• 注册
    • 查看作者
    • 电力大数据在电网物资供应商管理中的应用

        摘    要:

        依托大数据技术进行供应商管理,能更加精准地把握供应商信息,实现供应商优化和高效管理。电力系统是大数据应用的重要领域,电力大数据贯穿发、输、变、配、用等电力生产及管理的各个环节,电力大数据在电网物资供应商关系管理中的广泛应用,有利于更好地帮助电网企业与上游供应商构建和谐共赢的供需关系,有利于为供应链的各个环节提供智慧决策支撑,有利于更好地促进电网企业和供应商高质量协同发展。

        一、引言

        信息技术与经济社会的交汇融合引发了数据量的迅猛增长,数据已成为国家基础性战略资源。大数据正对全球资源的生产、分配、流通、消费活动以及经济运行机制、社会生活方式和国家治理能力产生日益重要的影响。当前,运用大数据推动经济转型升级、完善社会治理、提升企业服务和管理能力已成为趋势,全球范围内诸如商业、电力、石油,以及生物等数据密集型行业都致力于挖掘其数据当中的价值以提高自身的整体水平与行业竞争力。

        习近平总书记在党的十九大报告中提出了打造“现代供应链”的新发展理念,国务院明确了“打造大数据支撑、网络化共享、智能化协作的智慧供应链体系”的工作要求,应用“大云物移智”等新技术驱动传统供应链向现代(智慧)供应链转型势在必行。对于电力行业,企业发展已进入了由业务驱动向数据驱动转变的时代,新技术、新思维、新方法将引领业务运作模式、管理方法、决策思路的变革,并驱动企业供应链管理向卓越、智慧模式发展。在电力大数据环境下,供应商关系管理作为供应链管理的重要环节,同时亦作为产生与搜集电力大数据的重要源头,其定位和作用也在发生转变,电力大数据在电网物资供应商关系管理中的广泛应用有利于更好地帮助企业与上游供应商构建和谐共赢的供需关系,有利于为供应链的各个环节提供智慧决策支撑,有利于更好地促进电网企业和供应商高质量协同发展。

        二、电力大数据及关键技术

        (一)电力大数据及其共享价值

        中国电机工程学会信息化专委会在2013年3月发布了《中国电力大数据发展白皮书》,掀起了电力大数据的研究热潮。根据白皮书描述,电力大数据的特征可概括为“3V”和“3E”。“3V”为体量(Volume)大、速度(Velocity)快和类型(Variety)多;“3E”为数据及能量(Energy)、数据及交互(Exchange)和数据及共情(Empathy)。

        电力大数据贯穿发、输、变、配、用等电力生产及管理的各个环节,是能源变革中电力工业技术革新和管理创新的必然过程,其运用不仅涉及技术方面的进步,更是涉及电力系统管理体制、发展理念等方面的重大变革,是下一代电力系统在大数据时代下价值形态的跃升。

        电力大数据具有原始应用价值和衍生共享价值的双重价值属性,其中最为重要的为共享价值。共享价值体现为在更大范围内,以最大限度共享和创造新的价值,即在数据被共享后,与其他部门、单位或其他行业关联应用从而产生的新的价值。

        目前,电网企业已经逐步认识到电力大数据这种价值共享及价值传递的规律,更加注重与不同业务部门及社会行业的数据共享和融合,应用在不同业务场景,从而创造数据共享的新价值。

        (二)电力大数据关键技术

        电力大数据关键技术涉及数据的采集、存储、处理、分析挖掘、数据展现技术。

        数据的采集:电力大数据具有数量巨大、复杂多样、分散放置等特征,这些特征给数据抽取、转换及加载过程带来极大挑战,因此电力大数据的采集分为流式数据采集、数据库采集和文件采集三种。

        数据的存储:电力大数据采用分布式存储方式,易于扩展、动态调节,针对不同的数据类型,采用不同的存储引擎,同时构建各存储系统之间的连接器,实现数据快速融合,因此电力大数据的存储分为:分布式文件系统、分布式数据库、关系数据库管理、分布式消息队列四种。

        数据的处理:电力大数据处理的问题复杂多样、不同业务应用领域的数据处理时间、数据规模各不相同,因此电力大数据的处理主要包括流式计算、内存计算和离线计算三种。

        数据的分析和挖掘:电力大数据分析技术属于传统数据挖掘技术在海量数据挖掘下的新发展,但是很多传统的适用于小数据处理的数据挖掘方法已不再适用,需要采用新的技术架构、数据分析方法或对现有数据分析方法进行改进。电力大数据的分析和挖掘方法主要包括:统计分析方法、数据挖掘方法、机器学习方法和深度学习、随机矩阵理论、群智能等新兴方法。

        数据展现技术:电力大数据的展现技术主要包括可视化技术、历史流展示技术、空间信息流展示技术等,借助电力大数据的数据展现技术可帮助管理人员更直观、准确地理解电力系统数据表达的意义。数据可视化是利用图形图像处理、计算机视觉及用户界面,对数据加以可视化解释的高级技术方法;空间信息流展示技术主要体现在电力系统相关数据与地理信息系统的结合上;历史流展示技术体现在电力历史数据的管理与展示上,绘制数据的发展趋势,并预测未来的数据走势。

        三、电力大数据在电网物资供应商关系管理中的应用

        为了保障电力大数据的有效处理,近年来,电力生产数据系统、电力营销数据系统、GIS、SCADA、ERP等各类电力信息系统广泛应用,电力企业内部日常流通着大量的同电网建设、规划、运行、检修相关的生产运行数据以及经营、市场销售、企业管理方面的经营管理数据。与此同时,在电力企业外部,还有许多潜在的外部数据源,如城市规划方面的政府规划数据、GDP指标等经济发展数据、财税缴纳记录或企业信用记录等公共服务数据以及气象信息等自然环境数据等。对这些数据进行有效而广泛地应用,将助力构建现代化的供应商关系管理体系,促进物力资源管理提质增效。

        (一)基于电力大数据构建供应商综合评价指标体系

        供应商综合评价指标体系的构建,表面上是数据来源问题、技术上是数据结构设计和计算问题,背后却是关键指标的提取和结构化等理论问题。供应商综合评价指标体系是众多复杂巨系统中的一个系统。但是,再复杂的巨系统,都具有决定其存在的关键性、高敏感性、高显示性因素或系统代表值;再散乱的海量数据,都或多或少包含反应评价目标的最主要的数据。与其他行业的大数据分析方法一样,指标简单还是复杂,采用什么计算方法,或多或少都存在偏误,但这并不影响评价指标体系有助于认知客观和科学决策的参考价值。

        按照科学合理、评价全面、立足长远、定性和定量相结合的原则构建的电网物资供应商综合评价指标体系,经过对现阶段电力行业内部的供应商相关数据信息进行研究分析后,通过整合ERP、ECP、物资调配平台、PMS系统数据等内部数据以及信用中国、工商注册等外部数据,建立健全供应商大数据集,采用主成分分析法和德尔菲法相结合,筛选出关键指标;然后采用AHP和熵值法相结合确定各指标的权重;最后采用正太分布5阶法、黄金比例分割3阶法等方法对各指标进行离散化分布。

        综合考虑电网物资自然属性、经济属性和电网物资采购的现实需要,从社会信用、资质能力、履约表现、运行绩效四个维度对供应商进行综合评价。兼顾通用性和专用性,设置通用指标(9个一级指标和27个二级指标)、设置专用指标(4~5个一级指标、13~23个二级指标),专用指标根据不同的物资类别(如变压器、避雷器等),各有差异。综合指标体系如图2所示。一方面,可以根据综合指标体系对供应商进行综合评价,评价结果直接用于招标采购环节,辅助招标进行客观、量化评审;另一方面,还可以截取部分指标如履约表现和运行绩效,形成供应商绩效评价指标体系,对供应商进行专业化的绩效评价,评价结果可以直接用于招标采购环节,凸显业主单位话语权,同时通过向供应商反馈供应商绩效评价结果,有助于督促供应商重视质量、注重服务,精准完善自身不足之处。

        此外,基于大数据构建供应商综合评价指标体系,亦实现了大数据的有效筛选,通过评价指标的设置,帮助我们在海量的数据源中完成了有效数据的识别与提取工作,对原始数据的利用率和利用水平较之前有了大幅度的进展。

        (二)基于电力大数据对供应商进行分类

        供应商分类是现代化供应商关系管理的先行环节,科学合理的供应商分类将大大促进供应商关系管理工作的精益化程度,降低采购成本和管理成本,优化资源配置,大力提升供应商关系管理的成效。在电力大数据环境下,由于数据收集的广度和深度进一步加强,供应商分类的精准度和科学性也随之加强。

        结合电力大数据现状,基于供应商的信用表现、资质能力和依存关系三个维度将供应商分为核心供应商(绿色)、风险供应商(灰色)、瓶颈供应商(蓝色)和预控供应商(黄色)四个类型,分类结果如图3所示,便于电网企业针对不同类型的供应商制定差异化管理策略,优化供应商关系管理资源配置。如下图35kV及以上输电线路导线供应商分类结果。

        (三)基于电力大数据对供应商进行相关性分析

        通过对某几年的年均中标金额和供应商某项数据指标综合实力评分的相关性进行分析,以确定数据指标的影响程度。如图4所示。可见,供应商的综合实力和年中标金额具有一定的正相关性,而且一元二次拟合结果优于一元一次拟合结果,整体实现对供应商的选优选强,但是采购策略仍然具有提升空间。基于电力大数据的相关性分析有助于为招标采购环节进一步优化采购策略提供决策参考。

        (四)基于电力大数据对供应商产品地域分布情况进行可视化展现

        结合供应商的地理位置信息,可对供应商的产品类别及数量分布情况和综合实力分布情况进行可视化地图展现。一方面为招标环节的标包划分原则提供参考,确保供货半径的合理性;另一方面,结合气象信息、地址灾害信息、突发事件等地理分布情况,提前设置风险预警,为供应链产能分配、供货计划制定等环节提供参考。

        (五)基于电力大数据对供应商进行指纹画像

        基于电力大数据对供应商进行指纹画像,可以最大程度抽象出供应商的信息全貌,帮助企业精准识别、精准选择、精准评价供应商,提升供应商关系管理精细化水平。图5展现了2个导线供应商和2个电能表供应商的指纹画像。其中,横轴代表指标名称、纵轴代表指标量化值,每一个供应商的信息对应一张指纹画像。由于供应商的信息各不相同,因而指纹画像是差异化的。对供应商指纹画像的评定,一方面可帮助评价者清晰地识别出供应商的优势和劣势,快速实现供应商行业内横向对比及自身纵向对比,另一方面也可通过记录图谱不同期的变化,精确地反映出企业的发展态势,提前预判并进行有效管理。

        (六)结合部分异常表征指标对供应商行为进行预测分析

        通过大数据研究分析,供应商部分关键指标具有较强的异常表征作用,如用电量指标,可以直接反应供应商的实际生产情况和生产规模,与供应商的主营业务收入具有较强的正相关性。通过横向比对相同类型的供应商的用电成本占主营业务收入的比重,纵向观测比重的变化情况,当某供应商的用电量成本比重发生剧烈变动时,特别是严重背离主营业务收入情况,可以在某种程度上反映出该供应商存在非正常行为,如分包或转包行为,电网企业可以将该供应商纳入重点风险监控对象。通过7家电表类供应商的用电成本比重变化情况(如图6所示),可以发现供应商S4存在潜在非正常行为。

        四、研究结论及建议

        本文对电力大数据在电网企业供应商关系管理领域的应用场景进行了研究和分析,研究成果在实践中进行了应用,取得了较好的成效,也为其他行业供应链管理领域的大数据应用和研究提供了思路。但是,在研究和实践过程中,也发现了一些问题,有待进一步研究和提升:

        1.数据质量较低,电网企业的数据在可获取的颗粒度、数据获取的及时性、完整性、一致性等方面存在不足,各专业之间存在较严重的数据壁垒,数据重复存储且不一致、不同系统之间数据难以对接。

        2.数据共享不畅,数据集成程度不够。电网企业实行专业管理、条块分割,造成了信息化系统和数据管理仅为满足各自专业的需求而开展,电力大数据的应用难以彻底脱离线下处理方式,数据利用效率不高。

        3.数据作为一种资产,产权属性不够清楚,数据产权的法律保护仍然存在空白,且数据一旦流出,其传播和使用将难以被控制,且数据资产的交易机制也有待完善。

        对于未来,在大数据的使用及建议上,将采用如下方式进行并预计实现如下结果。

        1.电力大数据的结构化设置及采集。通过规范化大数据采集设置方法,使得数据具有统一性及可读性,保证数据质量的准确性及可用性。

        2.电力大数据的智能化读取实现。在规范化数据的基础上,通过引入人工智能的模式,让数据被自动读取与评判,从而实现大数据的更高效运用。

        3.电力大数据的多维度融合。对于目前已实现的,基于电力大数据构建的评价体系、指纹画像、行为预测等,将在统一的维度或平台上加以集中,实现指标之间的互通性,从而更好地反映供应商的真实情况,使供应商关系管理在更加精确地程度上真正实现合理评价。

    • 0
    • 0
    • 0
    • 550
    • 请登录之后再进行评论

      登录
    • 做任务
    • 实时动态
    • 偏好设置
    • 单栏布局 侧栏位置: