基于大数据的智能物料清单(BOM)报价系统研究

基于大数据的智能物料清单(BOM)报价系统研究摘要：物料清单（Bill of Material，BOM）是一种产品物料结构表，用于辅助企业生产管理。在采购时，物料清单是企业需求与供应双方沟通的重要文件。在使用物料清单进行采购时，由于物料种类和数量众多，物料清单数据格式繁多，并且没有统一标准。供应商在进行报价时，耗费时间久，物料清单有问题时需要反复沟通，还容易漏错，生产质量难以保证。百芯智造科技有限公司经过数年研究，发布了AiBOM报价系统。AiBOM报价系统基于大数据技术，使用海量数据生成物料清单报价模型，同时结合数据更新机制、用户行为学习机制、异常检查机制，进行快速、高效、高质量的物料清单报价，解决供需双方报价效率低，生产质量难以保证等各种问题，大大降低企业生产制造成本。

关键词:物料清单(Bill of Material，BOM);报价系统；AiBOM

引言：

二十一世纪，经济飞速发展。各行各业的服务都从传统行业走上云端，走向数字化。电子元器件行业作为一个传统行业，也在数字化生产的洪流中汹涌前进。但是电子元器件的采购、交易、后期的产品交付问题层不出穷，导致电子元器件行业的数字化转型困难重重，百芯智造业务团队同样深处这样的困境中。物料清单采购数据繁多且复杂，客户物料清单数据格式和文件格式各不相同。为此，百芯智造成立了一个研究团队，研究使用物料清单交易时产生的各种问题，百芯智造有数千万的元器件数据以及每年千万级别的物料交易订单，在海量物料清单交易作为研究数据的前提下，研究团队发现了各种问题，并针对这些问题，提出了多种解决方案。研究团队将解决方案给予业务端实施，进行测试，依据客户的反馈，发现研究成果可以有效地解决各种物料清单的报价问题，最后整合为AiBOM 物料清单智能报价系统。AiBOM既可以解决公司业务过程中物料清单交易产生的各种问题，也能给电子行业赋能，让使用物料清单进行交易的企业可以高效地交付。

物料清单智能报价系统（AiBOM）概述

物料清单智能报价系统（AiBOM），AiBOM主要包含1.识别及分析物料清单数据内容和格式、2.识别物料报价数据特征、3.AiBOM报价模型、4.报价异常分析，四大部分。下面是各个部分的介绍

1 物料清单数据结构和数据格式

物料清单采购使用的物料清单是表达电子产品的产品内容组成结构。物料清单的格式常见是Excel表格文件，包含*.xls *.xlsx，还有CSV，PDF，TXT，Word等文件格式。

物料清单数据结构是一个可以迭代的二维矩阵数据结构，维度一是数据项名，第二个维度是数据内容。数据矩阵中的项名至少包含表示“型号”的数据和表示“数量”的数据。此外常见的项名是：“序号”、“规格参数”、“封装”、“物料编码”、“品名”、“品牌”、“位置”、“描述”、“供应商名字”，其它不常见的数据项名也会出现。例如：“参考链接”、“安装方式”、“是否可替代”等。数据内容的形式由字母数字，链接，符号等组成。图一是Excel格式的物料清单

图一Excel格式的物料清单

2 物料清单智能报价系统（AiBOM）特征识别

物料清单的数据结构和数据内容，并不是标准或者统一的。在物料清单数据结构和数据格式的研究中，我们研究了各种数据的格式和数据内容的形式后，发现物料清单数据格式并不统一，个人写法也存在差异。

经过我们进一步研究发现，数据的特征是有规律的，可以使用自然语言处理（NLP）对数据内容进行文本分析。通过合适的数据模型，分析出数据的特殊性，然后通过加权投票的方式，把报价的核心特征信息识别出来。核心特征信息包含：型号、品牌、供应商、供应商编码、分类、阻值、容值等，识别过程如图二。

图二物料清单智能报价系统（AiBOM）特征识别过程

3 物料清单智能报价系统（AiBOM）电子元器件报价模型

在物料清单数据特征识别中，研究已经获得了客户物料清单的标准化处理后的数据。有了标准化的数据，系统处理时就不会出现数据错误或者数据紊乱的问题，保证了底层数据的清晰。但是在进一步的研究中发现针对不同的器件分类有不同的报价场景。

3.1 相同分类和参数，互相替代的器件报价

公司业务员在做芯片报价时，拿到的都是指定的芯片型号，但是业务员在对电阻或者电容进行报价时，客户可能会给电子元器件的参数，而不给出具体的电子元器件型号。当给出的是电子元器件的参数时，报价难度大大增加。因为电阻，电容，电感的特殊性，参数和分类相同的器件，可以互相替代。客户只给出电子元器件的参数时，报价解决方案是使用分类报价模型，针对不同的分类进行报价，通过数据内容识别的数据特征来识别元器件的分类，然后再进行报价，这样报价的准确率大大提高。

3.2 采购频率高的器件报价

我们经过研究又发现，客户在采购电子元器件时，会使用市场上采购频率非常高的元器件，针对这一类客户，研究团队在报价时加入元器件购买频率的数据（元器件热度），会增加报价准确率。

3.3 用户行为分析，推荐用户常购型号

同时在研究过程中也发现，部分客户对某一特征的器件有喜好，于是加入了用户行为分析的记录，当某一个用户挑选指定的型号后，该用户关联的该型号使用次数加1。当用户使用参数报价获得的型号有A，B，C三个时，会根据用户选择的次数，优先推荐选择次数最高的。

最终形成的报价模型电阻部分如下图三：

图三电阻分类报价模型运行流程图

4 物料清单智能报价系统（AiBOM）异常检查

客户收到BOM物料清单报价后，进行物料的采购，在交付成品时，由于客户之前表述不清楚，或者客户提供的数据内容有错误，甚至报价型号有误等情况。生产时才发现并不是适合产品的元器件，最终导致工厂暂停生产，人力、物力的成本大大增加。发现问题后，研究团队给出异常检查方案。在物料清单数据特征识别前，物料清单数据特征识别后，物料清单报价后三个阶段分别使用不同的异常检查模型，把指定数据特征输入到模型中，就可以得出异常检查结果。异常检查模型分三大部分，客户原始需求数据检查，客户需求数据分析检查，报价结果检查。

4.1客户原始需求数据检查

物料清单中，客户原始的需求可能出现错误。这个问题的解决方案是根据电子元器件的常识构建分类需求排除项。例如：贴片电容安装方式不能是插件，因为同一个元器件的安装方式：不可能同时存在贴片安装和插件安装。

4.2客户需求数据分析检查

客户需求数据分析检查也是检查客户的原始信息数据，但是无法直接检查，需要做一定的数据分析后做检查。例如：一段需求信息，并没有指明分类的情况下，要先做分类识别，分类识别完成后，再使用分类+客户原始需求信息进行异常检查。

4.3报价结果检查

报价结果检查是使用客户原始信息对比报价结果，主要是关于需求和报价的信息对比。例如：客户需求信息是电压50伏，但是报价的元器件产品电压是25伏，那么就是异常。

5.物料清单智能报价系统（AiBOM）报价结果测试

物料清单智能报价系统（AiBOM）的报价结果测试是在业务部门的配合下进行的。业务部门分两组进行报价，一组使用物料清单智能报价系统进行报价，另一组使用传统的人工报价的方式进行报价，经过一个月的数据收集，形成两组对比样本数据，人工是A组，物料清单智能报价系统是B组。图四是相同数量下，人工和系统报价的数据，可以明显看出，随着物料清单的数量越来越多，那么报价所需的时间越来越长，并且系统报价的效果就越来越明显。在数量接近100个时，系统报价只需要24分钟，但是人工已经需要100多分钟。在效率上是人工的近4倍。也就是说，人工的成本减少75%。

图四人工组和系统组处理相同数量的物料时耗费的时间

交付质量的测试结果也是非常重要，下图五是为期一个月（30天）交付质量的对比。从图中我们可以看到，使用了智能报价系统之后，没有了报价的错误，保证了交付时的质量。但是人工的测试结果就很明显，偶尔就会出错。

图五交付质量对比图

结论：

本次研究的对象：物料清单。研究内容：物料清单的智能报价系统的可用性。研究过程中发现，传统的物料清单报价存在报价效率低的问题，并且在报价后，没有进行生产的预检，生产时质量风险非常高。对此，百芯智造研究团队的解决方案是使用物料清单智能报价系统，在使用了物料清单报价系统后，物料清单的报价效率和报价质量有了巨大提升，在效率方面，提升75%，在报价质量方面错误数量无限趋近于0，无论在报价效率和报价质量方面都明显优于传统的人工报价，大大降低了企业的人工成本和时间成本。