基于AHP-GRA的供應商健康度評估

程平　張菁

【摘要】建設全國統一大市場是加快構建雙循環新發展格局的基礎要求和重要支撐， 全國統一大市場強調了企業供應商管理對穩定供應鏈的重要性。供應商評估作為企業供應商管理的重要內容， 可以通過健康度來度量評估結果， 以便能夠從供應商的產品質量、 交付情況、 服務情況和資質情況等方面對供應商進行多維度的評估， 從而幫助企業更好地管理供應商。本文以自營電商S企業為例， 結合已入駐供應商健康度評估指標體系不健全、 評估方法較為傳統等問題， 綜合考慮供應商企業的產品質量、 交付能力、 售前售后服務和資質情況等影響因素， 提出基于層次結構分析與灰色聯合分析法結合的供應商健康度評估方法， 并通過模擬實施詳細解釋本文所提出方法的實現路徑和合理性。本文所提出的供應商健康度評估方法能夠在一定程度上創新供應商健康度評估指標， 為自營電商企業供應商健康度評估方法設計提供參考和借鑒。

【關鍵詞】全國統一大市場；供應商健康度評估；層次結構法；灰色關聯度分析法

【中圖分類號】G420? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2023）02-0123-7

一、 引言

在雙循環新發展格局下， 國務院發布了《關于加快建設全國統一大市場的意見》， 明確表示電商需打破市場壁壘， 從商品質量出發， 全面提升消費服務質量。自營電商作為一種將從供應商處采購的商品存儲到自家倉庫， 然后再通過自家平臺進行銷售的電子商務模式， 其經營效果很大程度上取決于對供應商從申請入駐到清理退出的全流程管理， 包括供應商開發、 供應商評估、 供應商選擇、 供應商關系維護等多個環節。供應商評估是自營電商對供應商進行科學管理的前提， 可以通過健康度來度量評估結果， 以便能夠及時、 準確地反映供應商的產品質量、 企業規模、 經營現狀、 庫存水平等方面的現狀。因此， 設計一種科學合理的供應商健康度評估方法， 對自營電商的經營管理將起到至關重要的作用。

現有對于供應商健康度評估的研究主要集中于評估指標體系構建、 評估方法選擇和信用評估等方面。在評估指標體系構建方面， 國外學者的研究早于國內， 最具影響力的是Dickson（1996）的研究， 他將評估指標分為四種重要程度， 其中質量指標的重要程度為極其重要， 財務能力、 交貨、 生產、 價格等七大指標的重要程度為非常重要。Kulak和Kahraman（2005）在Dickson（1996）研究的基礎上對物流供應商進行研究， 提出了物流供應商的選擇和評估分析可以使用交付能力、 成本、 缺陷率、 服務柔性和業務辦理能力五個指標。國內學者馬士華和林勇（2005）基于國外研究， 將供應商評估指標劃分為質量指標、 企業業績、 企業環境和生產規模四類。趙吉敏等（2019）針對軍品包裝供應商制定了一套能反映供應商過去、 現在和未來的評估指標體系， 涉及產品質量、 績效、 企業管理水平、 生產能力、 發展能力、 協同能力、 任務風險和企業環境等八個方面。在評估方法選擇方面， 已有成本法、 經驗判斷法等傳統方法可用于供應商健康度評估， 但隨著大數據、 人工智能技術的應用， 越來越多的學者開始采用機器學習算法對供應商進行評估。林奕賢和杜文琴（2012）采用組合評估的方法， 將AHP層次分析法、 熵值法和均方差法結合， 提出了一種針對外貿企業的供應商評估體系。程平和何雪峰（2011）， 程平和趙敬蘭（2016）， 程平和白沂（2016）則認為， 企業如果進行有效的采購管理， 可以通過建立財務共享信息系統的方式， 并借助大數據、 人工智能等信息技術從供應商選擇體系、 評估體系和采購內控等三個方面進行評價。在供應商信用評估方面， 付永貴和朱建明（2016）針對B2C電商企業在供應商信用評估方面現存的問題， 通過逐步回歸法構建了基于大數據的供應商信用評估模型。吳晶妹等（2022）考慮到產業鏈核心企業目前面臨的供應商產品質量無法保障等信用困境， 從合規度、 合約度、 誠信度三個維度構建了信用評估模型， 從而加強了產業鏈的合規管理。

綜觀現有研究可以發現， 雖然有較多文獻對供應商健康度進行了評估指標體系構建和評估方法探索， 但是這些文獻的研究對象主要是制造企業， 而對數字經濟背景下采用新型業務模式的自營電商的研究還涉及較少。近年來， 云會計、 大數據、 人工智能等現代信息技術的應用使得企業的經營管理信息化水平越來越高， 其經營管理過程產生的數據越來越豐富、 粒度越來越細， 這為企業基于數據和算法對供應商實施更加科學的健康度評估提供了可能。AHP層次分析法（The Analytic Hierarchy Process）作為一種綜合評價方法， 由美國運籌學家Saaty（1989）提出， 是一種根據權重分配將需要決策的問題分解成總目標、 各層級小目標、 評估標準直到具體的備選方案的一種多層次分析方法。GRA灰色關聯分析方法（Grey Relation Analysis）是一種根據因素之間發展趨勢的相似或相異程度亦即灰色關聯度衡量因素間關聯程度的方法。目前， AHP和GRA方法都已廣泛應用于各類評估與決策場景中。例如， 劉長江和周長年（2017）從紡織行業供應商評估問題出發， 通過AHP層次分析法對M企業供應商進行排序， 幫助M企業降低管理費用， 提升供應商評估與選擇的客觀性。陳農田等（2022）改進灰色關聯分析方法與TOPSIS算法對飛行員著陸操作績效進行評估， 有效識別飛行員飛行細微的偏差。熊奇英（2020）立足于餐飲O2O產業， 利用AHP層次分析法與灰色關聯分析方法對百勝餐飲極端塑料品供應商評估指標進行權重確定， 明確了百勝集團當前階段的主要供應商人選。

鑒于此， 本文以自營電商S企業為例， 針對其存在的供應商健康度評估問題， 綜合考慮供應商的產品質量、 交付能力、 服務能力和資質情況， 將AHP層次分析法和GRA灰色關聯分析方法相結合， 設計了一種面向自營電商的基于AHP-GRA算法的供應商健康度評估方法。本文提出的方法有助于避免供應商健康度評估中的人為主觀因素， 提高供應商健康度評估的科學性和準確性。

二、 S企業供應商健康度評估的現狀與問題分析

（一）S企業供應商健康度評估現狀描述

S企業是一家自營式電商企業， 目前經營范圍已涉及零售、 物流、 健康、 科技、 金融等多個領域。在全國統一大市場背景下， S企業通過優良的商品質量、 高效的運輸保障服務和良好的企業社會形象受到廣泛好評。S企業將以供應鏈為基礎的技術與服務企業作為經營理念， 其經營方式為： 先從供應商處購進貨物存儲到企業倉庫中， 客戶下單后由S物流承運， 選擇收貨地就近倉庫發貨， 將收貨時間精確到小時， 實現了商品的垂直化供應管理。

目前， S企業現行的供應商管理包括入駐前的供應商選擇和入駐后的供應商管理， 在供應商管理的每個階段都包括了對供應商的健康度評估。在入駐前， 供應商企業通過S企業自營供應商平臺提交入駐申請， 通過專人審核入駐資料對供應商進行評估。在入駐后， S企業建立了專門的評估指標體系， 通過綜合評分的方式對供應商的發展趨勢和主要問題進行評估?？傮w而言， 供應商健康度評估貫穿于S企業的整個供應商管理流程， 其從供應商的產品質量、 履約情況、 經營現狀等方面， 通過對供應商健康度進行評分的方式對供應商進行全方位、 全流程評估。

（二）供應商健康度評估存在的問題分析

通過對S企業供應商健康度評估現狀進行分析， 發現S企業對供應商的健康度進行評估存在評估指標不健全、 評估方法較傳統等問題。

1. 供應商健康度評估指標未結合自營電商企業的特殊性制定， 對供應商健康度的了解受限。目前S企業對供應商進行評估與大多數企業一樣， 更多地考慮了供應商的資質情況和財務能力， 對供應商的產品質量、 交付能力和服務能力評估程度還不夠。S企業一直以來都以良好的產品質量和快速的運輸服務為優勢， 要想增加用戶體驗感和提高客戶滿意度， S企業不僅自身需要快速的運輸服務， 還必須在供應商環節加快商品發貨入庫， 完善供應商退貨流程， 把控產品質量。因此， 供應商交付能力、 產品質量、 服務能力、 資質情況是S企業對供應商健康度進行評估不可或缺的一部分。

2. 對供應商健康度評估采用評估小組全流程評估， 耗時長費用高， 評估效率低下。目前S企業對供應商進行評估， 是從供應商提交入駐申請開始指定審核專員進行初步評估， 在入駐后S企業成立供應商健康度評估小組專門負責對供應商進行健康度評估， 這種評估方式較為傳統、 耗時較長且成本較高， 導致S企業無法對供應商進行動態評估。另外， 對供應商的健康度評估過程涉及的供應商產品質量、 服務能力和資質情況指標相對靈活且多變， 僅靠評估小組進行全流程評估， 不能保障其評估的科學性， 難免會產生主觀偏差。

三、 基于AHP-GRA的供應商健康度評估模型設計

（一）設計思路

針對S企業在供應商健康度評估中存在的問題， 為了全面評估其供應商的健康度， 準確了解供應商的健康現狀， 考慮到自營電商企業銷售的商品是從供應商處采購后， 儲存在企業自有的倉庫中， 再通過電商平臺銷售， 其商品的質量和服務都高度依賴于供應商。因此， 供應商健康度評估指標的設計不僅僅包括供應商的資質和財務情況， 還應該著重考慮供應商企業的產品質量和服務能力。

在全國統一大市場背景下， 對供應商進行評估應該更加透明、 精確， 供應商健康度評估可以從采購行為產生的各類數據入手， 通過采集供應商的產品質量、 交付能力、 服務能力和資質情況等方面數據后進行數據清洗與處理， 基于評估指標提取特征， 然后利用AHP-GRA算法進行模型測試和結果分析， 從而獲得供應商的健康度評估結果。供應商健康度評估框架如圖1所示。

簡單來講， 對供應商的健康度進行評估首先需要構建供應商健康度評估指標， 考慮供應商的產品質量、 交付能力、 服務能力和資質情況等影響因素， 然后將評估指標利用AHP層次分析法進行權重分配， 并基于GRA灰色關聯分析方法對供應商進行評分， 最后將各指標的權重向量與評分相乘得到供應商健康度的最終得分。

（二）供應商健康度評估指標體系

供應商健康度評估是以問題為導向， 其指標體系需要反映評估的主要目的， 要具有可操作性， 還需要充分考慮自營電商企業供應商的特殊屬性。自營電商企業作為數字經濟時代的杰出產物， 其推動了全國統一物流市場的形成， 所以對自營電商供應商健康度進行評估還應當著重考慮供應商的交付能力。從消費的角度來講， 自營電商企業對構建質量與服務高標準的全國統一消費市場有著很大的潛力， 所以供應商的產品質量、 資質情況和服務能力也是評估供應商健康度的重要考慮因素。

通過對S企業的經營管理模式和供應商管理特征進行深入探究， 在現有對供應商健康度評估指標研究的基礎上， 結合自營電商的特性， 本文認為供應商的健康度評估需要體現供應商的產品質量、 交付能力、 服務能力與資質情況四個方面。鑒于此， 本文設計了如表1所示的供應商健康度評估指標體系。

對于任何企業而言， 所銷售產品的好壞會直接影響銷量， 對于全國統一大市場背景下自營電商S企業來講， 供應商產品的質量更是影響企業銷售的重要因素之一， 甚至會直接影響企業的自身形象。為了促進構建質量統一的消費市場， 本文選取產品合格率、 產品退貨率和產品差評率三個指標對供應商產品質量進行定量評估。

在交付能力方面， 本文從交付與履約兩個方面入手， 選取了準時交貨率、 采購履約率和合同履約率三個指標。準時交貨率和采購履約率從采購訂單上反映了供應商的交付能力， 合同履約率則從整體上描述了供應商的履約能力。

在服務能力方面， 自營電商企業作為電子商務的分支， 其售前售后服務也是影響企業口碑的重要因素之一。本文結合平臺記錄和客戶滿意度選取了三個指標， 包括： 是否提供7天無理由退換服務、 原廠授權維修服務等售后服務， 售后響應速度和售后滿意度。

在資質情況方面， 本文主要考慮供應商的資質概況、 品牌熱度和客戶評價三個方面。通過分析企業具備營業執照、 ISO9001質量管理體系認證、 3C認證、 QS食品生產許可證、 具有CMA標志的質檢報告、 品牌授權書等基本資質的概況， 從而把控商品的來源和經營資格， 通過品牌影響力和客戶青睞度， 分別從品牌角度和客戶角度評估供應商的資質。

由于線上購物的7天無理由退換服務等售后服務， 發生退換的情況較多， 加之自營電商產品質量好、 到貨快的垂直供應優勢， 使得設計統一標準的評估體系變得格外重要， 所以從供應商的產品質量、 交付能力、 服務能力、 資質情況四個方面設計供應商健康度評估指標具有可操作性和實際效益。

（三）AHP-GRA算法原理與供應商健康度評估

層次分析法作為一種用于評估決策的綜合評估方法， 將需要決策的問題分解成總目標、 準則、 方案三個層次， 然后通過一定客觀事實將每一層次的元素進行兩兩對比。利用AHP層次分析法可以對指標進行權重分配， 按照決策需要選定重要因素和次要因素。由于AHP層次分析法的局限性， 多數情況下AHP層次分析法僅能作為輔助決策工具， 需要與其他方法有效結合才能發揮出其最大作用。GRA灰色關聯分析方法是計算各序列之間相似度的一種綜合評估算法， 多用于確定各因素對其所在系統的影響程度。利用GRA方法可以計算出比較序列與其他序列的關聯程度。

本文將AHP與GRA結合形成AHP-GRA算法用于供應商健康度評估， 主要是基于供應商數據樣本量規模不大， 而GRA對于樣本數量的要求也不高， 相較于一些需要大量樣本數據進行模擬的機器學習算法來講， 供應商健康度評估這種小樣本使用AHP-GRA結合的綜合評估算法其評估效果會更好。同時， 對于供應商的健康度評估而言， 供應商的產品質量和服務能力應當更為重要， 通過AHP層次分析法進行權重分配， 可以精確劃分各指標因素的權重占比， 但是由于AHP并不能對供應商健康度的評估進行精確判定， 這就需要GRA算法通過關聯分析的方法計算出各序列與最優序列的相似度。對于最優序列的確定， 本文根據供應商健康度評估指標數據， 對供應商健康度評估指標進行打分， 將每個指標的最優得分提取出來形成最優序列， 最后將利用AHP層次分析法計算出的權重向量與利用GRA計算出的相關系數進行加權， 得到供應商的健康度得分。因此， 本文采用AHP-GRA結合的綜合評估算法模型對S企業的供應商進行健康度評估具有可行性和可操作性。

（四）供應商健康度評估流程

基于AHP-GRA的S企業供應商健康度評估主要分為數據采集、 基于AHP的指標權重確定、 數據預處理、 灰色關聯度分析以及評估結果分析等步驟， 其具體流程如圖2所示。

在圖2所示的評估流程圖中， 首先是對S企業自營供應商數據進行采集。從業務系統中獲取供應商企業基本信息、 產品信息、 人員信息等與健康度評估相關的結構化、 半結構化和非結構化的數據， 完成數據的采集階段。然后進入模型構建階段， 主要從供應商健康度評估的三個層次出發， 利用AHP-GRA算法計算出各供應商的健康度評分。

（五）AHP-GRA模型構建

要構建AHP-GRA供應商健康度模型， 首先需要利用AHP層次分析法構建供應商健康度評估層次結構， 對各層次中的因素進行兩兩對比形成矩陣， 通過一致性檢驗后確定各供應商健康度評估指標的權重值與特征向量。然后將供應商基本信息表、 供應商主要產品信息表、 售后記錄表中的數據， 經過缺失值處理、 異常值處理和格式調整等數據預處理， 使數據集可以在同一維度進行比較。再利用GRA算法進行S企業的供應商健康度評估， 最終將利用AHP層次分析法分析得到的權重與利用GRA算法得到的關聯系數相乘， 得到各供應商的健康度評分。

1. 運用AHP構建層次結構并確定權重系數。運用AHP層次分析法構建層次結構首先應當明確擬解決的關鍵問題， 稱為目標層， 本文中的目標層即為供應商健康度評估。其次需要針對供應商健康度評估指定準則層， 最后即為備選方案的措施層。

對于兩兩對比矩陣構造， 本文采用了由Saaty（1989）提出的1 ～ 9標度法來為指標間的相對重要關系進行打分， 9代表極端重要， 7代表強烈重要， 5代表明顯重要。通過專家打分的方式， 形成兩兩辨別矩陣， 并以A=［aij］表示， ij分別表示矩陣A中的行和列。

針對確定優先級權重向量和一致性檢驗， 本文采用了方根法進行權重向量的計算， 首先計算m向量， 并將向量進行標準化得到權重向量， 其公式表達式為：

為了保障AHP打分項的內部具有可行性和各項數據之間評分具有邏輯性， 最后需要計算最大特征根λmax來判斷數據是否通過一致性檢驗， 其表達式為：

其中， n表示維度數， 當λmax與n相等時， 則矩陣A具有完全一致性。但是通常情況下， λmax與n都不相等， 甚至會大很多， 所以為了進一步衡量矩陣A是否具有一致性， 還需引入CR值進行判別， 當CR值小于0.1時， 矩陣A符合一致性檢驗， 其公式表達式為：

2. 運用GRA算法評估供應商健康度。在進行灰色關聯度分析之前， 本文先依照供應商健康度評估的相關數據對供應商的各項指標進行打分， 分值擬定在0 ～ 10分之間。將每項指標的最優評分選取出來形成集合γj作為參考序列， 各供應商企業得分則為比較數列γi， 其關聯系數表達式為：

經過上述計算， 如果將γj和γi之間的關聯度寫成矩陣形式， 則有：

最后將式（7）與利用AHP層次分析法得到的指標權重進行加權， 最終得到供應商健康度得分。

四、 基于AHP-GRA的供應商健康度評估方法的模擬實施

（一）數據來源

目前， S企業選取ERP、 采購管理等多個信息化系統用于經營管理過程。對從采購管理信息系統的數據庫中抽取的數據進行分析， 其中包含了供應商的名稱、 規模、 產品情況等數據信息， 可以用于對供應商的服務能力和資質情況進行評估。同時， 數據庫的產品信息表和售后記錄表中包含的退貨信息可以作為供應商產品質量和服務能力的評估依據。這些數據都可以從業務系統數據庫中以Excel的格式導出。為了研究的方便， 本文只提取S企業2020年的供應商數據。

（二）供應商健康度評估數據準備

在數據采集與處理的過程中， 需要從S企業的業務信息系統中導出供應商基本信息表、 供應商產品信息表、 采購記錄表和售后記錄表等， 并從中抽取供應商健康度評估所需數據。在供應商基本信息表中包含供應商名稱、 員工人數、 資質證書等有關供應商基本資質的數據。在供應商產品信息表中包括產品基本信息和產品抽檢信息等有關產品質量的數據。在售后記錄表中， 包括退貨信息和供應商反應速度等反映供應商服務能力的數據。最終， 將供應商的編碼、 名稱、 產品合格率、 產品退貨率、 供應商售后服務政策、 基本資質和品牌影響力等相關信息進行匯總， 形成多維度、 多方面的2020年供應商健康度評估指標表， 如表2所示。

在數據處理過程中， 需要對缺失值數據進行填充或刪除， 并對各指標數據進行統一化處理方便后續進行分析。與常規數據預處理不同之處在于， 本文需要根據表2中的數據對供應商的健康度指標進行打分， 將所有數據統一轉換為10分值分數， 將評估指標統一至同一標準方便后續在灰色關聯分析時進行相似度比較和對供應商健康度進行最終評分。

（三）基于AHP層次分析法的指標權重確定

根據上文的供應商健康度評估指標體系設計， 可以得到層次結構模型， 如圖3所示。第一層目標層A為供應商健康度， 表示企業所要實現的最終目的； 第二層為準則層B， 包括了產品質量、 服務能力和資質情況四個層次； 第三層則是解決問題的措施層， 由評估指標體系中的二級明細指標組成。

根據圖3可知， 供應商健康度層次結構共有四項準則， 即為產品質量（B1）、 交付能力（B2）、 服務能力（B3）、 資質情況（B4）。通過前期調研， 本文邀請了5位專家分別對上述層次結構進行打分， 其中包含2位企業財務高管和3名高校教授， 然后以5位專家打分的平均數作為最終的打分結構， 得出矩陣A的表達式：

通過AHP算法對矩陣A進行一致性驗證， 計算得出λmax=4.0658， CI值為0.0219， RI值為0.882， CR值為0.0249， 通過一致性驗證， 準則層特征向量為： W=（3.3098，0.6687，0.4082，0.2015）T。

同理得到措施層的判斷矩陣B， 其最大特征根為12.1213， 其對應的RI值為1.536， 因此CR值為0.0075

<0.1， 通過一致性檢驗。最終得到的層次排序如表3所示。

（四）基于GRA算法的供應商健康度評分

為充分體現全國統一大市場平等透明的營商環境精神， S企業也應當以同一標準、 相同維度對供應商進行健康度評估?？紤]到各供應商的企業規模等因素存在差異以及一些非量化指標無法直觀評估， 本文在已有文獻基礎上依據S企業的供應商數據進行評分， 將每項指標中的最高評分抽選出來形成母序列γj， 作為參考序列， 各供應商企業得分則為比較數列γi。在進行評分期間， 本文首先對異常值進行了剔除， 最終得到37家供應商企業評分， 如表4所示。

根據各供應商的評分， 本文首先選出參考序列γj=（9，8，7，9，8，8，10，8，8，8，7，9）， 由于評分數據沒有明顯的升降趨勢， 所以本文選取了均值化的無量綱處理方式。然后， 通過對原始數據進行歸一化處理和計算序列差， 進一步得到關聯系數結果δ， 如表5所示。

最后W1與δ加權得出供應商健康度的最終得分， 供應商34最高為0.82， 其次是供應商25為0.79， 供應商32最低為0.59。

在全國統一大市場的背景下， 自營電商企業已經形成包含售前、 售中、 售后的服務標準， 這也促進了國內商品質量和服務水平的統一。為加速實現全國統一大市場的構建， 自營電商企業需要營造良好的運營環境， 其中保障良好的商品質量是保證企業運營和企業口碑的關鍵。為保障商品質量， 需要從供應鏈、 產品生命周期等環節加強管理， S企業可以優先與供應商5、 供應商34等擁有良好產品質量的供應商進行合作， 對于供應商4、 供應商32等產品質量較差的供應商應當著重關注。針對自營電商企業， 良好的資質情況和售前售后服務是影響企業經營的關鍵， 所以S企業應當對供應商14、 供應商4等服務能力和資質情況較差的企業給予提醒， 必要時可以采取清退或終止合作等解決辦法。除此之外， 全國統一大市場要求國內市場應該打破壁壘、 全國上下一盤棋， 如此， 市場的高效暢通也應該成為企業進行供應商健康度評估的重要考慮因素。為保證商品垂直化供應， 及時供貨、 按時交付是自營電商企業評估供應商健康度的重要考慮因素， 所以S企業在緊急需求的情況下應當回避供應商1、 供應商29等交付能力較弱的企業。

五、 結束語

數字經濟時代， 全國統一大市場的熱浪正在來襲， 供應商健康度評估作為自營電商對供應商管理的核心內容， 對企業提高經營管理水平、 防范經營風險起著至關重要的作用。建立科學、 有效的供應商健康度評估體系能夠減少自營電商管理成本， 提高供應商與企業的合作效率， 并能夠減少主觀判斷造成的偏差或者決策失誤。本文以S企業為研究對象， 提出了AHP-GRA綜合評估方法； 通過對影響供應商健康度評估的因素進行梳理， 從供應商企業的產品質量、 交付能力、 服務能力和資質情況四個方面， 構建了供應商健康度評估指標體系， 基于AHP-GRA算法的指標權重分配， 從產品質量、 交付能力、 服務能力和資質情況四個特征出發進行評估， 得出的供應商健康度情況與真實情況較為吻合。通過將評估方法應用于S企業已入駐供應商的健康度評估實施與結果分析發現， S企業存在著供應商健康度評估手段較傳統、 評估指標不夠健全的問題。本文的研究思路和研究方法能夠為數字經濟時代下供應商健康度評估研究與應用提供一個全新的視角， 同時為全國統一大市場背景下電商企業的供應商管理提供指導、 借鑒和參考。

【 主 要 參 考 文 獻 】

陳農田，李俊輝，滿永政．基于改進GRA-TOPSIS法的飛行員進近著陸操縱績效評價［ J］．載人航天，2022（1）：40 ～ 46．

程平，何雪峰．“云會計”在中小企業會計信息化中的應用［ J］．重慶理工大學學報（社會科學），2011（1）：55 ～ 60．

程平，趙敬蘭．大數據時代基于云會計的財務共享中心費用管控［ J］．會計之友，2016（12）：133 ～ 136．

程平，白沂．大數據時代基于財務共享服務模式的費用預算管理［ J］．會計之友，2016（22）：128 ～ 131．

付永貴，朱建明．基于大數據的網絡供應商信用評估模型［ J］．中央財經大學學報，2016（8）：74 ～ 83．

簡兆權，葉冠林．基于層次分析法的制藥企業供應商評價體系研究［ J］．科技管理研究，2012（12）：53 ～ 57．

林奕賢，杜文琴．紡織供應商綜合評估方法［ J］．紡織導報，2012（5）：95 ～ 96．

劉長江，周長年．服裝企業的面料供應商選擇與評價 —— 基于層次分析法［ J］．紡織導報，2017（11）：107 ～ 108．

馬士華，林勇.供應鏈管理（第三版）［M］．北京：機械工業出版社，2005．

吳晶妹，宋偉，李研．產業鏈征信和信用評價體系構建及應用的實踐探索 —— 以電網產業鏈為例［ J］．征信，2022（2）：1 ～ 5+12．

熊奇英．電子商務背景下的餐飲業塑料制品供應商管理 —— 以百勝餐飲集團為例［ J］．塑料科技，2020（9）：145 ～ 148．

趙吉敏，回成月，劉振華．軍品包裝供應商評價指標體系和方法研究［ J］．包裝工程，2019（1）：240 ～ 246．

趙樹國．基于模糊層次分析法的刀具供應商的選擇［ J］．中國工程機械學報，2017（2）：6 ～ 9．

Dickson G.W.. An Analysis of Vendor Selection Systems and Decisions［ J］．Journal of Purchasing，1996（2）：126 ～ 145．

Kulak O.， Kahraman C.. Fuzzy Mufti-Attribute Selection Among Transportation Companies Using Axiomatic Design and Analytic Hierarchy Process［ J］．Information Sciences，2005（2）：191 ～ 210．

Mitchell T. M.. Machine Learning［M］．New York： McGraw-Hill，1997．

Thomas L. Saaty. Group Decision Making and the AHP［M］．Berlin： Springer Berlin Heidelberg，1989．

（責任編輯·校對： 黃艷晶? 許春玲）

【基金項目】重慶市研究生科研創新項目（項目編號：CY21458）