问题1的核心是从供货特征出发，量化每个供应商在保障企业生产中的重要性，并筛选出50家最重要的供应商。这需要综合考虑以下几个方面：
供货特征分析：
-
供货稳定性：供应商供货量与企业订货量的偏差，以及每周供货波动情况。这可以通过计算供货量的标准差、均值与订货量的偏差比例等指标进行分析。
-
供货充足率：衡量供应商在一段时间内满足企业生产需求的程度。可以通过实际供货量与计划需求量的比例来表示。
-
供货可靠性：评估供应商在长期合作中的履约率和及时供货能力。
-
供货频率：供应商在每周是否稳定供货，以及持续供货的时间长度。
建立数学模型：
为了量化供应商的重要性，可以考虑使用综合评分模型。以下是一个基本框架：
-
定义指标权重：基于上述特征，定义各指标的权重。例如，供货稳定性、供货充足率等可以赋予较高权重。
-
评分模型：
- 对每个供应商$ i $ 的各项指标（如供货稳定性
S
i
S_i
Si、供货充足率 $C_i
、供货频率
、供货频率
、供货频率F_i$）进行标准化处理：
Z i = w 1 × S i + w 2 × C i + w 3 × F i Z_i = w_1 \times S_i + w_2 \times C_i + w_3 \times F_i Zi=w1×Si+w2×Ci+w3×Fi
其中 w 1 , w 2 , w 3 w_1, w_2, w_3 w1,w2,w3为各指标的权重。
- 对每个供应商$ i $ 的各项指标（如供货稳定性
S
i
S_i
Si、供货充足率 $C_i
、供货频率
、供货频率
、供货频率F_i$）进行标准化处理：
-
排序与筛选：
根据综合得分 Z i Z_i Zi对供应商排序，并选择排名前50位的供应商。
以下是用excel表进行分析附件1的方法:
在Excel中进行供应商供货特征的量化分析可以分为几个步骤，包括数据整理、特征指标计算、综合评分、排序与筛选。以下是详细操作步骤：
步骤1：数据预处理
-
查看数据结构：
- 打开
企业的订货量（m³）和供应商的供货量（m³）两个工作表，确认数据的列结构。通常，第一列是供应商名称，第二列是原材料类别，后续的列是每周的数据。
- 打开
-
数据清洗：
- 如果有缺失值或异常值（如空白单元格或极端值），需要进行处理。例如，使用平均值填充缺失值或直接删除异常值。
步骤2：计算各供应商的供货特征指标
这里主要分析三个关键特征：供货稳定性、供货充足率、供货频率。
-
供货稳定性：
- 在
供应商的供货量（m³）表中，计算每个供应商的每周供货量的标准差，用于衡量波动情况。公式为：
=STDEV.S(供货量范围)- 你也可以计算供应商实际供货量与企业订货量的偏差平均值：
=AVERAGE(供应商实际供货量 - 企业订货量) - 在
-
供货充足率：
- 计算每个供应商实际供货量与订货量的比值（供货量/订货量），并求取其平均值。公式为：
=AVERAGE(供货量/订货量)- 这个比值反映了供应商在满足企业需求方面的能力。
-
供货频率：
- 统计每个供应商实际供货的周数（不为0的周数），可以使用COUNTIF函数：
=COUNTIF(供货量范围, ">0")
步骤3：综合评分计算
-
标准化处理：
为了使不同指标具有可比性，需要对每个指标进行标准化处理：= (指标值 - MIN(所有供应商的指标值)) / (MAX(所有供应商的指标值) - MIN(所有供应商的指标值))标准化后的值在0到1之间，便于加权计算。
-
综合得分计算：
为每个指标分配权重（根据你的实际需求，例如稳定性和充足率可以赋予更高权重），然后计算综合得分：= (权重1 * 标准化后的稳定性) + (权重2 * 标准化后的充足率) + (权重3 * 标准化后的频率)
步骤4：排序与筛选
-
根据综合得分对所有供应商进行降序排序。
- 选择综合得分列，使用Excel的“排序和筛选”功能按降序排列。
-
筛选出排名前50的供应商，并记录结果。
步骤5：结果展示
将这50家供应商的名称、综合得分和各项指标列出来，制成表格。该表格可以直接用于论文中的结果展示。
数据预处理的详细做法
在Excel中进行数据预处理的详细做法包括检查数据结构、处理缺失值和异常值、并整理数据以便后续分析。以下是逐步操作指导：
1. 数据结构检查
首先打开工作表 企业的订货量（m³） 和 供应商的供货量（m³），了解数据的基本布局。
- 常见结构：
- 第一列：供应商名称。
- 第二列：原材料类别（A、B、C）。
- 第三列及后续列：每周的数据（通常有240列，表示5年中每周的数据）。
操作步骤：
- 检查是否有多余列或空白列。
- 确保每个供应商的数据在同一行，并且数据位置对齐。
2. 处理缺失值
缺失值指的是数据中存在的空白单元格，这些会影响分析结果。常见处理方法有：
方法1：用均值填充
适用于供应商的供货量数据。如果某些周的数据缺失，可以用该供应商其他周的平均供货量进行填充。
操作步骤：
- 在空白单元格中输入公式，计算非空单元格的平均值：
=AVERAGE(非空单元格范围) - 将计算出的平均值填入空白单元格。
方法2：用零填充
适用于某些供应商在某些周未供货的情况。在此情况下，可以直接用0表示未供货。
操作步骤：
- 选择需要填充的数据区域，使用“查找与替换”功能，将空白单元格替换为0：
- 按
Ctrl + H，在查找中留空，替换中输入0，点击“全部替换”。
- 按
3. 处理异常值
异常值通常表现为极端的高值或低值，在供货量数据中，这可能反映数据记录错误或特殊情况。
方法1：删除异常值
如果异常值明显不合理，可以直接删除这些数据。
操作步骤：
- 选择数据区域，使用“条件格式”中的“突出显示单元格规则 -> 大于/小于”功能标记异常值，并手动处理。
方法2：用均值或中位数替代
如果怀疑异常值是因为偶发性错误，可以用该供应商的均值或中位数替代异常值。
操作步骤：
- 在异常值单元格中输入：
=MEDIAN(该供应商数据范围)
4. 数据整理与规范化
在进行数据处理后，确保所有供应商的数据结构统一：
- 列名称统一：第一行应为列名称，如“供应商名称”、“材料类别”、“第1周”、“第2周”等。
- 删除不必要的数据：如空白行、标题行等。
5. 数据验证与检查
- 随机抽取几行数据，手动核对其数值，确保处理后的数据正确无误。
- 确保每个供应商都有至少一部分有效数据，并且列名称清晰，便于后续分析。
问题一的详细的数学语言表示的数学模型
为了量化每个供应商对保障企业生产的重要性，并确定最重要的50家供应商，我们可以通过以下步骤建立一个数学模型。
问题分析与模型描述
假设有$ n $ 个供应商 ( $S_1, S_2, \dots, S_n $)，每个供应商有以下特征：
- 供货稳定性 ( S i S_i Si )
- 供货充足率 ($ C_i$ )
- 供货频率 ( $F_i $)
目标是构建一个综合评分模型 ($ Z_i$ ) 来衡量每个供应商的重要性，并根据得分排序，选出前50名供应商。
1. 指标定义
1.1 供货稳定性 ( S i S_i Si )
供货稳定性可以通过供应商每周供货量的标准差 ( $\sigma_i $) 来衡量。标准差越大，供货波动越大，稳定性越差。
定义稳定性指数 ($ S_i$ ) 为：
$
S_i = \frac{1}{\sigma_i + \epsilon}
$
其中， ( $\epsilon KaTeX parse error: Can't use function '\)' in math mode at position 1: \̲)̲ 是一个小的正数，用来避免分母… S_i$ 值越大，说明供货越稳定。
1.2 供货充足率 ( C i C_i Ci )
供货充足率定义为供应商的实际供货量与企业订货量的比值。假设第 $ t $周企业的订货量为 (
D
i
t
D_{it}
Dit )，供应商的实际供货量为 $ A_{it} $，则：
$
C_i = \frac{\sum_{t=1}^{T} A_{it}}{\sum_{t=1}^{T} D_{it}}
$
其中， $T $ 为总周数。如果
C
i
C_i
Ci接近1，说明供货充足。
1.3 供货频率 F i F_i Fi
供货频率定义为供应商在总周数$ T $ 内有供货的周数占比。假设供应商在第 t t t 周的供货量为 A i t A_{it} Ait，则：
$F_i = \frac{\sum_{t=1}^{T} \mathbf{1}(A_{it} > 0)}{T}
$
其中，$\mathbf{1}(A_{it} > 0)
是指示函数，当
是指示函数，当
是指示函数，当A_{it} > 0$ 时，值为1；否则为0。
2. 指标标准化
为了便于综合计算，需要对上述三个指标进行标准化处理，使得它们都处于相同的量纲。
标准化公式为：
$
S_i’ = \frac{S_i - \min(S)}{\max(S) - \min(S)}$
C i ′ = C i − min ( C ) max ( C ) − min ( C ) C_i' = \frac{C_i - \min(C)}{\max(C) - \min(C)} Ci′=max(C)−min(C)Ci−min(C)
F i ′ = F i − min ( F ) max ( F ) − min ( F ) F_i' = \frac{F_i - \min(F)}{\max(F) - \min(F)} Fi′=max(F)−min(F)Fi−min(F)
标准化后的指标 S i ′ S_i' Si′、 C i ′ C_i' Ci′、 F i ′ F_i' Fi′均在区间 [0, 1] 之间。
3. 综合评分模型
设定各指标的权重为
w
1
,
w
2
,
w
3
w_1, w_2, w_3
w1,w2,w3，则供应商 $ i
的综合得分
的综合得分
的综合得分Z_i$ 为：
$
Z_i = w_1 S_i’ + w_2 C_i’ + w_3 F_i’
$
其中，
w
1
+
w
2
+
w
3
=
1
w_1 + w_2 + w_3 = 1
w1+w2+w3=1。权重的设置可以根据企业对各指标的重要性偏好进行调整。例如，如果稳定性被认为最重要，可以设置
w
1
w_1
w1较大。
4. 目标与约束
我们的目标是选出综合得分最高的50个供应商。可以表示为：
$
\text{Maximize} \quad \sum_{i \in \mathcal{S}} Z_i
$
S
u
b
j
e
c
t
t
o
∣
S
∣
=
50
{Subject to} \quad |\mathcal{S}| = 50
Subjectto∣S∣=50
其中， $ \mathcal{S} $表示被选中的供应商集合。
5. 排序与筛选
根据 Z i Z_i Zi对所有供应商排序，选取得分前50名的供应商。
6. 模型求解与优化
在实际求解时，可以使用Excel中的排序功能直接筛选出综合得分最高的50个供应商。
模型总结
这个模型通过综合考虑供货稳定性、供货充足率和供货频率三个指标，量化了每个供应商的重要性，并通过标准化和加权求和的方法进行综合评分，最终筛选出最重要的供应商。
还有1个特征指标供货可靠性,需等我想出来再计算这个指标
更新(8.20)
供货可靠性主要衡量供应商按计划交付的能力，也就是实际供货量与计划订货量之间的差异情况。
1. 供货可靠性 R i R_i Ri 的定义
供货可靠性可以定义为实际供货量与企业订货量之间的相对偏差。假设第 ( t ) 周企业的订货量为 ( D_{it} )，供应商的实际供货量为 ( A_{it} )，则相对偏差
E
i
t
E_{it}
Eit为：
$
E_{it} = \frac{|A_{it} - D_{it}|}{D_{it}}
$
供货可靠性 ( R_i ) 可以定义为所有周相对偏差的平均值的倒数：
$
R_i = \frac{1}{\frac{1}{T} \sum_{t=1}^{T} E_{it} + \epsilon}
$
其中，$ \epsilon$ 是一个小的正数，用于防止分母为零。$R_i $ 值越大，说明供货越可靠，偏差越小。
2. 更新后的综合评分模型
考虑到供货可靠性的重要性，我们将其引入到综合评分模型中，新的综合得分 $ Z_i $ 表示为：
$
Z_i = w_1 S_i’ + w_2 C_i’ + w_3 F_i’ + w_4 R_i’
$
其中，$ R_i’ $ 是供货可靠性的标准化值，标准化方式与之前一致：
$
R_i’ = \frac{R_i - \min®}{\max® - \min®}
$
同时，权重满足 $ w_1 + w_2 + w_3 + w_4 = 1
。权重的设置应根据企业的实际需求进行调整，例如，如果供货可靠性被视为至关重要，
。权重的设置应根据企业的实际需求进行调整，例如，如果供货可靠性被视为至关重要，
。权重的设置应根据企业的实际需求进行调整，例如，如果供货可靠性被视为至关重要，w_4 $应较大。
3. 最终目标与约束条件
与之前类似，目标是选出综合得分最高的50个供应商：
$
\text{Maximize} \quad \sum_{i \in \mathcal{S}} Z_i
$
$
\text{Subject to} \quad |\mathcal{S}| = 50
$
4. 模型求解步骤
- 计算每个供应商的供货稳定性 $ S_i $、供货充足率 $ C_i$、供货频率 F i F_i Fi 和供货可靠性$ R_i $。
- 对这些指标进行标准化，得到 $ S_i’ 、 、 、 C_i’ 、 、 、 F_i’ 、 、 、 R_i’ $。
- 根据权重计算综合得分$Z_i $。
- 根据综合得分对供应商进行排序，选择前50名。
模型总结
在综合评分模型中，供货可靠性有效地反映了供应商是否能够稳定且按时满足企业需求。引入该指标后，模型更加全面，有助于企业在筛选供应商时进行更准确的判断。
层次分析法（AHP）是一种结构化的决策方法，通过构建判断矩阵和一致性检验，可以有效确定各指标的权重。以下是具体操作步骤：
1. 构建层次结构模型
首先，确定你需要评估的指标。在这个问题中，我们需要评价供应商的重要性，因此可以将模型分为三个层次：
- 目标层：确定供应商的重要性。
- 准则层：供货稳定性、供货充足率、供货频率、供货可靠性。
- 方案层：具体供应商（不在本次权重设置范围内）。
2. 构建判断矩阵
假设我们要比较四个指标：供货稳定性 S i S_i Si、供货充足率 C i C_i Ci、供货频率 F i F_i Fi、供货可靠性 R i R_i Ri。我们需要两两比较它们的相对重要性。
判断矩阵的基本形式为：
$
\mathbf{A} = \begin{bmatrix}
1 & a_{12} & a_{13} & a_{14} \
\frac{1}{a_{12}} & 1 & a_{23} & a_{24} \
\frac{1}{a_{13}} & \frac{1}{a_{23}} & 1 & a_{34} \
\frac{1}{a_{14}} & \frac{1}{a_{24}} & \frac{1}{a_{34}} & 1 \
\end{bmatrix}
$
其中，$a_{ij} $ 表示第$i 个指标与第 个指标与第 个指标与第 j$个指标的重要性比值。取值范围为1到9：
- 1：同等重要。
- 3：略微重要。
- 5：明显重要。
- 7：非常重要。
- 9：极端重要。
- 2、4、6、8 是上述判断之间的中间值。
举例来说，如果你认为供货可靠性 R i R_i Ri比供货稳定性$S_i 略微重要，那么 略微重要，那么 略微重要，那么a_{14} = 3 ，而 ，而 ，而 a_{41} = \frac{1}{3}$。
3. 计算权重
根据判断矩阵，可以通过以下步骤计算各指标的权重。
3.1 计算判断矩阵的归一化矩阵
对判断矩阵的每一列进行归一化处理，使每列元素之和为1。具体计算方法是将每个元素除以该列元素之和。
归一化矩阵的形式为：
$
\mathbf{A’} = \begin{bmatrix}
\frac{a_{11}}{\sum_{i=1}^{4} a_{i1}} & \frac{a_{12}}{\sum_{i=1}^{4} a_{i2}} & \dots \
\frac{a_{21}}{\sum_{i=1}^{4} a_{i1}} & \frac{a_{22}}{\sum_{i=1}^{4} a_{i2}} & \dots \
\vdots & \vdots & \ddots \
\end{bmatrix}
$
3.2 计算各指标的权重
对归一化矩阵的每一行求和，然后再除以行数，得到各指标的权重。权重的计算公式为：
$
w_i = \frac{\sum_{j=1}^{4} \mathbf{A’}_{ij}}{4}
$
3.3 一致性检验
判断矩阵的逻辑一致性至关重要。我们需要通过一致性检验来验证矩阵的合理性。
-
计算一致性指标 CI：
$
CI = \frac{\lambda_{\max} - n}{n - 1}
$
其中， λ max \lambda_{\max} λmax 是判断矩阵的最大特征值，$n $是矩阵的阶数（这里为4）。 -
计算一致性比率 CR：
$
CR = \frac{CI}{RI}
$
其中，$ RI $ 是随机一致性指标，针对不同矩阵阶数有固定值。对于4阶矩阵，$ RI = 0.90$。
当 C R < 0.1 CR < 0.1 CR<0.1 时，一致性通过，可以认为判断矩阵合理。
4. 示例计算（Excel实现）(这里用matlab代码计算,用excel表验算)
在Excel中，你可以按照以下步骤操作：
- 输入判断矩阵：在Excel中手动输入判断矩阵。
- 计算归一化矩阵：使用公式对判断矩阵每列进行归一化。
- 计算权重：对归一化后的每行求和并取平均值。
- 一致性检验：
- 通过Excel的矩阵特征值计算功能（如
=MMULT()和=MINVERSE()）求解最大特征值 λ max \lambda_{\max} λmax。 - 计算 CI 和 CR，检查一致性。
- 通过Excel的矩阵特征值计算功能（如
5. 权重结果的应用
最终得到的权重 $ w_1, w_2, w_3, w_4 $ 将用于综合评分模型中：
$
Z_i = w_1 S_i’ + w_2 C_i’ + w_3 F_i’ + w_4 R_i’
$
总结
层次分析法通过专家判断、数学计算和一致性检验，确保了权重分配的合理性和科学性。这种方法既考虑了主观经验，又保证了结果的逻辑一致性，适用于多指标、多因素的综合评价问题。
(专家判断,实际上dddd,上网查论文资料进行设置吧)
扫一扫
8150
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
