要功能模塊設計

2.2.1 基礎信息

（1）供應商信息注冊模塊。該模塊支持通過業務系統信息平臺將煤炭企業現有供應商信息導入系統，同時提供開放式注冊模式，借助Internet吸引國內外更多的優質供應商，增加煤炭企業可供選擇合作的供應商范圍。注冊時，供應商需上傳相關的資質文件和掃描圖片作為供應商資質認證的依據。

圖1 供應商管理系統架構

（2）供應商資質認證模塊。管理人員根據供應商提供的各項主體資質證書原件，與系統中所錄電子數據進行比對，進行信息一致性審核，尤其針對工商信息和賬戶信息的準確性以及資質證書的合法性、使用范圍和有效期限等進行核對，準入符合要求的供應商。

2.2.2 供應商分類管理

對供應商進行動態分類是實現區別化管理的重要步驟，傳統的供應商分類方法主要是以供應商的企業信譽、規模和財務情況等主觀性指標和靜態屬性為依據進行評價。但在現實情況中，供應商交易行為往往與這些靜態信息沒有必然的聯系，采供雙方形成的合作關系及相互的重要性也沒有被充分考慮，因此依據靜態信息無法有效地對供應商進行合理的分類。因此，供應商分類管理主要包括以下功能模塊：

（1）分類指標選擇模塊。該模塊除支持將靜態的主觀性指標和靜態信息作為分類指標外，還允許選取由業務系統信息平臺提供的如質量 （驗收合格率、使用情況等）、可靠性 （交付數量偏差、交付周期等）和價格 （折扣率、價格穩定性等）等供應商動態行為數據作為分類指標。同時，該模塊允許根據煤炭企業采購戰略，自由組合分類指標建立分類模板，以便進行有側重的動態分類。

（2）供應商動態分類模塊。由于煤炭企業供應商數量眾多，當分類指標包含供應商動態行為數據時，就形成了一個高維數據空間，因此該模塊采用數據挖掘技術中k-均值子空間聚類算法對供應商進行分類，該算法可以快速處理海量高維數值型數據。該模塊支持用戶選擇之前定義的不同分類模板，對供應商進行不同側重點的分類，用戶選定分類模板后，根據實際采購戰略需要輸入分類數后，即可完成供應商的分類。

2.2.3 供應商評價選擇

煤炭企業傳統采購策略是通過多個供應商間競爭壓低采購價格，采供雙方關系較緊張。而現代供應商管理注重采供雙方建立穩定的合作關系，通過與少數供應商建立合作伙伴關系，降低雙方成本，實現雙贏。然而，將采購集中于少數供應商的風險也隨之而來，因此企業需要按照自身發展戰略對不同合作關系類型的供應商選擇相應的評價策略，通過科學和客觀的方法對供應商進行評價選擇，優勝劣汰，降低風險。因此，供應商評價選擇主要包括以下功能模塊：

（1）評價指標選擇模塊。該模塊支持根據企業戰略對不同合作類型的供應商建立相應的評價指標模板，以實現有針對性的供應商管控策略，系統依據關 鍵 績 效 指 標 （Key Performance Indicators，KPI）思想建立了一套預制評價指標模板，用戶可對此模板進行修改以適合煤炭企業自身需求。與分類指標選擇類似，用戶可選取由業務系統信息平臺提供的動態行為數據作為評價指標。

（2）專家法評價指標權重設置模塊。在實際商業決策中，考慮到采供戰略和市場環境的不斷調整變化，僅僅通過供應商行為歷史數據對其進行評價無法體現管理的動態性。因此，為了更好地預防供應風險，系統也應該考慮體現采購戰略和領導者偏好的主觀權重設置。該模塊支持煤炭企業根據專家和領導的意見，對評價指標模板中的各項指標自行設置權重。

（3）粗糙集評價指標權重設置模塊。該模塊采用數據挖掘技術中的粗糙集理論作為系統算法，用戶選擇預選保存的評價指標模板，系統利用業務信息平臺提取其他相關業務系統中的指標數據，形成供應商績效原始表，根據粗糙集理論形成決策矩陣，并利用可辨識矩陣簡約評價指標并計算各指標權重。相比較于專家法，系統根據粗糙集自動計算的指標權重更具客觀性。

（4）供應商綜合評價選擇模塊。當管理人員需對某合作類型的供應商進行評價選擇時，首先選取該合作類型評價指標模板，系統利用業務信息平臺提取其他相關業務系統中的指標數據，結合指標權重計算該類供應商的綜合得分，并得到綜合排名。

2.2.4 業務系統信息平臺

業務系統信息平臺采用Web服務技術，為供應商管理系統提供分類和評價選擇所需的供應商動態行為數據，同時也可為煤炭企業原有采供等系統提供供應商管理相關數據，從而輔助商業決策。業務系統信息平臺設計示意圖如圖2所示。

圖2 業務系統信息平臺設計示意圖

3 技術實現

供應商管理系統實現的重點和難點在于應用適當的數據挖掘方法正確地對供應商分類及評價選擇，并建立業務系統信息平臺使企業信息流暢通。本文以山西焦煤汾西礦業 （集團）有限責任公司供應商協同平臺中供應商管理系統為例，對系統中主要功能環節進行初步探索，給出相關實現方法。

3.1 技術架構實現

應用層系統采用B／S 三層構架，基于Microsoft.Net Framework 4 框 架 開 發，界 面 采 用Silverlight5.0技術，應用服務器和數據服務器采用Windows Server 2008 操 作 系 統，數 據 庫 采 用SQL Server 2008。

3.2 業務系統信息平臺實現

供應商管理系統中業務系統信息平臺采用Web Service技術開發。Web 服務核心技術包括XML （可擴展標記語言）、SOAP （簡單對象訪問協議）、WSDL （Web 服務描述語言）和HTTP等。由于Web服務使用標準的XML，使得平臺、編程語言和發布者之間可以相互獨立，因此Web服務支持在不同平臺和使用不同編程語言的程序基于標準的方式互相通信。SOAP 提供了遠程過程調用方法 （Remote Procedure Call，RPC）來調用Web服務，并在應用程序和Web服務之間傳送命令、參數和XML 文檔。SOAP 遠程過程調用方法工作流程圖如圖3所示。

圖3 SOAP 遠程過程調用方法工作流程示意圖

3.3 k-均值供應商動態分類實現

MATLAB的最新版MATLAB 2014a中已提供了k-均值聚類算法的Kmeans函數，供應商管理系統通過COM 組件的形式實現MATLAB 與.NET 的混合編程，以實現系統對k-均值聚類函數的調用。

首先在供應商管理系統應用服務器中安裝MATLAB 提 供 的 MCR （MATLAB Compiler Runtime），當MATLAB 編譯器運行時，MCR 中MWArray.dll的API 可實現供應商管理程序與MCR之間數據交換。然后通過MATLAB將Kmeans函數的M 文件打包為.NET 兼容的COM組件Kmeans.dll，其原理是通過將Kmeans函數作為.NET 某個類中的方法，利用對類的操作實現對k-均值聚類函數的調用。最后在.Net開發環境中，添加對MWArray.dll和Kmeans.dll的引用以及需要的命名空間，即可實現對k-均值聚類函數的調用。

3.4 供應商評價選擇實現

粗糙集 （Rough Set，RS）理論是一種處理模糊性和不確定性的新型數學工具，粗糙集能有效地處理不精確、不一致和不完整的信息，并從中發現隱含的知識，揭示潛在的規律。供應商管理系統中主要應用粗糙集理論簡約評價指標并計算指標的重要性，具體算法見以下9個步驟：

（1）輸入粗糙集決策系統S= （U，A，V，f），其中U= ｛x1，x2，…，xn｝代表供應商集合，xi代表供應商；A= ｛a1，a2，…，am｝代表屬性集合，ai代表評價指標屬性及歷史評價屬性，A 由供應商評價指標屬性集合C 及歷史評價屬性集合D 組成，即A=C∪D，C∩D=?；V=｛Va1，Va2，…，Vam｝代表屬性值集合，其中ai∈A ，Vai是ai值域；f （xi，a）是一個信息函數，它指定U 中供應商xi在a 上的屬性值，即f：U×A→V。

（2）由于各指標數據的量綱不同，為了消除量綱對指標的影響并簡化計算，利用式 （1）對指標值進行歸一化處理，使其規格在 ［0，1］范圍內：

式中：ai——數據歸一化處理前的值；

a＊i——數據歸一化處理后的值；

max （ai）——屬性a中的最大值；

min （ai）——屬性a中的最小值。

（3）采用距離劃分方法，對指標值進行離散化處理。

（4）按式 （2）建立決策系統S 的區分矩陣M，其中M 是一個n×n的對稱矩陣：

式中：Mij——區分矩陣M 中第i行第j 列元素；

C——供應商評價指標屬性集合；

a——評價指標；

f （xi，a）——供應商xi在評價指標屬性a上的屬性值；

f （xj，a）——供應商xj在評價指標屬性a上的屬性值；

D （xi）——應商xi歷史評價屬性值；

D （xj）——應商xj歷史評價屬性值。

（5）將所有指標組合表示為析取范式的形式，即F=∧ ｛∨Mij│1 ≤j＜i≤n，Mij≠?｝。

（6）將F 轉化為析取范式 的形式，得到簡約結果，并按照公式 （3）計算指標的重要性：

式中：Mij——區分矩陣M 中第i行第j 列元素；

I （ak）——指標ak的重要性；

（7）利用公式 （4）計算評價指標的權重：

式中：ω （ak）——指標ak的權重；

I （ai）——指標ai的重要性，i=1～n；

I （ak）——指標ak的重要性。

（8）通過公式 （5）得出供應商綜合評價：

（9）輸出簡約后指標、權重及供應商綜合評價結果。

4 結語

基于數據挖掘技術的供應商管理系統延伸了煤炭企業物資管理的觸角，實現了供應商管理內容的進一步的擴展和深化，利用k-均值聚類算法和粗糙集理論對供應商進行跟蹤管理，可以有效解決煤炭企業傳統粗放式供應商管理模式的效率低下和無法深化采供關系等問題，對改善煤炭企業與供應商的關系、降低煤炭企業供應鏈和采購成本以及提升煤炭企業績效等方面都具有十分重要的意義。

［1］ 于昕.基于數據挖掘的供應商關系管理方法研究［D］.北京：北京科技大學，2008

［2］ 崔超，丁雷.煤炭企業供應商協同管理信息平臺研究 ［J］.中國煤炭，2013 （6）

［3］ 譚章祿，劉浩.基于物聯網的煤炭企業物資供應管理平臺研究與設計 ［J］.中國煤炭，2013 （1）

［4］ 聞敬謙，李青.企業供應鏈中供應商管理系統研究與實現 ［J］.計算機工程與應用，2004 （8）

［5］ 詹麗紅.基于.Web Service的數據庫同步系統的設計與實現 ［J］.網絡安全技術與應用，2014 （3）

［6］ 吳自強.基于k-均值聚簇法的第三方物流供應商的選擇 ［J］.統計與決策，2013 （12）