钟上升, 钟富力, 谢宇浩, 龚若谷
(1.广西电网有限责任公司,广西 南宁 530001; 2.广西电网物资有限责任公司,广西 南宁 530001)
项目履约保证在世界各国都被视为项目风险管控的主要方式,尤其是在建筑、工程等项目中具有广泛应用[1]。在我国,虽然履约保证机制在近三十年才陆续开始应用,但是由于我国基础设施建设投资很大,对履约保证的理论研究在不断深入,因此制定了很多符合国情的法律进行约束。但是法律条文仅仅是对供应商行为发生效果上进行约束,无法提前预防,因此该技术无法在事务发生前进行约束[2-3]。
电网企业项目由于其合同金额较大,其履约过程由于人、物和环境的复杂性,各供应商在合同履约能力方面表现参差不齐,造成了电力物资供应商履约风险发生的必然性,实行履约保证机制已经成为电力企业项目顺利开展的必要条件。基于上述背景技术,本文设计出一种新型的供应商行为评价和制约方案。
基于上述技术的不足,本文充分考虑供应商行为数据的多样性[4],针对不同行为进行分析,进而制定出供应商行为的制约方案,创新点如下。
(1) 构建一套基于计算机算法模型的供应商行为制约方案,实现供应商行为的获取、分析、计算和应用,提高了供应商行为分析能力。
(2) 构建关联算法模型,实现供应商不同行为数据之间关联,使得用户通过一种关系直接获取其他供应商数据行为关系。
(3) 构建线性回归方程,将关联后的供应商行为数据归一化处理,通过构建的线性方程,实现供应商行为分析,进而制定制约方案[5]。
基于上述技术方案,设计出如图1所示的供应商行为制约架构示意图。
本文供应商行为数据库包括多种数据信息,大体上将其划分为供应商评价数据信息硬件条件和软件条件,其中的硬件条件包括供应商外部行为数据信息和供应商资金状况等。供应商外部数据信息还包括供应商企业规模、供应商经营人数、供应商盈利状况和供应商负债情况[6-7]等。软件条件包括供应商素养、供应商运营状况以及供应商历史合作关系等。供应商素养包括外界对供应商的评价、供应商贷款额度、营运能力、资金状况和发展状况等。供应商运营方面包括供应商成本购入和年盈利情况等多方面数据信息。本文将这些多种数据信息通过构建多种模型实现供应商行为,采用基于改进型关联算法的履约保证机制实现供应商行为数据关联分析,并通过区块链技术实现数据加密[8]。
图1 供应商行为制约方案架构示意图
本文采用的关联算法模型是将与供应商行为数据相关的数据关联起来,通过多种关联数据信息,能够输出行为后果预测,其示意图如图2所示。
图2 改进型管理算法模型
假设供应商行为数据信息记作为:
M={m1,m2,m3,…,mi}
(1)
式中:M为数据集合;m1,m2,…,mi为数据信息,包括反映供应商行为数据的征信、运行状况、硬件成本、软件成本和经营状况等反映供应商实力行为硬件环境数据的总数;i为数量。
假设反映供应商行为软件数据行为的数据为N,记作:
N={n1,n2,n3,...,nj}
(2)
该数据集合表示反映应商行为软实力行为,比如交谈、合作和合同和协议等交往过程中的数据信息,数量总数为j。
若集合N中结果(谈判成功、谈判失败、临时改变主意等行为活动)可以与供应商行为数据信息结合起来。将二者之间形成关联关系,可以多个角度评价供应商行为数据特征。二者之间的关系可以为:
N=M°R
(3)
式中:符号“°”为关联算子;R为关联诊断矩阵。多个供应商数据信息可以形成关联矩阵,则可以表示为:
(4)
式中:R为关联矩阵,通过i×j矩阵表示,i×j矩阵中包含任意供应商行为数据信息;rab为引起供应商行为后果的第a种数据信息因素,这种信息因素能够导致供应商诸多行为后果的b种结果的隶属度。通过供应商行为隶属度能够评价供应商行为数据,对供应商进行行为评分。假设每种供应商行为信息数据i对产生的供应商行为结果j隶属度为μij(xi),则评判标准如表1所示。
表1 隶属度评判标准
在对供应商行为数据特征进行求解时,也就是对其隶属度进行求解,不同影响程度Cv与给出的权重参数α1、α2、α3、…、αi有关系,则任意供应商行为与结果(即后期采用的制约措施)之间的隶属度输出的综合评分可以通过式(5)计算。
μij(xi)=α1×μij(xi)+α2×μij(xi)+...+αi×μij(xi)
(5)
则α1、α2、α3、…、αi在以下条件下实施:
(6)
通过式(6),将矩阵R中任意供应商行为数据信息元素rab求出。式(5)条件下隶属度输出的综合评分公式可以为:
rab=α1rab+α2rab+...+αirab
(7)
在式(7)中,存在以下关系式: