本發(fā)明涉及數(shù)據(jù)處理，具體涉及一種基于大數(shù)據(jù)的供應(yīng)商供應(yīng)數(shù)據(jù)模型構(gòu)建方法及系統(tǒng)。

背景技術(shù)：

1、基于大數(shù)據(jù)的供應(yīng)商供應(yīng)數(shù)據(jù)模型構(gòu)建指的是通過(guò)運(yùn)用大數(shù)據(jù)技術(shù)，收集、整理和分析供應(yīng)商的相關(guān)數(shù)據(jù)，從而建立一個(gè)全面、動(dòng)態(tài)的模型，幫助企業(yè)了解供應(yīng)鏈中的各類供應(yīng)商及其供應(yīng)能力。在這個(gè)模型中，企業(yè)可以評(píng)估不同供應(yīng)商的供貨及時(shí)性、質(zhì)量穩(wěn)定性、成本效益等關(guān)鍵指標(biāo)，甚至預(yù)測(cè)未來(lái)的供應(yīng)風(fēng)險(xiǎn)或機(jī)會(huì)。這種基于大數(shù)據(jù)技術(shù)的模型不僅能夠幫助企業(yè)優(yōu)化供應(yīng)商管理和選擇，還能為供應(yīng)鏈的長(zhǎng)期戰(zhàn)略規(guī)劃提供數(shù)據(jù)支持，提高供應(yīng)鏈的整體效率與抗風(fēng)險(xiǎn)能力。但是，供應(yīng)鏈?zhǔn)且粋€(gè)高度動(dòng)態(tài)的系統(tǒng)，受到多種因素的影響。如果模型沒(méi)有及時(shí)更新，實(shí)時(shí)反映這些變化，可能導(dǎo)致預(yù)測(cè)失準(zhǔn)。同時(shí)，如果模型不能根據(jù)最新信息更新，企業(yè)可能無(wú)法及時(shí)識(shí)別高風(fēng)險(xiǎn)供應(yīng)商，導(dǎo)致供應(yīng)鏈風(fēng)險(xiǎn)管理體系失效。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種基于大數(shù)據(jù)的供應(yīng)商供應(yīng)數(shù)據(jù)模型構(gòu)建方法及系統(tǒng)，以解決背景技術(shù)中不足。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于大數(shù)據(jù)的供應(yīng)商供應(yīng)數(shù)據(jù)模型構(gòu)建方法，包括以下步驟：

3、s1：從若干來(lái)源實(shí)時(shí)獲取與供應(yīng)商相關(guān)的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，并對(duì)收集到的數(shù)據(jù)清理和整合后，將數(shù)據(jù)分為訓(xùn)練集和測(cè)試集；

4、s2：對(duì)訓(xùn)練集中的數(shù)據(jù)進(jìn)行分類，將其劃分為常見參數(shù)和非常見參數(shù)，對(duì)非常見參數(shù)的值進(jìn)行調(diào)整，判斷其對(duì)模型輸出的波動(dòng)幅度，評(píng)估不常見參數(shù)對(duì)模型預(yù)測(cè)結(jié)果的影響程度；

5、s3：利用滑動(dòng)窗口機(jī)制，定期更新模型的預(yù)測(cè)結(jié)果，判斷非常見參數(shù)對(duì)供應(yīng)商表現(xiàn)的影響隨時(shí)間的變化趨勢(shì)，評(píng)估模型跟蹤動(dòng)態(tài)的準(zhǔn)確性；

6、s4：將不常見參數(shù)對(duì)模型預(yù)測(cè)結(jié)果的影響程度和模型跟蹤動(dòng)態(tài)的準(zhǔn)確性進(jìn)行綜合分析，評(píng)估模型預(yù)測(cè)結(jié)果的時(shí)效性；

7、s5：根據(jù)評(píng)估結(jié)果，將模型預(yù)測(cè)結(jié)果的時(shí)效性劃分為高時(shí)效預(yù)測(cè)結(jié)果，中時(shí)效預(yù)測(cè)結(jié)果和低時(shí)效預(yù)測(cè)結(jié)果，并對(duì)模型進(jìn)行相應(yīng)的調(diào)整；

8、s6：對(duì)于中時(shí)效預(yù)測(cè)結(jié)果，對(duì)固定時(shí)間段內(nèi)模型預(yù)測(cè)結(jié)果的時(shí)效性進(jìn)行進(jìn)一步的分析，根據(jù)分析結(jié)果對(duì)模型進(jìn)行持續(xù)優(yōu)化。

9、優(yōu)選的，s2中，判斷非常見參數(shù)對(duì)模型輸出的波動(dòng)幅度后生成非常見干擾指數(shù)，評(píng)估不常見參數(shù)對(duì)模型預(yù)測(cè)結(jié)果的影響程度，則非常見干擾指數(shù)的獲取方法為：

10、確定模型中的非常見參數(shù)，并對(duì)其進(jìn)行編號(hào)，將供應(yīng)鏈模型中市場(chǎng)波動(dòng)指數(shù)標(biāo)記為x1、供應(yīng)商財(cái)務(wù)健康狀況標(biāo)記為x2，并構(gòu)建非常見參數(shù)的數(shù)據(jù)集合{x1,x2,...,xi,...,xn}；對(duì)每個(gè)非常見參數(shù)xi，計(jì)算其在不同特征子集中的邊際貢獻(xiàn)，對(duì)于不同特征子集s，f(s)為模型僅使用特征子集s的預(yù)測(cè)結(jié)果，f(s∪{xi})為模型使用s和xi特征的預(yù)測(cè)結(jié)果，計(jì)算這兩種情況下的預(yù)測(cè)值差異f(s∪{xi})-f(s)，即參數(shù)xi在此子集中的邊際貢獻(xiàn)，通過(guò)將所有子集s的邊際貢獻(xiàn)加權(quán)，計(jì)算出每個(gè)非常見參數(shù)xi的非常見干擾指數(shù)，計(jì)算公式為：n為模型中不常見參數(shù)的總數(shù)，kn為非常見干擾指數(shù)。

11、優(yōu)選的，s3中，根據(jù)非常見參數(shù)對(duì)供應(yīng)商表現(xiàn)的影響隨時(shí)間的變化趨勢(shì)生成物流成本波動(dòng)指數(shù)，評(píng)估模型跟蹤動(dòng)態(tài)的準(zhǔn)確性，則物流成本波動(dòng)指數(shù)的獲取方法為：

12、設(shè)定滑動(dòng)窗口的大小w，在每個(gè)時(shí)間窗口t，計(jì)算總物流成本的平均值，表達(dá)式為：nt表示在時(shí)間窗口t中的數(shù)據(jù)條目數(shù)量，lct表示時(shí)間窗口t中的平均物流成本，tci指供應(yīng)商為交付產(chǎn)品到達(dá)客戶指定地點(diǎn)所支付的運(yùn)輸費(fèi)用，fpi為油價(jià)成本，wci為供應(yīng)商在交貨過(guò)程中的倉(cāng)儲(chǔ)費(fèi)用，tcotheri為進(jìn)口/出口時(shí)需要支付的費(fèi)用；計(jì)算每個(gè)窗口內(nèi)物流成本與前一窗口的變化值，即計(jì)算物流成本波動(dòng)率，計(jì)算公式為：lcvit是物流成本波動(dòng)率，lct-1是t-1時(shí)間窗口的物流成本，對(duì)總時(shí)間窗口w內(nèi)生成的所有物流成本波動(dòng)率進(jìn)行加權(quán)平均求和計(jì)算后得到物流成本波動(dòng)指數(shù)。

13、優(yōu)選的，s4中，將不常見參數(shù)對(duì)模型預(yù)測(cè)結(jié)果的影響程度和模型跟蹤動(dòng)態(tài)的準(zhǔn)確性進(jìn)行綜合分析，評(píng)估模型預(yù)測(cè)結(jié)果的時(shí)效性；

14、將非常見干擾指數(shù)以及物流成本波動(dòng)指數(shù)進(jìn)行歸一化處理，通過(guò)歸一化處理后的非常見干擾指數(shù)以及物流成本波動(dòng)指數(shù)計(jì)算模型預(yù)測(cè)結(jié)果的時(shí)效性分析系數(shù)。

15、優(yōu)選的，s5中，將模型預(yù)測(cè)結(jié)果的時(shí)效性劃分為高時(shí)效預(yù)測(cè)結(jié)果，中時(shí)效預(yù)測(cè)結(jié)果和低時(shí)效預(yù)測(cè)結(jié)果；

16、將獲取到的模型預(yù)測(cè)結(jié)果的時(shí)效性分析系數(shù)與梯度標(biāo)準(zhǔn)閾值進(jìn)行比較，梯度標(biāo)準(zhǔn)閾值包括第一標(biāo)準(zhǔn)閾值和第二標(biāo)準(zhǔn)閾值，且第一標(biāo)準(zhǔn)閾值小于第二標(biāo)準(zhǔn)閾值，將模型預(yù)測(cè)結(jié)果的時(shí)效性分析系數(shù)分別與第一標(biāo)準(zhǔn)閾值和第二標(biāo)準(zhǔn)閾值進(jìn)行對(duì)比；

17、若模型預(yù)測(cè)結(jié)果的時(shí)效性分析系數(shù)大于第二標(biāo)準(zhǔn)閾值，說(shuō)明模型預(yù)測(cè)結(jié)果的時(shí)效性高，此時(shí)生成高時(shí)效信號(hào)，將模型預(yù)測(cè)結(jié)果的時(shí)效性劃分為高時(shí)效預(yù)測(cè)結(jié)果，模型對(duì)動(dòng)態(tài)變化反應(yīng)迅速且準(zhǔn)確，無(wú)需調(diào)整；

18、若模型預(yù)測(cè)結(jié)果的時(shí)效性分析系數(shù)大于等于第一標(biāo)準(zhǔn)閾值且小于等于第二標(biāo)準(zhǔn)閾值，將說(shuō)明模型預(yù)測(cè)結(jié)果的時(shí)效性一般，此時(shí)生成中時(shí)效信號(hào)，將模型預(yù)測(cè)結(jié)果的時(shí)效性劃分為中時(shí)效預(yù)測(cè)結(jié)果，模型存在滯后需優(yōu)化；

19、若模型預(yù)測(cè)結(jié)果的時(shí)效性分析系數(shù)小于第一標(biāo)準(zhǔn)閾值，說(shuō)明模型預(yù)測(cè)結(jié)果的時(shí)效性低，此時(shí)生成低時(shí)效信號(hào)，將模型預(yù)測(cè)結(jié)果的時(shí)效性劃分為低時(shí)效預(yù)測(cè)結(jié)果，表明模型滯后大，需立即調(diào)整和改進(jìn)。

20、優(yōu)選的，s6中，對(duì)于中時(shí)效預(yù)測(cè)結(jié)果，對(duì)固定時(shí)間段內(nèi)模型預(yù)測(cè)結(jié)果的時(shí)效性進(jìn)行進(jìn)一步的分析；

21、若固定時(shí)間段內(nèi)生成的模型預(yù)測(cè)結(jié)果的時(shí)效性分析系數(shù)大于等于第一標(biāo)準(zhǔn)閾值且小于等于第二標(biāo)準(zhǔn)閾值，將模型預(yù)測(cè)結(jié)果的時(shí)效性劃分為中時(shí)效預(yù)測(cè)結(jié)果，對(duì)優(yōu)化調(diào)整后的后續(xù)固定時(shí)間段內(nèi)生成的大于等于第一標(biāo)準(zhǔn)閾值且小于等于第二標(biāo)準(zhǔn)閾值的模型預(yù)測(cè)結(jié)果的時(shí)效性分析系數(shù)進(jìn)行收集，并建立相應(yīng)的數(shù)據(jù)集合，計(jì)算數(shù)據(jù)集合的均值和標(biāo)準(zhǔn)差，對(duì)其進(jìn)行分析后對(duì)模型預(yù)測(cè)結(jié)果的時(shí)效性進(jìn)行進(jìn)一步的分析，根據(jù)分析結(jié)果對(duì)模型進(jìn)行持續(xù)優(yōu)化。

22、優(yōu)選的，若數(shù)據(jù)集合內(nèi)的時(shí)效性分析系數(shù)均值大于等于時(shí)效性分析系數(shù)均值的參考閾值，且時(shí)效性分析系數(shù)標(biāo)準(zhǔn)差小于時(shí)效性分析系數(shù)標(biāo)準(zhǔn)差的參考閾值，說(shuō)明模型的時(shí)效性預(yù)測(cè)總體高且穩(wěn)定，模型表現(xiàn)穩(wěn)定準(zhǔn)確，無(wú)需調(diào)整；

23、若時(shí)效性分析系數(shù)均值大于等于時(shí)效性分析系數(shù)均值的參考閾值，且時(shí)效性分析系數(shù)標(biāo)準(zhǔn)差大于等于時(shí)效性分析系數(shù)標(biāo)準(zhǔn)差的參考閾值，說(shuō)明模型總體時(shí)效性高但不穩(wěn)定，時(shí)效性預(yù)測(cè)結(jié)果的波動(dòng)大，模型需要優(yōu)化以減少波動(dòng)；

24、若時(shí)效性分析系數(shù)均值小于時(shí)效性分析系數(shù)均值的參考閾值，且時(shí)效性分析系數(shù)標(biāo)準(zhǔn)差大于等于時(shí)效性分析系數(shù)標(biāo)準(zhǔn)差的參考閾值，說(shuō)明模型整體時(shí)效性低同時(shí)波動(dòng)性大，需要重新設(shè)計(jì)；

25、若時(shí)效性分析系數(shù)均值小于時(shí)效性分析系數(shù)均值的參考閾值，且時(shí)效性分析系數(shù)標(biāo)準(zhǔn)差小于時(shí)效性分析系數(shù)標(biāo)準(zhǔn)差的參考閾值，模型時(shí)效性差但穩(wěn)定，需提升預(yù)測(cè)能力。

26、本發(fā)明還提供了一種基于大數(shù)據(jù)的供應(yīng)商供應(yīng)數(shù)據(jù)模型構(gòu)建系統(tǒng)，包括數(shù)據(jù)采集模塊、干擾影響分析模塊、動(dòng)態(tài)預(yù)測(cè)模塊、時(shí)效性分析模塊，時(shí)效性分類模塊以及優(yōu)化模塊；

27、數(shù)據(jù)采集模塊：從若干來(lái)源實(shí)時(shí)獲取與供應(yīng)商相關(guān)的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，并對(duì)收集到的數(shù)據(jù)清理和整合后，將數(shù)據(jù)分為訓(xùn)練集和測(cè)試集；

28、干擾影響分析模塊：對(duì)訓(xùn)練集中的數(shù)據(jù)進(jìn)行分類，將其劃分為常見參數(shù)和非常見參數(shù)，對(duì)非常見參數(shù)的值進(jìn)行調(diào)整，判斷其對(duì)模型輸出的波動(dòng)幅度，評(píng)估不常見參數(shù)對(duì)模型預(yù)測(cè)結(jié)果的影響程度；

29、動(dòng)態(tài)預(yù)測(cè)模塊：利用滑動(dòng)窗口機(jī)制，定期更新模型的預(yù)測(cè)結(jié)果，判斷非常見參數(shù)對(duì)供應(yīng)商表現(xiàn)的影響隨時(shí)間的變化趨勢(shì)，評(píng)估模型跟蹤動(dòng)態(tài)的準(zhǔn)確性；

30、時(shí)效性分析模塊：將不常見參數(shù)對(duì)模型預(yù)測(cè)結(jié)果的影響程度和模型跟蹤動(dòng)態(tài)的準(zhǔn)確性進(jìn)行綜合分析，評(píng)估模型預(yù)測(cè)結(jié)果的時(shí)效性；

31、時(shí)效性分類模塊：根據(jù)評(píng)估結(jié)果，將模型預(yù)測(cè)結(jié)果的時(shí)效性劃分為高時(shí)效預(yù)測(cè)結(jié)果，中時(shí)效預(yù)測(cè)結(jié)果和低時(shí)效預(yù)測(cè)結(jié)果，并對(duì)模型進(jìn)行相應(yīng)的調(diào)整；

32、優(yōu)化模塊：對(duì)于中時(shí)效預(yù)測(cè)結(jié)果，對(duì)固定時(shí)間段內(nèi)模型預(yù)測(cè)結(jié)果的時(shí)效性進(jìn)行進(jìn)一步的分析，根據(jù)分析結(jié)果對(duì)模型進(jìn)行持續(xù)優(yōu)化。

33、在上述技術(shù)方案中，本發(fā)明提供的技術(shù)效果和優(yōu)點(diǎn)：

34、1、本發(fā)明通過(guò)實(shí)時(shí)獲取與供應(yīng)商相關(guān)的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，清理整合后利用滑動(dòng)窗口機(jī)制定期更新模型，動(dòng)態(tài)分析非常見參數(shù)對(duì)供應(yīng)商表現(xiàn)的影響。這一方法能夠通過(guò)生成非常見干擾指數(shù)和物流成本波動(dòng)指數(shù)，綜合評(píng)估模型預(yù)測(cè)結(jié)果的時(shí)效性，并根據(jù)時(shí)效性分析系數(shù)對(duì)模型預(yù)測(cè)結(jié)果進(jìn)行高、中、低時(shí)效性的分類，確保模型能夠及時(shí)反映供應(yīng)鏈中的變化。

35、2、本發(fā)明通過(guò)持續(xù)優(yōu)化模型，特別是針對(duì)中時(shí)效預(yù)測(cè)結(jié)果，通過(guò)分析固定時(shí)間段內(nèi)的時(shí)效性表現(xiàn)和收集后續(xù)數(shù)據(jù)進(jìn)行評(píng)估，能夠進(jìn)一步提升模型的穩(wěn)定性和準(zhǔn)確性。根據(jù)時(shí)效性分析結(jié)果對(duì)模型進(jìn)行相應(yīng)調(diào)整，有助于減少預(yù)測(cè)波動(dòng)、提升模型對(duì)動(dòng)態(tài)變化的響應(yīng)速度，最終提高企業(yè)在供應(yīng)鏈管理中的決策效率，降低風(fēng)險(xiǎn)，確保供應(yīng)鏈的長(zhǎng)期穩(wěn)定性與高效運(yùn)作。