摘要：传统供应商遴选方式多依赖人工经验与碎片化数据分析，存在主观性强、效率低下的问题。国家能源集团物资有限公司西北分公司为落实国能e购商城“头部企业、优质商品、合理价格”铺货要求，提高供应商选择与铺货质效，充分借助人工智能技术将产品遴选要点、关键要素进行数字量化，构建了一种基于AI智能分析的国能e购商城铺货供应商遴选量化评估模型，最大程度降低了主观因素干扰，使企业客观、精准、高效地遴选出产品线优质供应商，为其他能源企业提供了参考与借鉴。

关键词：能源企业；供应商；AI智能遴选

在能源行业持续发展与变革的当下，能源企业面临着保障能源稳定供应、提升运营效率、降低成本以及实现绿色可持续发展的多重挑战。传统模式下的供应商遴选依托人工经验，缺乏各种关联数据的深度分析，导致能源企业难以综合评估供应商的实力，无法满足复杂多变的业务需求。人工智能技术作为一种现代化管理工具，在数据处理、模式识别、预测分析等多方面具有强大优势，将其引入能源企业供应商遴选中，能够对供应商信息进行深度挖掘与精准分析，不断提升供应商遴选的科学性、客观性与高效性。

一、能源企业供应商AI智能遴选的必要性

（一）应对海量数据挑战，提升决策科学性

随着能源行业的快速发展，其数据呈现出爆炸式增长态势，从能源生产环节的传感器数据，到设备运行数据，再到销售环节的市场数据、客户反馈数据等，不仅数据类型多样，且规模庞大，传统方法在处理这些数据时显得力不从心。AI技术具有强大的数据处理能力，可以快速、及时、准确地处理各类数据信息，帮助能源企业提升数据处理效率和科学决策性。如通过聚类算法分析，可以将供应商按照交货期、价格、质量等进行分类，帮助能源企业构建清晰完整的供应商画像；通过回归分析算法还可以预测供应商未来的表现，促进企业制定更加前瞻化的供应商管理决策。

（二）应对激烈市场竞争，提升企业竞争力

为了提升综合竞争力，更好适应当前行业趋势，需不断降低成本、提高质量、优化服务。而供应商作为能源企业供应链的重要构成部分，其表现直接影响企业的成本、质量和服务效果，因此做好供应商遴选尤为重要。AI智能遴选方式依托多元化数据处理系统，可以构建科学、客观的评估模型，综合考虑供应商的技术能力、财务状况、生产能力等指标，帮助能源企业筛选最符合需求的供应商，进而保障企业供应链稳定和可靠，帮助企业在激烈的竞争中脱颖而出。

（三）契合数字转型趋势，推动企业创新发展

当前，能源企业正处于数字化转型的关键时期，通过大力参与数字化转型，不仅可以帮助企业提升生产效率和管理水平，实现创新发展，还可以推动能源行业整体的可持续发展。供应商管理作为能源企业管理的一部分，也需要参与数字化转型过程。AI技术的应用为能源企业供应商数字化管理提供了新的机遇，通过构建智能AI遴选系统，企业可以与供应商建立更加紧密的合作关系，推动供应链创新。如运用AI技术分析供应商创新潜力和研发能力，帮助能源企业找到更具有创新能力的合作伙伴，共同开展技术研发和产品创新，取得良好的创新发展效果。

二、能源企业供应商AI智能遴选模式构建的案例

（一）构建思路

国家能源集团物资有限公司西北分公司为落实国能e购商城“头部企业、优质商品、合理价格”铺货要求，提高供应商选择与铺货质效，在充分掌握产品线的基础上，充分运用人工智能技术将产品遴选要点、关键要素进行数字量化，构建了一种基于AI智能分析的国能e购商城铺货供应商遴选量化评估模型，最大程度降低主观因素干扰，帮助企业客观、精准、高效地遴选出产品线优质供应商。该模型运用AI算法结合层次分析法客观评估产品遴选要点、通过AI模拟专家判断采用1～9标度法确立权重判断矩阵、依托AI深度学习和熵权法标准化赋值关键要素得分。在三者的基础上得出市场潜在供应商排序，为商城铺货采购及供应商选择提供科学依据，对完善商城铺货机制、提升铺货工作质效、优化商城供应商结构具有较强的实践价值。

（二）具体案例

1.模型结构设计

以托辊铺货项目为例，不同供应商生产的托辊在制造工艺、材质选用上存在差异，会导致性能不同，且其应用场景多样，客户对品牌和服务也有不同偏好。经专家小组商讨，运用AI技术进行历史数据和行业信息分析，最终确定遴选要点（A）包含以下5个维度：供应商基本情况（A1）、价格与成本（A2）、交货能力（A3）、商品或服务质量（A4）、市场情况（A5）。

在供应商基本情况（A1）方面，专家小组结合相关经验和AI系统对海量供应商数据的挖掘与分析，一致认为应从资质（B1）、业绩（B2）、产线（B3）、商品最小寿命（B4）、原材料（B5）、生产能力（B6）六项关键要素进行评判；在价格与成本（A2）方面，根据市场价格波动数据和AI成本模型，确定应从报价金额（B7）、成本总计（B8）、价格毛利（B9）三项关键要素进行评判；在交货能力（A3）方面，确定从交货期（B10）、物流配送（B11）两项关键要素进行评判；在服务质量（A4）方面，确定从服务网点数量（B12）、售后响应时间（B13）、售后服务（B14）三项关键要素进行评判；在市场情况（A5）方面，确定从调研配合度（B15）、参与意愿情况（B16）、品牌推荐占比（B17）三项关键要素进行评判。

2.确定遴选要点权重

在确定上述关键要素的基础上，AI系统模拟专家判断，并对各个遴选要点进行两两比较分析，专家小组通过参考AI系统分析结果，确定托辊供应商基本情况（A1）比价格与成本（A2）稍微重要，则a1:2=3，相应地a2:1=1/3。最后AI系统结合比较结果，构建了如下完整的权重判断矩阵：

同时，结合上述判断矩阵计算出a中每行元素的乘积与n次方根，最后进行归一化处理，得出权重向量W。

在托辊铺货项目中，遴选要点的权重向量为：

W=[W1,W2,W3,W4,W5]

=[0.4341,0.2435,0.1885,0.0532,0.0807]

3.确定关键要素标准得分

以参与托辊项目的13家供应商为例，AI系统先对其原始数据进行统计，根据统计结果，一共确定了11项定量关键要素，分别为业绩、产线、商品寿命、生产能力、报价金额、成本总计、价格毛利、交货期、服务网点数量、售后响应时间、品牌推荐占比，共确定了6项定性关键要素，分别为资质、原材料、物流配送、售后服务、调研配合度、参与意愿情况。

然后运用智能标准化算法计算关键要素得分，对于效益型关键要素（如业绩、价格毛利率），采用公式：

对于成本型关键要素（如商品价格），采用公式：

其中，i表示供应商，j表示关键要素，Xij表示第i个供应商在第j个关键要素的数据，Zij表示第i个供应商在第j个关键要素的标准化得分。min（Xj）表示所有供应商在该项关键要素中的最小数据，max（Xj）表示所有供应商在该项关键要素中的最大数据。考虑到篇幅问题，具体的标准化得分此处不再赘述。

4.确定遴选要点得分与综合得分

AI系统将关键要素得分按照遴选要点的维度进行汇总，计算出供应商基本情况A1、A2、A3、A4、A5的得分汇总，然后结合遴选要点权重W和遴选要点得分，计算各供应商的综合得分，具体计算结果如表1所示。

5.分级

结合上述综合得分，AI系统运用智能分级算法对供应商进行排名，得出如下的分级结果如表2所示。

通过引入AI智能遴选模式，国家能源集团物资有限公司西北分公司在托辊铺货项目中实现了供应商遴选的自动化、智能化和精准化，专家结合最终供应商分级结果，快速筛选出符合企业需要的供应商，大幅提升了工作效率和决策科学性。

三、能源企业供应商AI智能遴选模式构建的经验和策略

（一）组建跨领域多专业的独立专家小组

供应商AI智能遴选虽然可以提升供应商遴选效率和质量，但不能完全替代人工。为确保能源企业供应商AI智能遴选的准确与科学，应针对具体项目组建跨领域、多专业的独立专家小组，以辅助和支持AI智能遴选。小组成员应涵盖市场、财务、技术、采购等多个领域专家，具备广阔的知识和视野，能够及时识别AI智能遴选中的缺陷，并做出调整。在筛选小组成员过程中，要通过多种途径对其能力进行评估，并邀请企业内部的技术骨干、行业资深专家等参与，以确保成员可以从不同角度对系统数据进行综合分析，规避单一专业视角产生的局限。

（二）构建高效准确的AI智能遴选模型

AI智能遴选模型的构建是至关重要的一环，能源企业应充分考虑供应商遴选需求，在遵循节约、高效原则的基础上，构建合适的AI智能遴选模型。同时，依据供应商数据特点和遴选目标，选择对应的AI算法。在供应商分类管理上，可以采用支持向量机、决策树等算法；在供应商绩效预测上，可以采用神经网络、回归分析等模型。也可以采用集成学习方法，如梯度提升树、随机森林等，通过综合多个模型的优势，提升遴选结果的稳定性和准确性。在构建好模型之后，应强化模型训练与优化，可运用历史数据对选定的模型进行训练，通过参数调整，使之准确识别供应商数据与遴选指标之间的关系。在优化模型性能方面，可采用网格搜索、交叉验证等方式，避免出现过拟合或欠拟合现象。

（三）制定科学的遴选流程与规则

能源企业在运用AI智能遴选模型之前，应制定科学的遴选流程与规则。在流程设计上，主要包括供应商注册与信息提交、初步筛选、详细评估、最终决策等环节，对每一个环节明确具体的输入输出要求，并设置好时间节点与责任人，保障遴选过程的高效、有序。在规则制定上，应明确各个核心指标的权重分配，并制定详细的遴选规则，依托“1~9标度法”标注要点权重判断矩阵，并针对遴选要点之间的相对权重进行两两比较打分，确保权重分配科学。需注意的是，权重分配应充分考虑企业战略重点和实际业务需求，如果企业处于追求高品质产品的阶段，那么可以适当提升产品质量指标权重；如果企业面临激烈的市场价格竞争，那么应适当增加价格竞争力指标权重。还应针对各指标设置评分标准和淘汰机制，直接淘汰未达到基本要求的供应商，提升遴选效率。

（四）构建透明可追溯的数据管理体系

能源企业需从全局构建数据管理体系，通过整合本地系统、云端平台等多源数据，实现数据链路透明化，为AI智能遴选提供充分的数据支持。具体可以通过逻辑数据管理平台连接分散数据源，以提供完整的溯源视图，促进跨系统实时访问。同时，摒弃过去传统的线性开发模式，通过快速测试新方法、引入迭代解决方案等提升AI遴选成功率。如与计算中心联合改造或升级供应商管理系统，降低因技术滞后导致的决策偏差。

（五）适当扩大供应商样本数量以提升精确性

在AI智能遴选中，参与的供应商样本越多，越能够降低因个别供应商数据异常、偶然因素等对遴选结果的干扰，提升等级划分的精准性。因此，能源企业在供应商遴选中，应尽可能扩大供应商邀请范围，可以通过专业媒体、行业网站、供应商数据库等发布遴选信息，吸引更多供应商参与竞争。同时，构建科学的筛选机制，对供应商进行初步筛选，确保参与AI智能遴选的供应商具有一定的实力。总之，要通过扩大供应商样板数量，增加遴选的选项，提升遴选结果的准确性和可靠性。

四、结语

随着数字经济快速发展，能源企业供应商AI智能遴选已经成为一种大趋势，对于企业提升供应商遴选效果、保障供应链稳定具有重要作用。未来应持续强化技术探索，通过与科研机构、高校等建立合作关系，攻破关键技术；积极引入外部成熟AI解决方案，结合自身的项目状况进行优化适配；定期组织内部技术交流与培训，培养既懂能源业务又具备智能技术的复合型人才等，以促进供应商AI智能遴选工作的高质量开展。