一种基于大数据的供应商评价方法及系统技术方案

本发明专利技术公开了一种基于大数据的供应商评价方法及系统，通过整理调研企业的历史数据，分析采购过程的成功经验和失败教训，分类归纳成功案例的主要关联因素和失败案例的关键因子，统计总结供应商的主要评价指标；从统计总结的主要评价指标中梳理归纳出供应商评价的各种评价指标的相互依赖关系，建立评判指标的数学函数关系；根据建立的数学函数关系，推导出供应商优选评价模型和/或供应商优选评价简化模型，计算出供应商评价的总得分值v。本发明专利技术提供的基于大数据的供应商评价方法及系统，可自动评选出优秀供应商，智能化程度高、计算精度高；提高产品质量，增强企业竞争力。增强企业竞争力。增强企业竞争力。

【技术实现步骤摘要】
一种基于大数据的供应商评价方法及系统


[0001]本专利技术涉及智能制造
，尤其公开了一种基于大数据的供应商评价方法及系统。

技术介绍

[0002]不论是经营商还是生产厂商，许多企业对供应商的选择、评估以及采购的分配(同一产品有多家供应商)，还是由总经理或采购部经理等少数人人为的、感性的行为来决定的。其结果并不能准确地体现供应商在各个方面的表现，同时，带有个人主观色彩的评估，也使得供应商之间并不真正具有可比性。
[0003]因此，现有供应商评估中存在的上述缺陷，是一件亟待解决的技术问题。

技术实现思路

[0004]本专利技术提供了一种基于大数据的供应商评价方法及系统，旨在解决现有供应商评估中存在的上述缺陷的技术问题。
[0005]本专利技术的一方面涉及一种基于大数据的供应商评价方法，包括以下步骤：
[0006]整理调研企业的历史数据，分析采购过程的成功经验和失败教训，分类归纳成功案例的主要关联因素和失败案例的关键因子，统计总结供应商的主要评价指标；
[0007]从统计总结的主要评价指标中梳理归纳出供应商评价的各种评价指标的相互依赖关系，建立评判指标的数学函数关系；
[0008]根据建立的数学函数关系，推导出供应商优选评价模型和/或供应商优选评价简化模型，计算出供应商评价的总得分值v。
[0009]进一步地，整理调研企业的历史数据，分析采购过程的成功经验和失败教训，分类归纳成功案例的主要关联因素和失败案例的关键因子，统计总结供应商的主要评价指标步骤包括：
[0010]构建供应商多级评价指标体系，将报价、预付款、交货期、货物质量和服务质量作为一级指标，将一级指标下的子指标作为二级指标，将二级指标下的子指标作为三级指示。
[0011]进一步地，从统计总结的主要评价指标中梳理归纳出供应商评价的各种评价指标的相互依赖关系，建立评判指标的数学函数关系的步骤中，建立评判指标的数学函数关系为：
[0012]v＝f(x)
[0013]其中，v表示供应商评价的总得分值，用于判断供应商优劣等级；x表示评价指标，用于评价供应商的各项指标。
[0014]进一步地，在供应商优选评价模型中，建立总体得分v值与指标的关系模型，总体得分v值与指标的关系模型表示为：
[0015]v＝C1x1+c2x2+
…
+c
n
x
n
[0016]其中，v表示供应商评价的总得分值，x
n
表示对应的各项评价指标值，c
n
表示各项评
价指标值对应的权重系数；
[0017]x
n
＝c
n1
x
n1
+c
n2
x
n2
+
…
+c
nn
x
nm
[0018]其中，x
n
表示第n个一级指标的自变量，x
nm
表示第n个一级指标中第m个自变量，c
nm
表示第n个一级指标中第m个自变量的权重系数；
[0019]x
nm
＝c
nm1
x
nm1
+c
nm2
x
nm2
+
…
+c
nnl
x
nml
[0020]其中，x
nm
表示第n个一级指标中的第m个二级指标自变量，x
nml
表示第n个一级指标中的第m个二级指标中对应三级指标的第1个自变量；c
nml
表示第n个一级指标中第m个二级指标中对应三级指标第1个自变量的权重系数。
[0021]进一步地，在供应商优选评价简化模型中只考虑一级指标，一级指标包括报价、预付款、交货期、货物质量和服务质量，供应商优选评价简化模型简化为：
[0022]v＝c1x1+c2x2+c3x3+c4x4+c5x5[0023]其中，x1表示报价，x2表示预付款，x3表示交货期，x4表示货物质量，x5表示服务质量，c1表示报价对应的权重系数，c2表示预付款对应的权重系数，c3表示交货期对应的权重系数，c4表示货物质量对应的权重系数，c5表示服务质量对应的权重系数。
[0024]本专利技术的另一方面涉及一种基于大数据的供应商评价系统，包括：
[0025]统计模块，用于整理调研企业的历史数据，分析采购过程的成功经验和失败教训，分类归纳成功案例的主要关联因素和失败案例的关键因子，统计总结供应商的主要评价指标；
[0026]建立模块，用于从统计总结的主要评价指标中梳理归纳出供应商评价的各种评价指标的相互依赖关系，建立评判指标的数学函数关系；
[0027]推导模块，用于根据建立的数学函数关系，推导出供应商优选评价模型和/或供应商优选评价简化模型，计算出供应商评价的总得分值v。
[0028]进一步地，统计模块包括构建单元，
[0029]构建单元，用于构建供应商多级评价指标体系，将报价、预付款、交货期、货物质量和服务质量作为一级指标，将一级指标下的子指标作为二级指标，将二级指标下的子指标作为三级指示。
[0030]进一步地，建立评判指标的数学函数关系为：
[0031]v＝f(x)
[0032]其中，v表示供应商评价的总得分值，用于判断供应商优劣等级；x表示评价指标，用于评价供应商的各项指标。
[0033]进一步地，在供应商优选评价模型中，建立总体得分v值与指标的关系模型，总体得分v值与指标的关系模型表示为：
[0034]v＝c1x1+c2x2+
…
+c
n
x
n
[0035]其中，v表示供应商评价的总得分值，x
n
表示对应的各项评价指标值，c
n
表示各项评价指标值对应的权重系数；
[0036]x
n
＝c
n1
x
n1
+c
n2
x
n2
+
…
+c
nn
x
nm
[0037]其中，x
n
表示第n个一级指标的自变量，x
nm
表示第n个一级指标中第m个自变量，c
nm
表示第n个一级指标中第m个自变量的权重系数；
[0038]x
nm
＝c
nm1
x
nm1
+c
nm2
x
nm2
+
…
+c
nnl
x
nml
[0039]其中，x
nm
表示第n个一级指标中的第m个二级指标自变量，x
nml
表示第n个一级指标中的第m个二级指标中对应三级指标的第1个自变量；c
nm本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的供应商评价方法，其特征在于，包括以下步骤：整理调研企业的历史数据，分析采购过程的成功经验和失败教训，分类归纳成功案例的主要关联因素和失败案例的关键因子，统计总结供应商的主要评价指标；从统计总结的主要评价指标中梳理归纳出供应商评价的各种评价指标的相互依赖关系，建立评判指标的数学函数关系；根据建立的数学函数关系，推导出供应商优选评价模型和/或供应商优选评价简化模型，计算出供应商评价的总得分值v。2.如权利要求1所述的基于大数据的供应商评价方法，其特征在于，所述整理调研企业的历史数据，分析采购过程的成功经验和失败教训，分类归纳成功案例的主要关联因素和失败案例的关键因子，统计总结供应商的主要评价指标步骤包括：构建供应商多级评价指标体系，将报价、预付款、交货期、货物质量和服务质量作为一级指标，将一级指标下的子指标作为二级指标，将二级指标下的子指标作为三级指示。3.如权利要求2所述的基于大数据的供应商评价方法，其特征在于，所述从统计总结的主要评价指标中梳理归纳出供应商评价的各种评价指标的相互依赖关系，建立评判指标的数学函数关系的步骤中，建立评判指标的数学函数关系为：v＝f(x)其中，v表示供应商评价的总得分值，用于判断供应商优劣等级；x表示评价指标，用于评价供应商的各项指标。4.如权利要求3所述的基于大数据的供应商评价方法，其特征在于，在所述供应商优选评价模型中，建立总体得分v值与指标的关系模型，所述总体得分v值与指标的关系模型表示为：v＝c1x1+c2x2+
…
+c
n
x
n
其中，v表示供应商评价的总得分值，x
n
表示对应的各项评价指标值，c
n
表示各项评价指标值对应的权重系数；x
n
＝c
n1
x
n1
+c
n2
x
n2
+
…
+c
nn
x
nm
其中，x
n
表示第n个一级指标的自变量，x
nm
表示第n个一级指标中第m个自变量，c
nm
表示第n个一级指标中第m个自变量的权重系数；x
nm
＝c
nm1
x
nm1
+c
nm2
x
nm2
+
…
+c
nn1
x
nm1
其中，x
nm
表示第n个一级指标中的第m个二级指标自变量，x
nm1
表示第n个一级指标中的第m个二级指标中对应三级指标的第1个自变量；c
nm1
表示第n个一级指标中第m个二级指标中对应三级指标第1个自变量的权重系数。5.如权利要求1所述的基于大数据的供应商评价方法，其特征在于，在所述供应商优选评价简化模型中只考虑一级指标，所述一级指标包括报价、预付款、交货期、货物质量和服务质量，所述供应商优选评价简化模型简化为：v＝c1x1+c2x2+c3x3+c4x4+c5x5其中，x1表示报价，x2表示预付款，x3表示交货期，x4表示货物质量，x5表示服务质量，c1表示报价对应的权重系数，c2表示预付款对应的权重系数，c3表示交货期对应的权重系数，...

【专利技术属性】
技术研发人员：叶柏龙，肖秋蓉，王守选，唐泽诚，胡志刚，
申请(专利权)人：湖南创博龙智信息科技股份有限公司，
类型：发明
国别省市：