基于AHP-GRA的供应商健康度评估

程平　张菁

【摘要】建设全国统一大市场是加快构建双循环新发展格局的基础要求和重要支撑， 全国统一大市场强调了企业供应商管理对稳定供应链的重要性。供应商评估作为企业供应商管理的重要内容， 可以通过健康度来度量评估结果， 以便能够从供应商的产品质量、 交付情况、 服务情况和资质情况等方面对供应商进行多维度的评估， 从而帮助企业更好地管理供应商。本文以自营电商S企业为例， 结合已入驻供应商健康度评估指标体系不健全、 评估方法较为传统等问题， 综合考虑供应商企业的产品质量、 交付能力、 售前售后服务和资质情况等影响因素， 提出基于层次结构分析与灰色联合分析法结合的供应商健康度评估方法， 并通过模拟实施详细解释本文所提出方法的实现路径和合理性。本文所提出的供应商健康度评估方法能够在一定程度上创新供应商健康度评估指标， 为自营电商企业供应商健康度评估方法设计提供参考和借鉴。

【关键词】全国统一大市场；供应商健康度评估；层次结构法；灰色关联度分析法

【中图分类号】G420      【文獻标识码】A      【文章编号】1004-0994（2023）02-0123-7

一、 引言

在双循环新发展格局下， 国务院发布了《关于加快建设全国统一大市场的意见》， 明确表示电商需打破市场壁垒， 从商品质量出发， 全面提升消费服务质量。自营电商作为一种将从供应商处采购的商品存储到自家仓库， 然后再通过自家平台进行销售的电子商务模式， 其经营效果很大程度上取决于对供应商从申请入驻到清理退出的全流程管理， 包括供应商开发、 供应商评估、 供应商选择、 供应商关系维护等多个环节。供应商评估是自营电商对供应商进行科学管理的前提， 可以通过健康度来度量评估结果， 以便能够及时、 准确地反映供应商的产品质量、 企业规模、 经营现状、 库存水平等方面的现状。因此， 设计一种科学合理的供应商健康度评估方法， 对自营电商的经营管理将起到至关重要的作用。

现有对于供应商健康度评估的研究主要集中于评估指标体系构建、 评估方法选择和信用评估等方面。在评估指标体系构建方面， 国外学者的研究早于国内， 最具影响力的是Dickson（1996）的研究， 他将评估指标分为四种重要程度， 其中质量指标的重要程度为极其重要， 财务能力、 交货、 生产、 价格等七大指标的重要程度为非常重要。Kulak和Kahraman（2005）在Dickson（1996）研究的基础上对物流供应商进行研究， 提出了物流供应商的选择和评估分析可以使用交付能力、 成本、 缺陷率、 服务柔性和业务办理能力五个指标。国内学者马士华和林勇（2005）基于国外研究， 将供应商评估指标划分为质量指标、 企业业绩、 企业环境和生产规模四类。赵吉敏等（2019）针对军品包装供应商制定了一套能反映供应商过去、 现在和未来的评估指标体系， 涉及产品质量、 绩效、 企业管理水平、 生产能力、 发展能力、 协同能力、 任务风险和企业环境等八个方面。在评估方法选择方面， 已有成本法、 经验判断法等传统方法可用于供应商健康度评估， 但随着大数据、 人工智能技术的应用， 越来越多的学者开始采用机器学习算法对供应商进行评估。林奕贤和杜文琴（2012）采用组合评估的方法， 将AHP层次分析法、 熵值法和均方差法结合， 提出了一种针对外贸企业的供应商评估体系。程平和何雪峰（2011）， 程平和赵敬兰（2016）， 程平和白沂（2016）则认为， 企业如果进行有效的采购管理， 可以通过建立财务共享信息系统的方式， 并借助大数据、 人工智能等信息技术从供应商选择体系、 评估体系和采购内控等三个方面进行评价。在供应商信用评估方面， 付永贵和朱建明（2016）针对B2C电商企业在供应商信用评估方面现存的问题， 通过逐步回归法构建了基于大数据的供应商信用评估模型。吴晶妹等（2022）考虑到产业链核心企业目前面临的供应商产品质量无法保障等信用困境， 从合规度、 合约度、 诚信度三个维度构建了信用评估模型， 从而加强了产业链的合规管理。

综观现有研究可以发现， 虽然有较多文献对供应商健康度进行了评估指标体系构建和评估方法探索， 但是这些文献的研究对象主要是制造企业， 而对数字经济背景下采用新型业务模式的自营电商的研究还涉及较少。近年来， 云会计、 大数据、 人工智能等现代信息技术的应用使得企业的经营管理信息化水平越来越高， 其经营管理过程产生的数据越来越丰富、 粒度越来越细， 这为企业基于数据和算法对供应商实施更加科学的健康度评估提供了可能。AHP层次分析法（The Analytic Hierarchy Process）作为一种综合评价方法， 由美国运筹学家Saaty（1989）提出， 是一种根据权重分配将需要决策的问题分解成总目标、 各层级小目标、 评估标准直到具体的备选方案的一种多层次分析方法。GRA灰色关联分析方法（Grey Relation Analysis）是一种根据因素之间发展趋势的相似或相异程度亦即灰色关联度衡量因素间关联程度的方法。目前， AHP和GRA方法都已广泛应用于各类评估与决策场景中。例如， 刘长江和周长年（2017）从纺织行业供应商评估问题出发， 通过AHP层次分析法对M企业供应商进行排序， 帮助M企业降低管理费用， 提升供应商评估与选择的客观性。陈农田等（2022）改进灰色关联分析方法与TOPSIS算法对飞行员着陆操作绩效进行评估， 有效识别飞行员飞行细微的偏差。熊奇英（2020）立足于餐饮O2O产业， 利用AHP层次分析法与灰色关联分析方法对百胜餐饮极端塑料品供应商评估指标进行权重确定， 明确了百胜集团当前阶段的主要供应商人选。

鉴于此， 本文以自营电商S企业为例， 针对其存在的供应商健康度评估问题， 综合考虑供应商的产品质量、 交付能力、 服务能力和资质情况， 将AHP层次分析法和GRA灰色关联分析方法相结合， 设计了一种面向自营电商的基于AHP-GRA算法的供应商健康度评估方法。本文提出的方法有助于避免供应商健康度评估中的人为主观因素， 提高供应商健康度评估的科学性和准确性。

二、 S企业供应商健康度评估的现状与問题分析

（一）S企业供应商健康度评估现状描述

S企业是一家自营式电商企业， 目前经营范围已涉及零售、 物流、 健康、 科技、 金融等多个领域。在全国统一大市场背景下， S企业通过优良的商品质量、 高效的运输保障服务和良好的企业社会形象受到广泛好评。S企业将以供应链为基础的技术与服务企业作为经营理念， 其经营方式为： 先从供应商处购进货物存储到企业仓库中， 客户下单后由S物流承运， 选择收货地就近仓库发货， 将收货时间精确到小时， 实现了商品的垂直化供应管理。

目前， S企业现行的供应商管理包括入驻前的供应商选择和入驻后的供应商管理， 在供应商管理的每个阶段都包括了对供应商的健康度评估。在入驻前， 供应商企业通过S企业自营供应商平台提交入驻申请， 通过专人审核入驻资料对供应商进行评估。在入驻后， S企业建立了专门的评估指标体系， 通过综合评分的方式对供应商的发展趋势和主要问题进行评估。总体而言， 供应商健康度评估贯穿于S企业的整个供应商管理流程， 其从供应商的产品质量、 履约情况、 经营现状等方面， 通过对供应商健康度进行评分的方式对供应商进行全方位、 全流程评估。

（二）供应商健康度评估存在的问题分析

通过对S企业供应商健康度评估现状进行分析， 发现S企业对供应商的健康度进行评估存在评估指标不健全、 评估方法较传统等问题。

1. 供应商健康度评估指标未结合自营电商企业的特殊性制定， 对供应商健康度的了解受限。目前S企业对供应商进行评估与大多数企业一样， 更多地考虑了供应商的资质情况和财务能力， 对供应商的产品质量、 交付能力和服务能力评估程度还不够。S企业一直以来都以良好的产品质量和快速的运输服务为优势， 要想增加用户体验感和提高客户满意度， S企业不仅自身需要快速的运输服务， 还必须在供应商环节加快商品发货入库， 完善供应商退货流程， 把控产品质量。因此， 供应商交付能力、 产品质量、 服务能力、 资质情况是S企业对供应商健康度进行评估不可或缺的一部分。

2. 对供应商健康度评估采用评估小组全流程评估， 耗时长费用高， 评估效率低下。目前S企业对供应商进行评估， 是从供应商提交入驻申请开始指定审核专员进行初步评估， 在入驻后S企业成立供应商健康度评估小组专门负责对供应商进行健康度评估， 这种评估方式较为传统、 耗时较长且成本较高， 导致S企业无法对供应商进行动态评估。另外， 对供应商的健康度评估过程涉及的供应商产品质量、 服务能力和资质情况指标相对灵活且多变， 仅靠评估小组进行全流程评估， 不能保障其评估的科学性， 难免会产生主观偏差。

三、 基于AHP-GRA的供应商健康度评估模型设计

（一）设计思路

针对S企业在供应商健康度评估中存在的问题， 为了全面评估其供应商的健康度， 准确了解供应商的健康现状， 考虑到自营电商企业销售的商品是从供应商处采购后， 储存在企业自有的仓库中， 再通过电商平台销售， 其商品的质量和服务都高度依赖于供应商。因此， 供应商健康度评估指标的设计不仅仅包括供应商的资质和财务情况， 还应该着重考虑供应商企业的产品质量和服务能力。

在全国统一大市场背景下， 对供应商进行评估应该更加透明、 精确， 供应商健康度评估可以从采购行为产生的各类数据入手， 通过采集供应商的产品质量、 交付能力、 服务能力和资质情况等方面数据后进行数据清洗与处理， 基于评估指标提取特征， 然后利用AHP-GRA算法进行模型测试和结果分析， 从而获得供应商的健康度评估结果。供应商健康度评估框架如图1所示。

简单来讲， 对供应商的健康度进行评估首先需要构建供应商健康度评估指标， 考虑供应商的产品质量、 交付能力、 服务能力和资质情况等影响因素， 然后将评估指标利用AHP层次分析法进行权重分配， 并基于GRA灰色关联分析方法对供应商进行评分， 最后将各指标的权重向量与评分相乘得到供应商健康度的最终得分。

（二）供应商健康度评估指标体系

供应商健康度评估是以问题为导向， 其指标体系需要反映评估的主要目的， 要具有可操作性， 还需要充分考虑自营电商企业供应商的特殊属性。自营电商企业作为数字经济时代的杰出产物， 其推动了全国统一物流市场的形成， 所以对自营电商供应商健康度进行评估还应当着重考虑供应商的交付能力。从消费的角度来讲， 自营电商企业对构建质量与服务高标准的全国统一消费市场有着很大的潜力， 所以供应商的产品质量、 资质情况和服务能力也是评估供应商健康度的重要考虑因素。

通过对S企业的经营管理模式和供应商管理特征进行深入探究， 在现有对供应商健康度评估指标研究的基础上， 结合自营电商的特性， 本文认为供应商的健康度评估需要体现供应商的产品质量、 交付能力、 服务能力与资质情况四个方面。鉴于此， 本文设计了如表1所示的供应商健康度评估指标体系。

对于任何企业而言， 所销售产品的好坏会直接影响销量， 对于全国统一大市场背景下自营电商S企业来讲， 供应商产品的质量更是影响企业销售的重要因素之一， 甚至会直接影响企业的自身形象。为了促进构建质量统一的消费市场， 本文选取产品合格率、 产品退货率和产品差评率三个指标对供应商产品质量进行定量评估。

在交付能力方面， 本文从交付与履约两个方面入手， 选取了准时交货率、 采购履约率和合同履约率三个指标。准时交货率和采购履约率从采购订单上反映了供应商的交付能力， 合同履约率则从整体上描述了供应商的履约能力。

在服务能力方面， 自营电商企业作为电子商务的分支， 其售前售后服务也是影响企业口碑的重要因素之一。本文结合平台记录和客户满意度选取了三个指标， 包括： 是否提供7天无理由退换服务、 原厂授权维修服务等售后服务， 售后响应速度和售后满意度。

在资质情况方面， 本文主要考虑供应商的資质概况、 品牌热度和客户评价三个方面。通过分析企业具备营业执照、 ISO9001质量管理体系认证、 3C认证、 QS食品生产许可证、 具有CMA标志的质检报告、 品牌授权书等基本资质的概况， 从而把控商品的来源和经营资格， 通过品牌影响力和客户青睐度， 分别从品牌角度和客户角度评估供应商的资质。

由于线上购物的7天无理由退换服务等售后服务， 发生退换的情况较多， 加之自营电商产品质量好、 到货快的垂直供应优势， 使得设计统一标准的评估体系变得格外重要， 所以从供应商的产品质量、 交付能力、 服务能力、 资质情况四个方面设计供应商健康度评估指标具有可操作性和实际效益。

（三）AHP-GRA算法原理与供应商健康度评估

层次分析法作为一种用于评估决策的综合评估方法， 将需要决策的问题分解成总目标、 准则、 方案三个层次， 然后通过一定客观事实将每一层次的元素进行两两对比。利用AHP层次分析法可以对指标进行权重分配， 按照决策需要选定重要因素和次要因素。由于AHP层次分析法的局限性， 多数情况下AHP层次分析法仅能作为辅助决策工具， 需要与其他方法有效结合才能发挥出其最大作用。GRA灰色关联分析方法是计算各序列之间相似度的一种综合评估算法， 多用于确定各因素对其所在系统的影响程度。利用GRA方法可以计算出比较序列与其他序列的关联程度。

本文将AHP与GRA结合形成AHP-GRA算法用于供应商健康度评估， 主要是基于供应商数据样本量规模不大， 而GRA对于样本数量的要求也不高， 相较于一些需要大量样本数据进行模拟的机器学习算法来讲， 供应商健康度评估这种小样本使用AHP-GRA结合的综合评估算法其评估效果会更好。同时， 对于供应商的健康度评估而言， 供应商的产品质量和服务能力应当更为重要， 通过AHP层次分析法进行权重分配， 可以精确划分各指标因素的权重占比， 但是由于AHP并不能对供应商健康度的评估进行精确判定， 这就需要GRA算法通过关联分析的方法计算出各序列与最优序列的相似度。对于最优序列的确定， 本文根据供应商健康度评估指标数据， 对供应商健康度评估指标进行打分， 将每个指标的最优得分提取出来形成最优序列， 最后将利用AHP层次分析法计算出的权重向量与利用GRA计算出的相关系数进行加权， 得到供应商的健康度得分。因此， 本文采用AHP-GRA结合的综合评估算法模型对S企业的供应商进行健康度评估具有可行性和可操作性。

（四）供应商健康度评估流程

基于AHP-GRA的S企业供应商健康度评估主要分为数据采集、 基于AHP的指标权重确定、 数据预处理、 灰色关联度分析以及评估结果分析等步骤， 其具体流程如图2所示。

在图2所示的评估流程图中， 首先是对S企业自营供应商数据进行采集。从业务系统中获取供应商企业基本信息、 产品信息、 人员信息等与健康度评估相关的结构化、 半结构化和非结构化的数据， 完成数据的采集阶段。然后进入模型构建阶段， 主要从供应商健康度评估的三个层次出发， 利用AHP-GRA算法计算出各供应商的健康度评分。

（五）AHP-GRA模型构建

要构建AHP-GRA供应商健康度模型， 首先需要利用AHP层次分析法构建供应商健康度评估层次结构， 对各层次中的因素进行两两对比形成矩阵， 通过一致性检验后确定各供应商健康度评估指标的权重值与特征向量。然后将供应商基本信息表、 供应商主要产品信息表、 售后记录表中的数据， 经过缺失值处理、 异常值处理和格式调整等数据预处理， 使数据集可以在同一维度进行比较。再利用GRA算法进行S企业的供应商健康度评估， 最终将利用AHP层次分析法分析得到的权重与利用GRA算法得到的关联系数相乘， 得到各供应商的健康度评分。

1. 运用AHP构建层次结构并确定权重系数。运用AHP层次分析法构建层次结构首先应当明确拟解决的关键问题， 称为目标层， 本文中的目标层即为供应商健康度评估。其次需要针对供应商健康度评估指定准则层， 最后即为备选方案的措施层。

对于两两对比矩阵构造， 本文采用了由Saaty（1989）提出的1 ～ 9标度法来为指标间的相对重要关系进行打分， 9代表极端重要， 7代表强烈重要， 5代表明显重要。通过专家打分的方式， 形成两两辨别矩阵， 并以A=［aij］表示， ij分别表示矩阵A中的行和列。

针对确定优先级权重向量和一致性检验， 本文采用了方根法进行权重向量的计算， 首先计算m向量， 并将向量进行标准化得到权重向量， 其公式表达式为：

为了保障AHP打分项的内部具有可行性和各项数据之间评分具有逻辑性， 最后需要计算最大特征根λmax来判断数据是否通过一致性检验， 其表达式为：

其中， n表示维度数， 当λmax与n相等时， 则矩阵A具有完全一致性。但是通常情况下， λmax与n都不相等， 甚至会大很多， 所以为了进一步衡量矩阵A是否具有一致性， 还需引入CR值进行判别， 当CR值小于0.1时， 矩阵A符合一致性检验， 其公式表达式为：

2. 运用GRA算法评估供应商健康度。在进行灰色关联度分析之前， 本文先依照供应商健康度评估的相关数据对供应商的各项指标进行打分， 分值拟定在0 ～ 10分之间。将每项指标的最优评分选取出来形成集合γj作为参考序列， 各供应商企业得分则为比较数列γi， 其关联系数表达式为：

经过上述计算， 如果将γj和γi之间的关联度写成矩阵形式， 则有：

最后将式（7）与利用AHP层次分析法得到的指标权重进行加权， 最终得到供应商健康度得分。

四、 基于AHP-GRA的供应商健康度评估方法的模拟实施

（一）数据来源

目前， S企业选取ERP、 采购管理等多个信息化系统用于经营管理过程。对从采购管理信息系统的数据库中抽取的数据进行分析， 其中包含了供应商的名称、 规模、 产品情况等数据信息， 可以用于对供应商的服务能力和资质情况进行评估。同时， 数据库的产品信息表和售后记录表中包含的退货信息可以作为供应商产品质量和服务能力的评估依据。这些数据都可以从业务系统数据库中以Excel的格式导出。为了研究的方便， 本文只提取S企业2020年的供应商数据。

（二）供应商健康度评估数据准备

在数据采集与处理的过程中， 需要从S企业的业务信息系统中导出供应商基本信息表、 供应商产品信息表、 采购记录表和售后记录表等， 并从中抽取供应商健康度评估所需数据。在供应商基本信息表中包含供应商名称、 员工人数、 资质证书等有关供应商基本资质的数据。在供应商产品信息表中包括产品基本信息和产品抽检信息等有关产品质量的数据。在售后记录表中， 包括退货信息和供应商反应速度等反映供应商服务能力的数据。最终， 将供应商的编码、 名称、 产品合格率、 产品退货率、 供应商售后服务政策、 基本资质和品牌影响力等相关信息进行汇总， 形成多维度、 多方面的2020年供应商健康度评估指标表， 如表2所示。

在数据处理过程中， 需要对缺失值数据进行填充或删除， 并对各指标数据进行统一化处理方便后续进行分析。与常规数据预处理不同之处在于， 本文需要根据表2中的数据对供应商的健康度指标进行打分， 将所有数据统一转换为10分值分数， 将评估指标统一至同一标准方便后续在灰色关联分析时进行相似度比较和对供应商健康度进行最终评分。

（三）基于AHP层次分析法的指标权重确定

根据上文的供应商健康度评估指标体系设计， 可以得到层次结构模型， 如图3所示。第一层目标层A为供应商健康度， 表示企业所要实现的最终目的； 第二层为准则层B， 包括了产品质量、 服务能力和资质情况四个层次； 第三层则是解决问题的措施层， 由评估指标体系中的二级明细指标组成。

根据图3可知， 供应商健康度层次结构共有四项准则， 即为产品质量（B1）、 交付能力（B2）、 服务能力（B3）、 资质情况（B4）。通过前期调研， 本文邀请了5位专家分别对上述层次结构进行打分， 其中包含2位企业财务高管和3名高校教授， 然后以5位專家打分的平均数作为最终的打分结构， 得出矩阵A的表达式：

通过AHP算法对矩阵A进行一致性验证， 计算得出λmax=4.0658， CI值为0.0219， RI值为0.882， CR值为0.0249， 通过一致性验证， 准则层特征向量为： W=（3.3098，0.6687，0.4082，0.2015）T。

同理得到措施层的判断矩阵B， 其最大特征根为12.1213， 其对应的RI值为1.536， 因此CR值为0.0075

<0.1， 通过一致性检验。最终得到的层次排序如表3所示。

（四）基于GRA算法的供应商健康度评分

为充分体现全国统一大市场平等透明的营商环境精神， S企业也应当以同一标准、 相同维度对供应商进行健康度评估。考虑到各供应商的企业规模等因素存在差异以及一些非量化指标无法直观评估， 本文在已有文献基础上依据S企业的供应商数据进行评分， 将每项指标中的最高评分抽选出来形成母序列γj， 作为参考序列， 各供应商企业得分则为比较数列γi。在进行评分期间， 本文首先对异常值进行了剔除， 最终得到37家供应商企业评分， 如表4所示。

根据各供应商的评分， 本文首先选出参考序列γj=（9，8，7，9，8，8，10，8，8，8，7，9）， 由于评分数据没有明显的升降趋势， 所以本文选取了均值化的无量纲处理方式。然后， 通过对原始数据进行归一化处理和计算序列差， 进一步得到关联系数结果δ， 如表5所示。

最后W1与δ加权得出供应商健康度的最终得分， 供应商34最高为0.82， 其次是供应商25为0.79， 供应商32最低为0.59。

在全国统一大市场的背景下， 自营电商企业已经形成包含售前、 售中、 售后的服务标准， 这也促进了国内商品质量和服务水平的统一。为加速实现全国统一大市场的构建， 自营电商企业需要营造良好的运营环境， 其中保障良好的商品质量是保证企业运营和企业口碑的关键。为保障商品质量， 需要从供应链、 产品生命周期等环节加强管理， S企业可以优先与供应商5、 供应商34等拥有良好产品质量的供应商进行合作， 对于供应商4、 供应商32等产品质量较差的供应商应当着重关注。针对自营电商企业， 良好的资质情况和售前售后服务是影响企业经营的关键， 所以S企业应当对供应商14、 供应商4等服务能力和资质情况较差的企业给予提醒， 必要时可以采取清退或终止合作等解决办法。除此之外， 全国统一大市场要求国内市场应该打破壁垒、 全国上下一盘棋， 如此， 市场的高效畅通也应该成为企业进行供应商健康度评估的重要考虑因素。为保证商品垂直化供应， 及时供货、 按时交付是自营电商企业评估供应商健康度的重要考虑因素， 所以S企业在紧急需求的情况下应当回避供应商1、 供应商29等交付能力较弱的企业。

五、 结束语

数字经济时代， 全国统一大市场的热浪正在来袭， 供应商健康度评估作为自营电商对供应商管理的核心内容， 对企业提高经营管理水平、 防范经营风险起着至关重要的作用。建立科学、 有效的供应商健康度评估体系能够减少自营电商管理成本， 提高供应商与企业的合作效率， 并能够减少主观判断造成的偏差或者决策失误。本文以S企业为研究对象， 提出了AHP-GRA综合评估方法； 通过对影响供应商健康度评估的因素进行梳理， 从供应商企业的产品质量、 交付能力、 服务能力和资质情况四个方面， 构建了供应商健康度评估指标体系， 基于AHP-GRA算法的指标权重分配， 从产品质量、 交付能力、 服务能力和资质情况四个特征出发进行评估， 得出的供应商健康度情况与真实情况较为吻合。通过将评估方法应用于S企业已入驻供应商的健康度评估实施与结果分析发现， S企业存在着供应商健康度评估手段较传统、 评估指标不够健全的问题。本文的研究思路和研究方法能够为数字经济时代下供应商健康度评估研究与应用提供一个全新的视角， 同时为全国统一大市场背景下电商企业的供应商管理提供指导、 借鉴和参考。

【 主 要 参 考 文 献 】

陈农田，李俊辉，满永政．基于改进GRA-TOPSIS法的飞行员进近着陆操纵绩效评价［ J］．载人航天，2022（1）：40 ～ 46．

程平，何雪峰．“云会计”在中小企业会计信息化中的应用［ J］．重庆理工大学学报（社会科学），2011（1）：55 ～ 60．

程平，赵敬兰．大数据时代基于云会计的财务共享中心费用管控［ J］．会计之友，2016（12）：133 ～ 136．

程平，白沂．大数据时代基于财务共享服务模式的费用预算管理［ J］．会计之友，2016（22）：128 ～ 131．

付永貴，朱建明．基于大数据的网络供应商信用评估模型［ J］．中央财经大学学报，2016（8）：74 ～ 83．

简兆权，叶冠林．基于层次分析法的制药企业供应商评价体系研究［ J］．科技管理研究，2012（12）：53 ～ 57．

林奕贤，杜文琴．纺织供应商综合评估方法［ J］．纺织导报，2012（5）：95 ～ 96．

刘长江，周长年．服装企业的面料供应商选择与评价 —— 基于层次分析法［ J］．纺织导报，2017（11）：107 ～ 108．

马士华，林勇.供应链管理（第三版）［M］．北京：机械工业出版社，2005．

吴晶妹，宋伟，李研．产业链征信和信用评价体系构建及应用的实践探索 —— 以电网产业链为例［ J］．征信，2022（2）：1 ～ 5+12．

熊奇英．电子商务背景下的餐饮业塑料制品供应商管理 —— 以百胜餐饮集团为例［ J］．塑料科技，2020（9）：145 ～ 148．

赵吉敏，回成月，刘振华．军品包装供应商评价指标体系和方法研究［ J］．包装工程，2019（1）：240 ～ 246．

赵树国．基于模糊层次分析法的刀具供应商的选择［ J］．中国工程机械学报，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．

（责任编辑·校对： 黄艳晶  许春玲）

【基金项目】重庆市研究生科研创新项目（项目编号：CY21458）