基于聚類算法的電力制造業(yè)ERP數(shù)據(jù)分類

劉云天， 孫晶琪*， 牛東曉， 張煥粉

(1.華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院， 北京 102206； 2.北京清暢電力技術(shù)股份有限公司， 北京 100085)

伴隨著大數(shù)據(jù)和信息化時(shí)代的來臨，傳統(tǒng)的庫存控制管理方法漸漸難以適應(yīng)現(xiàn)代化企業(yè)庫存管理的需求。制造業(yè)企業(yè)往往存在著庫存產(chǎn)品繁多，難以管理的問題，對于高經(jīng)濟(jì)價(jià)值的庫存產(chǎn)品進(jìn)行重點(diǎn)管理，而忽略低經(jīng)濟(jì)價(jià)值庫存產(chǎn)品的管理控制，從長遠(yuǎn)來看會造成巨大的經(jīng)濟(jì)損失，制造業(yè)企業(yè)如何管理這些種類繁多的庫存產(chǎn)品，使庫存更加合理已成為亟待解決的難題[1]。

以上方法均采用傳統(tǒng)分類方法對企業(yè)庫存產(chǎn)品進(jìn)行管理，存在著分類標(biāo)準(zhǔn)較為單一，在實(shí)際應(yīng)用時(shí)存在盤點(diǎn)清查困難等問題?？紤]到傳統(tǒng)分類方法的局限性，很多學(xué)者已經(jīng)開始探索新的數(shù)據(jù)分類方法。梁淑蓉等[7]基于權(quán)重搜索樹提出了改進(jìn)K近鄰的高維分類算法，該算法對比K近鄰分類算法、決策樹和支持向量機(jī)算法，顯著減少了數(shù)據(jù)分類的時(shí)間，相較其他算法也具有更高的分類準(zhǔn)確率。張揚(yáng)等[8]研究了一種新的證據(jù)分聚類融合算法。顯著提高了分類準(zhǔn)確度。王剛等[9]提出了一種新的云計(jì)算環(huán)境下自適應(yīng)分類方法，通過提取的分布式語義文本特征并進(jìn)行驗(yàn)證，發(fā)現(xiàn)該方法具有更高的分類精度和效率。從以上研究可知，學(xué)者們通過將數(shù)據(jù)挖掘技術(shù)應(yīng)用到數(shù)據(jù)分類中，大大提升了數(shù)據(jù)分類的效率和準(zhǔn)確性。

由于傳統(tǒng)庫存分類方法存在不能準(zhǔn)確分類，存量控制困難等問題，現(xiàn)提出基于K-means聚類算法的ABC庫存分類方法。首先從供應(yīng)商的庫存管理系統(tǒng)中提取產(chǎn)品銷售數(shù)據(jù)，然后采用聚類分析算法，對原始數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，在剔除掉無關(guān)數(shù)據(jù)后，根據(jù)各樣本數(shù)據(jù)與各聚類中心的距離對樣本數(shù)據(jù)進(jìn)行分類，建立數(shù)據(jù)分類模型對庫存產(chǎn)品進(jìn)行分類，以指導(dǎo)企業(yè)的庫存管理決策。通過將數(shù)據(jù)挖掘技術(shù)與傳統(tǒng)庫存管理方法相結(jié)合，達(dá)到建立科學(xué)而有效的庫存分析系統(tǒng)的目的。

1 ABC分類法和K-means聚類算法的理論基礎(chǔ)

1.1 ABC分類法

ABC分類法是將事物在價(jià)值、數(shù)量等方面的特征作為依據(jù)，進(jìn)行劃分和歸類、區(qū)分重要和一般，以采取不同管理策略的一種方法[10]。ABC 分類法的思想實(shí)質(zhì)上可以這樣概括：多數(shù)的經(jīng)濟(jì)價(jià)值往往集中于少數(shù)產(chǎn)品，而多數(shù)產(chǎn)品僅僅占據(jù)少數(shù)經(jīng)濟(jì)價(jià)值，企業(yè)應(yīng)該重視對前者的管理[11]。ABC分類法的一般步驟如下。

(1)數(shù)據(jù)獲取。從ERP管理系統(tǒng)中獲取產(chǎn)品的種類、型號、銷售額等數(shù)據(jù)。

(2)分析計(jì)算。將從ERP管理系統(tǒng)中獲取的數(shù)據(jù)進(jìn)行分析、計(jì)算。繼而計(jì)算各產(chǎn)品的銷售量與銷售累計(jì)量占總銷售量的百分比、各產(chǎn)品銷售額與累計(jì)銷售額占總銷售額的百分比。

(3)確定分類標(biāo)準(zhǔn)。根據(jù)ABC分類法基本思想，把累計(jì)銷售額為 60%～80%的產(chǎn)品歸為 A 類，把累計(jì)銷售額為 20%～30%的商品歸為 B 類，其余歸為 C 類。

(4)依據(jù)上一步的分類結(jié)果，制訂ABC分類管理標(biāo)準(zhǔn)表，對A、B、C三類對象采取不同的管理策略。

1.2 K-means聚類算法

聚類分析是數(shù)據(jù)挖掘中十分熱門的一個(gè)研究方向，與其他學(xué)科的研究領(lǐng)域有著很大的交叉性[12]?？梢酝ㄟ^使用聚類分析算法發(fā)現(xiàn)各種數(shù)據(jù)的隱含結(jié)構(gòu)，對數(shù)據(jù)進(jìn)行自動(dòng)分類，進(jìn)而獲知數(shù)據(jù)的大致分布，能夠在諸多領(lǐng)域?yàn)楦鞣N不同的企業(yè)提供決策支持[13]。

K-means算法是一種得到最廣泛使用的聚類算法，其主要思想是：首先通過計(jì)算得出各聚類子集內(nèi)所有數(shù)據(jù)樣本的均值，并將其作為該聚類的代表點(diǎn)，然后把每個(gè)數(shù)據(jù)點(diǎn)歸入最鄰近的類別中，使評價(jià)聚類性能的準(zhǔn)則函數(shù)趨于最優(yōu)、從而使同類別中的對象相似度(相似度為一個(gè)簇中對象的平均值)較高，而不同類之間的對象相似度較小[14]。算法的一般步驟為：在樣本中隨機(jī)抽取K個(gè)對象，假設(shè)每個(gè)對象的初始值等于該簇的平均值，對于剩余對象，根據(jù)其與各個(gè)簇的質(zhì)心的距離逐個(gè)分配到最鄰近的簇，然后重新計(jì)算各個(gè)簇的平均值，不斷重復(fù)此過程直至準(zhǔn)則函數(shù)收斂。

K-means算法的一般步驟如下。

假定存在數(shù)據(jù)點(diǎn)集D={x1，x2，…，xn}， 以及k個(gè)簇C={C1，C2，…，Ck}，每個(gè)簇的聚類中心為

(1)

式(1)中：nCi表示第i個(gè)簇中數(shù)據(jù)點(diǎn)x的個(gè)數(shù)。

構(gòu)建準(zhǔn)則函數(shù)為

(2)

(4)循環(huán)步驟(2)和步驟(3)，直到準(zhǔn)則函數(shù)E的數(shù)值保持不變。

(5)分類完成，得到k個(gè)聚類。

2 基于K-means聚類算法和ABC分類法的電力制造業(yè)產(chǎn)品細(xì)分建模

在對庫存產(chǎn)品進(jìn)行分類時(shí)，首先為每一個(gè)類選擇一個(gè)聚類中心，依據(jù)ABC分類方法將庫存產(chǎn)品數(shù)據(jù)分為三個(gè)簇，其中A 類庫存產(chǎn)品是指價(jià)值80%銷售額的占據(jù)20%數(shù)量的產(chǎn)品型號，假設(shè)該類產(chǎn)品的總銷售額為M，總庫存數(shù)量為N，則定義A 類產(chǎn)品的平均銷售額C作為A類產(chǎn)品的中心為

(3)

定義φ為評價(jià)函數(shù)為

(4)

式(4)中：Q(i)為i型號產(chǎn)品的銷售額。

在K-means算法中，選取合適的評價(jià)函數(shù)非常重要，因此在本文所構(gòu)建的模型中將評價(jià)函數(shù)的選取與ABC分類法相關(guān)聯(lián)，通過設(shè)置合適的評價(jià)函數(shù)來衡量庫存產(chǎn)品i的銷售額與本類產(chǎn)品銷售額的聚類中心間的距離。規(guī)定若φ<0.8，則表示該產(chǎn)品的銷售額與聚類中心距離過遠(yuǎn)，并將該產(chǎn)品進(jìn)行次一級分類評價(jià)；反之則將該產(chǎn)品歸入當(dāng)前類別。

將K-means算法中的評價(jià)函數(shù)引入分類算法，解決了ABC分類法對于分類邊界判斷模棱兩可的問題。假設(shè)A類產(chǎn)品的銷售額占比為80%，若倉庫中存在m產(chǎn)品，庫存占比為65%，則m產(chǎn)品庫存占比與銷售額占比之和未達(dá)到 80%，根據(jù)ABC分類法的理論，m產(chǎn)品屬于 A 類。但假定m產(chǎn)品的銷售額很少，那么將m產(chǎn)品歸入 A 類是不合理的。因?yàn)樵谀Ｐ椭幸朐u價(jià)函數(shù)，顯然會使φ的值變小，從而m產(chǎn)品不應(yīng)該歸入 A 類。這種改進(jìn)方法避免了傳統(tǒng)方法的邊界分類不準(zhǔn)確性，使得分類邊界更加清晰，加強(qiáng)了對庫存產(chǎn)品分類的靈活性和準(zhǔn)確性。

基于K-means算法的ABC分類法的步驟如下。

(1)根據(jù)各型號環(huán)網(wǎng)柜比例和基于ABC分類法得出的分類，計(jì)算各類庫存環(huán)網(wǎng)柜的聚類中心Ci。

(2)對于每種商品x。

(4)如果φ>R(R為當(dāng)前類別環(huán)網(wǎng)柜評分比例)，則將x歸入當(dāng)前類別。

(5)在當(dāng)前品類產(chǎn)品銷量比例的基礎(chǔ)上，增加環(huán)網(wǎng)柜x占總銷量的比例。

(6)否則轉(zhuǎn)換為ABC中的下一類別，循環(huán)步驟(4)～步驟(6)。

(7)結(jié)束判斷。

(8)結(jié)束循環(huán)。

(9)計(jì)算新的聚類中心Ci。

(10)循環(huán)步驟(2)～(9)，直至聚類中心Ci保持不變。

通過在計(jì)算機(jī)中運(yùn)行上述算法，可以獲得環(huán)網(wǎng)柜分類信息表，在表中可以直觀的觀察到各類別庫存環(huán)網(wǎng)柜的銷售額在總銷售額中占多大比例。根據(jù)嵌套聚類算法后的環(huán)網(wǎng)柜分類結(jié)果，庫存中心可以針對不同類別的庫存環(huán)網(wǎng)柜產(chǎn)品采取不同的庫存管理策略。比如對于A類環(huán)網(wǎng)柜，采購需求量較為巨大，必須保證這些型號的環(huán)網(wǎng)柜在多個(gè)倉庫中的儲存量，不允許出現(xiàn)缺貨的情況；對于B類環(huán)網(wǎng)柜，可以采取適當(dāng)控制的策略，應(yīng)該在可能的范疇內(nèi)盡量減少庫存；對于C類中的各型號環(huán)網(wǎng)柜產(chǎn)品，只需采用經(jīng)濟(jì)批量即可。

3 實(shí)證計(jì)算

3.1 問題提出

某電力制造業(yè)企業(yè)庫存中心每天要處理大量各種型號的環(huán)網(wǎng)柜，對于這些不同型號、具有不同經(jīng)濟(jì)價(jià)值的環(huán)網(wǎng)柜產(chǎn)品，考慮到客戶對環(huán)網(wǎng)柜產(chǎn)品的多樣化需求以及中心倉庫較為有限的庫存容量，企業(yè)庫存中心必須根據(jù)各型號環(huán)網(wǎng)柜的月度銷量，對不同型號的環(huán)網(wǎng)柜產(chǎn)品采取不同的庫存策略(比如計(jì)劃庫存量、經(jīng)濟(jì)訂貨量)，從而提高產(chǎn)品出入庫的工作效率、刺激環(huán)網(wǎng)柜產(chǎn)品的銷售并盡可能的減少庫存。在算例中需要解決的問題是：對于該企業(yè)的環(huán)網(wǎng)柜庫存中心而言，通過數(shù)據(jù)挖掘算法挖掘出哪些型號的環(huán)網(wǎng)柜是占據(jù)庫存空間較小，但是最有經(jīng)濟(jì)價(jià)值的，則應(yīng)該對這些型號的環(huán)網(wǎng)柜產(chǎn)品進(jìn)行重點(diǎn)管理。因此，可以依據(jù)該算法，利用計(jì)算機(jī)得出各環(huán)網(wǎng)柜型號的從屬分類，企業(yè)的庫存中心可以依據(jù)分類結(jié)果對不同型號的環(huán)網(wǎng)柜采取不同的管理策略，以實(shí)現(xiàn)最佳的庫存管理效果。

3.2 數(shù)據(jù)采集

本文中數(shù)據(jù)來源于某電力制造業(yè)企業(yè)的后臺ERP數(shù)據(jù)庫中的歷史環(huán)網(wǎng)柜產(chǎn)品銷售表。根據(jù)算法輸入的要求，本次建模需要的數(shù)據(jù)包括環(huán)網(wǎng)柜的型號(即庫存品名稱)，環(huán)網(wǎng)柜的月度銷售量，環(huán)網(wǎng)柜的月度銷售額。因此從ERP系統(tǒng)中導(dǎo)出的環(huán)網(wǎng)柜銷售記錄表如表1所示。

表1 環(huán)網(wǎng)柜銷售記錄表(部分)Table 1 Ring network cabinet sales record sheet(part of the table)

3.3 數(shù)據(jù)處理

從ERP管理系統(tǒng)的數(shù)據(jù)庫中導(dǎo)出的原始數(shù)據(jù)存在著很多空缺和不一致的質(zhì)量不高的數(shù)據(jù)，在建模分析時(shí)這些數(shù)據(jù)會對分析結(jié)果造成不良影響，因此在建模計(jì)算前必須對數(shù)據(jù)進(jìn)行加工處理，一般的處理步驟大致包括數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換和數(shù)據(jù)歸約[15]。因?yàn)樵诒疚牡膶?shí)證研究中以月為時(shí)間跨度，需要根據(jù)產(chǎn)品的月度銷售額數(shù)據(jù)來對產(chǎn)品數(shù)據(jù)進(jìn)行聚類，但從數(shù)據(jù)庫中導(dǎo)出的數(shù)據(jù)表只有每批次銷售額這一屬性，因此需要對環(huán)網(wǎng)柜銷售記錄表中的庫存數(shù)據(jù)進(jìn)行處理。首先將原始數(shù)據(jù)中的空缺值等低質(zhì)量數(shù)據(jù)去掉，然后根據(jù)環(huán)網(wǎng)柜銷售記錄表的庫存品名稱、每批次銷售量和每批次銷售額數(shù)據(jù)，通過運(yùn)行代碼計(jì)算得到月銷售額數(shù)據(jù)，然后根據(jù)分類算法通過計(jì)算機(jī)計(jì)算得到相應(yīng)的分類。

3.4 數(shù)據(jù)計(jì)算及分類

利用傳統(tǒng)的ABC分類法對原始庫存數(shù)據(jù)表進(jìn)行數(shù)據(jù)分類的結(jié)果如表2所示，劃分的庫存環(huán)網(wǎng)柜累計(jì)金額占比趨勢變化如圖1所示。

圖1 ABC分類法下的累計(jì)占比庫存金額變化趨勢圖Fig.1 Change trend chart of cumulative proportion of inventory amount under ABC classification

表2 數(shù)據(jù)分類表Table 2 Data classification table

根據(jù)累計(jì)金額占比趨勢圖可知，17類不同型號的環(huán)網(wǎng)柜中，有3類產(chǎn)品被分為A類，4類產(chǎn)品被分為B類，10類產(chǎn)品被分為C類。然后將傳統(tǒng)方法分類后的數(shù)據(jù)代入改進(jìn)的基于聚類算法的 ABC 分類模型。在利用K-means算法進(jìn)行聚類時(shí)，聚類中心的變化如表3所示。

表3 聚類中心變化表Table 3 Cluster center change table

在A、B、C三類的聚類中心不再改變后，利用K-means聚類算法進(jìn)行二次分類的結(jié)果如表4所示，累計(jì)金額占比變化趨勢如圖2所示。

表4 二次數(shù)據(jù)分類表Table 4 Secondary data classification table

圖2 基于聚類分類算法的累計(jì)占比庫存金額變化趨勢圖Fig.2 The trend chart of the cumulative inventory amount based on the cluster classification algorithm

結(jié)果表明，AC10 kV、2 630 A和QLG-12/630這兩類型號的環(huán)網(wǎng)柜屬于A類產(chǎn)品，銷售額占比約76%，WKXGN15-12CCVVVV和QLG-12/630-5L型號的環(huán)網(wǎng)柜屬于B類產(chǎn)品，銷售額占比8%，其余產(chǎn)品屬于C類，銷售額占比16%。故應(yīng)該對AC10 kV、2 630 A和QLG-12/630型號的環(huán)網(wǎng)柜進(jìn)行重點(diǎn)控制，應(yīng)該嚴(yán)格控制其計(jì)劃與采購、庫存儲備量、訂貨量和訂貨時(shí)間；對WKXGN15-12CCVVVV和QLG-12/630-5L型號的環(huán)網(wǎng)柜進(jìn)行適當(dāng)控制，在需求范圍內(nèi)適當(dāng)減少庫存；對于其余的C類產(chǎn)品可以放寬控制，采用經(jīng)濟(jì)批量。

4 結(jié)論

采用K-means聚類算法和ABC分類法建立了庫存分類模型，并對某電力制造業(yè)企業(yè)生產(chǎn)的多種型號環(huán)網(wǎng)柜進(jìn)行了產(chǎn)品庫存分類，得到以下結(jié)論。

(1)在ABC分類法中引入評價(jià)函數(shù)較好的解決了傳統(tǒng)分類的弊端，這種改進(jìn)方法避免了傳統(tǒng)方法在邊界分類中的不準(zhǔn)確性，通過定義合適的評判標(biāo)準(zhǔn)使得評價(jià)函數(shù)可以對各型號的庫存環(huán)網(wǎng)柜產(chǎn)品與各聚類中心的距離進(jìn)行定量的判斷，也加強(qiáng)了各類環(huán)網(wǎng)柜劃分的靈活性，增強(qiáng)了算法的準(zhǔn)確性。

(2)根據(jù)數(shù)據(jù)挖掘聚類算法與經(jīng)典庫存分類方法建模計(jì)算得出的分類結(jié)果來指導(dǎo)企業(yè)庫存決策，對于企業(yè)庫存管理有著較強(qiáng)的指導(dǎo)意義。數(shù)據(jù)挖掘技術(shù)與ERP信息系統(tǒng)的緊密結(jié)合大大增強(qiáng)了ERP的分析和決策功能，充分滿足了用戶的需求，利用挖掘得到的ERP數(shù)據(jù)除了可以進(jìn)行產(chǎn)品庫存分類、股利分配決策、企業(yè)價(jià)值評估和財(cái)務(wù)預(yù)警外，還能為許多其他的企業(yè)決策提供支持。