建筑材料供应商评价方法

Word版本，下载可自由编辑建筑材料供应商评价方法建造业面临的不确定因素较多，建造企业必需具备较强的抵挡风险的能力。挑选牢靠的供给商是提升建造业供给链整体运行效率的一个至关重要的问题。文章基于数据挖掘的理念，采纳决策树C5.0算法，在样本处理的基础上建立了建造材料供给商评价模型，并举行了算法验证，为建造材料供给商评价与挑选提供了一个新思路。

1引言

建造业是一项复杂的生产活动，涉及几十个工业部门，一栋建造的建筑过程需要众多原材料及设备供给商的产品支持。建造产业进展到现在，产品的内涵已经大大延长，各类预制件、模块等不同的中间产品都有可能利用外包的方式举行。各类供给商提供的产品质量、价格和交付时光，以及供给商本身的生产能力、规模和信用，都是制约建造企业产品质量、成本、进度和效率的关键因素，挑选牢靠的供给商是建造企业的关键问题。

建立合理、公正的供给商评价办法和机制，不仅可为建造企业提供挑选供给商的主要手段，也可为行业管理提供决策基础。目前，供给商评价办法种类较多。近年来，数据挖掘算法在企业及个人信用评价方面取得了较为胜利的应用，这为进展建造材料供给商评价办法提供了启示。本文的主要目的是按照现代建造模式的特点，分析建造材料供给链的核心要素，建立基于决策树C5.0算法的建造材料供给商评价模型。

2建造材料供给商评价的须要性

常规的供给链由供给商、创造商、配送商、销售商组成。但因为建造业的特点，建造材料供给链管理还需要考虑设计方、建造企业和业主的参加和功能，而且要实现对信息流、物流、资金流的控制。建造企业与建造材料供给商的关系十分密切。建造材料是建造的基本物质，它打算着建造的特征、风格、效果等。建造材料的特点是分类广泛，除了砖、瓦、土、沙、木、石等传统建造材料之外，还包括钢材、水泥、混凝土、玻璃、塑料等现代建造材料。而进展到现在，建造材料的内涵已经大大扩展，普通包括：建造防火材料、建造防水材料、建造隔热材料、建造降噪材料、建造光学材料、建造功能砂浆和建造节能材料。

这些材料的形态、计价方式、包装形式、交货形式都不尽相同。对原材料和设备的选购必需与建造工程进度紧密关联，所选购建造材料不仅涉及建造性能、建造成本、建造工期、建造质量等重要指标，而且与建造施工环节中各种系统的布置和安装等活动密切相关。这就要求建造企业与供给商之间建立良好的互动反馈。此外，在建造过程中，业主有可能会指定一些设备、材料的供给商，这也是供给商评价在建造企业生产活动中的一个反映。

随着建造材料内涵的扩展，建造材料供给商的范畴也在不断拓宽，越来越多的建造配套产品需要外购，甚至部分预制件也都可外包给其他企业生产。这使建造材料供给商的数量和种类进一步增强。合理的供给商评价办法是挑选供给商的前提。供给商评价的普通步骤为：分析市场竞争环境-建立挑选的目标-建立供给商评价标准-建立评价小组-供给商参加-评价供给商。

3数据挖掘

3.1决策树办法利用特定的算法，数据挖掘可以在已有些数据集中发觉或生成特定的模式，而这些模式可能是人工难以识别的。当前，数据挖掘技术已经在无数行业得到了胜利应用，并且正在向深度学习方向进展，将发挥更大的作用。决策树办法是指在分析问题时，把全部的决策动作或大事的结果都绽开，形成树状图，并通过该图反映出思量、预测、决策的全过程。当前最有影响力的决策树算法是C4.5算法。它是ID3算法的升级版，不仅可以处理离散型变量，还能处理延续型变量。C4.5算法采纳了信息增益比作为挑选测试属性的标准，从而使挑选范围越发合理，弥补了ID3算法的不足。

C5.0算法则是C4.5算法的修订版，最大特点是可生成多节点多分支的决策树。C5.0算法按照最大信息增益的属性举行样本拆分，并且可以举行循环拆分，从而保证耦合性降到最低。3.2C5.0算法设S是一个样本集合，包含N个样本，目标变量C有M个取值，则可将样本集分为M个类别。设ni为属于类别Ci的样本数量，则样本集合S的信息熵E定义为将训练样本集合作为决策树的根节点，然后分离计算每个特征属性的信息增益率，挑选信息增益率最大的属性Ai，把在iA处取值相近的样本归于同一子集，对每种取值状况下的子集递归调用此计算过程，若子集只含有一个属性，则可建立一个叶节点作为分支，从而建立决策树。

4办法讨论

4.1样本集建立建造材料供给商的特点是专业性强，一个供给商可能仅涉足一个领域，生产若干种产品，受到自身技术实力、生产规模、工艺办法等因素的制约，不同产品的质量、性能、交货周期也不尽相同。供给商评价则应以供给商的产品为主体举行。通过藏匿资料中收集到的各类建造材料供给商的资料，收集了477个样本，样本从产品质保能力、技术能力、供给能力、售后服务能力几个指标来表述，由14个属性字段和评价字段组成，包括：质量管理水平、废品率、返修率、牢靠度、失效率、产品开发能力、技术水平、自主学问产权程度、价格、合作态度、交货提前量、交货周期、及时交货率、服务准时率、沟通反馈率、评价结果。表1为这些样本字段属性的分类状况。

评价结果共分为两个类别：“好产品”和“差产品”。定义为：“好产品”就是建造企业情愿在供给商处选购的产品；“坏产品”则是建造企业不肯意选购的产品。4.2决策树构建在477个样本中随机抽取约80%作为训练样本集合，剩余的20%作为测试样本。样本集合中好、差产品的分布如表2所示。4.3算例验证基于本文建立的决策树模型，对训练样本集合和测试样本集合举行分类，分离观看预测正确率，结果如表4所示。在此模型中，正确率有两类，即将好产品误判为差产品的概率和差产品误判为好产品的概率。从表4可以看出，预测结果总体是可行的，表明此决策树模型对筑材料供给商评价及挑选具有一定的参考价值。

5结论

针对建造材料供给商管理问题，提出了一种基于决策树C5.0算法的建造材料供给商评价模型。按照477个建造材料供