[发明专利]基于层次分析法和有序加权算子的供应商风险预警系统

说明书

本发明涉及一种基于层次分析法和有序加权算子的供应商风险预警系统及方法，所述的一种基于层次分析法和有序加权算子的供应商风险预警系统，包括数据准备及预处理单元和建模分析单元：所述的数据准备及预处理单元：采集所需内外部数据，完成采集数据的清洗转换，包括缺失值、异常值和噪音处理，对数据的无量纲化处理；所述的建模分析单元：基于AHP‑OWA大数据挖掘构建供应商风险预警评估矩阵，确定指标数据权重。

技术领域

本发明属于信息管理技术领域，具体涉及一种基于层次分析法和有序加权算子的供应商风险预警系统及方法。

背景技术

现有的供应商征信数据采集主要依靠人工手动查询、筛选，受网络及外部平台因素限制，其数据采集的时效性及准确性无法得到有效保障，影响对存在信用风险的供应商开展风险防控工作。主要面临问题：一是、数据统计难度大。即供应商信用数据分散广，具有多维度、多平台的特点，目前主要采集供应商征信、处罚、安全事故、不良行为等信用数据，人工统计难度大。二是、信用风险预控有待提高。

特别是现有的智能电网正处于全面建设与引领提升相结合的发展阶段，电网供应商风险预警评估是现在智能电网背景下关于电力系统评估领域的重要问题。尤其是在能源行业工程、数据要素等方面已建立评估评价系统的基础上，亟需一种供应商风险预警评估的准确、安全、高效系统及其算法。

发明内容

本发明目的是提供一种基于层次分析法和有序加权算子的供应商风险预警系统及方法，准确高效的统计所需数据，进一步确保准确、安全、高效的管理，提升安全性能，适用性广。

为了实现以上目的，本发明采用的技术方案为：一种基于层次分析法和有序加权算子的供应商风险预警系统，包括数据准备及预处理单元和建模分析单元：

所述的数据准备及预处理单元：采集所需内外部数据，完成采集数据的清洗转换，包括缺失值、异常值和噪音处理，对数据的无量纲化处理；

所述的建模分析单元：基于AHP-OWA大数据挖掘构建供应商风险预警评估矩阵，确定指标数据权重。

进一步的，所述的数据准备及预处理单元中：

所述的缺失值处理：针对连续型数值缺失值采用平滑处理，针对离散型数值依据指标属性特征取值为0；

所述的异常值和噪音处理：采用3σ准则处理异常值和噪音数据，在区间(μ-3σ,μ+3σ)之外的数值，视为异常数据进行修正，其中μ为平均值，σ为标准差；

所述的无量纲化处理：采用Min-Max标准化方法对连续型数值进行归一化处理，将连续性数值标准化在[0，1]区间，转换为无量纲的数值；

将所有的二级指标转换成百分制；

所述的建模分析单元中：分别构造一级指标和二级指标对应的评价矩阵。

进一步的，一种基于层次分析法和有序加权算子的供应商风险预警系统的方法，包括如下步骤：

1)、设计供应商风险预警评估框架，以框架为基础设计一级指标和二级指标，形成供应商风险预警评估指标系统，并且依据指标系统收集数据，对数据进行预处理，形成量化的指标数值；

2)、分别构建一级指标和二级指标对应的评价矩阵；

3)、对构建的评价矩阵分别进行矩阵一致性检测，若不通过检测则重新构建对应的评价矩阵；

4)、采用算数平均法、几何平均法、特征值法，计算通过矩阵一致性检测的评价矩阵指标权重；

5)、通过有序加权算子进行主观权重修正；

6)、通过量化的指标数值与权重的积累加求和得到各供应商风险预警评估结果。

进一步的，还包括：