2    立式注塑机集群式供应链协同平台供应商评价关键技术的实现

2.1    动态评价算法库

        在立式注塑机集群式供应链协同平台中，作为中小企业的第三方公共服务平台，本文对于指标权重的计算建立了一个评价算法库，对于不同的企业联盟可以选择不同的算法来计算评价体系指标的权重。算法库包含有层次分析法(AHP)、BP神经网络算法、灰色综合评价算法。

        1)层次分析法(AHP)它是美国运筹学家沙旦教授于20世纪70年代提出来的，是目前一种被广泛应用的分配权重方法，是一种实用的定性与定量相结合的系统分析方法。其通过专家对两两指标重要性的比较构造判断矩阵，然后求解矩阵特征向量来确定各指标权重，体现了人们在决策思维过程中分解、判断、综合的基本特征。

        2)BP神经网络算法它是模拟人脑信息处理功能的一种接近人类思维的定性与定量相结合的方法。它通过对给定样本的学习，获取专家的知识、经验、主观判断及对目标重要性的倾向，但BP神经网络算法需要大量的学习样本，这样当对备选合作伙伴作出综合评价时，该方法才能准确地再现出专家的经验、知识和直觉。

        3)灰色综合评价算法它也是一种定性分析和定量分析相结合的综合评价方法，这种方法与BP神经网络算法相似，但是灰色综合评价法无须大量样本，只要有代表性的少数样本即可。

        当企业联盟对供应商评价无学习样本时，可以通过选择层次分析法来评价供应商;当企业联盟有学习样本时，就不需要专家依据九标度法设置两两指标之间的重要性，可以直接选择BP神经网络算法或者灰色综合评价算法(它们之间的选择依据学习样本数量的多少来决定)来计算指标的权重。通过评价算法库计算出来的权重，只是企业联盟的一个参考价值，企业还可以根据自己的需求对评价指标权重的数值进行修改。

2.2    面向企业联盟的评价体系的存储

        为了满足不同企业联盟的不同供应商评价需求，本文采取XML文件进行评价指标信息的存储，为不同的联盟建立不同的XML文件，XML文件名以企业联盟的名称来命名。以联盟Mi为例，存储策略如下:

        a)将联盟Mi所选的一级指标信息和二级指标信息放在同一级节点中，它们的详细信息都放在一级节点〈评价指标〉〈评价指标/〉内。

        b)将联盟Mi所选择的一级指标名称和为满足Mi联盟需求而添加的一级指标名称放在〈一级指标〉〈一级指标/〉内。将联盟Mi配置的一级指标名称以及对应的一级指标权重的数值均存放在〈二级指标〉〈二级指标/〉内，这样使二级指标和一级指标之间建立相对应的关系。

        c)将联盟Mi配置的二级指标详细信息存放在〈二级指标〉〈二级指标/〉内，内容包含有指标类型、关联的业务数据库、数据库登录的用户名和密码、业务数据的提取。这些数据的填写是以Web页面的形式让用户对应填写。

        采用XML文件管理不同联盟的评价指标体系，使其评价指标操作灵活，扩展性强，能够很好地与业务数据关联，同时XML文件层次结构清晰，便于进行对评价指标的更新、添加和删除，这样就实现了评价体系的动态性和开放性，满足了不同企业联盟的不同供应商评价需求。

2.3    面向企业联盟评价体系的解析

        用户在登录立式注塑机集群式供应链协同平台时需认证用户身份，其身份信息包含用户ID、用户名、用户所在部门的ID、用户所在部门名称、当前工作的联盟ID、联盟名称等信息，依据用户身份信息中的联盟名称，来调取以此联盟名称命名的供应商评价体系XML文件，通过SAX(simpleAPIforXML，XML简单应用程序接口)对XML文档进行顺序访问，从而记录该联盟所选的供应商评价指标详细信息。

        通过对XML文件的解析可以得到联盟所配置的一级指标和二级指标的名称以及指标所对应的权重，但这些指标的权重只是相对于同一级别的权重，但相对于总目标即供应商的综合评价数值V，还需要计算出指标的合成权重。计算公式如下:C=Wi［m］×Wi其中:Wi［m］表示二级指标的权重，Wi表示一级指标的权重，C表示在一级指标Ti的第m个二级指标的合成权重。比如一级指标产品质量的权重为0.34，它包含的二级指标产品合格率的权重为0.7368，那么产品合格率的合成权重C=0.34×0.7368=0.250512。

        供应商的综合评价数值V依据如下公式来计算:V=∑ni=1FiCi表示对各个二级指标合成的权重与二级指标对应的数据值的积的求和来得出供应商综合评价的数值，其中，V代表某供应商给出的综合评价值;Ci代表第i个指标的合成权重。如果指标为定量指标，Fi代表第i个评价指标的业务数据的数值;如果指标为定性指标，Fi代表第i个评价指标的专家打分数值。

3    立式注塑机集群式供应链协同平台供应商评价的设计与实现

3.1    供应商评价功能的设计与实现

        立式注塑机供应链协同平台是一个面向立式注塑机行业的公共服务平台，平台部署和运行在Internet环境中，企业以联盟的形式，以立式注塑机制造厂或零部件制造厂等核心企业为盟主来定制和租用平台的功能。而供应商评价工作作为平台的一部分功能，为了可以和平台很好地集成开发，本文采用了B/S的结构、VisualC#语言、．NET平台进行了系统的开发实现。实现对供应商评价的主要过程如下:

        a)选择评价指标。主要是确定所选择的一级指标和二级指标，对于指标的选取可以参考默认的评价指标体系库。

        b)关联数据库与业务数据。主要是对定量指标关联相应的数据库和数据库连接一级指标对应的业务数据的提取，定量指标则由专家打分来获取。

        c)确定评价指标的权重。可以通过专家打分(AHP算法)来确定权重，也可以通过BP神经网络算法、灰度综合算法来确定指标的权重。

        d)划分供应商的综合评价数值V的等级，选择所要评价的供应商。

        e)根据评价结果进行分析，并得到最优的供应商与之合作。

3.2    应用实例

        供应商评价动态指标体系已应用到立式注塑机供应链协同平台上，在没有应用之前，开发人员必须对每个企业联盟都设计一套属于各自的评价模型，并且评价模型一旦设计完成之后，企业联盟不能对此进行修改。同时，其开发周期较长，一般需要1～2月，而本文开发的评价模型在平台上应用之后，每个企业联盟都可以根据自己的业务来实现对供应商评价的动态配置，并且可以实时地修改和更新，也不需要开发多个评价模型，这样就大大缩短了开发周期。以HZ企业为例，HZ企业对供应商的管理十分重视，并组织公司内部相关部门和专家联合成立了供应商选择评价管理委员会，在对供应商评价指标的选取方面，专家在基本指标库的基础上，去除了一级指标企业运营情况下的财务状况和管理水平两个指标，并在一级指标产品质量中添加了产品报废率、产品退步接收率、销售增长率三个定量指标。在指标权重方面，HZ企业为了避免层次分析法多次打分的繁琐，选择了BP神经网络算法对供应商评价指标权重进行计算，由专家对一部分供应商的历史业务数据进行分析，并制定了BP神经网络算法的学习样本。。

4    结束语

        供应商动态评价指标可以满足公共服务平台上不同企业联盟的不同业务需求，能够有效地对供应商作出科学的评价。本文基于立式注塑机集群式供应链协同平台，设计了一套可以使不同的企业联盟自主定制的一套评价体系，在此基础上设计了一套评价算法库，供企业联盟选择相应的评价算法来计算指标权重，最后以图形的界面展现出评价结果，供企业联盟来选择最优的供应商。该供应商评价指标的管理模式操作简单、灵活性强，同时采用了科学的评价方法，保证了评价结果的合理性和可靠性，从而为企业联盟选择供应商提供了科学决策的参考数据。