供应链管理(Supply Chain Management,SCM)已经发展成为一种多重业务和关系的网络,而供应链管理环境下供应商的综合评价选择研究更是成为影响供应链成功与否的关键因素。为了增强企业的竞争优势,为了能更加深入地了解有关供应商评价选择的先进理论与方法,构建供应商综合评价选择体系,科学合理的对供应商进行综合评价选择,我们必须认识到:供应链环境中,企业与供应商的关系发生了很大的变化,由原来的“竞争对手”变成了“合作伙伴”。这种关系的转变使得企业不能再以原来的方式来管理供应商。同时,选择一个合作伙伴,要比寻找一个卖主要复杂得多。如何选择、管理供应商成为供应链管理的重要问题,而供应商评价作为企业进行供应商选择、管理、监督和改善等一系列活动的基础和标准,显得更为关键。 本文首先分析了供应链中企业与供应商关系的新特点,从合作与发展的角度来考虑应该选取哪些指标作为评价供应商的依据,提出了一个拥有14个指标的供应商评价体系,较为全面地反映了供应链环境下新型的“企业一供应商”关系的特点,突出了供应商的合作能力和发展能力的评价。 同时,本文对供应商评价方法也进行了深入的探讨和研究。供应商评价方法很多,线性加权法直观了当,层次分析法逻辑分明,作业成本法则侧重效益。这些方法各有优缺点,但大多都以确定子目标(指标)的相对重要性为基础,在指标权重衡量上依赖于人的主观判断,主观随意性比较强,从而影响了评价结果的可信度。特别是在评价指标比较多的情况下,各个指标之间的关系变得更为复杂,其相对重要性往往难以判断。为此,本文拟将神经网络方法引入到供应商评价中来,利用神经网络自身的非线性映射、自学习、联想一记忆等特点,通过样本训练的方法,获取有效的专家知识和指标之间的内在联系,避免人为直接赋予权重的方式,以建立一个比较可靠、有效,且可持续改善的供应商评价模型,为企业进行供应商选择、管理、监督、改善等活动提供更为有力的依据。 然而,神经网络的算法相当复杂,自主编程建模的工作量很大。简单起见,本文利用MATLAB软件中自带的神经网络工具箱来实现神经网络评价模型的建立和训练,并对其学习性能和推广泛化能力进行分析。