基于数据挖掘技术的煤炭企业供应商管理系统的研究与设计＊

杜 楠 崔欢喜 李佳宝

（中国矿业大学 （北京）管理学院，北京市海淀区，100083）

物资采购业务是煤炭企业供应链中的重要环节，同时也是整个供应链的起点，煤炭企业如果改善与供应商的关系，将能够有效地减少物资和服务的成本。在当前严峻的煤炭市场形势下，仅仅通过加强内部管理和优化内部流程来达到降低综合成本和增强运营绩效的目的，已经难以使煤炭企业在竞争中处于不败之地，煤炭企业必须一改传统粗放式的供应商管理模式，采用精细化的管理手段，深化采供双方合作，建立供应商合作关系，从外部资源中获取竞争力。

随着煤炭企业信息化建设的不断深入，煤炭企业建立的物资管理系统中大多涉及对供应商的管理，但系统中使用的方法还是以传统静态方法为主，如专家评价、运筹学和统计学等方法，这些方法在对供应商分类、评价和选择时，由于没有综合考虑供应商在采购交易中的动态和历史行为，主观判断及人为因素较大，无法很好地优化煤炭企业与供应商关系以及深化采供双方合作，很难实现优化采购的目的。基于此，研究设计了基于数据挖掘技术的煤炭企业供应商管理系统。

1 数据挖掘技术

相比较于传统静态的分析方法，数据挖掘技术能够在没有先验知识的情况下，从大量数据中提取或挖掘知识，形成规则及模式，其特点是可快速处理大量数据，且算法具有学习性。供应商管理系统利用数据挖掘技术对煤炭企业现有各业务系统数据库中大量供应商相关数据进行提取、转换和分析，从中获取规则和模式，并应用于煤炭企业管理，辅助领导决策。本系统主要采用数据挖掘技术中的k-均值聚类算法及粗糙集理论，解决供应商动态分类和评价选择。数据挖掘技术与静态分析方法对比见表1。

表1 数据挖掘技术与静态分析方法对比

2 系统设计

2.1 系统架构

供应商管理系统以SRM 理论为指导思想，系统应当与煤炭企业发展战略相结合，对不同战略模式的供应商关系提供有针对性的管控支持，以避免一视同仁的管理对重要供应商积极性的打消。因此，针对SRM 中供应商分类和供应商评价选择等核心问题，系统相应地包含了基础信息、供应商分类和供应商评价选择等模块，同时建立了业务系统信息平台，用于提取煤炭企业现有的采购管理和财务管理等业务系统中供应商相关的动态数据，为供应商分类及评价选择提供数据挖掘方法所需要的供应商行为数据，以满足对供应商管理的动态性和实时性。基于数据挖掘技术的煤炭企业供应商管理系统构架如图1所示。

2.2 主要功能模块设计

2.2.1 基础信息

（1）供应商信息注册模块。该模块支持通过业务系统信息平台将煤炭企业现有供应商信息导入系统，同时提供开放式注册模式，借助Internet吸引国内外更多的优质供应商，增加煤炭企业可供选择合作的供应商范围。注册时，供应商需上传相关的资质文件和扫描图片作为供应商资质认证的依据。

图1 供应商管理系统架构

（2）供应商资质认证模块。管理人员根据供应商提供的各项主体资质证书原件，与系统中所录电子数据进行比对，进行信息一致性审核，尤其针对工商信息和账户信息的准确性以及资质证书的合法性、使用范围和有效期限等进行核对，准入符合要求的供应商。

2.2.2 供应商分类管理

对供应商进行动态分类是实现区别化管理的重要步骤，传统的供应商分类方法主要是以供应商的企业信誉、规模和财务情况等主观性指标和静态属性为依据进行评价。但在现实情况中，供应商交易行为往往与这些静态信息没有必然的联系，采供双方形成的合作关系及相互的重要性也没有被充分考虑，因此依据静态信息无法有效地对供应商进行合理的分类。因此，供应商分类管理主要包括以下功能模块：

（1）分类指标选择模块。该模块除支持将静态的主观性指标和静态信息作为分类指标外，还允许选取由业务系统信息平台提供的如质量 （验收合格率、使用情况等）、可靠性 （交付数量偏差、交付周期等）和价格 （折扣率、价格稳定性等）等供应商动态行为数据作为分类指标。同时，该模块允许根据煤炭企业采购战略，自由组合分类指标建立分类模板，以便进行有侧重的动态分类。

（2）供应商动态分类模块。由于煤炭企业供应商数量众多，当分类指标包含供应商动态行为数据时，就形成了一个高维数据空间，因此该模块采用数据挖掘技术中k-均值子空间聚类算法对供应商进行分类，该算法可以快速处理海量高维数值型数据。该模块支持用户选择之前定义的不同分类模板，对供应商进行不同侧重点的分类，用户选定分类模板后，根据实际采购战略需要输入分类数后，即可完成供应商的分类。

2.2.3 供应商评价选择

煤炭企业传统采购策略是通过多个供应商间竞争压低采购价格，采供双方关系较紧张。而现代供应商管理注重采供双方建立稳定的合作关系，通过与少数供应商建立合作伙伴关系，降低双方成本，实现双赢。然而，将采购集中于少数供应商的风险也随之而来，因此企业需要按照自身发展战略对不同合作关系类型的供应商选择相应的评价策略，通过科学和客观的方法对供应商进行评价选择，优胜劣汰，降低风险。因此，供应商评价选择主要包括以下功能模块：

（1）评价指标选择模块。该模块支持根据企业战略对不同合作类型的供应商建立相应的评价指标模板，以实现有针对性的供应商管控策略，系统依据关 键 绩 效 指 标 （Key Performance Indicators，KPI）思想建立了一套预制评价指标模板，用户可对此模板进行修改以适合煤炭企业自身需求。与分类指标选择类似，用户可选取由业务系统信息平台提供的动态行为数据作为评价指标。

（2）专家法评价指标权重设置模块。在实际商业决策中，考虑到采供战略和市场环境的不断调整变化，仅仅通过供应商行为历史数据对其进行评价无法体现管理的动态性。因此，为了更好地预防供应风险，系统也应该考虑体现采购战略和领导者偏好的主观权重设置。该模块支持煤炭企业根据专家和领导的意见，对评价指标模板中的各项指标自行设置权重。

（3）粗糙集评价指标权重设置模块。该模块采用数据挖掘技术中的粗糙集理论作为系统算法，用户选择预选保存的评价指标模板，系统利用业务信息平台提取其他相关业务系统中的指标数据，形成供应商绩效原始表，根据粗糙集理论形成决策矩阵，并利用可辨识矩阵简约评价指标并计算各指标权重。相比较于专家法，系统根据粗糙集自动计算的指标权重更具客观性。

（4）供应商综合评价选择模块。当管理人员需对某合作类型的供应商进行评价选择时，首先选取该合作类型评价指标模板，系统利用业务信息平台提取其他相关业务系统中的指标数据，结合指标权重计算该类供应商的综合得分，并得到综合排名。

2.2.4 业务系统信息平台

业务系统信息平台采用Web服务技术，为供应商管理系统提供分类和评价选择所需的供应商动态行为数据，同时也可为煤炭企业原有采供等系统提供供应商管理相关数据，从而辅助商业决策。业务系统信息平台设计示意图如图2所示。

图2 业务系统信息平台设计示意图

3 技术实现

供应商管理系统实现的重点和难点在于应用适当的数据挖掘方法正确地对供应商分类及评价选择，并建立业务系统信息平台使企业信息流畅通。本文以山西焦煤汾西矿业 （集团）有限责任公司供应商协同平台中供应商管理系统为例，对系统中主要功能环节进行初步探索，给出相关实现方法。

3.1 技术架构实现

应用层系统采用B／S 三层构架，基于Microsoft.Net Framework 4 框 架 开 发，界 面 采 用Silverlight5.0技术，应用服务器和数据服务器采用Windows Server 2008 操 作 系 统，数 据 库 采 用SQL Server 2008。

3.2 业务系统信息平台实现

供应商管理系统中业务系统信息平台采用Web Service技术开发。Web 服务核心技术包括XML （可扩展标记语言）、SOAP （简单对象访问协议）、WSDL （Web 服务描述语言）和HTTP等。由于Web服务使用标准的XML，使得平台、编程语言和发布者之间可以相互独立，因此Web服务支持在不同平台和使用不同编程语言的程序基于标准的方式互相通信。SOAP 提供了远程过程调用方法 （Remote Procedure Call，RPC）来调用Web服务，并在应用程序和Web服务之间传送命令、参数和XML 文档。SOAP 远程过程调用方法工作流程图如图3所示。

图3 SOAP 远程过程调用方法工作流程示意图

3.3 k-均值供应商动态分类实现

MATLAB的最新版MATLAB 2014a中已提供了k-均值聚类算法的Kmeans函数，供应商管理系统通过COM 组件的形式实现MATLAB 与.NET 的混合编程，以实现系统对k-均值聚类函数的调用。

首先在供应商管理系统应用服务器中安装MATLAB 提 供 的 MCR （MATLAB Compiler Runtime），当MATLAB 编译器运行时，MCR 中MWArray.dll的API 可实现供应商管理程序与MCR之间数据交换。然后通过MATLAB将Kmeans函数的M 文件打包为.NET 兼容的COM组件Kmeans.dll，其原理是通过将Kmeans函数作为.NET 某个类中的方法，利用对类的操作实现对k-均值聚类函数的调用。最后在.Net开发环境中，添加对MWArray.dll和Kmeans.dll的引用以及需要的命名空间，即可实现对k-均值聚类函数的调用。

3.4 供应商评价选择实现

粗糙集 （Rough Set，RS）理论是一种处理模糊性和不确定性的新型数学工具，粗糙集能有效地处理不精确、不一致和不完整的信息，并从中发现隐含的知识，揭示潜在的规律。供应商管理系统中主要应用粗糙集理论简约评价指标并计算指标的重要性，具体算法见以下9个步骤：

（1）输入粗糙集决策系统S= （U，A，V，f），其中U= ｛x1，x2，…，xn｝代表供应商集合，xi代表供应商；A= ｛a1，a2，…，am｝代表属性集合，ai代表评价指标属性及历史评价属性，A 由供应商评价指标属性集合C 及历史评价属性集合D 组成，即A=C∪D，C∩D=∅；V=｛Va1，Va2，…，Vam｝代表属性值集合，其中ai∈A ，Vai是ai值域；f （xi，a）是一个信息函数，它指定U 中供应商xi在a 上的属性值，即f：U×A→V。

（2）由于各指标数据的量纲不同，为了消除量纲对指标的影响并简化计算，利用式 （1）对指标值进行归一化处理，使其规格在 ［0，1］范围内：

式中：ai——数据归一化处理前的值；

a＊i——数据归一化处理后的值；

max （ai）——属性a中的最大值；

min （ai）——属性a中的最小值。

（3）采用距离划分方法，对指标值进行离散化处理。

（4）按式 （2）建立决策系统S 的区分矩阵M，其中M 是一个n×n的对称矩阵：

式中：Mij——区分矩阵M 中第i行第j 列元素；

C——供应商评价指标属性集合；

a——评价指标；

f （xi，a）——供应商xi在评价指标属性a上的属性值；

f （xj，a）——供应商xj在评价指标属性a上的属性值；

D （xi）——应商xi历史评价属性值；

D （xj）——应商xj历史评价属性值。

（5）将所有指标组合表示为析取范式的形式，即F=∧ ｛∨Mij│1 ≤j＜i≤n，Mij≠∅｝。

（6）将F 转化为析取范式 的形式，得到简约结果，并按照公式 （3）计算指标的重要性：

式中：Mij——区分矩阵M 中第i行第j 列元素；

I （ak）——指标ak的重要性；

（7）利用公式 （4）计算评价指标的权重：

式中：ω （ak）——指标ak的权重；

I （ai）——指标ai的重要性，i=1～n；

I （ak）——指标ak的重要性。

（8）通过公式 （5）得出供应商综合评价：

（9）输出简约后指标、权重及供应商综合评价结果。

4 结语

基于数据挖掘技术的供应商管理系统延伸了煤炭企业物资管理的触角，实现了供应商管理内容的进一步的扩展和深化，利用k-均值聚类算法和粗糙集理论对供应商进行跟踪管理，可以有效解决煤炭企业传统粗放式供应商管理模式的效率低下和无法深化采供关系等问题，对改善煤炭企业与供应商的关系、降低煤炭企业供应链和采购成本以及提升煤炭企业绩效等方面都具有十分重要的意义。

［1］ 于昕.基于数据挖掘的供应商关系管理方法研究［D］.北京：北京科技大学，2008

［2］ 崔超，丁雷.煤炭企业供应商协同管理信息平台研究 ［J］.中国煤炭，2013 （6）

［3］ 谭章禄，刘浩.基于物联网的煤炭企业物资供应管理平台研究与设计 ［J］.中国煤炭，2013 （1）

［4］ 闻敬谦，李青.企业供应链中供应商管理系统研究与实现 ［J］.计算机工程与应用，2004 （8）

［5］ 詹丽红.基于.Web Service的数据库同步系统的设计与实现 ［J］.网络安全技术与应用，2014 （3）

［6］ 吴自强.基于k-均值聚簇法的第三方物流供应商的选择 ［J］.统计与决策，2013 （12）