CN114862244A - 一种对于企业质量信用的综合评价方法 - Google Patents

一种对于企业质量信用的综合评价方法 Download PDF

Info

Publication number
CN114862244A
CN114862244A CN202210574531.6A CN202210574531A CN114862244A CN 114862244 A CN114862244 A CN 114862244A CN 202210574531 A CN202210574531 A CN 202210574531A CN 114862244 A CN114862244 A CN 114862244A
Authority
CN
China
Prior art keywords
index
weight
evaluation
quality
credit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210574531.6A
Other languages
English (en)
Inventor
周莉
朱李红
雷震
赵燕
李向华
江洲
李华
刘栋栋
孟翠竹
郑勇跃
于婵婵
李元沉
关建新
叶茂
申娜娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China National Institute of Standardization
Original Assignee
China National Institute of Standardization
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China National Institute of Standardization filed Critical China National Institute of Standardization
Publication of CN114862244A publication Critical patent/CN114862244A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Complex Calculations (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明的企业质量信用的综合评价方法，根据企业质量信用评价模型，结合调研分析的企业质量信用评价主要影响因素，从决定型指标和反映型指标两个一级指标维度建立企业质量信用评价专项指标，从原材料质量、设备质量、服务能力、研发能力、环境条件、管理措施、公共信用、产品质量、售后服务、合同履约、社会责任履行、外部评价情况等二级指标进行具体的计算评价指标权重；对企业质量信用进行综合评价分析，数据全面，信息标准统一；有利于提高评价结果的精确度，有利于提高评价结果参考价值；有利于适用于多种类型的评价对象企业；应用性好。

Description

一种对于企业质量信用的综合评价方法
技术领域
本发明涉及信用评价技术领域，尤其涉及一种对于企业质量信用的综合评价方法。
背景技术
质量是企业的核心，可以通过质量的信用来提升企业的信用度和核心竞争力。企业质量信用评价是以企业质量信用信息为基础，对企业质量信用水平的客观反映。目前，在对企业质量信用进行综合评价过程中，企业各自根据自己的方式开展各自的质量管理以及评价工作；在监管机构集中将企业质量信用进行集中有效管控，导致出现市场上的信息数据不对、监管部门监管不力，综合评价标准不统一，使评价结果不准确，参考价值不高，高质量高信用的企业得不到应有的价值，失信企业无法得到应有的惩罚。从而不利于发挥企业的积极性，不利于整体企业发展；
因此，本领域的技术人员致力于开发一种对于企业质量信用的综合评价方法，以解决上述现有技术的不足。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是目前现有技术中，企业进行质量信用的评价过程中，数据信息标准不统一，评价结果参考价值低的缺陷问题。
为实现上述目的，本发明一种对于企业质量信用的综合评价方法，包括如下步骤：
步骤1、确定企业质量信用评价指标；
步骤2、分析并计算确定步骤1中评价指标权重；
步骤3、根据步骤2分析和计算得到的指标权重数值进行综合权重计算；
步骤4、根据步骤3得到权重计算结果进行评价结果分析；
进一步地，所述步骤1中，所述评价指标包括决定型指标和反映型指标；
进一步地，所述决定型指标包括原材料质量、设备质量、服务能力、研发能力、环境条件、管理措施；
进一步地，所述反映型指标包括公共信用、产品质量、售后服务、合同履约、社会责任履行、外部评价；
进一步地，所述决定型指标即为履约能力，为一级指标；所述反映型指标即为履约行为，为一级指标；
进一步地，所述原材料质量、设备质量、服务能力、研发能力、环境条件、管理措施、公共信用、产品质量、售后服务、合同履约、社会责任履行、外部评价为二级指标；
进一步地，所述步骤2中，所述指标权重为一级指标、二级指标；
进一步地，所述步骤2中，所述指标权重采用层次分析法和熵值法分析计算二级指标权重；
进一步地，所述层次分析法，包括通过建立评价因素的构造判断矩阵，然后对建立得矩阵进行归一化后得出标准两两比较矩阵，并求出其特征向量，可以得出企业质量信用评价各指标相对于同一层次目标的权重；然后进行层次总排序和一致性检验；确定不同层级企业质量信用评价指标权重；
进一步地，所述熵值法分析计算，利用对熵的计算来确定权重，具体操作依次包括数据标准化处理、计算指标值的比重、计算指标信息熵、计算指标权重；
进一步地，所述步骤3中，所述指标为二级指标，二级指标综合权重计算公式为：
Figure BDA0003660124410000021
其中，αj为AHP法计算的二级指标权重值，ωj为熵权法计算的二级指标权重值；
进一步地，所述步骤4中，根据步骤2和3得到一级指标权重和二级指标综合权重计算结果与企业二级指标标准化数据进行计算得到企业质量信用评价评分数据；
在本发明具体实施方式中，所述步骤2中，所述层次分析法具体操作为：
步骤2-1a、构造判断矩阵：利用层次分析法对企业质量信用评价模型的每一层次指标两两比较的相对重要性进行判断,并用数值将判断结果标识出来，构造两两比较矩，即判断矩阵；一般采用9标度法表示指标两两比较结果的相对重要性，具体如表1所示；
表1
标度 含义
1 表示两个因素相比，具有同样重要性
3 表示两个因素相比，一个因素比另一个因素稍微重要
5 表示两个因素相比，一个因素比另一个因素明显重要
7 表示两个因素相比，一个因素比另一个因素强烈重要
9 表示两个因素相比，一个因素比另一个因素极端重要
2,4,6,8 上述两相邻判断的中值
倒数 两个因素的反向比较结果
步骤2-2a、层次单排序：对建立的判断矩阵进行归一化后得出标准两两比较矩阵，并求出其特征向量，可以得出企业质量信用评价各指标相对于同一层次目标的权重。求权重值一般最常用的是通过解出判断矩阵的最大特征根相对应的特征向量，特征向量的每一个分量就是权重；
步骤2-3a、判断矩阵一致性检验：为了检验矩阵的有效性，需要对矩阵构造的判断结果进行一致性检验。有时在指标比较多的情况下，容易出现比较的逻辑错误。问题的复杂性决定了在一致性问题上存在一定程度的误差，只要误差在允许范围之内即可。
当矩阵一致性参数CR＜0.1，判断矩阵具有满意的一致性，公式如下所示：
Figure BDA0003660124410000031
步骤2-4a、层次总排序和一致性检验：层次总排序是指计算最底层所有指标相对于最高目标相对重要性的权重。合成权重是由各层权重自上而下合成计算得来。将C层对B层指标的权重与B层指标对A的权重相乘，即得到C层指标对A的权重。当CR＜0.1时，认为层次总排序结果具有满意的一致性；
在本发明具体实施方式中，所述步骤2中，所述熵值法具体操作为：
步骤2-1b、数据标准化处理：
正向指标：
Figure BDA0003660124410000032
负向指标：
Figure BDA0003660124410000033
min{Xj}和min{Xj}为被评对象中第j项指标的最小值和最大值；
步骤2-2b、计算指标值的比重：
Figure BDA0003660124410000034
其中，m为被评对象数；
步骤2-3b、计算指标信息熵：
Figure BDA0003660124410000035
其中，
Figure BDA0003660124410000036
步骤2-4b、计算指标权重：
Figure BDA0003660124410000041
其中，di＝1-ej；n为指标数；
采用以上方案，本发明公开的企业质量信用的综合评价方法，具有以下优点：
(1)本发明的企业质量信用的综合评价方法，根据企业质量信用评价模型，结合调研分析的企业质量信用评价主要影响因素，从决定型指标和反映型指标两个一级指标维度建立企业质量信用评价专项指标，从原材料质量、设备质量、服务能力、研发能力、环境条件、管理措施、公共信用、产品质量、售后服务、合同履约、社会责任履行、外部评价情况等二级指标进行具体的计算评价指标权重；对企业质量信用进行综合评价分析，数据全面，信息标准统一；有利于提高评价结果的精确度，有利于提高评价结果参考价值；
(2)本发明的企业质量信用的综合评价方法，指标具体，覆盖面广，有利于评价对象的多种兼顾，有利于适用于多种类型的评价对象企业；应用性好；
综上所述，本发明公开的企业质量信用的综合评价方法，指标具体，覆盖面广，数据全面，信息标准统一；有利于提高评价结果的精确度，有利于提高评价结果参考价值；有利于适用于多种类型的评价对象企业；应用性好。
以下将结合具体实施方式对本发明的构思、具体技术方案及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
具体实施方式
以下介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，这些实施例为示例性描述，本发明的保护范围并非仅限于文中提到的实施例。
名词解释：
层次分析法：层次分析法(简称AHP法)是对定性问题进行定量分析的一种简便、灵活而又实用的多准则决策方法，可以把一个复杂问题分解成各组成因素，并按支配关系形成层次结构，应用两两比较的方法确定决策方案的重要性，从而更有效地进行权重的确定，是一种集合专家智慧的主观确定方法。在对企业质量信用风险评价指标识别筛选的基础上，结合层次分析法，通过建立评价因素的矩阵，确定不同层级企业质量信用评价指标权重。
熵值法：熵的概念源于热力学，是对系统状态不确定性的一种度量。在信息论中，信息是系统有序程度的一种度量。而熵是系统无序程度的一种度量，两者绝对值相等，但符号相反。根据此性质，可以利用评价中各方案的固有信息，通过熵值法得到各个指标的信息熵，信息熵越小，信息的无序度越低，其信息的效用值越大，指标的权重越大。利用信息熵这个工具，计算出各个指标的权重，为多指标综合评价提供依据；
熵值法是由评价指标构成的判断矩阵来确定指标权重的一种方法，在企业质量信用评价中，利用对熵的计算来确定权重，是一种基于实际的客观确定方法。
实施例、对获取数据的6家企业进行质量信用评价分析
步骤1、确定企业质量信用评价指标：根据上述建立的企业质量信用评价专项指标，考虑履约意愿是定性指标，定量指标从履约能力和履约行为两大维度，选用专项指标作为评价指标；如表2所示；
表2 企业质量信用评价专项指标
Figure BDA0003660124410000051
表中，一级指标为履约能力B1、履约行为B2；
二级指标为原材料质量C11、设备质量C12、服务能力C13、研发能力C14、环境条件C15、管理措施C16、公共信用C21、产品质量C22、售后服务C23、合同履约C24、社会责任履行C25、外部评价C26；
步骤2、分析并计算确定步骤1中评价指标权重；
对上述步骤1中的二级指标进行评价打分；打分的依据和规则如下表2-1所示；打分得到的数据作为原始评价数据(如表2-2所示)；
表2-1
Figure BDA0003660124410000061
Figure BDA0003660124410000071
表2-2、6家企业的二级指标原始评价数据
企业 C<sub>11</sub> C<sub>12</sub> C<sub>13</sub> C<sub>14</sub> C<sub>15</sub> C<sub>16</sub> C<sub>21</sub> C<sub>22</sub> C<sub>23</sub> C<sub>24</sub> C<sub>25</sub> C<sub>26</sub>
Q1 5 8 5.6 7 5 5 6.5 8 7.5 9 9 6
Q2 5 7 9.2 6 6 7 7 6.6 5.8 8 6.5 8
Q3 5.5 5 7 6.5 6 6.5 7.9 8 6.7 8 8.7 8.5
Q4 8.6 9 8 6.5 7 7 8.5 7.5 5.8 7.5 8.9 8.5
Q5 8 9.6 9 9.2 8.5 9 9 9.2 6.5 7 9 8.8
Q6 7.3 8 9.3 8.6 6 8 9.5 7.5 6 9 8.8 6.5
步骤2-a、AHP法(层次分析法)计算一、二级指标权重
步骤2-1a、构造判断矩阵：利用层次分析法对企业质量信用评价模型的每一层次指标两两比较的相对重要性进行判断,并用数值将判断结果标识出来，构造两两比较矩，即判断矩阵；一般采用9标度法表示指标两两比较结果的相对重要性；
步骤2-2a、层次单排序：对建立的判断矩阵进行归一化后得出标准两两比较矩阵，并求出其特征向量，可以得出企业质量信用评价各指标相对于同一层次目标的权重。求权重值一般最常用的是通过解出判断矩阵的最大特征根相对应的特征向量，特征向量的每一个分量就是权重；
步骤2-3a、判断矩阵一致性检验：为了检验矩阵的有效性，需要对矩阵构造的判断结果进行一致性检验。有时在指标比较多的情况下，容易出现比较的逻辑错误。问题的复杂性决定了在一致性问题上存在一定程度的误差，只要误差在允许范围之内即可。
当矩阵一致性参数CR＜0.1，判断矩阵具有满意的一致性，公式如下所示：
Figure BDA0003660124410000081
步骤2-4a、层次总排序和一致性检验：层次总排序是指计算最底层所有指标相对于最高目标相对重要性的权重。合成权重是由各层权重自上而下合成计算得来。将C层对B层指标的权重与B层指标对A的权重相乘，即得到C层指标对A的权重。当CR＜0.1时，认为层次总排序结果具有满意的一致性；
计算评价权重结果及分析：
邀请专家先对一级指标进行打分，建立两两比较矩阵，并通过计算得出一级指标权重及一致性检验结果，一致性检验通过；见下表3和表4所示；
表3 一级指标AHP层次分析结果
Figure BDA0003660124410000082
表4 一级指标一致性检验结果
Figure BDA0003660124410000083
邀请专家分别对履约能力和履约行为下的二级指标进行打分，建立两两比较矩阵；见表5和表6所示；
表5 履约能力判断矩阵表
C<sub>11</sub> C<sub>12</sub> C<sub>13</sub> C<sub>14</sub> C<sub>15</sub> C<sub>16</sub>
C<sub>11</sub> 1 2 5 1 3 2
C<sub>12</sub> 0.5 1 3 0.333 3 1
C<sub>13</sub> 0.2 0.333 1 0.143 0.5 0.333
C<sub>14</sub> 1 3 7 1 7 5
C<sub>15</sub> 0.333 0.333 2 0.143 1 0.333
C<sub>16</sub> 0.5 1 3 0.2 3 1
表6 履约行为判断矩阵表
C<sub>21</sub> C<sub>22</sub> C<sub>23</sub> C<sub>24</sub> C<sub>25</sub> C<sub>26</sub>
C<sub>21</sub> 1 0.333 2 2 3 1
C<sub>22</sub> 3 1 3 3 3 3
C<sub>23</sub> 0.5 0.333 1 0.333 3 3
C<sub>24</sub> 0.5 0.333 3 1 3 3
C<sub>25</sub> 0.333 0.333 0.333 0.333 1 0.5
C<sub>26</sub> 1 0.333 0.333 0.333 2 1
最后，分别计算履约能力和履约行为下二级指标的权重和一致性检验结果；见表7-表10所示；
表7 履约能力二级指标AHP层次分析结果
Figure BDA0003660124410000091
表8 履约能力二级指标一致性检验结果
Figure BDA0003660124410000092
表9 履约行为二级指标AHP层次分析结果
Figure BDA0003660124410000093
表10 履约行为二级指标一致性检验结果
最大特征根 CI值 RI值 CR值 一致性检验结果
6.608 0.122 1.26 0.096 通过
步骤2-b、熵值法计算二级指标权重
对上述的6家企业的数据，进行归一化处理后，应用下述步骤熵值法分别计算履约能力和履约行为下二级指标的信息熵值和权重系数；
步骤2-1b、数据标准化处理，首先对步骤1中所选6家企业的二级指标的原始评价数据(表2-2)进行数据化标准处理：
正向指标：
Figure BDA0003660124410000101
负向指标：
Figure BDA0003660124410000102
min{Xj}和min{Xj}为被评对象中第j项指标的最小值和最大值；
得到的6家企业的二级指标标准化数据结果如下表11所示，
表11 6家企业的二级指标标准化数据
企业 C<sub>11</sub> C<sub>12</sub> C<sub>13</sub> C<sub>14</sub> C<sub>15</sub> C<sub>16</sub> C<sub>21</sub> C<sub>22</sub> C<sub>23</sub> C<sub>24</sub> C<sub>25</sub> C<sub>26</sub>
Q1 50 80 56 70 50 50 65 80 75 90 90 60
Q2 50 70 92 60 60 70 70 66 58 80 65 80
Q3 55 50 70 65 60 65 79 80 67 80 87 85
Q4 86 90 80 65 70 70 85 75 58 75 89 85
Q5 80 96 90 92 85 90 90 92 65 70 90 88
Q6 73 80 93 86 60 80 95 75 60 90 88 65
注：标准化数据为将大量的二级指标原始评价数据按照统一的方式进行汇总统计得到的标准数据；
步骤2-2b、计算指标值的比重：根据二级指标标准化数据对指标值的比重进行计算，
Figure BDA0003660124410000103
其中，m为被评对象数；
步骤2-3b、计算指标信息熵：
Figure BDA0003660124410000104
其中，
Figure BDA0003660124410000105
步骤2-4b、计算指标权重：
Figure BDA0003660124410000111
其中，dj＝1-ej；n为指标数；
计算评价二级指标权重结果：如表12-13所示；
表12 熵值法计算履约能力二级指标权重结果
Figure BDA0003660124410000112
表13 熵值法计算履约行为二级指标权重结果
Figure BDA0003660124410000113
步骤3、根据步骤2分析和计算得到的指标权重数值进行综合权重计算
基于上述AHP法和熵值法得出的履约能力和履约行为的二级指标权重值，按照下式所示指标综合权重公式计算二级指标综合权重；
Figure BDA0003660124410000114
其中，αj为AHP法计算的二级指标权重值，ωj为熵权法计算的二级指标权重值；
计算结果如表14-15所示；
表14 履约能力二级指标综合权重
Figure BDA0003660124410000121
表15 履约行为二级指标综合权重
Figure BDA0003660124410000122
根据AHP法计算形成的一级指标权重(表3)，以及上述计算得出的二级指标综合权重(表14、表15)，计算得出二级指标合成权重；如表16所示；
表16 二级指标合成权重
Figure BDA0003660124410000123
步骤4、根据步骤3得到一级指标和二级指标的权重计算评价结果；
根据6家企业二级指标情况标准化后的数据(表11)，与表16的一级指标、二级指标权重比例计算得出6家企业质量信用评价结果如表17的A所示；
表17 6家企业质量信用评价结果
企业 C<sub>11</sub> C<sub>12</sub> C<sub>13</sub> C<sub>14</sub> C<sub>15</sub> C<sub>16</sub> C<sub>21</sub> C<sub>22</sub> C<sub>23</sub> C<sub>24</sub> C<sub>25</sub> C<sub>26</sub> A
Q1 50 80 56 70 50 50 65 80 75 90 90 60 65.02
Q2 50 70 92 60 60 70 70 66 58 80 65 80 63.59
Q3 55 50 70 65 60 65 79 80 67 80 87 85 65.91
Q4 86 90 80 65 70 70 85 75 58 75 89 85 78.00
Q5 80 96 90 92 85 90 90 92 65 70 90 88 86.79
Q6 73 80 93 86 60 80 95 75 60 90 88 65 79.00
结果分析：
通过对6家企业质量信用评价结果进行综合分析，Q5的A得分为86.79，企业质量信用水平最高；Q6企业A得分79，相比Q5次之；再者是Q4，Q2得分最低，与之基本在一个得分段的是Q1和Q2；
综合来看，Q5、Q6、Q4大体处于一个较高得分段，Q2、Q1和Q3处于较低得分段，从两个得分段的二级指标得分来看，在履约能力方面，相比较而言，较高得分段的企业在原材料质量、研发能力、设备质量等方面得分较高，在履约行为方面，体现在产品质量、公共信用等方面得分较高；反之看较低得分段的企业都在这些方面得分较低，这也印证了在履约能力和履约行为方面二级指标的权重分配。
根据前期问卷调研了解的情况，较高得分段的三家企业在质量信用基本指标方面表现也更为突出，而且问卷反映的影响风险大小也突出体现在权重较高的几项专项指标上。因此，研究建立的企业质量信用评价指标权重分配符合实际情况，也客观反映了企业质量信用风险的影响因素大小。
综上所述，本专利技术方案，从决定型指标和反映型指标两个一级指标维度建立企业质量信用评价专项指标，从原材料质量、设备质量、服务能力、研发能力、环境条件、管理措施、公共信用、产品质量、售后服务、合同履约、社会责任履行、外部评价情况等二级指标进行具体的计算评价指标权重；然后根据二级指标的综合权重对企业质量信用进行综合评分评价分析，数据全面，信息标准统一；评价结果参考价值高；
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的试验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (8)

1.一种对于企业质量信用的综合评价方法，其特征在于，包括如下步骤：
步骤1、确定企业质量信用评价指标；
步骤2、分析并计算确定步骤1中评价指标权重；
步骤3、根据步骤2分析和计算得到的指标权重数值进行综合权重计算；
步骤4、根据步骤3得到权重计算结果进行评价结果分析；
其中，所述步骤1中，所述评价指标包括决定型指标和反映型指标。
2.如权利要求1所述综合评价方法，其特征在于，
所述决定型指标即为履约能力，为一级指标；
所述反映型指标即为履约行为，为一级指标。
3.如权利要求2所述综合评价方法，其特征在于，所述步骤2中，
所述决定型指标包括原材料质量、设备质量、服务能力、研发能力、环境条件、管理措施；
所述反映型指标包括公共信用、产品质量、售后服务、合同履约、社会责任履行、外部评价；
所述原材料质量、设备质量、服务能力、研发能力、环境条件、管理措施、公共信用、产品质量、售后服务、合同履约、社会责任履行、外部评价为二级指标。
4.如权利要求1所述综合评价方法，其特征在于，所述步骤2中，
所述指标权重采用层次分析法和熵值法分析计算。
5.如权利要求1所述综合评价方法，其特征在于，所述步骤3中，
所述指标综合权重计算公式为：
Figure FDA0003660124400000011
其中，αj为AHP法计算的指标权重值，ωj为熵权法计算的指标权重值。
6.如权利要求1所述综合评价方法，其特征在于，所述步骤4中，
根据步骤2和3得到一级指标权重和二级指标综合权重计算结果与企业二级指标标准化数据进行计算得到企业质量信用评价评分数据。
7.如权利要求4所述综合评价方法，其特征在于，
所述层次分析法具体操作为：
步骤2-1a、构造判断矩阵：利用层次分析法对企业质量信用评价模型的每一层次指标两两比较的相对重要性进行判断,并用数值将判断结果标识出来，构造两两比较矩，即判断矩阵；
步骤2-2a、层次单排序：对建立的判断矩阵进行归一化后得出标准两两比较矩阵，并求出其特征向量，可以得出企业质量信用评价各指标相对于同一层次目标的权重；
步骤2-3a、判断矩阵一致性检验：为了检验矩阵的有效性，对矩阵构造的判断结果进行一致性检验；
当矩阵一致性参数CR＜0.1，判断矩阵具有满意的一致性，公式如下所示：
Figure FDA0003660124400000021
步骤2-4a、层次总排序和一致性检验：层次总排序是指计算最底层所有指标相对于最高目标相对重要性的权重；合成权重是由各层权重自上而下合成计算得来；将C层对B层指标的权重与B层指标对A的权重相乘，即得到C层指标对A的权重；当CR＜0.1时，认为层次总排序结果具有满意的一致性。
8.如权利要求4所述综合评价方法，其特征在于，
所述熵值法具体操作为：
步骤2-1b、数据标准化处理：
正向指标：
Figure FDA0003660124400000022
负向指标：
Figure FDA0003660124400000023
min{Xj}和min{Xj}为被评对象中第j项指标的最小值和最大值；
步骤2-2b、计算指标值的比重：
Figure FDA0003660124400000024
其中，m为被评对象数；
步骤2-3b、计算指标信息熵：
Figure FDA0003660124400000025
其中，
Figure FDA0003660124400000026
步骤2-4b、计算指标权重：
Figure FDA0003660124400000027
其中，di＝1-ei；n为指标数。
CN202210574531.6A 2021-06-22 2022-05-24 一种对于企业质量信用的综合评价方法 Pending CN114862244A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2021106934467 2021-06-22
CN202110693446.7A CN113408908A (zh) 2021-06-22 2021-06-22 一种基于履约能力和行为的多维信用评价模型构建方法

Publications (1)

Publication Number Publication Date
CN114862244A true CN114862244A (zh) 2022-08-05

Family

ID=77682564

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202110693446.7A Pending CN113408908A (zh) 2021-06-22 2021-06-22 一种基于履约能力和行为的多维信用评价模型构建方法
CN202210574531.6A Pending CN114862244A (zh) 2021-06-22 2022-05-24 一种对于企业质量信用的综合评价方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202110693446.7A Pending CN113408908A (zh) 2021-06-22 2021-06-22 一种基于履约能力和行为的多维信用评价模型构建方法

Country Status (1)

Country Link
CN (2) CN113408908A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116151933B (zh) * 2023-04-18 2023-10-24 深圳市感恩网络科技有限公司 基于大数据的国际贸易信息数据数字化监管系统及方法

Also Published As

Publication number Publication date
CN113408908A (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
Liao et al. Does corporate social performance pay back quickly? A longitudinal content analysis on international contractors
JP6972269B2 (ja) サプライヤー評価装置及びサプライヤー評価方法
CN105512465B (zh) 基于改进vikor法的云平台安全性量化评估方法
Carvalho et al. Goodwill and mandatory disclosure compliance: A critical review of the literature
CN103366123A (zh) 基于缺陷分析的软件风险评估方法
CN106201897A (zh) 基于主成分分布函数的软件缺陷预测不平衡数据处理方法
Inti et al. Application of fuzzy preference–analytic hierarchy process logic in evaluating sustainability of transportation infrastructure requiring multicriteria decision making
CN116468273A (zh) 客户风险识别方法及装置
CN114742432A (zh) 市场采购贸易风控管理方法及其管理系统
CN115018384A (zh) 一种建筑工地安全风险评估方法及系统
CN114862244A (zh) 一种对于企业质量信用的综合评价方法
CN115879829A (zh) 一种应用于平台创新能力审核的评审专家筛选方法
CN103914482A (zh) 基于cmdb的集中监控事件影响性确定方法
CN114021873A (zh) 一种数据指标量化方法和智慧园区企业价值评价系统
Yu et al. Multi-criteria decision making for PLM maturity analysis based on an integrated fuzzy AHP and VIKOR methodology
CN117495298A (zh) 一种招投标评审监管方法及系统
JP3703064B2 (ja) ソフトウェア品質評価装置および品質評価方法
CN113159634A (zh) 一种金融产品管理方法、装置及电子设备
CN114022045A (zh) 一种区域经济发展水平确定方法、装置及终端设备
CN113592292A (zh) 一种电网一次设备技改大修项目准入评价方法
Qi et al. Determinants of Environmental Credit Risk Management: Empirical Evidence from European Banks
Wang et al. Research on Credit Decision Issues of the Small and Medium-Sized Enterprises Based on TOPSIS and Hierarchical Cluster Analysis
Liang et al. A Study of Identification of Corporate Financial Fraud Using Neural Network Algorithms in an Information-based Environment
CN115456401A (zh) 航天型号产品合同履行绩效的评价方法、装置和实现装置
Shuhai et al. Research and Construction of Supply Chain Information Quality Index System based on PSP/IQ Model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination