汽车是一种特殊的集合性产品,配件企业制造各种配件,也是需要由零部件企业供应的。本文的研究对象A公司主要经营汽车配件、汽车电子设备系统的生产、研发、应用和销售,在配件的研发和生产方面占据领先地位。由于配件产品种类多样,大部分零部件都采取外购方式,通过严格的筛选确定零部件配套供应商,但由于公司现有供应商评价方式定性的成分较多,缺乏科学的评价体系和选择机制,阻碍公司实现自身成本的最优化和合作双方利益的最大化。针对A公司供应商评价体系的现状,本文采用定性与定量相结合的研究方法,用BP神经网络为其建立了一套合适、可靠且可持续改进的供应商评价模型。首先对已有的供应商评价体系做深入了解,发现存在的问题。其次,通过文献研究以及问卷调查并结合已有的指标,将A公司的次级零部件供应商分为四种类型并分别对其建立了评价体系:战略性供应商有质量水平、服务水平、生产规模、财务状况、产品研发能力、外部环境、风险控制能力、企业信誉、环保效益、信息合作水平、合作经历和合作相容性这14个一级指标,产品质量认证体系、价格竞争优势等37个二级指标;有影响力的供应商有9个一级指标,23个二级指标;竞争性/技术性供应商有5个一级指标,19个二级指标;普通供应商有4个一级指标,16个二级指标。并对各个评价指标进行分析及其量化。再次,通过分析比较供应商评价的方法,发现BP神经网络具有较强的自适能力、泛化能力、并行分布式处理能力、学习能力等优点,所以选取BP神经网络为A公司的供应商评价建立模型,由于篇幅有限,文本以起动机的零部件——前驱动端盖战略性供应商为例,收集已有供应商的数据,通过样本训练将模型调试到最佳状态。最后进行仿真预测帮助A公司选择出最佳的供应商合作伙伴,并且为企业今后对供应商的评价提供便利。