基于XGBoost的电网物资供应商履约风险预测

电网物资供应商履约质量是电网安全稳定运行的基础,供应商履约涉及环节众多且风险因素复杂,使得当前对其研究较为匮乏且大多停留在理论业务分析层面。针对这一问题,提出基于XGBoost(Extreme Gradient Boosting)的供应商履约风险预测模型,充分考虑业务全流程中的各种风险因素,综合内部供应链运行、知识图谱数据以及外部天眼查、疫情等数据,基于特征工程构造了191个风险特征进行初始训练,在模型优化后对筛选出的49个特征再次训练,兼顾实际业务中的预测准确性和特征可解释性要求,采用SHAP(SHapley Additive exPlanations)值方法进行模型解释。实验结果表明,对比其他3种主流机器学习算法,所提模型准确率、精确率、KS值分别高达93.05%,94.45%,45.38%,进而验证了XGBoost算法在履约风险预测中的可行性和优越性。该模型可应用到电网物资供应链中,进一步指导业务应用。

IT企业员工绩效考核量化管理研究

信息技术的发展推动着社会生产方式的转变,当今世界正处于信息技术飞速发展的阶段,我国IT企业也迎来了机遇和挑战。为了促进IT企业持续稳定发展,对IT企业员工的绩效考核成为企业战略目标实现的重点。针对IT企业日常工作进行分类,并通过专业计量方法计算员工每月的考核得分,为IT企业员工绩效考核提供了一套科学有效的量化办法。

浅谈主数据管理应用问题治理

企业内部MDM系统建设与应用,目的是想建立集中统一、准确干净的数据中心,为各部门和应用系统提供一致完整、可信赖的共享数据,但是在实际应用中,主数据管理的业务问题和技术缺陷也频繁出现,本文主要对企业MDM建设使用一段过程进行总结和后续思考。

基于胶囊网络的电力供应链风险识别模型

为解决传统方法下电力供应链分析识别准确率低、泛化能力和鲁棒性差的情况,提出一种利用深度学习中胶囊网络算法来构建电力供应链风险评估模型。为了验证该算法在电力供应链风险中的识别效果,通过与传统方法进行对比,结果显示提出的算法在准确度、泛化能力以及鲁棒性等方面都取得了可竞争的实验效果。

基于移动互联的电力物资监造管理业务应用研究

近年来,移动互联技术飞速发展,为国网提升工作效率和服务品质开辟了广阔空间,国网江苏省电力公司依托当下信息化技术,构建基于移动互联技术的电力物资监造管理移动应用,支撑电力物资生产现场实时监控的现实需求,全面提高了电力物资监造业务的处理效率,取得积极成效。

基于SAP-WM的仓位可视化管理应用研究

随着新技术的发展及应用,电力物资仓储管理已下沉到仓位管理级别。在此基础上,江苏电力建设仓位可视化管理系统,实现仓储作业现场实时监控,全面提高仓储业务精益化管理水平。

电力采购业务数据风险智能预警方法

常规的电力采购业务数据风险智能预警方法主要是使用KLT(Karhunen-Loeve Transform)变换提取风险预警特征,但由于该方法易受离散信号相关系数变化影响,会导致预警均方根误差过高,因此,本文设计了一种全新的电力采购业务数据风险智能预警方法。即提取电力采购业务数据风险智能预警特征,设计电力采购业务数据风险智能预警算法,从而实现电力采购业务数据风险智能预警。实验结果表明,本文设计的电力采购业务数据风险智能预警方法的预警效果均方根误差较低,具有可靠性及一定的应用价值,这为推动电力采购行业发展,提高电力采购安全性作出了一定的贡献。

基于大数据智能化的采购全流程风险预警研究

国资央企有着海量数据规模,其采购业务的繁琐性和复杂性由来已久,由此引发的采购风险也日益突出。因此,大力推进业务数据化、数据业务化,并科学管控采购业务链的风险点,是提升企业监管能力和企业竞争力的重要举措。本文通过分析采购业务从采购立项到履约评价的全生命周期数据,筛选出采购全流程中可通过数据业务化实现管控的风险点,构建采购风险指标体系,建立采购业务合规分析模型,最终通过采购全流程数智监管系统实现采购业务的风险预警。并且实验测试结果表明,采用本文方法得到预警结果分数的P1值为0.87,均高于其他方法,由此证明此方法在采购风险预警方面表现优异,能够助力提升采购工作的风险防控能力。