基于BP神经网络的某石化企业供应商评价方法的研究

摘要

随着供应链思想的发展以及市场竞争的加剧，企业的生产模式已经逐渐发生转变，企业和供应商之间已经从原来纯粹的竞争关系转化成竞争与合作的双重关系。作为供应链的重要环节之一，供应商的管理对企业的发展有着非常重要的作用。供应商评价选择这一课题也日益受到重视，目前国内外学者和企业都对其进行了大量的理论和实证研究。
　　A集团是我国大型石化企业之一，自成立以来，已经从一家单纯从事油气开发的上游公司，发展成包括油气开采、炼化销售、金融服务、天然气和发电、新能源、专业技术服务等六大业务板块的国际能源公司。与其他行业相比，石化行业具有门类多、价格高、批量大、质量要求高等采购特点，因此在供应链环境下，结合A集团自身实际情况，建立一个科学合理的供应商选择评价体系，从而实现供应商的优胜劣汰，对于企业降低成本、提高生产效率、提高核心竞争力具有重要的作用。目前虽然国内有部分学者对石化行业供应商评价标准进行研究，但是评价指标较为陈旧，针对某一企业系统性的研究较少，且评价方法主观成分较多，不能为我国石化企业供应商评价选择提供足够的理论依据。
　　鉴于以上问题，本文以A公司为研究对象，对其供应商评价选择问题进行了详细的研究。
　　首先，论文对国内外相关文献进行了研究，阐述了供应商管理的概念以及供应商评价选择的重要性，对国内外供应商评价选择的研究现状进行了分析，并总结了BP神经网络的相关理论。
　　其次，本文对石化行业的供应商特点和供应商评价现状进行了分析，并对A公司供应商管理现状和供应商评价选择存在的问题进行研究。在此基础上，论文采用文献研究、调查问卷和因子分析等方法，对A公司的供应商评价体系进行重新构建，并给出各个指标的详细说明。
　　最后，本文在综合考虑现有供应商评价方法的基础上，选取BP神经网络进行供应商评价模型的设计。该模型具有客观性、动态性、实用性等优点，同时具有良好的学习能力，能避免人为主观性等问题。在收集大量供应商的相应数据后，运用Matlab软件对构建的神经网络模型进行训练与仿真，从而验证了该模型的有效性和准确性。
　　本文的研究，紧密结合我国石化企业的实际需求，就A公司供应商评价体系和模型的构建进行了详细的研究，提出的评价指标与模型在理论和实践上对石化企业供应商评价选择有着较好的实践和借鉴意义。

目录

声明

致谢

摘要

1 绪论

1．1 研究背景与意义

1．1．1 研究背景

1．1．2 研究意义

1．2 研究内容与方法

1．2．1 研究内容

1．2．2 研究方法

1．3 研究思路与结构

1．3．1 研究思路

1．3．2 研究结构

2 文献综述

2．1 供应商关系管理

2．1．1 供应商关系管理的概念

2．1．2 供应商评价选择作用和重要性

2．2 供应商绩效评价

2．2．1 供应商评价指标体系研究

2．2．2 供应商评价方法研究

2．3 BP神经网络

2．3．1 BP神经网络的特点

2．3．2 BP神经网络的结构

2．3．3 BP神经网络的学习算法

2．4 因子分析法

2．5 本章小结

3 石化行业和A公司供应商评价选择现状分析

3．1 石化行业供应商评价选择现状分析

3．1．1 石化行业供应商特点分析

3．1．2 石化企业供应商绩效评价现状分析

3．2 A公司供应商评价选择现状分析

3．2．1 A公司供应商管理现状

3．2．2 A公司供应商评价选择存在问题

3．3 本章小结

4 A公司供应商评价体系构建

4．1 A公司供应商评价指标体系设计的原则和流程

4．1．1 A公司供应商评价指标设计的原则

4．1．2 A公司供应商评价选择的原则

4．1．3 评价指标体系设计的流程

4．2 A公司供应商评价指标的问卷调查与统计分析

4．2．1 调查问卷的设计

4．2．2 调查对象的选择

4．2．3 描述性统计分析

4．2．4 因子分析

4．2．5 信度检验

4．3 指标分析及量化处理

4．3．1 产品竞争力

4．3．2 企业生产水平

4．3．3 服务水平

4．3．4 企业经营水平

4．3．5 企业合作能力

4．3．6 企业信息化水平

4．3．7 企业环保水平

4．4 本章小结

5 基于BP神经网络的A公司供应商评价模型

5．1 基于BP神经网络的供应商评价模型设计

5．2 BP神经网络模型的训练和修正

5．2．1 数据收集与处理

5．2．2 BP神经网络训练

5．2．3 BP神经网络模型修正

5．3 BP神经网络模型的应用

5．3．1 BP神经网络模型的检验

5．3．2 BP神经网络模型的运用

5．3．3 实施评价模型的对策和建议

5．4 本章小结

6 总结与展望

6．1 研究总结

6．2 研究展望

参考文献

附录

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集