3. 中标场景建模:中标概率函数、成本函数、约束条件

中标场景建模是智能寻源算法的核心决策引擎。它将采购业务中的“能否中标”、“成本多少”、“是否合规”三个核心问题转化为可计算的数学表达。本节将分别构建中标概率函数、成本函数以及约束条件,并展示三者如何协同形成完整的决策模型。

3.1 中标概率函数

中标概率函数用于评估供应商在给定报价和条件下赢得订单的可能性。该函数通常基于历史中标数据、市场供需关系以及供应商的竞争强度进行建模。

核心公式(逻辑回归形式):
P(中标 | X) = 1 / (1 + e^(-z))

其中:
z = β₀ + β₁·Price + β₂·Quality_Score + β₃·Delivery_Time + β₄·Past_Performance + β₅·Market_Competition

关键参数说明:

参数 含义 数据来源 典型范围
Price 供应商报价(归一化后) 供应商响应数据 0.0 ~ 1.0
Quality_Score 质量评分(历史合格率) 质检系统 0.0 ~ 1.0
Delivery_Time 承诺交付天数(归一化) 供应商响应数据 0.0 ~ 1.0
Past_Performance 历史履约评分 采购绩效系统 0.0 ~ 1.0
Market_Competition 当前询价参与供应商数量 寻源系统 1 ~ 20
调试要点:β系数(权重)需要通过历史中标数据使用最大似然估计进行拟合。建议每季度重新校准一次,以反映市场变化。
中标概率函数决策流程 供应商报价 质量评分 交付时间 历史履约 β系数 线性组合 z Sigmoid 转换 中标概率 P P > 0.5 时,模型预测该供应商中标 P < 0.3 时,建议调整报价或优化参数

3.2 成本函数

成本函数不仅包含供应商的报价,还包含质量风险成本、交付延迟成本以及管理成本。总成本模型如下:

总成本公式:
Total_Cost = Quote_Price + Risk_Cost + Delay_Penalty + Mgmt_Cost

其中:
Risk_Cost = (1 - Quality_Score) × Expected_Loss
Delay_Penalty = max(0, Actual_Delivery - Agreed_Delivery) × Daily_Penalty_Rate
Mgmt_Cost = Base_Mgmt_Cost + Complexity_Factor × Order_Value

成本构成对比:

成本类型 计算方式 典型占比 调试参数
报价成本 供应商直接报价 60% ~ 80% 无(直接输入)
风险成本 质量不合格导致的返工/索赔 10% ~ 20% Expected_Loss
延迟惩罚 超期交付的违约金 5% ~ 15% Daily_Penalty_Rate
管理成本 采购流程、验收、仓储等 5% ~ 10% Base_Mgmt_Cost
常见陷阱:仅关注报价成本而忽略风险成本,可能导致选择低价但质量差的供应商,最终总成本反而更高。建议在调试阶段将 Expected_Loss 设置为历史平均损失金额的 1.2 倍作为安全边际。

3.3 约束条件

约束条件确保算法推荐的供应商满足业务底线要求。主要分为三类:时间约束、质量约束和合规约束。

3.3.1 时间约束

  • 交付截止日期:供应商承诺交付日期 ≤ 项目需求日期
  • 生产提前期:供应商生产周期 + 物流时间 ≤ 允许的最大提前期
  • 紧急订单处理:对于紧急订单,要求供应商在 24 小时内确认并启动生产

3.3.2 质量约束

  • 最低合格率:历史批次合格率 ≥ 90%(可配置)
  • 认证要求:供应商必须持有 ISO 9001 或行业特定认证
  • 样品验证:首次合作供应商需通过样品测试

3.3.3 合规约束

  • 资质合规:营业执照、税务登记、行业许可证在有效期内
  • 环保合规:符合 RoHS、REACH 等环保法规
  • 反腐败合规:供应商签署反腐败承诺书
  • 数据安全:供应商需通过数据安全评估
约束条件过滤与决策树 候选供应商列表 时间约束检查 质量约束检查 合规约束检查 通过 → 进入下一轮 通过 → 进入下一轮 通过 → 进入下一轮 淘汰(时间不符) 淘汰(质量不达标) 淘汰(合规不通过) 所有约束条件均为硬约束(Hard Constraint),任一条件不满足则直接淘汰,不进入后续评分环节

3.4 综合决策模型

将中标概率函数、成本函数和约束条件整合,形成最终的供应商评分公式:

综合评分公式:
Score = α × P(中标) - β × Total_Cost + γ × Compliance_Bonus

其中:
α, β, γ 为权重系数,且 α + β + γ = 1
Compliance_Bonus = 0.1(完全合规)或 0(存在合规风险)

约束条件作为前置过滤器:
if (Time_Constraint == False OR Quality_Constraint == False OR Compliance_Constraint == False):
    Score = -∞  # 直接淘汰

参数调试建议:

参数 调试方向 业务场景
α(中标权重) 提高 α 值 市场竞争激烈,需要提高中标率
β(成本权重) 提高 β 值 成本控制为首要目标
γ(合规权重) 提高 γ 值 高风险行业或首次合作
Expected_Loss 上调 20% 历史质量数据波动较大时
Daily_Penalty_Rate 按合同实际值设定 严格按合同条款执行
最佳实践:建议使用 A/B 测试方式对比不同参数组合下的实际中标率和成本节约效果。每次调整参数后,至少观察 2 个完整的采购周期(通常为 1~2 个月)再评估效果。