基于大数据的电力企业物资管理模式优化探讨廖根宇

基于大数据的电力企业物资管理模式优化探讨廖根宇

廖根宇

国网安徽省电力有限公司物资分公司，安徽省合肥市230009

摘要：随着改革开放四十多年以来，当前我国经济社会发展进入中国特色社会主义新时代，国民经济增长进入换挡期和转型期，国有企业治理体系正在逐步变革，能源供给侧改革日益深入，市场化竞争越来越激烈，电力企业正面临前所未有的巨大挑战，为了在残酷的市场竞争中求生存、谋发展，势必要求企业主动探索新的管理模式，挖掘更多的利润增长的驱动力，真正地树立“成本领先、价值创造”的管理理念。以电力企业为例，采取大数据分析的新技术加强物资全过程管理是企业大幅降低可控成本，实现管理提升价值的有效途径。

关键词：大数据；电力企业；物资管理；模式优化

中图分类号：TM736

文献标识码:A

引言

在大数据时代的背景下，电力行业作为国民经济的基础和“先行官”，其经营管理、生产运行、检修/运维、市场营销和企业文化等数据的重要性越来越明显，随着数据量的迅速膨胀，这些数据已成为电力企业最有价值的资产。而在这些电力大数据中，所需物资的采购、仓储等数据占电力企业经营管理大数据的比重不低，也是企业节资的重要环节。

1电力物资需求的特性

1.1连续性

电力物资需求的连续性，是基于保证电网不间断供电，决定了电力物资需求是连续的。

1.2重要性

电力物资的重要性，与电力系统的运营有关，取决于物资对电网正常运作的作用。比如，配变和高压电缆的短缺，可能造成大面积长时间停电，属于重要性高的物资。

1.3紧急性

电力物资的紧急性，是由于电网不间断的供电，要求物资必须保证是及时有效的。在电网出现故障时，要尽快完成抢修，保证客户用电。

1.4季节性

电力物资的季节性，是由于电力设备的部署分散在各地，而且多数设备暴露在露天，易受自然灾害破坏，而自然灾害是具有季节性的。因此，电网物资也具有一定的季节性分布，会因季节不同而引起需求变化。

1.5流动性

电力物资的流动性属性可描述为，物资需求的频繁程度。对于频繁需要的物资，在制定需求策略时，应综合考虑储备成本是否储备充足，以降低分批进货的成本。

1.6通用性

因各地实际情况的不同，电力物资具有差异化的特点，为了保证正常响应，储备电力物资时，要考虑到其通用性，通用性较低的物资需多储备。

1.7复杂性

电力物资的复杂性，是由于电力设备空间分布广，地理环境各异，不同地域的电力物资运输、配送、装接、更换，都有不同的标准、要求和难度，造成了电力物资的复杂性。

1.8不确定性

电力物资的不确定性，是电力物资需求的重要特性，主要是指在某段时间可能出现某种或某几种物资需求猛增。

1.9周期性

电力物资的周期性，是指电力物资材料具有使用周期，其部分设备需要定期更换，因此，电力物资需求也具有周期性。

2基于大数据的电力企业物资管理模式优化措施

2.1大数据分析在物资采购计划的应用

运营发电企业剔除燃料和人工成本中物资采购成本占比很大，主要包含日常维护材料费、机组检修材料费、大宗物资费用等，通过采取措施大幅度降低采购成本是电力企业实施成本领先战略的有效途径。

第一，对近年来备品备件的采购数据进行大数据分析，以捕捉并初步建立符合该发电厂设备状况的常用物资种类库，并开展实时跟踪日常材料的消耗及补充情况，逐步获得精确、有指导意义和实用价值的常用维护物资类别库，以此有针对性地指导班组计划员实施最佳计划提报策略，逐步提高维护费用使用效率，并降低库存资金占用率。

第二，根据集团公司机组等级检修标准化的要求，机组等级检修已形成了规范的检修项目资料等，建议根据不同的机组检修等级，通过对历年检修使用设备备件大数据分析，获得典型等级检修需求物资的参考类别库，以指导各专业检修人员可以不漏项、不添项的优化计划提报，最大限度地降低检修费用。由于各发电企业机组设备类型不同，故大数据分析所建立的数据库和指导策略一般仅适用于该厂，但是这种分析模式可以适度推广。

2.2大数据分析在物资仓储管理的应用

与传统制造类企业不同，发电企业的物资库存主要是用于保障设备安全稳定运行的备品备件，但是吸取国内外先进企业关于优化库存的经验，对于降低库存、减少资金占用、降低各项费用仍有很大的借鉴意义。

为切实有效地降低库存，并防止后续库存增加，本文认为可以在仓储管理中引入大数据分析的技术手段，具体建议如下：目前，仓储管理已全面使用ERP系统，其对所有库存物资均有非常详细的记录和检索，为降库存打下了坚实的技术基础，但是ERP系统在仓储管理正常业务之外，其系统集成的数据分析功能仅有库存周转率、闲置物资库存金额占比、物资领用率、闲置物资增长率等几个指标，更多的偏向于物资仓储管理的统计性指标，不能有效地指导我们开展降库存和后续保持低库存的要求，因此建议引入大数据分析的技术手段对近年来物资仓储全部物资的出入库数据进行分析，找出使用数量、频次较高的物资，通过数据分析提炼出有价值的采购策略，逐步优化库存结构，将常用库存保持在保障机组设备安全需要的最低水平，切实提高资金使用率。

2.3建立电力紧急物资供应商联动机制

电力企业从成本领先的角度降低库存，一方面节约了资金，另一方面也产生了部分紧急物资采购时限性问题，因此建立电力紧急物资供应商联动机制是对上述问题的有效补充。现行的公开网采平台模式下，企业与供应商的交易关系往往是短期、一次性的，具有较大的不稳定性，带来的后果是：供应商的产品质量稳定性波动较大；采购方与供应商大多不熟悉，增加了交流成本；受价格博弈的影响，采购方和供应商之间的采购信息不能充分有效共享；采购方遇到紧急物资采购时无法快速找到满足需要的供应商等。

基于上述问题，建议通过大数据分析技术，将参与企业物资采购的所有供应商供货时间、质量、价格、信誉等数据进行分析，建立每类物资的最佳供应商库，当出现突发事件或者紧急物资采购时，在集团联合物资储备机制短时间无法满足需要时，可尽快联系最佳供应商尽快供货。当然，要保证该机制的有效性，需要平时定期对供应商库进行胜任力评估，并与之建立良好的战略合作关系，通过上述各类措施确保发电生产保持长周期安全稳定。

2.4据抽取对电力物资大数据质量影响分析

目前电力物资大数据抽取方式按组织层级可分为纵向抽取和横向抽取两种，其中纵向抽取是指从基层企业开始、经过分公司逐级向上抽取；横向抽取是指同层级间的数据抽取，如集团公司的数据中心抽取同级的采购数据等。数据抽取在每个环节都可能产生损耗，从而影响数据质量。如数据精度、甄别技术、过滤条件(包括选取的范围、颗粒度等)、算法（如计算量和累积量的算法、及曲线拟合的策略等）、抽取方式（包括实时抽取、定时抽取、变更触发抽取等）、及时性（包括数据间隔和新鲜度）以及数据的传输方式等，都会对数据质量产生影响。

结束语

综上所述，在项目物资需求模式越来越复杂的今天，对物资需求、供应及时响应，以保证项目进度正常进行，减少不必要的成本，传统方法在处理这类问题上已是捉襟见肘。通过构建大数据挖掘平台，将大数据挖掘分析方法应用于物资需求预测。通过数据挖掘的预测结果，及时调整物资采购方式，提前做好准备，确保物资需求侧和供应侧能够及时响应，从而优化电力物资需求模式。

参考文献

[1]官志华.大数据分析在供应链管理中的应用[J].物流技术,2017(9):132-135.

[2]官思发.大数据分析研究现状、问题与对策[J].情报杂志,2015(5):98-103.

[3]寿川钊.探索大数据基础上的需求预测[N].东方烟草报，2014－03－03.