CN108509385A - 一种设备制造供应商评价方法 - Google Patents

Abstract

本发明公开了一种设备制造供应商评价方法，基于序关系分析法、熵值法、TOPSIS法和灰色关联度分析法进行供应商评价，依靠历史数据与模型算法，完善供应商评价管理体系，提升供应商管理精细化水平；指标权重计算；采用序关系分析法对指标排序，采用熵值法对指标权重进行修正，确定指标权重；供应商评价方法算法；根据上面的计算结果，利用TOPSIS法和灰色关联度分析法作为基础算法，逼近供应商实际真实能力水平；形成一套完整的设备制造供应商评价计算模型。完善供应商评价管理体系，提升供应商管理精细化水平。避免供应商评价依靠人为评价造成的遗失客观公正问题。

Description

一种设备制造供应商评价方法

技术领域

本发明涉及一种评价方法，具体地说是一种设备制造供应商评价方法。

背景技术

设备制造供应商评价常从制造监督、运输交付、安装调试、运行维护等四个一级指标铺开，引入若干对应二级指标和三级指标，从而构建完整的设备制造供应商评价指标体系。目前，指标体系虽然相对成熟，但算法单一，大多依靠评估专家主观评价的传统方法，无法保证采购活动中供应商选择的科学性、客观性和准确性。

发明内容

本发明的目的是提供一种设备制造供应商评价方法，该方法基于序关系分析法、熵值法、TOPSIS法和灰色关联度分析法进行供应商评价，依靠历史数据与模型算法，完善供应商评价管理体系，提升供应商管理精细化水平。

本发明的目的通过以下技术方案实现：

一种设备制造供应商评价方法，其特征在于：该方法基于序关系分析法、熵值法、TOPSIS法和灰色关联度分析法进行供应商评价，依靠历史数据与模型算法，完善供应商评价管理体系，提升供应商管理精细化水平；具体如下：

1)指标权重计算；采用序关系分析法对指标排序，采用熵值法对指标权重进行修正，确定指标权重；

2)供应商评价方法算法；根据上面的计算结果，利用TOPSIS法和灰色关联度分析法作为基础算法，逼近供应商实际真实能力水平；

3)基于以上两个内容，形成一套完整的设备制造供应商评价计算模型。

基于以上两个内容，形成一套完整的设备制造供应商评价计算模型，避免供应商评价依靠人为评价造成的遗失客观公正问题。

本发明中，序关系分析法：根据专家打分对评价指标先定性排序后定量赋值的主观赋权方法。

熵值法：指“熵”应用在系统论中的信息管理方法。熵越大说明系统越混乱，携带的信息越少，熵越小系统越有序，携带的信息越多。

TOPSIS法：是一种距离综合评价法，也称逼近理想解排序法。根据有限个评价对象与理想化目标的接近程度进行排序的方法，是在现有的对象中进行相对优劣的评价。

灰色关联度分析法：根据因素之间发展趋势的相似或相异程度，作为衡量因素间关联程度的一种方法。

本发明能够构建科学的设备制造供应商评价模型，依靠历史数据与模型算法，完善供应商评价管理体系，提升供应商管理精细化水平。

附图说明

图1本发明供应商评价实现流程图。

具体实施方式

一种设备制造供应商评价方法，基于序关系分析法、熵值法、TOPSIS法和灰色关联度分析法进行供应商评价，依靠历史数据与模型算法，完善供应商评价管理体系，提升供应商管理精细化水平；主要包括以下两个部分：

一是指标权重计算。采用序关系分析法根据专家经验对指标排序，采用熵值法对指标权重进行修正，从客观和主观两个角度确定指标权重，规避单纯主观赋值法和客观赋值法的缺点。

二是供应商评价方法算法。根据上面的计算结果，利用TOPSIS法和灰色关联度分析法作为基础算法，逼近供应商实际真实能力水平。

基于以上两个内容，形成一套完整的设备制造供应商评价计算模型，避免供应商评价依靠人为评价造成的遗失客观公正问题。

具体步骤如下：

步骤一：采用序关系分析法，确定指标主观权重

1)确定指标的序关系，专家根据经验对于m个评价指标A1、A2、A3……Am，判断其重要性排序，得出一种关系式，即ω₁≥ω₂≥ω₃≥…≥ω_m；

2)专家给出r_k的理性赋值，r_k表示指标A_k-1相对与指标A_k的重要性程度，其中ω_k-1＝r_k·ω_k，

r_k理性赋值参考表如下

3)获取指标的最终权重，计算指标权重

步骤二：通过熵值法，确定指标客观权重

1)评价指标的原始数据构成评价矩阵[x_ij]_n×m，x_ij为第i个备选方案的第j 项指标测值；

2)对原始数据进行标准化处理，得到标准矩阵[Y_ij]_n×m，其中

3)计算第j项指标的熵值：

4)计算第j项指标的权重：

步骤三：确定评价指标组合权重

设为序关系法权重和熵值法权重综合集成后的权重，是和的线性组合，则：

其中α代表了在主客观权重之间的决策意愿。综上过程，即得出了各项评价指标的权重。

步骤四：计算相似贴近度，从相对距离和变化趋势两方面综合评价供应商

1)引入指标权重向量得到加权标准化矩阵[P_ij]_n×m：注意，此处 P＝w×Y并非一般意义上的矩阵与向量的乘积，而是定义的一个新算子。

2)确定正负理想解：

正理想解

负理想解其中J⁺是望大型指标集合，该类指标值越大越好；J^-是望小型指标集合，该类指标值则是越小越好；

3)计算每个供应商与正负理想解的欧氏距离：

第i个供应商与正理想解的欧氏距离

第i个供应商与负理想解的欧氏距离

4)计算第i个供应商与正理想方案关于第j项指标的灰色关联系数：

计算第i个供应商与负理想方案关于第j项指标的灰色关联系数：

其中ρ是调整系数；

5)计算第i个供应商与正理想方案的灰色关联度：

计算第i个供应商与负理想方案的灰色关联度：

6)计算各备选方案的相似贴近度：

定义：

相似贴近度CM_i≤1，值越大表明备选方案越优。

Claims (2)

1.一种设备制造供应商评价方法，其特征在于：该方法基于序关系分析法、熵值法、TOPSIS法和灰色关联度分析法进行供应商评价，依靠历史数据与模型算法，完善供应商评价管理体系，提升供应商管理精细化水平；具体如下：

1)指标权重计算；采用序关系分析法对指标排序，采用熵值法对指标权重进行修正，确定指标权重；

2)供应商评价方法算法；根据上面的计算结果，利用TOPSIS法和灰色关联度分析法作为基础算法，逼近供应商实际真实能力水平；

3)基于以上两个内容，形成一套完整的设备制造供应商评价计算模型。

2.根据权利要求1所述的设备制造供应商评价方法，其特征在于：具体步骤如下：

步骤一：采用序关系分析法，确定指标主观权重

1)确定指标的序关系，专家根据经验对于m个评价指标A1、A2、A3……Am，

判断其重要性排序，得出一种关系式，即ω₁≥ω₂≥ω₃≥…≥ω_m；

2)专家给出r_k的理性赋值，r_k表示指标A_k-1相对与指标A_k的重要性程度，其中ω_k-1＝r_k·ω_k，k＝2,3,4，…，m；

3)获取指标的最终权重，计算指标权重 k＝2，3，…，m；

步骤二：通过熵值法，确定指标客观权重

1)评价指标的原始数据构成评价矩阵[x_ij]_n×m，x_ij为第i个备选方案的第j项指标测值；

2)对原始数据进行标准化处理，得到标准矩阵[Y_ij]_n×m，其中

3)计算第j项指标的熵值：

4)计算第j项指标的权重：

步骤三：确定评价指标组合权重

设为序关系法权重和熵值法权重综合集成后的权重，是和的线性组合，则：

其中α代表了在主客观权重之间的决策意愿；综上过程，即得出了各项评价指标的权重；

步骤四：计算相似贴近度，从相对距离和变化趋势两方面综合评价供应商

1)引入指标权重向量得到加权标准化矩阵[P_ij]_n×m：

2)确定正负理想解：

正理想解

负理想解其中J⁺是望大型指标集合，该类指标值越大越好；J^-是望小型指标集合，该类指标值则是越小越好；

3)计算每个供应商与正负理想解的欧氏距离：

第i个供应商与正理想解的欧氏距离j＝1，2，…，m，

第i个供应商与负理想解的欧氏距离j＝1，2，…，m；

4)计算第i个供应商与正理想方案关于第j项指标的灰色关联系数：

计算第i个供应商与负理想方案关于第j项指标的灰色关联系数：

其中ρ是调整系数；

5)计算第i个供应商与正理想方案的灰色关联度：

计算第i个供应商与负理想方案的灰色关联度：

6)计算各备选方案的相似贴近度：

定义：

相似贴近度CM_i≤1，值越大表明备选方案越优。