0  引言

    近年來，隨著國際分工合作以及精益化生產思想的不斷發展，企業在全球化進程中不斷增加對供應鏈構造的投入，供應鏈表現出更加高效且低成本的性質。然而，面對環境中的各種不確定性因素，企業投入大量精力打造的全球化供應鏈又顯現出脆弱的一面。因遭遇突發事件而導致的供應斷裂，常常讓采購方措手不及，項目延遲等各種情況都會發生。這警醒人們對供應保障問題的研究，考慮供應斷裂的采購問題已成為許多學者關注的重點。供應鏈協同能夠讓供應鏈中各級成員建立長期的戰略合伙關系，上游、下游企業聯系得更加緊密，最終提高的是整個供應鏈效率和性能。

    本文針對供應商產能及運營風險，重點從供應商的歷年供貨完成情況、歷年供貨延遲情況、歷年供貨體量變化情況三個角度分析供應商的產能；結合供應商的用電量數據預測結果分析供應商的運營風險。幾個維度能夠有效覆蓋供應商從接收訂單、開始送貨、完成送貨的全周期。有助于公司對電力物資供應保障提供事前的預防方法和采取內部控制措施。

1  研究背景及現狀

    供應商是向企業及其競爭對手供應各種所需資源的企業和個人，包括提供原材料、設備、能源、勞務和資金等。它們的情況如何會對企業的營銷活動產生巨大的影響，如原材料價格變化、短缺等都會影響企業產品的價格和交貨期，并會因而削弱企業與客戶的長期合作與利益，因此，營銷人員必須對供應商的情況有比較全面的了解和透徹的分析。供應商既是商務談判中的對手更是合作伙伴。

    在企業運營過程中，供應商產能不足是常見現象。造成產能不足的原因有很多，如原材料短缺、現金流不充裕、生產規模小、技術水平落后以及營銷渠道窄等。而電力公司作為采購方，考慮到下游項目及其他因素，一般會選取產能充足且信譽良好的供應商。于是出現了在部分供應商能保證供應的條件下，多源采購是應對供應風險的一個切實可行的方法。在供應風險管理研究中，普遍存在對可靠供應商的假設。學者們提倡在供應商名單中加入可靠供應商，作為管理供應斷裂的一種手段。

    提前做好供應商產能預警，并為物資部門提供供應商產能、質量、運營等方面的預警信息，防止因供應商產能下降導致物資采購供應不足導致工期延后、增加項目成本、運營成本等問題，同時加速資金周轉、提高盈利能力，提升核心競爭力。為監造和供應環節提供精準管理目標廠商從而實現為業務部門提供供應商評價及優選的依據，提升供應商分級分類管理的水平。

2  供應商產能分析

    采購活動中最重要的一個項目是供應商管理，其內容包括供應商開發、供應商評選、供應商聯盟、供應商績效評估及供應商的退出等。其中供應商評選和評估是供應商管理的一個最重要的環節，只有客觀、科學地評估供應商并進行供應鏈管理，才能共同為最終用戶提供最大價值的產品和服務。供應鏈管理成為關系到企業生存和發展的關鍵，而供應商評估則是做好供應鏈管理、使供應鏈合作關系正常運行的基礎和前提條件。如何進行供應商評估？在進行供應商評估時要注意哪些方面？如何選擇供應商才能更好地為本企業中心業務服務？

    對供應商做出系統全面的評價，就必須有一套完整、科學、全面的綜合評價指標體系。供應商的評估和評選標準在許多公司中都作為是其核心競爭力，更有一些企業將供應商的評價準則視為組織的“圣經”。

    綜合當前的業務現狀，本文主要提取了三個維度的指標：供應商供貨完成情況。供應商供貨延遲情況、供應商供貨體量變化情況，其中供貨延遲情況包括供貨延遲次數與供貨總次數之比、供貨延遲量與供貨總量之比。

3  基于小波分析的用電量預測模型

    小波變換分為連續小波變換（Continue Wavelet Transform, CWT）和離散小波變換（Discrete Wavelet Transform, DWT）兩類。連續小波變換主要用于理論研究，在實際應用中，利用計算機實現小波變換，更多的是利用伸縮變量和平移變量均已離散化的離散小波變換。

    當小波變換尺度較大時分辨率低，可作信號的概貌分析，當尺度較小時分辨率高，可作為細節觀察，但不同尺度下分析的品質因子（中心頻率與帶寬的比值）保持不變。這種由粗及細對信號的逐級分析稱為多分辨率分析。

    通過使用小波分析，可以在任何水平上分析短期負荷序列，它對信息成分采取逐漸精細的時域與頻域處理，尤其對突發與短時的信息分析具有明顯的優勢。

4  實證分析

    考慮到江蘇省是用電大省，且線纜類供應商相對集中，所以本文的分析對象為線纜類供應商。對該類供應商的產能及運營風險分析，主要分析思路如圖1所示。

4.1  供應商產能分析

    本文主要收集供應商的歷年采購數據與到貨數據，其中，以采購訂單的時間為準，供應商的到貨可能涉及多批次到貨，這種情況就需要考慮先按照對應的采購時間將到貨數據進行匯總，另外，還要注意貨物資對應的移動類型，一般來說，102/106代表沖銷，122代表退貨，101/105代表正常到貨，具體處理過程如圖2所示。

    基于整理好的采購與到貨關聯表，主要考慮從以下三個角度對供應商的產能進行分析，分別為：供應商供貨完成情況、供應商供貨延遲情況、供應商供貨體量變化情況。

    （1）供貨完成情況

基于上述數據的匯總結果，將各供應商的歷年采購量和到貨量進行對比，供應商如果供貨完成，則應該是采購量與到貨量相等；如果兩者不相等，則說明供應商供貨未完成。統一按照如下式（8）進行標識：

    其中，a_ij為供應商i在j年度的供貨完成率，即（采購量-到貨量）/采購量。

    （2）供貨延遲情況

    對于供應商的供貨，在業務系統中都會有一個確定交貨日期用于約束供應商的供貨及時性，當供應商的實際供貨時間晚于確定交貨日期25天時，規定供應商的供貨為延遲，于是在供貨延遲方面要考慮兩個數據：供貨延遲次數與供貨總次數之比、供貨延遲量與供貨總量之比。具體按照式（9）-式（11）進行標識：

    其中，b_ij為供應商i在j年度的供貨延遲次數與供貨總次數之比，c_ij為供應商i在j年度的供貨延遲量與供貨總量之比，P_1i為供應商i的延遲次數評價值，為供應商的延遲供貨量評價值，P_2i為供應商i的延遲總體情況評價值。

    （3）供貨體量變化情況

    從供應商的供貨體量變化情況來看，供應商的年度供貨體量能夠直接反應出供應商的經濟效益變化情況，統計每年度各供應商在當年的有效訂單中實際供貨量與本年度電力公司總貨量之比，數值越小說明該年度某供應商的供貨量較小，供應商的供貨體量隨著年度的變化情況能夠直觀反應供應商的經濟效益，數值越大代表該供應商在某年度的經濟效益越好。具體按照如式（12）進行標識：

    從上面三個角度可以看出，部分供應商在某個年度都有可能產生供貨不足的情況，對于該類供應商來說，采購方在下一年度的采購時，就有理由懷疑其存在運營風險等情況；同樣，當供應商多次出現供貨延遲或供貨延遲情況較高時，也有理由懷疑該供應商存在運營風險；從供應商的供貨體量角度來看，如果供應商每年的供貨體量相對比較平穩的話，該供應商存在運營風險的概率較低，但當供應商的供貨體量忽高忽低或者連續的供貨在上一年忽然中斷，都有理由懷疑供應商存在運營風險。

    綜合上述三個角度，使用AHP綜合評價法，對供應商的產能進行評價，評價結果如下：

4.2  供應商用電量分析

    基于上述對于供應商的產能分析，本文將進一步從供應商的用電量即運營風險角度對供應商進行分析。主要思路如圖3所示。

    備注：淺色箭頭表示較好，深色箭頭表示較差。

    結合供應商綜合評價結果，主要概況為以下4種情況：

    （1）當供應商的歷史綜合評價值較好，且實際用電量情況和預測值較為一致時，供應商的運營風險較小；

    （2）當供應商的歷史綜合評價值較差，但實際用電量情況和預測值較為一致時，供應商的運營風險較小；

    （3）當供應商的歷史綜合評價值較差，但實際用電量情況和預測值相差較大時，供應商的運營風險增加，此時應對供應商的運營情況進行實際調查；

    （4）當供應商的歷史綜合評價值較好，但實際用電量情況和預測值相差較大時，供應商的運營風險增加，此時應對供應商的運營情況進行實際調查。

    提取綜合評價值較高的供應商，用戶編碼為：1000089842，其17年用電量數據如圖4所示。

    采用基為db4的小波分析，對上述用電量數據進行四級分解，隨著分解層級的增加，小波能夠提取的有效信息逐步減少，分解結構如圖5所示。

    以4級分解為例，利用ARMA算法分別擬合并預測每層的小波系數，過程如圖6所示。

    從圖6可以看出小波系數在不同窗口的數據特征，借助ARMA算法，對小波系數進行擬合并預測，再經過小波重構，可得出如圖7中顯示的用電量預測數據，整體來看，尤其是前三天的用電量預測值。

    從表1的預測結果和預測偏差情況來看，預測的前6天，誤差率均在[-20%,20%]之間，相對來說誤差率較低，說明該供應商存在運營風險的概率較小。

5  總結與展望

    本論文基于歷史數據分別從供應商的供貨完成情況、供貨延遲情況、供貨體量變化情況三個維度對供應商的產能進行了分析；其次利用小波分析從供應商近一年的實際用電量及預測用電量情況，基于未來數據對供應商的產能進行分析。

    綜合供應商產能分析、供應商用電量預測兩個角度，其中創新性地加入了供應商的用電量預測情況側面反映供應商的運營風險，這就實現了從供應商的歷史運營角度和未來趨勢角度對供應商的刻畫，區別于以往的基于供應商固有屬性的綜合評價模型，能夠更加全面地反映出供應商的產能及運營情況。

參考文獻

[1] Simatupang , et al .Case study :Supply chain coordination in a fashion firm[J] .Supply Chain Management:An International Journal, 2004, 9(3):256-268.

[2] 樊嬌, 馮昊, 牛東曉, 等. 基于小波分析和GM-ARIMA模型的月度售電量預測[J]. 華北電力大學學報, 2015, 42(4): 101-105.

[3] 左曉露, 劉志學, 施文, 等. 隨機需求下有產能約束的技術創新策略研究[J]. 運籌與管理, 2014, 23(3).

[4] 周小明, 王麗霞, 等. 電網企業物資供應監測分析及優化策略[J]. 東北電力技術, 2015(9): 50-52.

[5] 郝澤軍. 電力物資質量管理風險分析與防范[J]. 科技與創新, 2017(23): 79 -80.

[6] 郭奎麟, 譚倫農, 黃虎,等. 基于小波包的馬爾科夫方法在短期負荷預測中的應用[J]. 電力系統保護與控制, 2011, 39(6): 66 -70.

[7] 冉啟文, 單永正, 王騏, 等, 電力系統短期負荷預報的小波-神經網絡-PARIMA方法[J]. 中國電機工程學報, 2003, 23(3): 38-42

[8] 周潮, 邢文洋, 李宇龍, 等. 電力系統負荷預測方法綜述[J]. 電源學報, 2012(6): 32-39

[9] 張鶴冰. 一種基于小波分析理論的灰色預測方法[D]. 哈爾濱: 哈爾濱工程大學, 2011.

作者信息:

花  剛，馮定東，宋彥秋，金曉春

（國網江蘇省電力有限公司鹽城供電分公司，江蘇 鹽城224000）