基于主成分聚类分析的战备物资生产能力储备企业选择

李绍斌，杨西龙，王 丰，甘 明

(后勤工程学院 后勤信息与军事物流工程系，重庆 401311)



● 军事物流 Military Logistics

基于主成分聚类分析的战备物资生产能力储备企业选择

李绍斌，杨西龙，王 丰，甘 明

(后勤工程学院 后勤信息与军事物流工程系，重庆 401311)

为科学合理地选择战备物资生产能力储备企业，将主成分分析法和聚类分析法相结合，提出一种基于主成分聚类分析的战备物资生产能力储备企业选择的方法。系统考虑各类影响企业选择和评价的因素，构建战备物资生产能力储备企业选择的指标体系，运用主成分分析法对企业的指标数据进行简化处理，使用SPSS软件中的系统聚类法对其进行聚类分析，最终给出各企业的归类排序结果。案例分析表明，该方法对于战备物资生产能力储备企业选择具有参考价值。

战备物资；生产能力储备；主成分分析；聚类分析

随着现代化战争对后勤保障依赖的不断增强，未来我军后勤保障任务将越来越艰巨。战备物资储备作为军队后勤的重要组成部分，是为保障部队及时应对战争和突发事件的需要而预先进行的物资储备[1]。战备物资储备的合理与否将直接影响前线部队战斗力的持续生成，关系着战争的主动权甚至战争的胜负。面对前线巨大的物资消耗，不能仅仅依靠部队后勤承担战备物资所有的筹措储备，应积极探索军民融合式战备物资储备模式，才能更好地完成未来信息化战争保障任务。生产能力储备作为战备物资储备的一种重要方式，是军队根据战略方向的力量部署及战备物资消耗的实际情况，通过企业建造并维持一定的富余生产能力或直接与具有一定富余生产能力的企业签订协议，确保在战争爆发时能够根据实际需要，在短时间内快速转变生产模式，在最短的时间内生产出满足战争需求的战备物资[2]。

战备物资生产能力储备方式的核心问题是企业的选择，战备物资生产能力储备企业通常需要符合一定的条件。例如，具有一定的生产规模、产品质量可靠、信誉度高、企业业绩较好、经营管理能力强、社会责任感强、交通位置便利和一定的库存能力等，战备物资生产能力储备企业选择是一个复杂的多属性优化决策问题。因此，在应对未来信息化战争的挑战中，战备物资生产能力储备是满足突发战事需求的基本保障，而战备物资生产能力储备企业的选择则是该问题的核心内容。科学合理地选择战备物资生产能力储备企业对军队后勤具有重大的战略意义。现有相关文献表明，目前我军对战备物资储备的研究不够深入，主要集中在以实物储备为主的储备点优化[3-5]、物资储备量决策[6-7]等方面，对战备物资生产能力储备相关研究还十分薄弱。

本文基于主成分聚类分析方法的基本原理，同时根据战时对战备物资的需求特征，综合考虑各类影响企业选择和评价因素，提出战备物资生产能力储备企业选择的指标体系。以战备物资中的卫生装备生产企业选择为例，采用主成分分析法对企业的指标数据进行降维处理，再依靠SPSS软件中的系统聚类法对其进行聚类分析，最终完成对战备物资生产能力储备企业的选择。

1 主成分聚类分析的基本方法

1.1 主成分分析法

在数据信息处理过程中，经常会遇到变量之间信息高度重叠和相关的情况，这对变量的统计分析造成较大干扰。为此，最简单直接的办法是减少变量的个数，但这将导致部分信息丢失或信息不完整等问题。主成分分析法[8]是一种能够以最少的信息丢失为前提，同时有效降低变量维数的分析方法。该方法是利用数学上对数据降维的思想，将原有众多的具有一定相关性的指标，重新整合成一组数量较少且互不相关的综合指标(即主成分)，其中每个主成分都是原始指标的线性组合，各主成分之间互不相关，而且这些主成分能够反映原始指标的绝大部分信息，且所含的信息互不重叠，这就使得复杂问题得以简化。

(1)计算相关系数矩阵。

(1)

式中rij(i，j=1，2，…，p)为原变量xi与xj的相关系数。rij=rji，其计算公式为

(2)

(2)计算特征值与特征向量。

相关系数矩阵R的特征方程为|λI-R|=0，用雅克比法求出特征值，并按大小顺序排列λ1≥λ2≥…≥λp≥0。分别求出对应特征值λi的特征向量ai=(ai1,ai2,…，aip)，要求‖ai‖=1。

(3)计算主成分贡献率及累计贡献率。

根据主成分个数选取的原则，一般取特征值大于1或累计贡献率达85%～95%的特征值。

(4)计算主成分载荷。

(3)

(5)各主成分得分。

(4)

1.2 聚类分析法

聚类分析法是一种在数值统计分析领域中应用广泛的多元统计分析方法，它能够将一批样本变量在不知道类型的个数或对于各种类型的结构未作任何假设情况下自动进行分类，分类结果中每一类代表着具有相似性的集合，不同类之间具有明显的非相似性。分类过程中，不需要事先确定分类的标准，聚类分析能够从样本变量出发，客观地决定分类标准。聚类分析研究发展至今，按照聚类原理的不同，可分为系统聚类法、K-means聚类法、动态聚类法等，其中系统聚类法是聚类分析法中应用最为广泛的一种。其基本思想是：首先将n个样本变量各自看成一类，计算各样本之间的距离以及类与类之间的距离；其次选择其中距离最小的一对组合成一个新类，同理重新计算新类和其他类之间的距离；最后将距离最小的两类合并，以此类推直至所有样本合并成为一类为止。

1.3 主成分聚类分析的步骤

综上所述，将主成分分析法与聚类分析法相结合，提出主成分聚类分析法，其具体的操作步骤为：①企业选择指标体系的确定及相关指标数据的收集；②将收集的指标数据进行归一化处理；③对归一化后的指标数据进行主成分分析，依据累计贡献率确定前r个主成分，并计算各主成分的得分；④对主成分分析后得到的新数据阵指标进行聚类分析，确定样本的类别归属及其综合评价。

主成分聚类分析将结合主成分分析与系统聚类分析两种方法的优势，对初始样本数据进行主成分分析，可提取出决定样本特性的主成分，实现初始数据的简化，减少初始数据的冗余。以主成分分析的结果作为系统聚类分析的样本数据，对其进行探索性的分析，可不必事先确定分类的标准，借助SPSS软件，自动完成对样本数据分类，可大大减少人为主观因素对分类评价结果的影响，计算过程简单，所得结论客观合理。

2 案例分析

2.1 企业选择指标体系的建立

本文以战备物资中卫生装备的生产能力储备为例，根据战时部队对战备物资的需求特征，综合考虑各类影响企业选择和评价的因素，在向有关专家反复咨询及论证后，提出了战备物资中卫生装备生产能力储备企业选择的指标体系。

(1)地理位置x1。以企业所处的地理位置对战备物资保障产生影响的重要程度作为评分依据：地处沿海、沿边城市，靠近边防、海防地区的企业，将其得分设置为5分，如厦门、尹宁、拉萨、北海等；位于我国边海防线纵深地区的(如500 km以内)，其得分为4分，如西宁、兰州、长春等；位于我国重要交通枢纽地区的，其得分为3分，如郑州、武汉、成都、西安等；位于我国内陆地区的，如贵阳、太原等，其得分设置为2分；位于我国其他地区的，其得分为1分。

(2)注册资金x2。企业注册资金作为评估企业规模的重要指标，也是影响企业生产能力储备的重要因素。

(3)企业资质x3。战备物资生产能力储备的企业由于涉及军队战时物资装备的保障，所以对于其资质也应设定一定的门槛。国家保密、ISO、军队生产资格中有2个或以上的得5分；拥有其中一个资质的设置4分；其他资质得3分。

(4)近3年加权平均资产总额x4。企业近3年加权平均资产总额反映出企业的发展规模，这将为战备物资生产能力储备企业选择提供一定的参考。

(5)经营性质x5。企业经营性质主要分为国资、外资、合资、私企，战备物资生产涉及国家军队的秘密，因此将国资企业设置为5分，合资或私企为3分，外资企业通常不考虑。

(6)近3年加权平均销售总额x6。企业近3年的加权平均销售总额反映的是企业近些年的业绩情况，一般在选择战备物资生产能力储备企业时，优先考虑良好业绩的企业。

(7)近3年平均资产负债率x7。企业近3年的平均资产负债率反映的是企业近些年的诚信记录情况，负债率越高表示诚信度越差；反之，则诚信度越高。

为验证企业选择指标体系的科学性以及企业选择方法的有效性，本文从军队某采购局的数据库中收集了部分卫生装备生产企业的相关信息，以字母代表各企业的具体名称(见表1)。

2.2 主成分分析

对13个企业的指标数据进行主成分分析，借助SPSS22统计分析软件，分析各个指标间的相互关系，将存在明显线性相关的指标与没有明显分异的指标剔除，进而确定主成分指标。为减少企业评价指标数量的同时又不损失太多的信息，根据主成分个数选取的原则，选取累计贡献率为85%以上的指标[9]，共提取出了3个主成分。具体的运行结果见表2。

由表2可知，指标1、指标2与指标3的累计贡献率达到88%，达到主成分选取的要求，将7个初始指标降为3个主成分指标，即地理位置主成分、注册资金主成分与企业资质主成分。同时3个主成分指标的特征值分别为：λ1=3．673，λ2=1．554，λ3=0．945。由式(3)可知，主成分系数等于各自主成分载荷向量除以各自主成分特征值的算术平方根，将数据代入式(3)得企业评价指标的主成分系数(见表3)。

由表3可知：x2、x4、x6在第一主成分上的载荷较大；x3与x7在第二主成分上的载荷较大；x1与x5在第三主成分上的载荷较大。将表中主成分系数与标准化后的数据{ZXi}相乘，得到主成分表达式：

F1=-0．292ZX1+0．474ZX2+…+0．335ZX7

F2=-0．298ZX1-0．323ZX2+…+0．428ZX7

F3=0．669ZX1+0．051ZX2+…+0．114ZX7

采用加权综合评价方式分别对各企业的主成分得分进行计算，具体计算公式如下，权重值为各信息量的比重[10]。各企业的主成分得分见表4。

表1 各企业指标信息

表2 企业评价指标的解释总方差

表3 企业评价指标的主成分系数

表4 各企业主成分得分

2.3 新指标聚类分析

以筛选得到的各企业主成分得分F为分析对象，通过SPSS软件中的系统聚类法对其进行聚类分析，得到各企业的聚类树状图(如图1所示)。

图1 新评价指标的聚类图

根据聚类分析结果，对战备物资生产能力储备的协议企业实施如下分类：

(1)B企业为第一类，属于核心企业。其综合评价值最高，在生产能力、生产规模、企业信誉等等指标上都达到了较优，能够最大程度地保证战备物资的应急生产，战备物资主管部门在选择生产能力储备企业时应优先选择该类企业。

(2)企业A、D、E、F、G、H、J、K、L、M为第二类，属于备选企业。对于生产要求一般的战备物资，可考虑选择与该类企业签订协议，同时在核心企业完成不了战备物资生产任务的情况下，备选企业可作为核心企业的补充进行战备物资生产。

(3)企业C、I为第三类，属于外围企业。由于其综合评价值低，一般情况下不选择与其签订生产协议，可以对其进行动态化管理跟踪，定期考察其生产能力、负债率、生产规模等指标，条件合格时可考虑升级为备选企业。

3 结 语

本文选取7个指标用以评价战备物资生产能

力储备企业，以实际医疗装备生产能力储备企业为分析对象，运用主成分分析法，完成对评价指标的简化，再对主成分分析所得的结果进行聚类分析，得到最终的企业分类评价结果。案例分析结果验证了评价方法的有效性，可以为战备物资主管部门科学合理地选择战备物资生产能力储备企业提供一定的参考。然而，战备物资生产能力储备通常涉及企业选择、物资储备结构、奖惩机制制订等，是一个系统复杂的问题。为了能够丰富完善战备物资的储备，提高战备物资生产能力储备的质量和效益，在下一步的工作中还需要对战备物资生产能力储备的奖惩机制进行深入研究。

[1] 陈学军,王丰,张连武，等.战储管理学[M].北京：中国财富出版社，2013:2-4.

[2] 黄鹏程, 郭倩博, 张巍. 基于 SWOT 的战备物资生产能力储备策略研究[J].物流技术,2015,34(6):130-132.

[3] 姚学宾,王丰.基于 Voronoi 图的战备物资储备区域划分[J].四川兵工学报, 2014,35(7):43-46.

[4] 张地,刘士通,卢海容,等.军队战备物资储备库选址研究[J].军事交通学院学报,2014,16(8): 69-72.

[5] 郭继坤,穆祥静.应急物资储备点选址问题研究[J].军事运筹与系统工程,2015,29(4):46-50.

[6] 王海兰,赵道致.救灾维稳通用战备物资军地联储结构数量研究[J].西北工业大学学报(社会科学版),2014,34(1):44-47.

[7] 黄永平,尚振锋,朱焕勤.军事斗争物资储备规模的动力学仿真[J].军事运筹与系统工程,2004(2):36-38.

[8] 朱星宇,陈勇强.SPSS 多元统计分析方法及应用[M].北京：清华大学出版社,2011：241.

[9] 余锦华,杨维权.多元统计分析与应用[M].广州：中山大学出版社, 2006：169-177.

[10] 胡新涛,张作刚,刘望.主成分聚类分析在战储器材轮换中的应用[J].计算机与现代化,2013(12):226-229.

(编辑：史海英)

Selection of War Readiness Materials Production Capacity Reserve Company Based on Principal Component Cluster Analysis

LI Shaobin, YANG Xilong, WANG Feng, GAN Ming

(Department of Logistics Information & Military Logistics Engineering, Logistical Engineering University, Chongqing 401311, China)

To select war readiness materials production capacity reserve company scientifically and rationally, the paper proposes a method based on principal component cluster analysis by combining principal component analysis with clustering analysis method. Firstly, it considers factors influencing company selection and evaluation systematically and establishes index system for company selection, and simplifies the index data with principal component analysis method. Then, it conducts cluster analysis on the data with system clustering method in SPSS software, and obtains the classification and sorting results of each company. The example indicates that the proposed method has reference for selecting war readiness materials production capacity reserve company.

war readiness materials; production capacity reserve; principal component analysis; clustering analysis

2016-07-11；

2016-09-02．

李绍斌(1992—)，男，硕士研究生； 杨西龙(1964—)，男，教授，硕士研究生导师．

10．16807/j.cnki.12-1372/e.2017.03.015

E233

A

1674-2192(2017)03- 0061- 05