《基于因子分析和聚类的项目进度风险识别系统研究》由会员分享，可在线阅读，更多相关《基于因子分析和聚类的项目进度风险识别系统研究（5页珍藏版）》请在金锄头文库上搜索。
1、基于因子分析和聚类的项目进度风险识别系统研究 沈润夏 黄洪鑫 周东川 尹光明 国网四川省电力公司凉山供电公司 国网四川省电力公司德昌县供电分公司 国网四川雷波县供电有限责任公司 国网四川会理县供电有限责任公司 摘 要： 为解决生产技改大修项目进度“事后管理”的瓶颈问题, 构建基于因子分析和SOM 网络的项目进度风险识别系统。通过内部取数获得可观测的项目物资需求提报率、合同签订率、招标采购率等数据信息, 运用因子分析法将可观测数据转换成影响项目进度的因子数据, 找到潜在的因子数据关系并进行聚类分析, 通过聚类结果产生项目进度风险类别, 并利用数据库建立起高效的工程进度风险识别系统, 实现对项目实
2、施进度的精准预判、提前防控。关键词： 项目进度; 因子分析; 聚类; 作者简介：沈润夏 (1987) , 男, 汉族, 四川南充人, 硕士研究生, 工程师, 研究方向:电力工程管理、电力电子故障诊断技术。1 前言随着国家电网公司对生产技改大修等各类电网工程项目标准化、精益化管理要求不断提高, 项目实施过程中, 急需运用更先进的工具和手段, 实现项目管理提升。目前电网工程进度管理仍缺乏高效量化判断、精准预警的手段, 难以未雨绸缪对进度问题提前防控。基于上述问题, 本文以电网生产技改大修项目为案例, 提出基于“因子分析+聚类”的项目进度风险识别方法。利用 ERP 推送至全口径平台的项目节点大数据,
3、 借助因子分析、聚类分析, 并运用数据库软件对运算后的大数据进行封装, 建立起工程进度风险识别系统, 可以精确、快捷地掌握当前项目可能面临的进度风险, 有效解决项目进度“事后管理”的瓶颈问题。2 数据挖掘2.1 内部系统取数通过全口径系统收集项目物资需求提报、非物资需求提报、合同签订、招标采购、物资领用、合同履约、累计支出入账等实施节点信息, 数据频度为按月取数。将导出的数据经过 Excel 进行整合, 运用归一化思维, 取物资需求提报率 (x1) 、非物资需求提报率 (x 2) 、合同签订率 (x 3) 、招标采购率 (x 4) 、物资领用率 (x 5) 、合同履约率 (x 6) 、累计支出
4、入账率 (x 7) 为分析数据, 去掉量纲, 形成统一的用于后期分析分析的全套数据。以某地市供电公司 2014-2016 年生产技改大修项目为例, 最初取数数据为 4212 条。2.2 数据整合、清洗核对系统取数整理后得到的 Excel 表中所有项目每月的物资需求提报率、合同签订率等 7 个关键节点数据, 对每个项目的字段进行 x1-x7的编号。筛选出异常数据 (主要为 ERP 系统与全口径之间接口未达到 100%匹配导致的个别数据延迟、个别跨年项目数据应将累计值调整为当年数据值) , 利用 ERP 系统对异常数据进行验证和修正。经清洗处理后最终形成有效项目数据 4151 条, 在分析过程中数
5、据不断迭代更新, 总体数据量超 20000 条。3 算法分析、建模3.1 因子分析图 1 因子分析计算原理 下载原图用过全口径、ERP 系统得到可观测变量 x1-xm, 变量之间存在相关性、交互性, 难以直观反映项目进度的整体水平。使用因子分析法, 找出直接影响项目进度的深层次的“潜在因子”Y n (一般 n0, Y30。进入 Minitab 到聚类分析界面, 由于 Y1-Y3分别代表线下实施、物资采购、非物资采购三类进度的滞后于否, 因此, 根据排列组合原则, 应设定 8 类进度风险类别。设置各类参数后, 运行结果。Minitab 系统中聚类分析数据运算结果如表 1。聚类数 8聚类质心根据聚
6、类结果, 可以总结出系统自动分类的风险种类, 该分类结果正好符合 3个公共因子的排列组合分布规律。根据因子分析结果对 Y1-Y3 所做的箱线图分析, 可以将 1-8 类聚类结果整理成 8 种不同的项目进度风险种类, 通过故障树梳理其具体进度问题原因, 制定针对性进度风险防控措施, 最终整理为项目进度风险类别如表 2 所示。项目进度风险识别系统完后, 可每月迭代实时更新数据。在通过历史数据验证因子分析和聚类结果的正确性后, 可以将每个月取出的全口径节点数据纳入历史数据表, 进行新的因子分析和风险聚类, 结合进度风险类别表对每一个项目的进度风险类别进行单独分析, 制定切实可行的防控措施, 直至聚类
7、结果不断朝进度正常的类别 1 优化。管理水平。4 结语基于因子分析和聚类分析的生产技改大修项目进度风险识别系统, 一是采用因子分析、聚类分析算法相结合, 实现对大数据的降维分析, 使整体算法同时具备普适性、高效性和容错性;二是后期可通过 Excel、ACCESS 等建立快捷、直观的进度风险识别查询系统界面, 进度风险预测的同时配以详细的原因分析、应对策略及故障树图, 使基层单位可以方便、高效使用数据分析成果, 达到“深入浅出”的效果;三是算法具有可操作性强、数据可视化强等优点, 可有效提升生产技改大修项目进度参考文献1马逢时, 吴诚鸥, 蔡霞.基于 MINITAB 的现代实用统计 (第二版)
8、M.北京:中国人民大学出版社, 2009. 2郑奇.电力工程中的技改大修工程管理J.科技与创新, 2014 (04) :6869. 3周澜, 刘人玮, 陆新洁.基于 ERP 全过程管控的电网大修技改项目进度控制策略研究J.湖南电力, 2014, 34 (06) :4546. 4侯治平.因子分析与聚类分析在电子商务网站评价中的应用研究J.科技管理研究, 2011, 37 (18) :144147. 5周国亮, 宋亚奇, 蒋玉柱, 朱永利, 王桂兰.状态监测大数据存储及聚类划分技术C.2013 年全国电气工程博士后学术论坛论文集, 2013:135140. 6李宝家, 刘永前, 刘明珠.基于因子分析的数值型数据聚类结果解释方法J.情报杂志, 2010 (29) :2728, 35.
