论文部分内容阅读
面对经济全球化、用户需求个性化和市场竞争日益激烈,如何从数量众多的供应商中挑选出符合企业长期发展利益,并能与之建立长期合作伙伴关系的供应商,从而实现企业综合成本最低,这成为企业关注的焦点。
为了解决某大型企业在供应商中的评价问题,本文首先详细阐述了供应商评价的意义,并对国内外现状进行了客观评述;其次在分析和借鉴现有供应商评价理论的基础上,构建了供应商评价指标体系,包括从企业内部竞争力、产品竞争优势、生产技术能力和环境因素等方面进行指标设置;接着研究了BP神经网络以及小波神经网络两种算法。由于BP算法存在学习速度较慢、拟合精度有待进一步提高等问题。因此将小波网络方法引入供应商评价中,运用小波网络多属性综合评价算法对供应商进行了初始评价;采用小波网络对象分类算法对供应商进行了持续评价。最后研究了小波神经网络算法在供应商评价中的应用,若评价值为优,供应商可直接进入合格供方名录,下一年可继续提供零部件;若评价值为差,则需要对供应商进行劣势分析,企业不考虑该供应商的零部件或者减少下一年的零部件采购量,并且加强监督控制,甚至严格到货检验。
经过实际应用后,小波神经网络克服了传统方法在处理供应商评价问题中所遇到的困难和存在的不足。因此,将小波网络算法应用于供应商评价中是快速有效的。