本论文基于管理工程、系统工程和人工智能等领域的最新研究成果，在精益供应链管理环境中，对当前国内外供应链管理研究领域的前沿课题进行全面系统的探索性研究。本文的研究成果对实现精益供应链管理的科学决策具有重要的理论价值和现实意义。论文建立了基于精益供应链的供应商评价指标体系；提出了基于径向基函数神经网络(RBFN)的供应商评价与选择新方法；定义了供应商评价指标的敏感度，首次进行了基于径向基函数网络的供应商评价指标敏感度分析；建立供应商数量选择与订单分配联合优化模型。同时进行了相应的实证研究，理论分析与实际情况相当吻合。本文的创新性成果主要有以下几个方面：(1)建立了基于精益供应链的供应商评价指标新体系。采用文献分析与问卷调查相结合的方法，运用SPSS软件对准时(JIT)采购模式下，企业选择供应商重点关注的因素进行筛选，通过因素分析萃取出包括质量、成本和交货等七个准则层面的26项指标，建立具有中国企业特征的精益供应链环境下供应商评价选择指标体系；并对各项指标进行定量化，增强指标体系的可操作性。(2)提出了基于径向基函数神经网络(RBFN)的供应商评价与选择新方法，运用第四代计算机语言MATLAB建立了评价与选择的可视化新模型。通过与BPN神经网络的对比实证研究，证明了该新方法的正确性，和新模型的优越性。避免传统评价方法固有的因直接赋权造成评价结果在不同程度上存在主观性和随意性的缺陷，同时克服了BPN神经网络训练时间长及易陷入局部最小解的缺点，实现对潜在供应商科学准确的评价。(3)首次定义了供应商评价指标的敏感度，首次进行了基于径向基函数网络的供应商评价指标敏感度分析，并将分析结果分别与马特莱法则与标杆管理理念相结合提出关键指标和弱性指标的概念，可应用于供应商的管理过程中，实现了供应商评价选择功能的创新。用MATLAB开发了相应的程序，并就某制造型企业在选择供应商过程中的评价指标敏感度进行了实证研究，得出了15个评价指标的贡献率和敏感度。理论分析与实际情况相当吻合，表明指标敏感度理论研究的正确性。(4)构建了具有分散化收益函数的供应商数量选择及订单分配联合优化模型及其扩展模型。在Agarwal模型基础上引入分散化收益函数，从供应中断风险、供应商生产能力约束等方面对Agarwal模型进行扩展，建立供应商数量选择及订单分配联合优化模型，并在此模型基础上加入最小订货量约束，建立联合优化扩展模型，分别研究不同情形下采购商的最优采购策略。最后，对模型中参数敏感性进行仿真实验研究。