CN115344767A - 基于网络数据的供应商评价方法 - Google Patents
基于网络数据的供应商评价方法 Download PDFInfo
- Publication number
- CN115344767A CN115344767A CN202211146163.1A CN202211146163A CN115344767A CN 115344767 A CN115344767 A CN 115344767A CN 202211146163 A CN202211146163 A CN 202211146163A CN 115344767 A CN115344767 A CN 115344767A
- Authority
- CN
- China
- Prior art keywords
- supplier
- evaluation
- index
- weight
- information
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 claims abstract description 61
- 239000000463 material Substances 0.000 claims abstract description 38
- 239000013077 target material Substances 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims description 47
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000012797 qualification Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims 2
- 230000008901 benefit Effects 0.000 abstract description 5
- 239000004566 building material Substances 0.000 abstract description 4
- 239000000284 extract Substances 0.000 abstract 1
- 238000010276 construction Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000000306 component Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000000026 apposition eye Anatomy 0.000 description 1
- 238000011511 automated evaluation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Algebra (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于网络数据的供应商评价方法，从工程BIM模型中提取材料信息，确定目标材料；建立供应商评价指标体系；利用爬虫程序，按照供应商评价指标体系抓取目标材料的供应商信息，建立供应商信息库；根据供应商评价指标体系，采用层次分析法和熵权法对供应商进行自动评分；根作出目标材料的采购决策。本发明的优点在于基于互联网上的采购平台的供应商数据，将建材供应商的评价与选择的全过程都转移到了线上，为建筑企业采购部门提供了一种高效的供应商评价方法，节省不必要的人力和物力，提高了效率；拓宽采购选择面，给决策者更加广泛的选择。
Description
技术领域
本发明涉及智能供应商评价领域，尤其是涉及基于网络数据的供应商评价方法。
背景技术
对于一个工程建设项目来说，建筑材料供应商的寻找与选择对项目成本和工程建设质量都有着十分重大的影响。决策者需要在保证购买的材料符合设计要求的前提下尽可能降低材料的成本，以使得在建设项目可以正常投入使用的同时，可以收获到最大化的利润，因此，为了能选取到最优的供应商，在选取之前对多方供应商进行一个科学的评价是很有必要的。传统的供应商的寻找和选择大部分都是通过线下的途径，线下的方式会耗费一些人力和物力，效率也不高，并且决策者都比较依赖于各家供应商的推销，选择面比较窄，以至于很难找到最优的供应商。随着互联网信息技术以及网络购物产业的发展，在互联网上开始出现了一些建筑产品采购的平台，这些平台上的产品种类繁多、供应商数据详细，是供应商选择的一大潜在来源。
发明内容
本发明目的在于提供一种基于网络数据的供应商评价方法, 以实现自动评价的供应商, 解决当前建材供应商的评价与选择目标数量少、效率低下的问题。
为实现上述目的，本发明采取下述技术方案：
本发明所述的基于网络数据的供应商评价方法，包括以下步骤：
S1,从工程BIM模型中提取材料信息，确定目标材料；
S2，建立供应商评价指标体系；
S3，利用爬虫程序，按照所述供应商评价指标体系抓取目标材料的供应商信息，建立供应商信息库；
S4，根据供应商评价指标体系，采用层次分析法和熵权法对供应商进行自动评分；
S5，根据供应商的评分，作出目标材料的采购决策。
进一步地，S1步中，所述材料信息包括材料名称、材料特征、需求数量。
进一步地，S2步中，所述供应商评价指标体系中的评价指标包括一级指标和二级指标；所述一级指标包括产品及供货情况、品牌声誉、第三方评价；所述二级指标包括产品质量描述、产品价格、产地距离、响应速度、成立时间、荣誉资质、天眼查风险提示、不良记录、企业信息化水平、信用评级、店铺星级、天眼查评分。
进一步地，S1步中按照帕累托法则选取对总造价有重大影响的材料为所述目标材料；具体包括：计算各种材料总成本费占材料总造价的百分比，所述百分比由高至低依次相加；当所述百分比相加之和大于等于80%时，百分比对应的材料为目标材料。
进一步地，S4步中采用层次分析法和熵权法对供应商进行自动评价，具体包括：
S4.1，按照层次分析法的结构框架，设置选择最优供应商为目标层，各供应商为方案层，将含义相近的评价指标归为同一准则层，构建层次结构模型；
S4.2，两两比较同一准则层中各评价指标之间的相对重要性，形成判断矩阵；
S4.3，对所述判断矩阵按列归一化后按行求和，得到向量后在进行归一化处理，得到特征向量；计算判断矩阵的最大特征根
，判断矩阵一致性指标CI，以及随机一致性比率CR；若CR＜0.1，判断矩阵一致性符合要求；如果CR≥0.1，则需修正判断矩阵；
S4.4，将准则层各评价指标对目标层的相对重要性排序，确定各指标对目标层的权重值；
S4.5，采用熵权法计算各评价指标的客观权重；
S4.6，将S4.4步确定的权重值与S4.5步确定的客观权重值各取一半相加，获得各评价指标的最佳评价权重；
S4.7，为S3步抓取的供应商信息打分，供应商信息与所对应的评价指标的最佳评价权重相乘并求和，得到供应商的评分。
本发明的优点在于基于互联网上的采购平台的供应商数据，将建材供应商的评价与选择的全过程都转移到了线上，为建筑企业采购部门提供了一种高效的供应商评价方法，节省不必要的人力和物力，提高了效率；同时能够充分利用了网络上的资源，拓宽采购选择面，帮助采购部门发现更多的潜在优质供应商，给决策者更加广泛的选择。另外本发明所述方法数据易获取、评价指标体系科学全面、评价结果说服力强，实现了供应商的自动评价。
附图说明
图1是本发明所述方法流程图。
图2是本发明所述方法中的层次结构模型。
图3是利用本发明所述方法构建供应商自动评价平台的系统框架。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明所述的基于网络数据的供应商评价方法，包括以下步骤：
S1,从工程BIM模型中提取材料信息，确定目标材料；
设计单位在运用BIM软件建立模型时，可以通过现有的族库中的模型建立构件，也可以手动编辑需要的构件，但无论通过哪种方式，在模型建成之后所有用到的构件材料的信息都是可以查询到的，我们可以将材料信息全部导出，即可建立起具有材料详细信息包括材料的名称、具体特征描述、需求数量等的产品库。一个工程项目所用到的所有材料产品种类和数量是非常庞大的，如果对每一种具体的材料都去寻找多个供应商做筛选的话，都选到最优供应商产生的收益会远小于在这过程中因耗费大量的时间和精力而损失的效益，同时这也可能会耽误到项目的工期，总体来说是得不偿失的。对于这个问题，我们可以从帕累托法则中得到启发，罗马尼亚管理学家约瑟夫·朱兰所提出的帕累托法则（也叫八二法则）告诉我们：在任何情况下，事物的主要结果只取决于一部分因素。所以我们可以将帕累托法则应用到供应商选择的问题上。按照帕累托法则选取对总造价有重大影响的材料为目标材料；具体包括：计算各种材料总成本费占材料总造价的百分比，根据帕累托法则确定临界百分比，选取材料总成本费占材料总造价的百分比大于或等于临界百分比的材料为目标材料。具体为计算各种材料总成本费占材料总造价的百分比，所述百分比由高至低依次相加；当所述百分比相加之和大于等于80%时，百分比对应的材料为目标材料。
S2，建立供应商评价指标体系；
根据各个网站上所能获得的产品及供应商信息，提炼总结了12个评价指标，其详细情况如表1所示，各指标的数据来源或获取方法表如表2所示。
表1 建材供应商评价指标明细表
表2 各指标数据来源或获取方法表
具体的评分标准为：
同一将供应商的各评价指标数据按照百分制转换为数值数据。
货描质量：货描质量分为高、中、低三个等级，借鉴多等级李克特量表的设计思想，将该指标评分划分为(0-60)，(60-80)，(80-100)三个区间，设定每一区间的中位数值作为评价指标各评价等级的分数，即高等级为90分，中等级为70分，低等级为30分；
产品价格：考虑到产品价格是负方向指标，则在所有待评价的产品中，取价格最高的指标值为0，价格最低的指标值为100，然后以价格最高值和最低值为边界，价格在这中间的产品根据与边界价格的相对情况取指标值。假设最低价格为
，最高价格为
，某产品的价格为K，则产品价格评分
；
产地距离：产地距离影响着产品运费，同样这也是一个负向指标，同等条件下距离越远运费越高。在所有待评价的产品中，取产地距离项目所在地最远的指标值为1，距离最近的指标值为100，然后以距离最远值和最近值为边界，距离在这中间的产品根据与边界距离的相对情况取指标值。假设最近距离为
，最远距离为
，某产品的价格为H，则产品价格评分
；
响应速度：同货描质量的评分方法，高等级为90分，中等级为70分，低等级为30分；
成立时间：设供应商的成立年份为n年，则该项的评分=（n/10）*100，不到一年算为一年，最高为100分；
荣誉资质：主管单位颁发的证书一张30分，行业协会颁发的证书一张15分，最高为100分；
天眼风险：同货描质量的评分方法，根据天眼查网站上风险等级的情况，低等级为90分，中等级为70分，高等级为30分；
不良记录：以100分为基础分值，一条不良记录扣除30分，最低为1分；
信息化程度：若供应商无任何网络平台，则该指标为1分，若供应商有官方网站等平台，则该指标为60分，若供应商官方网站等平台功能板块完善，有沟通联系渠道则为80分；
信用评价：以60分为基础分值，信用中国网站上一条诚实守信记录加10分，一条信用承诺记录加5分；
店铺星级：店铺星级有无星、三星、三星半、四星、四星半、五星六个等级，对应百分制，该项分值=（店铺星级/5）*100；
天眼评分：该项指标信息皆为百分制的数值，直接引用。
若某一评价指标评分为0分，则将其修正为1分。
S3，利用爬虫程序，按照所述供应商评价指标体系抓取目标材料的供应商信息，建立供应商信息库；
在网上产品及供应商信息的获取问题上，我们使用爬虫技术。网络爬虫是一个自动提取网页信息的程序，它的原理是模拟客户端（浏览器、手机应用等）批量请求服务器（百度、阿里、京东等）的数据，利用爬虫程序，我们可以在互联网上抓取到我们想要的信息（这里需要注意的是，我们要保证使用爬虫技术的合法性，所以我们只抓取各网站公开的信息，且不用于商用）。于是我们先找到一些建筑产品的交易平台网站（如百度爱采购等）以及具有企业工商注册信息（如企查查、天眼查等）的网站，再编写一段爬虫程序，便可以从这些网站上抓取到包含所有评价指标的数据信息，然后将抓取到的信息数据进行分类整理建立供应商信息库。由于目标网站的数据是动态变化的，所以需要注意供应商信息库的定期更新。
S4，根据供应商评价指标体系，采用层次分析法和熵权法对供应商进行自动评分；
该步骤具体包括确定各评价指标的权重；根据评分规则，对供应商的指标信息进行评分；和通过各评价指标的权重和具体的评分，计算供应商的总评分。
首先通过层次分析法确定各评价指标的主观权重，在通过熵权法确定各评价指标的客观权重，主观权重和客观权重各取50%相加，得到的各评价指标的综合权重。
层次分析法是一种将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法；熵权法是一种根据数据无序程度进行客观赋权的方法。层次分析法受主观影响大，熵权法所得的结果客观性又太强，固本发明将两种方法结合，得到一个综合的评价方法，具体包括：
S4.1，按照层次分析法的结构框架，设置选择最优供应商为目标层，各供应商为方案层，将含义相近的评价指标归为同一准则层，构建层次结构模型，如图2所示；
S4.2，两两比较同一指标层中各评价指标之间的相对重要性，形成判断矩阵；
假设比较的因素有n个，用
表示第ｉ个因素相对于第j个因素的重要性程度。n个因素两两比较，构成ｎ×ｎ阶判断矩阵S。判断矩阵中
的取值可根据美国著名运筹学家Saaty的提议，按表4中定义的标度赋值，关于相对重要性的比较决策者们可以自行头脑风暴决定，也可以通过专家打分法得到。以一级指标层为例，得出的判断矩阵S如表5所示，记为判断矩阵
。
表3 判断矩阵元素赋值
表4 判断矩阵表（a,b,c为常数）
S4.3，对所述判断矩阵按列归一化后按行求和，得到向量后在进行归一化处理，得到特征向量；计算判断矩阵的最大特征根
，判断矩阵一致性指标CI，以及随机一致性比率CR；若CR＜0.1，判断矩阵一致性符合要求；如果CR≥0.1，则需修正判断矩阵；
1） 判断矩阵按列归一化，即对于第j列的每个元素
，有
2） 对每列归一化后的矩阵按行求和。即对于矩阵第i行，有
3） 对得到的向量进行归一化处理。即：
得到判断矩阵的特征向量
，U中的元素为同一准则层中各评价指标相对重要性的排序权值，这一过程成为层次单排序。
4） 计算比较矩阵的最大特征根
。即：
5） 对判断矩阵进行一致性检验，其目的是检验各指标重要度之间的协调性，以避免结果出现A指标比B指标明显重要，B指标比C指标明显重要，而C指标却比A指标重要的矛盾情况。所以，为了使得比较矩阵的结果更加科学、协调，需要对比较矩阵进行一致性检验。首先，计算判断矩阵
的一致性指标CI，即：
，其中n为判断矩阵中的因素数量。
若CI=0，则矩阵具有完全一致性；当CI接近于0时，矩阵具有满意的一致性；CI越大，判断矩阵的不一致性越严重。若要知道判断矩阵的一致性是否令人满意，需要计算判断矩阵的随机一致性比率CR=CI/RI，即比较矩阵的一致性指标CI与同阶的平均随机一致性指标RI之比，如果CR＜0.1，比较矩阵的一致性符合要求；如果CR≥0.1，则需修正比较矩阵。平均随机一致性指标RI的取值见表6。
表5
通过一致性检验后，则特征向量中的各元素为对应各评价指标的主观权重。
S4.4，将准则层各评价指标对目标层的相对重要性排序，确定各指标对目标层的权重值；
层次总排序是指确定某层次所有指标对于评价对象或评价目标的相对重要性的排序过程。当一级指标层P中有m个评价指标
,
,…, 
对目标层的权重排序的特征向量为
，
，…, 
时，二级指标层Q中有n个评价指标对一级指标层P中评价指标
的层次单排序特征向量为
，
，…, 
，则在二级指标层Q的层次总排序中第i个指标对目标层的权重值为：
S4.5，采用熵权法计算各评价指标的客观权重；
熵（entropy）的概念是由德国的物理学家克劳修斯提出来的，用于体现一种能量在空间中分布的均匀程度，如果能量分布的越是匀称，那么熵也就越大。Shannon在1948年将它引入到信息论中，提出信息熵的概念，用来表示信息源中信号的不确定性。信息论中的熵是用于度量系统的无序程度，它也可以用来度量数据携带的有效信息量，所以熵可以用来确定权重值。如果评价对象在某一指标的值得差距比较大，熵值就会较小，该评价指标也就携带了比较大的有效信息量，那么这个评价指标的权重值也就较大；相反，如果某一评价指标的值得差距比较小，熵值就会较大，该评价指标也就携带了比较小的有效信息量，那么这个评价指标的权重值也就较小；如果评价对象在某一评价指标上的值完全一样，熵值也就最大，也就是说这个评价指标没有携带任何的有效信息量，可以将其从评价指标体系中删除。所以我们可以根据各个评价指标的值的差异化程度，采用熵计算出每一个评价指标的熵权，然后再用每一个评价指标的熵权对所有的评价指标进行加权，就可以得到比较客观的评价结果。其计算步骤如下：
1） 构建ｍ个待评价项目ｎ个评价指标的判断矩阵
2） 对
标准化处理
，由此得到标准化矩阵
。
3）确定第i个指标的信息熵值
，
(i=1,2,3,…,n)，其中
。
4）计算第i个指标的熵权
为
S4.6，将S4.4步确定的权重值与S4.5步确定的客观权重值各取一半相加，获得各评价指标的最佳评价权重；
本发明中采用组合赋权法，将层次分析法确定的主观权重，即S4.4步确定的权重值，和熵权法确定的客观权重，即S4.5步确定的客观权重值，通过线性关系组合起来，得到一个综合权重，具体表达式为
其中，
为指标i的组合权重，
是层次分析法确定的主观权重，
是熵权法确定的客观权重，β为主观偏好系数，即主观权重占组合权重的比例。现采用“组合权重与层次分析法权重之间的偏差”和“组合权重与熵权法权重之间的偏差”，取两者偏差平方和最小为目标建立目标函数，即：
min z= 
将组合权重公式代入上式，得
min z= 
对上式关于
求一阶导，并令一阶导等于0，求解可得
，将其代入综合权重公式，得
即当由层次分析法主观权重和熵权法客观权重各取50%相加得到的综合权重是最佳的评价权重。
S4.7，根据具体评分规则为S3步抓取的供应商信息打分，供应商信息与所对应的评价指标的最佳评价权重相乘并求和，得到供应商的评分。
在确定各评价指标的综合权重后，结合抓取的各目标材料评价指标数据得到的各评价指标所对应的供应商信息的评分
，各指标的综合权重为
，则供应商的最终评分为
，然后通过比较各个供应商的评分即可得最优决策。
S5，根据供应商的评分，作出目标材料的采购决策。
实施例2，本发明方法的实际使用步骤
根据本发明所述方法，搭建供应商自动评价平台的系统，主要包括用户应用层：包括电脑网页端和手机APP端，用于提供用户操作平台和显示的窗口。服务层：用于提供产品的精准检索、多种产品的对比以及供应商的自动评价；数据库层：用于存放含所抓取到的供应商的各种信息。平台系统的总体框架图如图3所示，其中，网络服务器是该平台的核心部件，它可以存储和管理网络中的数据库资源，并负责运行网络操作系统，对用户输入的指令及时做出响应和处理；防火墙可以及时发现并处理计算机网络运行时可能存在的安全风险、数据传输等问题，在系统中设置防火墙也是为了确保平台数据的安全性。
将爬虫程序抓取目标材料的供应商信息导入供应商自动评价平台的系统，依照关键字检索算法的逻辑保证产品可以和相关供应商对应。用户可以在供应商自动评价平台的系统中输入目标材料名称，点击搜索，系统通过关键字的检索算法匹配出所有对应的供应商。在检索结果中，决策者可以初步浏览到不同供应商信息，点击每个供应商的预览链接，系统会跳到该目标材料更详细的介绍页面，包括关于供应商的详细信息。通过浏览各目标材料及供应商信息，决策者对检索结果中的目标材料及供应商都会有一个具体的把握。
初步浏览各目标材料供应商信息之后，决策者可以点击多个供应商的目标材料添加对比，系统会将特定的对比对象的信息检索出来并整合到同一个网页，在这个网页中，会同时显示选定的目标材料的详细信息。在目标材料对比页面，决策者不仅可以看到各目标材料的所有指标信息，还可以看到系统运行自动评价的算法而得到的各个目标材料的系统评分。决策者可以通过将各目标材料的所有指标进行比较分析得出最优的供应商，也可以直接比较系统评分得到最优供应商，在确定最优供应商后，决策者即可进行采购决策。
Claims (5)
1.一种基于网络数据的供应商评价方法，其特征在于：包括以下步骤
S1,从工程BIM模型中提取材料信息，确定目标材料；
S2，建立供应商评价指标体系；
S3，利用爬虫程序，按照所述供应商评价指标体系抓取所述目标材料的供应商信息，建立供应商信息库；
S4，根据所述供应商评价指标体系，采用层次分析法和熵权法对供应商进行自动评分；
S5，根据供应商的所述评分，作出目标材料的采购决策。
2.根据权利要求1所述的基于网络数据的供应商评价方法，其特征在于：S1步中，所述材料信息包括材料名称、材料特征、需求数量。
3.根据权利要求1所述的基于网络数据的供应商评价方法，其特征在于：S2步中，所述供应商评价指标体系中的评价指标包括一级指标和二级指标；所述一级指标包括产品及供货情况、品牌声誉、第三方评价；所述二级指标包括产品质量描述、产品价格、产地距离、响应速度、成立时间、荣誉资质、天眼查风险提示、不良记录、企业信息化水平、信用评级、店铺星级、天眼查评分。
4.根据权利要求1所述的基于网络数据的供应商评价方法，其特征在于：S1步中按照帕累托法则选取对总造价有重大影响的材料为所述目标材料；具体包括：计算各种材料总成本费占材料总造价的百分比，所述百分比由高至低依次相加；当各百分比相加之和大于等于80%时，各百分比对应的材料为目标材料。
5.根据权利要求1所述的基于网络数据的供应商评价方法，其特征在于：S4步中所述采用层次分析法和所述熵权法对供应商进行自动评价，具体包括：
S4.1，按照层次分析法的结构框架，设置选择最优供应商为目标层，各供应商为方案层，将含义相近的评价指标归为同一准则层，构建层次结构模型；
S4.2，两两比较所述同一准则层中各所述评价指标之间的相对重要性，形成判断矩阵；
S4.3，对所述判断矩阵按列归一化后按行求和，得到向量后再进行归一化处理，得到特征向量；计算判断矩阵的最大特征根
，判断矩阵一致性指标CI，以及随机一致性比率CR；若CR＜0.1，判断矩阵一致性符合要求；如果CR≥0.1，则需修正判断矩阵；
S4.4，将同一准则层各评价指标对目标层的相对重要性排序，确定各指标对目标层的权重值；
S4.5，采用熵权法计算各评价指标的客观权重；
S4.6，将S4.4步确定的所述权重值与S4.5步确定的所述客观权重值各取一半相加，获得各评价指标的最佳评价权重；
S4.7，为S3步抓取的供应商信息打分，供应商信息与所对应的评价指标的所述最佳评价权重相乘并求和，得到供应商的评分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211146163.1A CN115344767A (zh) | 2022-09-20 | 2022-09-20 | 基于网络数据的供应商评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211146163.1A CN115344767A (zh) | 2022-09-20 | 2022-09-20 | 基于网络数据的供应商评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115344767A true CN115344767A (zh) | 2022-11-15 |
Family
ID=83956524
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211146163.1A Pending CN115344767A (zh) | 2022-09-20 | 2022-09-20 | 基于网络数据的供应商评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115344767A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115907308A (zh) * | 2023-01-09 | 2023-04-04 | 佰聆数据股份有限公司 | 基于用户画像的电力物资供应商评价方法及装置 |
| CN116188039A (zh) * | 2023-03-06 | 2023-05-30 | 欧冶工业品股份有限公司 | 供应商智能推荐方法及系统 |
-
2022
- 2022-09-20 CN CN202211146163.1A patent/CN115344767A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115907308A (zh) * | 2023-01-09 | 2023-04-04 | 佰聆数据股份有限公司 | 基于用户画像的电力物资供应商评价方法及装置 |
| CN115907308B (zh) * | 2023-01-09 | 2023-05-12 | 佰聆数据股份有限公司 | 基于用户画像的电力物资供应商评价方法及装置 |
| CN116188039A (zh) * | 2023-03-06 | 2023-05-30 | 欧冶工业品股份有限公司 | 供应商智能推荐方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Han et al. | Artificial intelligence in business-to-business marketing: a bibliometric analysis of current research status, development and future directions | |
| CN107562818B (zh) | 信息推荐系统及方法 | |
| CN103377250B (zh) | 基于邻域的top‑k推荐方法 | |
| AU2015249157B2 (en) | Digital communications interface and graphical user interface | |
| Chatterjee et al. | Supplier selection in Telecom supply chain management: a Fuzzy-Rasch based COPRAS-G method | |
| CN115344767A (zh) | 基于网络数据的供应商评价方法 | |
| JP2012256325A (ja) | 高リスク調達の解析およびスコアリング・システム | |
| Deng et al. | RETRACTED ARTICLE: A study on e-commerce customer segmentation management based on improved K-means algorithm | |
| CN112613953A (zh) | 一种商品选品方法、系统及计算机可读存储介质 | |
| CN111242471A (zh) | 一种以农民合作社为主导的供应链选择销售企业的指标体系 | |
| CN114861050A (zh) | 一种基于神经网络的特征融合推荐方法及系统 | |
| CN116049543A (zh) | 综合能效服务业务混合推荐方法、系统及存储介质 | |
| Rahmanita et al. | Model multi criteria decision making with fuzzy ANP method for performance measurement small medium enterprise (SME) | |
| CN117592873A (zh) | 一种基于数据特征的数据资产价值评估方法 | |
| Chou et al. | The RFM Model Analysis for VIP Customer: A case study of golf clothing brand | |
| CN117495482A (zh) | 一种基于用户画像的二手手机销售推荐方法及系统 | |
| KR102491396B1 (ko) | 빅데이터 기반 다차원 특허 분석 서비스 제공 방법 및 장치 | |
| Purba et al. | Decision Making for Optimal Marketing Strategy: A Case Study in E-Commerce | |
| KR101853555B1 (ko) | Sw 시장 정보 서비스 시스템 | |
| CN111709819B (zh) | 一种点拍网基于图神经网络的产权交易推荐系统及推荐方法 | |
| CN114048977A (zh) | 一种工程师分级方法、装置及终端设备 | |
| Lihua | Research on E-commerce Network Marketing Strategy Based on Data Mining | |
| Wu et al. | Application of big data search based on collaborative filtering algorithm in cross-border e-commerce product recommendation | |
| Mahalik | Selection of a plant site: A multi criteria decision making using AHP and GRA | |
| Ou et al. | Exploiting the Chain Convenience Store Supplier Selection Based on ANP‐MOP 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 |