數(shù)據(jù)感知技術在電力物資供應鏈數(shù)據(jù)質(zhì)量管理中的應用

陳 廣，宋志偉，陳少兵，賀紹鵬，毛燁華，李澤坤

（1.國家電網(wǎng)有限公司物資部，北京 100032；2.國網(wǎng)物資有限公司，北京 100120；3.華北電力大學電氣與電子工程學院，北京 102206）

1 研究背景

隨著現(xiàn)代信息技術的快速發(fā)展和應用，電力物資供應鏈與互聯(lián)網(wǎng)、物聯(lián)網(wǎng)深度融合已成趨勢，數(shù)字化、智慧化成為現(xiàn)代供應鏈的顯著特征［1］。現(xiàn)階段，通過智能采購、數(shù)字物流、全景質(zhì)控三大業(yè)務鏈，現(xiàn)代供應鏈逐漸部署數(shù)字化轉(zhuǎn)型的新型實踐，但數(shù)字化轉(zhuǎn)型過程中的弊端也逐漸暴露，如供應鏈數(shù)據(jù)欠完整、欠規(guī)范、非結(jié)構化等。為了實現(xiàn)數(shù)據(jù)的統(tǒng)一管理和價值挖掘，國家電網(wǎng)有限公司（以下簡稱“國網(wǎng)公司”）投入了大量人力物力聚焦于數(shù)據(jù)治理、分析、應用等各環(huán)節(jié)的工作。然而，數(shù)字化引起的數(shù)據(jù)量激增將造成更多的人力資源投入，在此背景下如何實現(xiàn)供應鏈數(shù)據(jù)運營管理的自動化、智慧化是迫切問題。

數(shù)據(jù)感知以數(shù)據(jù)自動清洗、數(shù)據(jù)質(zhì)量治理和數(shù)據(jù)價值挖掘為技術手段。Hu 等［2］和Korzun 等［3］分別研究了數(shù)據(jù)感知技術在信息處理和生物特性感知等領域的應用；Padulano 等［4］提出了一種適用于大型數(shù)據(jù)庫，在不知道數(shù)據(jù)潛在概率分布的先驗信息情況下還可以與其他非參數(shù)的、基于模式的方法相結(jié)合的數(shù)據(jù)清洗技術；Phan 等［5］提出了一種平穩(wěn)型線性回歸方法用于縱向數(shù)據(jù)的對比分析，并引出了數(shù)據(jù)感知技術在數(shù)據(jù)清洗中的進一步應用；Vuji?等［6］針對傳統(tǒng)電力大數(shù)據(jù)異常值檢測算法存在檢測精度低、檢測效率差等問題，提出基于云計算的電力運行大數(shù)據(jù)異常值快速檢測算法；Duan［7］在Vuji? 等［6］的基礎上提出利用模糊C-均值聚類算法分類識別處理電力運行大數(shù)據(jù)，快速檢測其中的異常值。以上數(shù)據(jù)清洗和數(shù)據(jù)異常識別研究為數(shù)據(jù)感知技術積累了大量先期經(jīng)驗，為數(shù)據(jù)感知技術在電力供應鏈數(shù)據(jù)運營管理應用中提供了技術參考。數(shù)據(jù)清洗和質(zhì)量治理旨在為數(shù)據(jù)分析挖掘提供完整有效數(shù)據(jù)集，使數(shù)據(jù)價值得以體現(xiàn)，因此數(shù)據(jù)感知技術亦包含數(shù)據(jù)的價值挖掘研究。目前，基于各企業(yè)對供應商評價的需求，用戶特征畫像已有部分研究，例如Li 等［8］和Li 等［9］主要研究了用戶畫像的不同技術框架；Li 等［10］對用戶畫像分類模型展開了進一步研究；Janostik 等［11］充分考慮企業(yè)數(shù)據(jù)的特殊性，提出針對非結(jié)構文本數(shù)據(jù)處理可建立企業(yè)敏感詞庫，針對短文本數(shù)據(jù)處理可結(jié)合字符、拼音以及詞性等特征，以深度學習結(jié)合多層輸入、權值共享技術實現(xiàn)企業(yè)供貨特征提取與分析；Bonner 等［12］引入最大相關最小冗余準則進行用戶特征選取，采用遍歷法從原始特征集找到滿足與目標類別相關性最大、相互間冗余性最小的優(yōu)質(zhì)特征集，基于此實現(xiàn)用戶的畫像特征分析；Molinillo 等［13］提出了一種基于層次樹的回歸方法（CHAID），通過對用戶基本屬性進行分類，從而構建用戶畫像。

隨著現(xiàn)代智慧供應鏈體系建設發(fā)展，“五E 一中心”1）平臺部署趨于成熟，電力物資供應鏈數(shù)據(jù)管理需求急切，上述研究為供應鏈數(shù)據(jù)質(zhì)量管理提供了前期技術參考，但鑒于電力物資供應鏈具有數(shù)據(jù)種類繁多、異構性嚴重、數(shù)據(jù)分布分散、質(zhì)量層次不齊等特點，前述研究在供應鏈數(shù)據(jù)中的應用仍有待因地制宜。進一步講，目前電力物資供應鏈數(shù)據(jù)質(zhì)量管理依托人工手段較多，在數(shù)據(jù)多源匯集、大數(shù)據(jù)沉積愈來愈嚴重的情況下，如何基于數(shù)據(jù)感知技術實現(xiàn)數(shù)據(jù)自動清洗、質(zhì)量自動感知與治理和數(shù)據(jù)價值深度挖掘（供應商畫像分析）等環(huán)節(jié)提質(zhì)增效，是促使電力物資供應鏈由傳統(tǒng)到現(xiàn)代智能化、電子化方向發(fā)展的重要挑戰(zhàn)。基于此，本研究重點討論了數(shù)據(jù)感知技術在電力物資供應鏈數(shù)據(jù)質(zhì)量管理中的研究與應用，主要包括：（1）結(jié)合當前“五E 一中心”下電力物資供應鏈數(shù)據(jù)特點提出“數(shù)據(jù)感知技術”概念及核心組件，分析電力物資供應鏈數(shù)據(jù)質(zhì)量管理技術需求；（2）基于電力物資供應鏈數(shù)據(jù)質(zhì)量管理的現(xiàn)實和技術需求，提出面向現(xiàn)代供應鏈的數(shù)據(jù)質(zhì)量管理體系架構，并結(jié)合“五E 一中心”的兩級部署模式設計現(xiàn)代供應鏈數(shù)據(jù)感知實現(xiàn)框架；（3）基于電力物資供應鏈數(shù)據(jù)特點和實現(xiàn)框架提出數(shù)據(jù)感知的三大關鍵技術——基于時空相關性的多源感知數(shù)據(jù)清洗技術、基于隱藏規(guī)則挖掘的異構異常數(shù)據(jù)修復技術和基于供應商信息系統(tǒng)標識的全息畫像認知技術，實現(xiàn)以供應鏈數(shù)據(jù)特點為基礎，以完整有效數(shù)據(jù)集構建為手段，以供應鏈數(shù)據(jù)創(chuàng)新應用為目的的數(shù)據(jù)“清洗—校正—應用”全環(huán)節(jié)技術體系構建；（4）針對電力物資供應鏈生態(tài)圈全壽命周期管理的必然發(fā)展趨勢，提出數(shù)據(jù)感知技術在“五E 一中心”全面建設的中后期需進一步延伸的技術內(nèi)容和方向。

2 “數(shù)據(jù)感知”概念及需求分析

2.1 概念及技術組件

隨著數(shù)據(jù)挖掘、人工智能和云計算等新興技術的發(fā)展，大數(shù)據(jù)隱藏價值得到重視，數(shù)據(jù)感知技術應運而生。Rahman［14］、Weatherall 等［15］、Soleimani-Chamkhorami 等［16］提出數(shù)據(jù)感知技術范疇包含技術前期對數(shù)據(jù)的完整性、有效性、可用性等方面的研究。Turinsky 等［17］提出數(shù)據(jù)感知技術亦包含現(xiàn)階段大數(shù)據(jù)背景下通過對數(shù)據(jù)的一些特征信息來描述數(shù)據(jù)本身的方法。根據(jù)電力物資供應鏈數(shù)據(jù)特征特點，本研究將數(shù)據(jù)感知技術細化為時空數(shù)據(jù)質(zhì)量感知、異常數(shù)據(jù)感知和供應商信息系統(tǒng)標識感知。時空數(shù)據(jù)質(zhì)量感知技術充分考慮數(shù)據(jù)的時間和空間特性，根據(jù)供應鏈數(shù)據(jù)出處、類目、記錄等屬性進行符合數(shù)據(jù)產(chǎn)出地特征的數(shù)據(jù)完整性修復，主要用于數(shù)據(jù)清洗環(huán)節(jié)。異常數(shù)據(jù)感知技術對供應鏈數(shù)據(jù)的異常情況進行識別，主要面向結(jié)構化數(shù)據(jù)的奇異值、突變點檢測，面向非結(jié)構化數(shù)據(jù)，基于數(shù)據(jù)關聯(lián)性、一致性等特征判別數(shù)據(jù)類目的對錯。供應商信息系統(tǒng)標識感知技術對供應商信息進行歸納、統(tǒng)計、挖掘分析，構建供應商全息畫像，實現(xiàn)數(shù)據(jù)價值應用。基于數(shù)據(jù)感知技術的現(xiàn)代供應鏈數(shù)據(jù)運營管理核心組件如圖1 所示，主要包括：（1）采集物資及供應商主數(shù)據(jù)、采購批次及招投標數(shù)據(jù)、合同履約及倉儲數(shù)據(jù)等數(shù)據(jù)資源；（2）基于數(shù)據(jù)感知技術對供應鏈數(shù)據(jù)處理與分析，形成有價值的數(shù)據(jù)集和應用結(jié)果；（3）基于價值數(shù)據(jù)集和數(shù)據(jù)分析結(jié)果，評估數(shù)據(jù)質(zhì)量運營管理成效。

圖1 現(xiàn)代供應鏈數(shù)據(jù)運營管理核心組件構成

2.2 數(shù)據(jù)感知需求

為實現(xiàn)電力物資智能采購電子化、數(shù)字物流網(wǎng)絡化、全景質(zhì)控可視化以及內(nèi)外協(xié)同便捷化，以“五E 一中心”供應鏈平臺為支撐的現(xiàn)代供應鏈體系正在逐步建設，包括企業(yè)資源管理系統(tǒng)（ERP）、電子商務平臺（ECP）、電工裝備智慧物聯(lián)平臺（EIP）、電力物流服務平臺（ELP）、e 物資和供應鏈運營中心（ESC）2）。“五E 一中心”平臺建設要求企業(yè)人財物設備信息、供貨計劃信息、電工裝備物聯(lián)信息、物流運輸監(jiān)控信息等多方數(shù)據(jù)匯入，但由于各平臺部署部門作業(yè)標準、人員素質(zhì)、工作制度差異，平臺匯入數(shù)據(jù)存在冗余項、空值、奇異值、數(shù)據(jù)類目錯位等問題，如何將這類欠完整數(shù)據(jù)轉(zhuǎn)化為高質(zhì)量、高價值的有效數(shù)據(jù)是國網(wǎng)公司需要面對的現(xiàn)實需求。對此，國網(wǎng)公司目前主要采用多級人工校核的方式，即：國網(wǎng)公司上級部門對下級部門提供的數(shù)據(jù)進行復審，下級部門配合上級部門核查數(shù)據(jù)并澄清有關問題，將問題數(shù)據(jù)溯源至產(chǎn)出部門。而受電網(wǎng)公司總部、省份、地市、縣公司多級部署，多級人工校核的方式將極大地消耗人力物力，如何借助先進的數(shù)據(jù)治理、處理技術實現(xiàn)問題數(shù)據(jù)的自動糾錯、提升數(shù)據(jù)質(zhì)量是國網(wǎng)公司亟待突破的技術需求（見圖2）。因此，通過數(shù)據(jù)感知技術，對供應鏈中大量冗余類標簽、重復記錄、無關標識、缺失項等問題數(shù)據(jù)進行清洗，對奇異值、錯位項、矛盾項、不一致項等問題數(shù)據(jù)進行數(shù)據(jù)校正，對數(shù)據(jù)正負相關、離散性等特征進行數(shù)據(jù)分析，實現(xiàn)面向供應商的全息畫像和供應網(wǎng)鏈全景可視，是解決電力物資供應鏈數(shù)據(jù)運營管理的有效辦法。

圖2 電力物資供應鏈數(shù)據(jù)質(zhì)量管理的技術需求

3 電力物資現(xiàn)代供應鏈數(shù)據(jù)質(zhì)量管理

3.1 數(shù)據(jù)質(zhì)量管理體系

以Peikert 等［18］、Akca 等［19］、Parra 等［20］提出的典型數(shù)據(jù)質(zhì)量管理體系為參考，電力物資供應鏈數(shù)據(jù)質(zhì)量管理體系可為五大層級，包括數(shù)據(jù)資源層、數(shù)據(jù)清洗層、數(shù)據(jù)校正層、數(shù)據(jù)分析層和可視化交互層，其架構如圖3 所示。其中，數(shù)據(jù)資源包括物資及供應商主數(shù)據(jù)、采購批次及招投標等業(yè)務數(shù)據(jù)、合同履約及倉儲數(shù)據(jù)等數(shù)億條數(shù)據(jù)，以此為基礎展開數(shù)據(jù)清洗、異常數(shù)據(jù)校正、分析應用等環(huán)節(jié)。包括：

圖3 電力物資供應鏈全面數(shù)據(jù)質(zhì)量管理體系

（1）數(shù)據(jù)清洗。數(shù)據(jù)清洗針對原始電力物資供應鏈問題數(shù)據(jù)，例如Jiang 等［21］重點研究的重復數(shù)據(jù)、Lian 等［22］重點研究的無關數(shù)據(jù)、鄒同華等［23］和Nugent 等［24］重點研究的缺失記錄等冗余或不完整數(shù)據(jù)，采用時空數(shù)據(jù)治理感知技術查重補缺，使電力物資供應鏈數(shù)據(jù)集在數(shù)據(jù)清洗完成后能對現(xiàn)實中真實結(jié)果有更加清晰準確的描繪。

（2）數(shù)據(jù)校正。數(shù)據(jù)校正針對原始電力物資供應鏈中與現(xiàn)實相悖的離群數(shù)據(jù)，例如Abraham 等［25］重點研究錯位項、姚鵬川等［26］重點研究奇異值等錯誤數(shù)據(jù)，本研究采用張永華等［27］和Wang 等［28］提出的異常數(shù)據(jù)感知技術構建面向離群值的狀態(tài)估計模型，對離群值進行檢測和剔除，實現(xiàn)錯誤數(shù)據(jù)的修復與校正，使電力物資供應鏈數(shù)據(jù)集在數(shù)據(jù)校正后能充分挖掘出正確知識和信息價值。

（3）數(shù)據(jù)分析。數(shù)據(jù)分析針對各供應鏈平臺匯入的數(shù)據(jù)，從應用上將分為3 個階段：時珊珊等［29］重點研究的數(shù)據(jù)集成階段、浦雨婷等［30］重點研究的數(shù)據(jù)分析階段、Cao 等［31］和Ma 等［32］重點研究的數(shù)據(jù)服務與應用階段。數(shù)據(jù)集成將ECP、EIP、ERP、ELP 等平臺數(shù)據(jù)進行有機集中，對通過聯(lián)邦計算、數(shù)據(jù)倉庫等技術手段實現(xiàn)數(shù)據(jù)融合及全面共享；數(shù)據(jù)分析主要面向供應鏈平臺內(nèi)開展項內(nèi)數(shù)據(jù)趨勢預測、項間數(shù)據(jù)關聯(lián)分析，面向供應鏈平臺間開展橫向指標對比、質(zhì)量結(jié)果統(tǒng)計等分析；數(shù)據(jù)服務與應用面向供應鏈全鏈主體，基于數(shù)據(jù)分析結(jié)果開展數(shù)據(jù)質(zhì)量監(jiān)察、供應產(chǎn)品的數(shù)字化服務等實踐，形成對供應商信息系統(tǒng)標識的感知，實現(xiàn)供應商全息畫像認知。

3.2 數(shù)據(jù)管理實現(xiàn)框架

現(xiàn)代智慧供應鏈兩級數(shù)據(jù)運營體系基于全業(yè)務需求，通過“大云物移智邊鏈”等技術，著力構建“五E 一中心”供應鏈平臺，從物資合同一鍵生成、在線簽署，到結(jié)算單據(jù)電子化、結(jié)算支付申請自動作業(yè)，以實現(xiàn)供應鏈全程電子化、網(wǎng)絡化、便捷化，逐步打造“一級管控、兩級運營”的數(shù)據(jù)管理方案。該方案以兩級部署為核心，其中：電力物流服務平臺、企業(yè)資源管理系統(tǒng)以及“e 物資”分別將本智慧作業(yè)系統(tǒng)的業(yè)務數(shù)據(jù)匯集到總部和省級數(shù)據(jù)中臺，構建兩級部署；電工裝備智慧物聯(lián)平臺和電子商務平臺分別將本智慧作業(yè)系統(tǒng)的業(yè)務數(shù)據(jù)匯集到總部數(shù)據(jù)中臺，構建一級部署。其次，由總部供應鏈運營中心（ESC）和省級供應鏈運營中心從相應的數(shù)據(jù)中臺獲取常態(tài)化業(yè)務數(shù)據(jù)。最終實現(xiàn)兩級數(shù)據(jù)貫通、內(nèi)外協(xié)同、智能采購、全景智控的現(xiàn)代化智慧供應鏈兩級數(shù)據(jù)運營體系。如圖4 所示，描述了兩級部署的現(xiàn)代智慧供應鏈數(shù)據(jù)感知實現(xiàn)架構，關鍵技術主要包括以下3 個方面：時空數(shù)據(jù)質(zhì)量感知、異常數(shù)據(jù)感知、供應商信息系統(tǒng)標識感知。其中，時空數(shù)據(jù)質(zhì)量感知和異常數(shù)據(jù)感知分別服務于省級部署下的供應鏈數(shù)據(jù)清洗和數(shù)據(jù)校正；供應商信息系統(tǒng)標識感知主要服務于總部和省級部署下的供應鏈數(shù)據(jù)分析與應用，具體包含數(shù)據(jù)集成、數(shù)據(jù)分析、數(shù)據(jù)質(zhì)量督察、數(shù)據(jù)服務應用等。

圖4 兩級部署的電力物資智慧供應鏈數(shù)據(jù)感知實現(xiàn)框架

4 現(xiàn)代供應鏈數(shù)據(jù)質(zhì)量管理的數(shù)據(jù)感知關鍵技術

4.1 基于時空相關性的多源感知數(shù)據(jù)清洗技術

電力物資供應鏈數(shù)據(jù)存在來源分散、同一件產(chǎn)品或設備數(shù)據(jù)存在全網(wǎng)鏈多供應商提供、抑或產(chǎn)品配件數(shù)據(jù)源自多廠商的特點，由于多廠商的人員素質(zhì)、工作規(guī)范、產(chǎn)品質(zhì)量因素等方面存在差異，對全生命周期供應鏈數(shù)據(jù)、物資配送過程管理或同一產(chǎn)出地的設備/配件檢測、試運行等數(shù)據(jù)集進行數(shù)據(jù)清洗環(huán)節(jié)時，需要充分考慮數(shù)據(jù)產(chǎn)出地的時空特性。McKechnie 等［33］、Zhang［34］等、Ramos-Go?i［35］等認為時空數(shù)據(jù)質(zhì)量感知技術主要面向供應鏈數(shù)據(jù)的時間相關性和空間相關性，通過明確數(shù)據(jù)產(chǎn)出場景，設定一個有限度的時空粒度，獲得不同數(shù)據(jù)產(chǎn)地（或傳感器）采集的數(shù)據(jù)相關性，以及相同產(chǎn)地的數(shù)據(jù)相似性特征，基于此構建數(shù)據(jù)時空相關性模型，實現(xiàn)對“臟”數(shù)據(jù)的清洗，構建完整數(shù)據(jù)集。

就楊飛躍等［36］分析的供應鏈多源數(shù)據(jù)特點而言，數(shù)據(jù)清洗過程不僅僅依賴線性插值、平滑預測等在時序數(shù)據(jù)上取得較好效果的傳統(tǒng)方法，還需結(jié)合數(shù)據(jù)的時空相關性對數(shù)據(jù)進行分組，實現(xiàn)相似特征組數(shù)據(jù)單獨清洗，例如裝備生產(chǎn)、運檢、全生命周期管理等時序數(shù)據(jù)，按照供應商生產(chǎn)標準、作業(yè)規(guī)范、場景判別閾值等差異構建時空相似特征組，并以產(chǎn)出地歷史數(shù)據(jù)特征進行數(shù)據(jù)集填補、修復。電力物資供應鏈時空數(shù)據(jù)清洗框架如圖5 所示，主要包括以下環(huán)節(jié)：（1）逐條遍歷數(shù)據(jù)集，判斷本條數(shù)據(jù)是否冗余，若冗余則刪除該標簽數(shù)據(jù)跳轉(zhuǎn)下一標簽數(shù)據(jù)，否則匯總到正確標簽集，完成冗余標簽篩選；（2）判斷是否有重復記錄，若重復則刪除數(shù)據(jù)，否則匯總到正確數(shù)據(jù)集；（3）構建數(shù)據(jù)處理算法提取數(shù)據(jù)時空特征，應用李兢等［37］提出的分組方法進行特征分組，構建時空相關性模型，生成數(shù)據(jù)預測值對缺失數(shù)據(jù)填補，并應用張藝鐠等［38］提出的評估方法來評估填補精度；（4）判斷特征組內(nèi)數(shù)據(jù)是否完整，若完整則對相似特征組數(shù)據(jù)進行組合，否則重新遍歷清洗環(huán)節(jié)，最終構建完整數(shù)據(jù)集。

圖5 電力物資供應鏈數(shù)據(jù)清洗流程

4.2 基于隱藏規(guī)則挖掘的異構異常數(shù)據(jù)修復技術

針對完整數(shù)據(jù)集中異常數(shù)據(jù)，如數(shù)據(jù)量級偏差、數(shù)據(jù)標簽不符、數(shù)據(jù)突變、供應商信息矛盾等，需要進行異常數(shù)據(jù)檢測和修復，以便構建有效數(shù)據(jù)集。電力物資供應鏈數(shù)據(jù)種類較多（包括設備出廠試驗數(shù)據(jù)、采購訂單數(shù)據(jù)、采購合同數(shù)據(jù)、基礎運營數(shù)據(jù)等），匯集方式不同，記錄和取樣方式也有差異，存在多源異構的典型特點，因此，需要對結(jié)構化數(shù)據(jù)和非結(jié)構化數(shù)據(jù)單獨治理。具體包括：

（1）就結(jié)構化數(shù)據(jù)而言，其異常數(shù)據(jù)修復可基于數(shù)據(jù)間的關聯(lián)關系，采用殘差分析、神經(jīng)網(wǎng)絡、聚類分析等方法對數(shù)據(jù)本身進行狀態(tài)估計，提取數(shù)據(jù)的歷史演變趨勢和特征曲線，并根據(jù)算法閾值規(guī)則進行異常數(shù)據(jù)的檢測與修復。

（2）就非結(jié)構化數(shù)據(jù)而言，非結(jié)構化數(shù)據(jù)的單一特征較難提取，需要構建面向待檢測數(shù)據(jù)的關聯(lián)數(shù)據(jù)集。首先，通過Jones 等［39］、袁宇等［40］提出的Apriori，以及馮宏偉等［41］、Sering 等［42］提出的FP-Growth 等關聯(lián)規(guī)則算法獲得相應的關聯(lián)規(guī)則集；其次，結(jié)合供應鏈數(shù)據(jù)庫歷史記錄對關聯(lián)規(guī)則集進行優(yōu)化，將待測數(shù)據(jù)進行類屬性識別后的結(jié)果輸入優(yōu)化后的關聯(lián)數(shù)據(jù)集，進行特征比對；最后，基于特征可行域和分類對異常數(shù)據(jù)進行識別。

上述結(jié)構化與非結(jié)構化異常數(shù)據(jù)識別方法在較多數(shù)據(jù)異常識別研究中應用，技術相對成熟，在“五E 一中心”建設前期，應充分應用該類方法以獲得高質(zhì)量、有效、完整的數(shù)據(jù)集；但隨著數(shù)據(jù)匯入的體量激增，數(shù)據(jù)標簽維度龐大，上述方法需進一步拓展，與大數(shù)據(jù)技術深度融合，從海量多維數(shù)據(jù)中發(fā)掘隱藏規(guī)律與特征提取，實現(xiàn)異常數(shù)據(jù)辨識與修復。技術路線如圖6 所示，主要技術拓展內(nèi)容包括：（1）數(shù)據(jù)驅(qū)動的自動規(guī)則感知，即通過自動深度學習、貝葉斯深度學習等的深度數(shù)據(jù)挖掘方法，為每組數(shù)據(jù)匹配最適合的規(guī)則，簡化基于規(guī)則庫的人工成本，提高效率；（2）多維海量異構數(shù)據(jù)隱性信息挖掘，通過對大數(shù)據(jù)的數(shù)據(jù)屬性和數(shù)據(jù)關聯(lián)分析進行深度分析，發(fā)掘前期規(guī)則庫中忽略的類似類型數(shù)據(jù)，進行數(shù)據(jù)關聯(lián)性的再次關聯(lián)，彌補關聯(lián)認知欠缺；（3）知識與數(shù)據(jù)協(xié)同驅(qū)動的異常數(shù)據(jù)檢測，通過前期規(guī)則庫的知識積累，與大數(shù)據(jù)驅(qū)動的隱性特征融合分析，實現(xiàn)異常數(shù)據(jù)檢測并修復。

圖6 基于數(shù)據(jù)感知技術的電力物資供應鏈非結(jié)構化數(shù)據(jù)剔除及修復方法

4.3 基于供應商信息系統(tǒng)標識的全息畫像認知技術

供應商全息畫像應用主要依靠于數(shù)據(jù)感知技術，以供應商的內(nèi)部數(shù)據(jù)（如供應商的誠信度）和外部數(shù)據(jù)（如供應商是否涉及安全事件）為基礎，核心是對供應商進行標簽化處理，通過機器學習等技術對大量數(shù)據(jù)進行分析處理，抽象出一個虛擬供應商的特征全貌，從而基于對歷史數(shù)據(jù)的推演作出歸納性的推理判斷，并預測出未來一段時間供應商的某項指標的變化趨勢，從而幫助國網(wǎng)公司全方位、多視角地了解供應商行為特征，實現(xiàn)面向供應商的產(chǎn)品個性化精準設計、定制、營銷和精細化服務。針對供應商信息系統(tǒng)標識數(shù)據(jù)感知技術在數(shù)據(jù)分析環(huán)節(jié)的應用，Khanchi 等［43］、張永等［44］、陳真勇等［45］、Kock［46］認為關鍵在于構建供應商特征標簽庫，以實現(xiàn)對供應商全息畫像的有效認知。具體可按照企業(yè)規(guī)模、信用口碑、供貨連續(xù)性等進行標簽分類，如圖7 所示，其過程需要建立相關業(yè)務規(guī)則：一是標簽庫的建立；二是對應指標的選擇；三是創(chuàng)建統(tǒng)一標簽觸發(fā)規(guī)則；四是標簽數(shù)據(jù)匹配的問題。通過供應商信息系統(tǒng)標識數(shù)據(jù)感知技術，能夠全方位地反映企業(yè)特征，從而構建供應商全息畫像。

圖7 基于數(shù)據(jù)感知技術的電力物資供應商全息畫像認知實現(xiàn)流程

供應商全息畫像主要可分為3 類：供應商群體畫像、供應商個體畫像與供應商指標畫像。其中，供應商群體畫像是指基于物資品類的畫像，展現(xiàn)同類物資群體供應商數(shù)據(jù)表現(xiàn)情況和各供應商排名情況；供應商個體畫像是指基于供應商的畫像，展現(xiàn)供應商標簽、物資品類和績效情況；供應商個體畫像是指基于供應商的畫像，展現(xiàn)供應商標簽、物資品類和績效情況；供應商指標畫像是指基于指標的畫像，根據(jù)指標值對物資品類進行排名，展現(xiàn)單指標數(shù)據(jù)分布和物資排名情況。通過構建供應商特征標簽庫與供應商全息畫像，能夠?qū)ξ镔Y供應商進行良好的度量與區(qū)分。

5 “五E 一中心”建設中后期數(shù)據(jù)感知技術應用的發(fā)展方向

基于現(xiàn)代供應鏈管理與發(fā)展的基本理論，以“五E 一中心”供應鏈平臺為支撐，實現(xiàn)電力物資供應鏈生態(tài)圈全壽命周期管理成為未來電力物資優(yōu)化配置發(fā)展的重要趨勢，而以數(shù)據(jù)感知技術為核心的全面數(shù)據(jù)質(zhì)量管理體系也勢必會促進物資、業(yè)務、數(shù)據(jù)的融合共享，激活全供應鏈數(shù)據(jù)流價值，高效靈活配置各類資源，推動物資鏈上下游的發(fā)展，例如，馬春光等［47］提出的邊緣側(cè)數(shù)據(jù)感知技術、Tran 等［48］和Lyu 等［49］提出的基于區(qū)塊鏈的共享信息感知技術等核心技術的全面應用等，這些應用與發(fā)展潮流催生了數(shù)據(jù)感知技術向跨行業(yè)數(shù)據(jù)和服務的互聯(lián)互通、互補協(xié)同聯(lián)動等方向的進一步延伸。在如圖8 所示的總體技術架構中，數(shù)據(jù)感知技術在供應鏈數(shù)據(jù)質(zhì)量管理中的發(fā)展方向主要體現(xiàn)為以下方面：

圖8 數(shù)據(jù)感知技術在電力物資供應鏈數(shù)據(jù)質(zhì)量管理體系中的發(fā)展方向

（1）從上下游對接、全鏈業(yè)務融合貫通及畫像需求出發(fā)，結(jié)合數(shù)據(jù)感知技術構建電力物質(zhì)供應鏈生態(tài)圈。針對上下游對接需求，依靠目前單一數(shù)據(jù)庫無法滿足海量數(shù)據(jù)存儲與共享需要，下一步將通過如曹瑜等［50］提出的分布式清洗技術、Qiu 等［51］和Pal 等［52］提出的質(zhì)量管控全息可視技術等實現(xiàn)多方高效協(xié)同；針對全鏈業(yè)務融合貫通需求，將通過多源信息處理技術實現(xiàn)供需雙側(cè)平衡以及全鏈業(yè)務融合貫通；針對畫像需求，應通過供應商信用數(shù)據(jù)庫，借助多源信息處理技術對供應商進行分類分級管理和精準化畫像。

（2）基于數(shù)據(jù)感知技術的多源感知能力，實現(xiàn)電力物資供應鏈生態(tài)圈的信息全面互聯(lián)共享。數(shù)字化是萬物互聯(lián)共享的基礎，未來將通過建立電力物資供應鏈生態(tài)圈的數(shù)據(jù)中心以及信息共享云，將供應商、第三方服務商的信息與資源分別納入供應鏈生態(tài)圈，實現(xiàn)信息、數(shù)據(jù)資產(chǎn)、技術資源、知識資源、信用資產(chǎn)等各類信息與資源的全面共享。下一步研究將以物聯(lián)數(shù)據(jù)和業(yè)務數(shù)據(jù)為核心，集聚電力產(chǎn)業(yè)鏈上下游的生產(chǎn)要素資源，分別通過基于區(qū)塊鏈的共享信息感知技術、邊緣側(cè)數(shù)據(jù)感知技術以及面向?qū)ο蟮臄?shù)據(jù)感知技術來實現(xiàn)數(shù)據(jù)共享、數(shù)據(jù)分析服務、平臺融合等需求，并充分挖掘電力供應鏈數(shù)據(jù)資產(chǎn)的價值，提升價值創(chuàng)造能力。

（3）智能制造是以精益生產(chǎn)、標準化和模塊化理念為基礎，通過融合數(shù)據(jù)感知技術，實現(xiàn)整個智能制造業(yè)價值鏈的智能應用與創(chuàng)新服務。其業(yè)務主要包含自動化數(shù)據(jù)管理、業(yè)務流程優(yōu)化和創(chuàng)新第三方服務模式三大應用需求。就自動化數(shù)據(jù)管理而言，其不再局限于人工采集數(shù)據(jù)信息，而是通過基于區(qū)塊鏈的共享信息感知技術實現(xiàn)智能化、電子化、自動化數(shù)據(jù)管理；針對業(yè)務流程優(yōu)化，將進一步挖掘面向業(yè)務流數(shù)據(jù)的感知技術，實現(xiàn)全業(yè)務過程挖掘，促進業(yè)務升級；針對創(chuàng)新第三方服務模式，將進一步應用面向?qū)ο蟮臄?shù)據(jù)感知技術實現(xiàn)組織模式、運作模式的創(chuàng)新發(fā)展。

6 研究結(jié)論

電力物資供應鏈數(shù)據(jù)質(zhì)量管理是“五E 一中心”平臺建設的重要工作，是構成數(shù)據(jù)中臺物資域的重要環(huán)節(jié)，本研究針對電力物資現(xiàn)代供應鏈數(shù)據(jù)特點和現(xiàn)實需求，對數(shù)據(jù)感知技術在供應鏈數(shù)據(jù)質(zhì)量管理中的研究與應用展開探討，得到主要結(jié)論包括：

（1）通過基于時空相關性的多源感知數(shù)據(jù)清洗技術、基于隱藏規(guī)則挖掘的異構異常數(shù)據(jù)修復技術以及基于供應商信息系統(tǒng)標識的全息畫像認知技術等三大關鍵技術，對供應鏈中大量冗余類標簽、重復記錄、無關標識、缺失項等問題數(shù)據(jù)進行清洗，對奇異值、錯位項、矛盾項、不一致項等問題數(shù)據(jù)進行數(shù)據(jù)校正，對數(shù)據(jù)正負相關、離散性等特征進行數(shù)據(jù)分析，可實現(xiàn)面向供應商的全息畫像和供應網(wǎng)鏈全景可視，是解決電力物資供應鏈數(shù)據(jù)運營管理的有效辦法。

（2）以數(shù)據(jù)感知技術為核心的全面數(shù)據(jù)質(zhì)量管理體系能夠有效促進物資、業(yè)務、數(shù)據(jù)的融合共享，激活全供應鏈數(shù)據(jù)流價值，高效靈活配置各類資源，推動物資鏈上下游的發(fā)展。更深層次上講，通過數(shù)據(jù)感知技術實現(xiàn)電力物資供應鏈生態(tài)圈全壽命周期管理，是未來電力物資優(yōu)化配置發(fā)展的重要趨勢。

注釋：

1）“五E 一中心”是國家電網(wǎng)有限公司現(xiàn)代智慧供應鏈體系的平臺架構，應用“大云物移智邊鏈”技術，全面支撐智能采購、數(shù)字物流、全景智控三大業(yè)務鏈，促進國網(wǎng)公司內(nèi)部跨專業(yè)深度合作、外部供應鏈高效協(xié)同，實現(xiàn)物資業(yè)務智慧決策。

2）限于篇幅，各平臺匯集數(shù)據(jù)狀況不在文中具體匯報，備索。