基于决策树算法的协议库存采购策略研究

文_国网江西省电力有限公司 彭汐单 罗华清 袁宏波 国网江西省电力有限公司信息通信分公司 杨济海

近年来国网公司不断创新采购方式，针对物资特性运用批次采购、协议库存及电商化采购等多种采购方式，持续提升采购效率、降低采购成本，进一步促进了公司效益效率提升，本文通过对协议库存物资特性进行刻画分析，提出了协议库存物料特征判别规则，验证得出适合协议库存方式采购的非协议库存物料清单，为公司进一步扩充协议库存采购目录范围提供参考。

协议库存特征分析

协议库存是指对一定时期内采购需求进行预测，通过招标或非招标方式确定协议供应商、采购数量和采购金额，根据实际需求，平衡利库后以供货单方式分批或分期要求协议供应商在规定时间提供相应数量的产品，并据此向协议供应商分批或分期结算货款。协议库存实施范围主要包括需求频度高、响应时间短、技术标准统一、年度需求数量较大且在两级集中采购目录范围以外的物资。下面从需求频度、响应时间、物资技术标准统一程度、年均需求数量、需求稳定性方面对物料进行特征刻画，生成物料的特征形式，并综合特征维度，采用C50决策树构建模型，生成采用协议库存的物料特征判别规则，进而根据协议库存判别规则，推荐适合协议库存方式采购的物料。协议库存分类模型图如图1所示。

业务特征及数据刻画

根据业务规范提炼出协议库存物料的业务特征主要包括：需求频度高、响应时间短、技术标准统一、年度需求大且稳定。根据业务特征，进一步选取一系列数据特征，并进行数据探索，逐一验证所有数据特征是否能有效区分协议库存和非协议库存。经过筛选，最终选取9个数据特征作为协议库存和非协议库存模型输入参数。甄选方式及结果见下表。

表1 业务特征及数据刻画表

模型输出及验证

（1 1）模型输出

利用上一步骤预选的数据特征，通过C50算法生成的分类决策树如下图所示。

图2 分类决策树（矢量图，可放大显示比例）

（2 2）模型验证

为保证模型具有良好的适应性和泛化能力，选用20%的样本数据作为测试集，80%的样本数据作为训练集，测试集与训练集正负样本比例一致。通过测试集数据测试和可视化工具图形展示来验证模型准确性和泛化能力。首先将剩下的20%测试集数据利用SPSS软件进行模型分析，结果如下图。

图3 模型预测准确率

从上图中可以看出，模型对测试集数据的识别准确性为79.31%，说明模型具备一定的识别准确度；同时和训练集的准确率（78.79%）基本一致，说明模型具有良好的泛化能力。

进一步通过Echart.js多维数据可视化工具，验证模型有效性，结果如下。

图4 协议和非协议库存采购的物料特征曲线图

图4中曲线由每个物料的参数值组成，曲线颜色越接近红色，示模型识别其更符合协议库存特征，曲线越接近蓝色表示模型识别其更符合非协议库存特征。

从图中可以看出，非协议库存物料曲线主要由蓝色组成，包含少量黄色和红色，说明模型对于协议库存和非协议库存物料具有较好的识别能力。

从单一参数角度上看，可以发现红色曲线集中在订单申请不同月份数量较大、供应商个数较多、采购订单数量较多、订单申请时间间隔最大月数较小的区域。与协议库存识别规则订单申请不同月份数量大于5、供应商个数大于9、采购订单数量大于45一致，说明模型具有较好的识别能力。

结果输出与应用

上一步建立的最优决策树对物料进行分类，输出结果分成两部分：一是输出协议库存的分类特征，分类特征给出分类的特征以及相关的量化值，结合业务特征，可以量化协议库存的描述，从而可扩大协议库存的筛选范围，推广协议库存的应用；二是输出符合协议库存特征的非协议库存物料清单，作为备选的协议库存物料目标。

对比协议库存与非协议库存的特征规则，协议库存在特征上：lifnrcounts（供应商个数）、ordercounts（采购订单数量）及months（申请的月份数量）较大，PRICE（平均单价）则相对较小；在CV_MENGE（物料采购数量变异系数）＜=1.320相对稳定的情况下，AVG_MENGE较大；由变量重要度排名可以看出，协议库存的供应商个数、采购订单数量、年均物料采购数量、申请的月份数等变量的重要度较高，这些业务特征总体上与协议库存的技术标准统一、年均需求量稳定、频率高等业务属性一致，说明规则是符合实际情况的，具有实践意义。

根据决策树以及量化规则，可以判别出符合协议库存特征的未使用协议库存采购的物料，可对这些物料进行进一步筛选，尝试采用协议库存的采购方式。

从近年来公司物资供应周期趋势情况来看，公司整体物资供应周期趋势向好，但仍有少部分物资供应周期恶化，可通过改变该类物资采购策略的方式改善其供应周期。通过协议库存模型验证并筛选发现非协议库存物料中有20个物料符合协议库存采购特性，公司可结合实际情况优先将该部分物料纳入协议库存采购目录，进一步充实协议库存采购物料清单，从而缩短物资采购周期，提高集中招标采购的效率效益。