[發明專利]一種基于正態分布模型的采購價格控制方法及系統

在審

• 申請號: 201910066947.5
• 申請日: 2019-01-24
• 公開（公告）號: CN109840805A
• 公開（公告）日: 2019-06-04
• 發明（設計）人: 田地
• 申請（專利權）人: 四川長虹電器股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q10/08
• 代理公司: 四川省成都市天策商標專利事務所 51213
• 代理人: 吳瑞芳

本發明公開了一種基于正態分布模型的采購價格控制方法，使用基于正態分布的數據模型來訓練歷史采購數據，通過聚類和插值對異常值進行剔除和修正，然后根據模型的偏度和峰度生成相應調整后的統計量作為模型產出，實現對采購的價格進行調整和控制。本發明的方法采用正態分布模型訓練歷史數據，產出當前采購價格的預警值和熔斷值，通過預警值和熔斷值來限定本次采購價格的可接受區間，從而達到控制采購價格的目的。

技術領域

本發明涉及采購價格控制技術領域，特別涉及一種基于正態分布模型的采購價格控制方法及系統。

背景技術

企業物資采購成本是企業成本的主要組成部分之一,有效的采購成本管控,對于企業的生存與發展有著重要的意義,物資采購成本中,采購價格的權重值較大,因此對采購價格的有效控制尤為關鍵。現有的采購價格控制方法一般有三種：

第一種是利用過去的采購經驗人為判斷，根據過去采購的價格，用人工判斷的方法來預估當前采購價格是否合理，從而控制當前的采購價格。這種方法的缺陷在于,當采購的數據量很大的時候，會增加大量的人力和時間成本，導致維護采購價格的成本大大增加。

第二種方法是直接計算采購歷史價格的平均值作為當前采購的指導價格，這種方法的缺陷在于受歷史采購價格的異常值干擾很大，往往得出的指導價格會有很大波動，用它來指導當前的采購價格會出現準確率過低的情況。

第三種是使用正態分布理論來分析數據的概率分布，根據均值或標準差對價格進行調整，它的準確率相對使用平均值作為指導價格的方法有所提升，但仍不理想，原因是它對數據中的異常值太過敏感，數據中的異常值對生成的均值和標準差有很大影響。

本發明中的價格控制是基于第三種方法，但是對其做了調整和改進：使用基于正態分布的數據模型來訓練歷史采購數據，通過聚類和插值對異常值進行剔除和修正，然后根據模型的偏度和峰度生成相應調整后的統計量作為模型產出，對采購的價格進行調整和控制，很好的解決了維護成本過高和準確性過低這兩個技術缺陷，并且具有更高的可解釋性，而且隨著數據量的提升，模型的效果也會越來越好。

發明內容

本發明的目的是克服上述背景技術中不足，提供一種基于正態分布模型的采購價格控制方法及系統，采用正態分布模型訓練歷史數據，產出當前采購價格的預警值和熔斷值，通過預警值和熔斷值來限定本次采購價格的可接受區間，從而達到控制采購價格的目的。

為了達到上述的技術效果，本發明采取以下技術方案：

一種基于正態分布模型的采購價格控制方法，使用基于正態分布的數據模型來訓練歷史采購數據，通過聚類和插值對異常值進行剔除和修正，然后根據模型的偏度和峰度生成相應調整后的統計量作為模型產出，實現對采購的價格進行調整和控制。

進一步地，具體包括：

A.使用k-means聚類方法剔除物料歷史采購數據中的異常值；具體為對所有物料的歷史價格數據進行k-means聚類，生成聚類邊界(該步驟可在現有軟件程序中實現，此處不再贅述)，然后將在聚類邊界之外的異常值剔除掉；

B.使用拉格朗日插值法對物料歷史采購數據中缺失值進行填補插值；即對剔除異常值后的數據按照物料進行分組，對每個物料的歷史價格擬合拉格朗日曲線，使用拉格朗日插值法對物料的缺失值進行插值填充，將數據的缺失值補充完整；

C.生成正態分布數據模型；因為歷史采購價格數據會根據采購月份波動，作為優選，此步驟中按照月份來對歷史數據進行分組和訓練(生成正態分布數據模型)；

D.對按物料分組后各物料每個月的歷史采購數據的分布進行分析，計算模型的偏態系數和峰度系數確定分布的狀態，其中，偏態系數和峰度系數的計算通過現有的軟件程序等計算工具即可實現，此處不再贅述；

E.根據模型的分布狀態確定模型的物料歷史價格的預警值和熔斷值；