CN109800989A - 采用评价指标分类综合评价的供应商选择方法 - Google Patents

Abstract

本发明涉及一种采用评价指标分类综合评价的供应商选择方法，包含如下步骤：第1步，建立所有供应商的产品参数数据库和评价信息库；第2步，建立评价集；第3步，建立可量化评价指标集和不可量化评价指标集；第4步，可量化评价指标集评分；第5步，不可量化评价指标集评分；第6步，供应商综合评价与选择。本发明方法把电商平台对产品供应商选择的评价指标分为可量化和不可量化两类，对两类指标分别评价得到子类的评价结果，然后再对两类指标进行综合评价得到最终的评价结果。

Description

采用评价指标分类综合评价的供应商选择方法

技术领域

本发明涉及一种供应商选择方法，尤其涉及一种采用分类综合评价的供应商选择方法，属于电子商务技术领域。

背景技术

电商平台在选择产品供应商时往往没有科学有效且可操作的方法。近几十年来，不少学者采用多种方法、多种角度的对供应商的选择方法进行了研究。对供应商进行综合评价常用的方法有：模糊综合评价法、层次分析法(简称AHP)、主成分分析法、综合指数法、逼近理想解排序法(简称TOPSIS)、灰色综合评价法、以及几种方法的混合，比如模糊层次分析法(简称FAHP)、层次分析逼近理想解排序法(简称AHP-TOPSIS)、模糊灰色综合评价法等。

已有的供应商评价方法主要存在的问题包括：(1)采用单一的方法，而单一的方法被实践证明往往是无效的，不能满足供应商选择系统的大量数据处理分析，不能对数据的异常值进行自动处理；(2)基于精确的数据，而对于产品供应商来说哪个供应商的产品或者服务更好不是量化的数据，不可以用来直接处理，对于定性描述的处理缺乏有效性；(3)采用单目标评价，评价目标比较单一，而客户往往对多个评价目标感兴趣，评价的结果也就不能很好的满足客户的需求。

对于电商平台在选择产品供应商时关注的除了关键参数外，影响供应商选择评价指标往往分为可量化和不可量化两类，发明一种同时适用于可量化和不可量化两类供应商选择因素的综合性评价方法具有很强的理论意义和应用前景。

发明内容

基于以上原因，本发明提出一种采用评价指标分类综合评价的供应商选择方法。本发明供应商选择的方法的主要思路是把供应商选择的评价指标分为可量化和不可量化两类，对两类指标分别评价得到子类的评价结果，然后再对两类指标进行综合评价得到最终的评价结果。

本发明采用评价指标分类综合评价的供应商选择方法，包含如下步骤：

第1步，根据客户对产品的常见需求，建立所有供应商的产品参数数据库和评价信息库；

第2步，根据客户的具体需求，检索供应商的产品参数数据库，把满足需求的供应商作为评价对象，建立评价集；

第3步，对供应商评价信息库中的各种影响供应商选择的影响因素进行选择并分为可量化和不可量化两类，分别建立可量化评价指标集和不可量化评价指标集；

第4步，对可量化评价指标集进行综合评价得到可量化评价指标集评分；

第5步，对不可量化评价指标集进行综合评价得到不可量化评价指标集评分；

第6步，对可量化评价指标集和不可量化评价指标集进行综合评价得到供应商综合评价和排序，完成供应商选择。

本发明的有益效果：

本发明方法把影响电商平台进行供应商选择的评价指标分为可量化评价指标和不可量化评价指标，对两类指标分别进行综合评价后再对两类指标进行总的评价，充分考虑了两类指标评价的不同特点，评价方法更为有效。

附图说明

图1是本发明采用评价指标分类综合评价的供应商选择方法的评价指标层次结构图。

具体实施方式

下面结合附图对本发明做进一步详细说明：

以某电商平台选择某商品供应商为例。

本发明采用评价指标分类综合评价的供应商选择方法，包含如下步骤：

第1步，根据客户对产品的常见需求，建立所有供应商的产品参数数据库和评价信息库；

第2步，根据客户的具体需求，检索供应商的产品参数数据库，把满足需求的供应商作为评价对象，建立评价集；

第3步，对供应商评价信息库中的各种影响供应商选择的影响因素进行选择并分为可量化和不可量化两类，分别建立可量化评价指标集和不可量化评价指标集；

第4步，对可量化评价指标集进行综合评价得到可量化评价指标集评分；

第5步，对不可量化评价指标集进行综合评价得到不可量化评价指标集评分；

第6步，对可量化评价指标集和不可量化评价指标集进行综合评价得到供应商综合评价和排序，完成供应商选择。

具体操作步骤如下：

1.建立所有供应商的产品参数数据库和评价信息库

某电商平台根据客户对某产品的常见需求，建立所有供应商的该产品参数数据库和评价信息库。该产品的参数数据库是指影响产品选择的关键参数或原理，如：空气清新机的效率指标及采用的空气净化原理等。该产品的评价信息库是指影响该产品选择的评价指标情况，如：空气清新机的价格、效率、品牌、服务等。

2.建立评价集

某电商平台根据客户对某产品的具体需求，检索供应商的产品参数数据库，把满足需求的供应商作为评价对象。建立评价集，用Z表示，即Z＝{z₁,z₂,…,z_q}，式中，z_i为第i个备选供应商，n为备选供应商的个数。

3.建立可量化评价指标集和不可量化评价指标集

某电商平台根据特定客户对某产品的具体需求，确定影响该产品选择的影响因素并分为可量化和不可量化两类，分别建立可量化评价指标集和不可量化评价指标集，如：空气清新机的可量化评价指标集为价格和效率、可量化评价指标集为品牌和服务。建立可量化评价指标集，用U表示，即U＝{u₁,u₂,…,u_p}，式中，u_i为第i个可量化评价指标，p为可量化评价指标的个数；建立不可量化评价指标集，用V表示，即V＝{v₁,v₂,…,v_q}，式中，v_i为第i个可量化评价指标，q为可量化评价指标的个数。

4.可量化评价指标集评分

利用层次分析法(简称AHP)确定各评价指标的权重，利用逼近理想解排序法(简称TOPSIS)对评价对象进行计算、排序，可系统地、准确地优选出最优的评价对象，完成可量化评价指标集进行综合评价。

采用AHP分层，利用成对比较法和1-9比较尺度对评价指标构建成对比较阵，计算权向量及组合权向量并做一致性检验，若检验通过则利用组合权向量的值进行排序，并以此进行决策。层次分析法的具体步骤为：

(1)通过评价指标确定层次结构模型；

(2)从第二层开始，利用1-9比较尺度和成对比较法对每层评价指标构造成对比较阵；

(3)计算成对比较阵的最大特征根λ以及最大特征根所对应的特征向量ω，并计算出成对比较阵的一致性指标CI，一致性指标CI的计算公式为：

式中，λ表示成对比较阵所对应的最大特征根，k表示成对比较阵的阶数。

计算随机一致性比率CR，随机一致性比率CR的计算公式为：

式中，RI称为平均随机一致性指标，RI的值可通过查表获得，平均随机一致性指标表如表1所示。

表1平均随机一致性指标(RI)表

将CR的值与0.1进行比较，若CR<0.1则通过一致性检验，成对比较阵最大特征根所对应的特征向量归一化后的值即为权向量；否则没有通过一致性检验，需重新构建成对比较阵；

(4)计算各评价指标组合权向量的一致性，组合权向量一致性检验公式为：

式中，CI_i为上一层第i个一致性指标，RI_i为上一层第i个平均随机一致性指标，a_i为上一层第i个评价指标的权重。

对CR进行一致性检验，方法同上；

(5)计算层次总权值，并利用层次总权值进行评分和排序。

利用逼近理想解排序法(简称TOPSIS)对目标进行评价分析的方法如下：

(1)确定评价对象的评价指标，对评价指标进行打分并进行规范化处理，构建规范化矩阵。矩阵规范化处理公式为：

式中，x_ij为特征矩阵中的第i行第j列的值。

(2)利用层次分析法、熵、德尔菲尔法等方法确定评价指标的权重，并对规范化矩阵进行加权处理，构造权重规范化矩阵。矩阵加权处理公式为：

v_ij＝ω_ijr_ij

式中，ω_ij为第i层第j个评价指标的权重，r_ij为规范化后特征矩阵第i行第j列的值。

(3)依权重规范化矩阵确定理想解A⁺与反理想解A^-，理想解与反理想解的确定公式为：

A⁺＝(maxv_ij|j∈J₁),(minv_ij|j∈J₂),j＝1,2,L,p

A^-＝(minv_ij|j∈J₁),(maxv_ij|j∈J₂),j＝1,2,L,p

其中，J1为效益指标，J2为成本指标。

(4)计算每个评价目标与理想解A⁺之间的距离S⁺及与反理想解A^-之间的距离S^-，S⁺和S^-的计算公式为：

式中，V_ij表示第i个评价目标第j个评价指标，表示第j个评价指标的理想解，表示第j个评价指标的反理想解。

确定各评价指标与理想解的贴近度C⁺，C⁺的计算公式为：

通过贴近度C⁺值的大小可对评价对象进行评分和排序。

5.不可量化评价指标集评分

若某个问题涉及q个因素，当无法确定每个因素在整体中占多大因素时，就要凭专家经验进行判断。当q≥3时，任何专家都很难说出确切的数值。然而，如果从所有因素中任选两个因素进行比较，行业内的专家都可以用“同等重要”、“稍微重要”、“十分重要”等定性语音说明其中一个因素相对于另一个因素对总体而言的重要性程度。引入函数f(x,y)表示对总体而言因素x比因素y的重要性程度。当f(x,y)>1时，说明x比y重要；当f(x,y)<1时，说明y比x重要；当且仅当f(x,y)＝1时，x与y同等重要。同时约定，f(x,y)＝1/f(x,y)，表1给出了f(x,y)的值。

表2相对重要性标度值

根据专家的知识经验，将影响各备选供应商的因素两两相互比较得到两两比较判断矩阵，在层次分析结构中各因素进行两两判断比较，构造判断矩阵时，我们可由专家根据其专业经验，结合实际情况，综合参与决策者的意见，根据层析分析法中相对重要性标度值赋值，建立判断矩阵。

利用层次分析法(简称AHP)，通过两两比较建立评判矩阵，然后求解矩阵的最大特征值及其对应的特征向量A＝{a₁,a₂,…,a_q}，a_i为评价指标v_i(i＝1,2,…,q)在总评价中的重要程度(权重)，对A做归一化运算并做一致性检验，得到指标的权重模糊向量，即因素的权重集ω(ω₁,ω₂,…,ω_q)。

在一个评价模型中，影响评价对象的因素有q个。想对任意一个影响因素v_i(i＝1,2,…,q)，将v_i对不可量化评价指标1,2,…,q的优势程度进行两两比较，得到i个判断矩阵E_i(i＝1,2,…,q)。然后求得判断矩阵的最大特征值对应的特征向量s_i(s_i1,s_i2,,s_ij)(i＝1,2,…,q,j＝1,2,…,q)，对其归一化以后得到方案层各元素相对于准则层某元素的权重向量。则不可量化指标的综合评价矩阵：S＝[s₁,s₂,…,s_q]^T(i＝1,2,…,q)。

确定评价矩阵S和权重集ω后，可得到模糊决策集B＝ω*S＝(b₁,b₂,…,b_q)，式中“*”表示模糊算子，根据求得的数值对各个供应商根据其不可量化评价指标集进行排序并优选。

“*”表示模糊算子，下面介绍模糊综合评价的四种模糊算子：M(∧,∨)算子、M(.,∨)算子、M(∧,⊕)算子和M(.,⊕)算子，其中，符号“∨”表示取大，符号“∧”表示取小。

M(∧,∨)算子与M(.,∨)算子在运算中能突出对综合评判起作用的主要因素，在确定时不一定要求其分量之和为1，即不一定是权向量，所以为主因素突出型。M(∧,⊕)算子与M(.,⊕)算子运算时兼顾了各因素的作用，ω为名符其实的权向量，满足各分量之和为1，故为加权平均型。

要求整体指标且均衡兼顾，选择M(.,⊕)算子。

6.供应商综合评价与选择

通过第4步完成供应商选择的可量化评价指标集评分，通过第5步完成供应商选择的不可量化评价指标集评分。根据各个候选供应商可量化评价指标集和不可量化评价指标集的评分结果再次采用第5步的模糊综合评价方法进行评价即可得到各个供应商的综合评价得分，分值最高的即为最终选择的供应商。

将影响各备选供应商选择的综合可量化因素和综合不可量化因素两两相互比较得到两两比较判断矩阵，在层次分析结构中各因素进行两两判断比较，构造判断矩阵时，我们可由专家根据其专业经验，结合实际情况，综合参与决策者的意见，根据层析分析法中相对重要性标度值赋值，建立判断矩阵。

利用层次分析法(简称AHP)，通过两两比较建立评判矩阵，然后求解矩阵的最大特征值及其对应的特征向量A＝{a₁,a₂}，a₁为可量化因素评价指标，a₂为不可量化因素评价指标，v_i(i＝1,2)在总评价中的重要程度(权重)，对A做归一化运算并做一致性检验，得到指标的权重模糊向量，即因素的权重集ω(ω₁,ω₂)。

最终的供应商选择评价模型中，影响评价对象的因素有2个：可量化因素和不可量化因素。想对这两个影响因素v_i(i＝1,2)，将v_i对不可量化评价指标1,2的优势程度进行两两比较，得到判断矩阵E_i(i＝1,2)。然后求得判断矩阵的最大特征值对应的特征向量s_i(s_i1,s_i2)(i＝1,2)，对其归一化以后得到方案层各元素相对于准则层某元素的权重向量。则综合评价矩阵：S＝[s₁,s₂]^T。

确定评价矩阵S和权重集ω后，可得到模糊决策集B＝ω*S＝(b₁,b₂)，式中“*”表示模糊算子，根据求得的数值对各个供应商根据其可量化评价指标集和不可量化评价指标集的得分情况进行排序并优选。要求整体指标且均衡兼顾，选择M(.,⊕)算子。

最后，电商平台选择综合评价得分最高的供应商作为该产品的供应商。

Claims (5)

1.采用评价指标分类综合评价的供应商选择方法，其特征在于，该方法包含如下步骤：

第1步，根据客户对产品的常见需求，建立所有供应商的产品参数数据库和评价信息库；

第2步，根据客户的具体需求，检索供应商的产品参数数据库，把满足需求的供应商作为评价对象，建立评价集；

第3步，对供应商评价信息库中的各种影响供应商选择的影响因素进行选择并分为可量化和不可量化两类，分别建立可量化评价指标集和不可量化评价指标集；

第4步，对可量化评价指标集进行综合评价得到可量化评价指标集评分；

第5步，对不可量化评价指标集进行综合评价得到不可量化评价指标集评分；

第6步，对可量化评价指标集和不可量化评价指标集进行综合评价得到供应商综合评价和排序，完成供应商选择。

2.根据权利要求1所述的采用评价指标分类综合评价的供应商选择方法，其特征在于，对可量化评价指标集进行综合评价的方法为层次分析逼近理想解排序法的综合评价方法(简称AHP-TOPSIS)。

3.根据权利要求1所述的采用评价指标分类综合评价的供应商选择方法，其特征在于，对不可量化评价指标集进行综合评价的方法为模糊层次分析法(简称FAHP)。

4.根据权利要求1所述的采用评价指标分类综合评价的供应商选择方法，其特征在于，对可量化评价指标集和不可量化评价指标集进行综合评价得到供应商综合评价和排序采用的方法为模糊层次分析法(简称FAHP)。

5.根据权利要求1所述的采用评价指标分类综合评价的供应商选择方法，其特征在于，包括以下具体操作步骤：

a.建立所有供应商的产品参数数据库和评价信息库

某电商平台根据客户对某产品的常见需求，建立所有供应商的该产品参数数据库和评价信息库；该产品的参数数据库是指影响产品选择的关键参数或原理，如：空气清新机的效率指标及采用的空气净化原理等。该产品的评价信息库是指影响该产品选择的评价指标情况，如：空气清新机的价格、效率、品牌、服务等；

b.建立评价集

某电商平台根据客户对某产品的具体需求，检索供应商的产品参数数据库，把满足需求的供应商作为评价对象。建立评价集，用Z表示，即Z＝{z₁,z₂,…,z_q}，式中，z_i为第i个备选供应商，n为备选供应商的个数；

c.建立可量化评价指标集和不可量化评价指标集

某电商平台根据特定客户对某产品的具体需求，确定影响该产品选择的影响因素并分为可量化和不可量化两类，分别建立可量化评价指标集和不可量化评价指标集，如：空气清新机的可量化评价指标集为价格和效率、可量化评价指标集为品牌和服务；建立可量化评价指标集，用U表示，即U＝{u₁,u₂,…,u_p}，式中，u_i为第i个可量化评价指标，p为可量化评价指标的个数；建立不可量化评价指标集，用V表示，即V＝{v₁,v₂,…,v_q}，式中，v_i为第i个可量化评价指标，q为可量化评价指标的个数；

d.可量化评价指标集评分

利用层次分析法(简称AHP)确定各评价指标的权重，利用逼近理想解排序法(简称TOPSIS)对评价对象进行计算、排序，可系统地、准确地优选出最优的评价对象，完成可量化评价指标集进行综合评价；

采用AHP分层，利用成对比较法和1-9比较尺度对评价指标构建成对比较阵，计算权向量及组合权向量并做一致性检验，若检验通过则利用组合权向量的值进行排序，并以此进行决策。层次分析法的具体步骤为：

(1)通过评价指标确定层次结构模型；

(2)从第二层开始，利用1-9比较尺度和成对比较法对每层评价指标构造成对比较阵；

(3)计算成对比较阵的最大特征根λ以及最大特征根所对应的特征向量ω，并计算出成对比较阵的一致性指标CI，一致性指标CI的计算公式为：

式中，λ表示成对比较阵所对应的最大特征根，k表示成对比较阵的阶数；

计算随机一致性比率CR，随机一致性比率CR的计算公式为：

式中，RI称为平均随机一致性指标，RI的值可通过查表获得，平均随机一致性指标如下表1：

平均随机一致性指标(RI)表1

将CR的值与0.1进行比较，若CR<0.1则通过一致性检验，成对比较阵最大特征根所对应的特征向量归一化后的值即为权向量；否则没有通过一致性检验，需重新构建成对比较阵；

(4)计算各评价指标组合权向量的一致性，组合权向量一致性检验公式为：

式中，CI_i为上一层第i个一致性指标，RI_i为上一层第i个平均随机一致性指标，a_i为上一层第i个评价指标的权重。

对CR进行一致性检验，方法同上；

(5)计算层次总权值，并利用层次总权值进行评分和排序；

利用逼近理想解排序法(简称TOPSIS)对目标进行评价分析的方法如下：

(1)确定评价对象的评价指标，对评价指标进行打分并进行规范化处理，构建规范化矩阵。矩阵规范化处理公式为：

式中，x_ij为特征矩阵中的第i行第j列的值；

(2)利用层次分析法、熵、德尔菲尔法等方法确定评价指标的权重，并对规范化矩阵进行加权处理，构造权重规范化矩阵。矩阵加权处理公式为：

v_ij＝ω_ijr_ij

式中，ω_ij为第i层第j个评价指标的权重，r_ij为规范化后特征矩阵第i行第j列的值。

(3)依权重规范化矩阵确定理想解A⁺与反理想解A^-，理想解与反理想解的确定公式为：

A⁺＝(maxv_ij|j∈J₁),(minv_ij|j∈J₂),j＝1,2,L,p

A^-＝(minv_ij|j∈J₁),(maxv_ij|j∈J₂),j＝1,2,L,p

其中，J1为效益指标，J2为成本指标；

(4)计算每个评价目标与理想解A⁺之间的距离S⁺及与反理想解A^-之间的距离S^-，S⁺和S^-的计算公式为：

式中，V_ij表示第i个评价目标第j个评价指标，表示第j个评价指标的理想解，表示第j个评价指标的反理想解；

确定各评价指标与理想解的贴近度C⁺，C⁺的计算公式为：

通过贴近度C⁺值的大小可对评价对象进行评分和排序；

e.不可量化评价指标集评分

若某个问题涉及q个因素，当无法确定每个因素在整体中占多大因素时，就要凭专家经验进行判断；当q≥3时，任何专家都很难说出确切的数值。然而，如果从所有因素中任选两个因素进行比较，行业内的专家都可以用“同等重要”、“稍微重要”、“十分重要”等定性语音说明其中一个因素相对于另一个因素对总体而言的重要性程度；引入函数f(x,y)表示对总体而言因素x比因素y的重要性程度；当f(x,y)>1时，说明x比y重要；当f(x,y)<1时，说明y比x重要；当且仅当f(x,y)＝1时，x与y同等重要；同时约定，f(x,y)＝1/f(x,y)，表1给出了f(x,y)的值；

表2 相对重要性标度值

根据专家的知识经验，将影响各备选供应商的因素两两相互比较得到两两比较判断矩阵，在层次分析结构中各因素进行两两判断比较，构造判断矩阵时，我们可由专家根据其专业经验，结合实际情况，综合参与决策者的意见，根据层析分析法中相对重要性标度值赋值，建立判断矩阵；

利用层次分析法(简称AHP)，通过两两比较建立评判矩阵，然后求解矩阵的最大特征值及其对应的特征向量A＝{a₁,a₂,…,a_q}，a_i为评价指标v_i(i＝1,2,…,q)在总评价中的重要程度(权重)，对A做归一化运算并做一致性检验，得到指标的权重模糊向量，即因素的权重集ω(ω₁,ω₂,…,ω_q)；

在一个评价模型中，影响评价对象的因素有q个。想对任意一个影响因素v_i(i＝1,2,…,q)，将v_i对不可量化评价指标1,2,…,q的优势程度进行两两比较，得到i个判断矩阵E_i(i＝1,2,…,q)。然后求得判断矩阵的最大特征值对应的特征向量s_i(s_i1,s_i2,,s_ij)(i＝1,2,…,q,j＝1,2,…,q)，对其归一化以后得到方案层各元素相对于准则层某元素的权重向量。则不可量化指标的综合评价矩阵：S＝[s₁,s₂,…,s_q]^T(i＝1,2,…,q)。

确定评价矩阵S和权重集ω后，可得到模糊决策集B＝ω*S＝(b₁,b₂,…,b_q)，式中“*”表示模糊算子，根据求得的数值对各个供应商根据其不可量化评价指标集进行排序并优选。

“*”表示模糊算子，下面介绍模糊综合评价的四种模糊算子：M(∧,∨)算子、M(.,∨)算子、M(∧,⊕)算子和M(.,⊕)算子，其中，符号“∨”表示取大，符号“∧”表示取小。

M(∧,∨)算子与M(.,∨)算子在运算中能突出对综合评判起作用的主要因素，在确定时不一定要求其分量之和为1，即不一定是权向量，所以为主因素突出型。M(∧,⊕)算子与M(.,⊕)算子运算时兼顾了各因素的作用，ω为名符其实的权向量，满足各分量之和为1，故为加权平均型；

要求整体指标且均衡兼顾，选择M(.,⊕)算子；

f.供应商综合评价与选择

通过第4步完成供应商选择的可量化评价指标集评分，通过第5步完成供应商选择的不可量化评价指标集评分。根据各个候选供应商可量化评价指标集和不可量化评价指标集的评分结果再次采用第5步的模糊综合评价方法进行评价即可得到各个供应商的综合评价得分，分值最高的即为最终选择的供应商；

将影响各备选供应商选择的综合可量化因素和综合不可量化因素两两相互比较得到两两比较判断矩阵，在层次分析结构中各因素进行两两判断比较，构造判断矩阵时，我们可由专家根据其专业经验，结合实际情况，综合参与决策者的意见，根据层析分析法中相对重要性标度值赋值，建立判断矩阵；

利用层次分析法(简称AHP)，通过两两比较建立评判矩阵，然后求解矩阵的最大特征值及其对应的特征向量A＝{a₁,a₂}，a₁为可量化因素评价指标，a₂为不可量化因素评价指标，v_i(i＝1,2)在总评价中的重要程度(权重)，对A做归一化运算并做一致性检验，得到指标的权重模糊向量，即因素的权重集ω(ω₁,ω₂)；

最终的供应商选择评价模型中，影响评价对象的因素有2个：可量化因素和不可量化因素。想对这两个影响因素v_i(i＝1,2)，将v_i对不可量化评价指标1,2的优势程度进行两两比较，得到判断矩阵E_i(i＝1,2)，然后求得判断矩阵的最大特征值对应的特征向量s_i(s_i1,s_i2)(i＝1,2)，对其归一化以后得到方案层各元素相对于准则层某元素的权重向量。则综合评价矩阵：S＝[s₁,s₂]^T；

确定评价矩阵S和权重集ω后，可得到模糊决策集B＝ω*S＝(b₁,b₂)，式中“*”表示模糊算子，根据求得的数值对各个供应商根据其可量化评价指标集和不可量化评价指标集的得分情况进行排序并优选。要求整体指标且均衡兼顾，选择M(.,⊕)算子；

最后，电商平台选择综合评价得分最高的供应商作为该产品的供应商。