供应链环境下的供应商评价应用研究

供应链环境下的供应商评价的最终目的是为了让企业选择可以信赖的供应商合作伙伴,从而在激烈的竞争中可以构建高效的供应链体系。文章在基于供应链环境下建立供应商综合评价指标体系的前提下,利用BP神经网络工具建立供应商综合评价模型,从而避免了在供应链环境下的供应商管理与评价过程中的人为失误,获得较为理想的管理效应。     

基于改进AHP与ELEGTRE—I方法结合的供应商选择

在当今激烈的市场竞争下,为了增强企业的竞争力,挑选一个好的合作伙伴就是其中一个重要方面,供应商作为供应链中核心企业采购活动的对象,对企业产品竞争力产生很大的影响。因此,对供应商的评价选择就至关重要了。本文首先讨论了供应商选择中评价指标的确定,然后应用粗糙集理论改进AHP,再利用改进的AHP确定其指标的权重;最后利用ELECTRE-I法对候选供应商进行评价和选择。     

电子行业的供应商评价与选择策略

评价和选择适合的供应商是企业实施供应链管理的关键,中国电子制造企业在供应商评选工作方面还存在一些问题。电子行业企业应该根据成本以及对企业的影响这两个维度对所采购项目进行分类,分别确定评价指标权重,并采用不同的方法评选供应商。同时,对于供应商的评选是个动态过程,应该持续进行。     

核电装备制造业供应商分类研究

构建了我国核电装备制造业供应商分类的理论模型,以供、求双方企业能力与合作意愿的契合程度作为准则,确立核电装备制造业供应商分类研究的量化指标体系。基于对国内某家大型、重点的核电装备制造企业及其60家有过完整合作记录的供应商进行问卷调研和深度访谈,应用系统聚类的分析方法对样本供应商进行聚类分析。实证研究的结论表明,以企业能力与合作意愿的契合程度（包括供应商企业能力与合作意愿的契合程度;采购商企业能力与合作意愿的契合程度）作为准则、以及据此建立的指标体系进行供应商量化分类研究,与理论模型对现有供应商类型划分的结论一致,即,将我国核电装备制造企业的供应商划分为供方主导型、需方主导型、战略型及松散型四类,显现了核电装备制造业供应商管理的特殊性,强调了供应商合作意愿的重要性,为我国核电装备制造企业供应商的分类管理提供了依据。     

海尔供应链整体生产能力的战略部署之评析

一、供应链整体生产能力战略部署的实施方案1、对供应商的选择海尔从1998年开始供应商网络的优化,以形成强强联合,合作共赢。供应商的数量从2200多家优化到721家,其中世界500强企业有59家,对供应商的管理从传统的质量为主转为全过程的激励与控制。在选择供应商的标准上,海尔采用了更科学的评价体系,以质量、成本、交货期、能否参与到早期设计过程等十个方面对供应商进行综合评价。     

基于供应链管理的供应商评价机制研究

本文首先阐述供应链管理中供应商管理的重要性,并对供应商评价机制进行分析研究,提出供应商评价机制应从评价体系的设计着手,定期、动态地进行评价,使供应商评价起到优化供应链的作用,实现各层级企业的优势互补。     

基于径向基函数神经网络的物流企业供应链合作伙伴选择研究

提出了物流供应链企业合作伙伴选择问题的多目标决策模型,结合物流企业的行业特点,设计了符合物流企业供应链特点的合作伙伴选择指标体系,从伙伴关系、伙伴特性和合作柔性三个方面对物流企业供应链合作伙伴进行分析,将伙伴分类为核心伙伴、重要伙伴、潜力伙伴、基础伙伴,通过构造基于径向基函数神经网络的选择模型对合作伙伴进行归类选择。通过实证研究,结果表明该方法有效、实用。     

基于改进DEA模型的供应商的评价与选择

供应商的评价选择是企业构建供应链并进行供应链管理的前提。针对数据包络分析（DEA）方法在对供应商评价选择时无法对供应商进行有效排序的缺点,现在原有的C2R模型的基础上添加一个虚拟决策单元,对供应商进行重新排序,并据此结合企业案例进行算例分析。     

培训外包供应商选择的模糊多属性决策模型

培训外包供应商是企业培训项目的主要实施者,直接影响着企业培训的效果,因此培训外包供应商的选择是企业培训外包决策过程的一个重要环节。本文剖析了影响企业培训外包供应商选择的主要因素,并将模糊数学理论引入决策过程,建立了培训外包供应商选择的模糊多属性决策模型,用三角模糊数来描述属性权重和评价值,并利用模糊TOPSIS方法对候选供应商进行排序。最后,通过实例说明了该模型的应用过程和有效性。     

浅谈供应链模式下供应商优化管理

随着全球经济化和市场竞争越来越激烈，企业竞争逐渐转变为供应链之间的竞争，供应商作为供应链条上重要一环，加强供应商的管理变得十分重要。对供应商进行分类管理，供应商选择与评价及供应商关系维护是供应商管理三个构面。如何对供应商进行优化管理，是越来越多企业面临新课题。     

基于自组织方法的税收收入组合预测模型

自组织理论是基于神经网络和计算机科学的迅速发展而产生和发展起来的。它将黑箱思想、生物神经元方法、归纳法、概率论、数理逻辑等方法有机地组合起来。其主要思想是通过简单的初始输入（局部变量）的交叉组合产生第一代中间候选模型,再从第一代中间候选模型中选出最优的若干项组合而产生第二代中间候选模型,重复这样一个产生、选择和遗传进化过程,使模型复杂度不断增加,直到选出最优复杂度模型为止。本文利用自组织方法进行数据筛选和建立税收预测模型,并在数据筛选基础上建立线性回归预测模型和BP神经网络预测模型,然后结合时间序列的预测模型,利用自组织方法建立组合预测模型。通过预测结果比较得出了组合预测模型比其它单个模型具有更高的预测精度。     

基于聚类—神经网络的客户价值分类方法及应用

本文从价值客户管理角度出发,建立了一种基于聚类——神经网络的客户价值分类模型。阐述了客户价值分析与评价指标设计、分类建模原理与网络学习算法选择、网络学习的前导原理与聚类算法、建模流程设计,并以某地区小灵通客户价值分类预测模型的使用及客户管理策略为应用实例。提出了研究的框架与方法,为企业客户价值管理决策系统的开发提供了重要模型依据。     

模糊优选和神经网络结合:保险业经营风险预警的有效方法

我国保险市场具有有效数据少的特点。基于模糊优选和神经网络的保险企业经营风险预警方法。是一种有效、科学监测保险风险的方法。它的引入和运用，为我国保险企业经营风险的动态预警提供了新的途径。     

基于自适应小波神经网络的数据挖掘方法研究--对我国石油产量的预测分析

小波神经网络是近年来在小波分析研究获得突破性进展基础上提出的一种前馈型网络,文章将小波与神经网络相结合,提出了一种基于自适应小波神经网络(SAWNN,self-adaptation wavelet neural network)的数据挖掘方法,并构造了数据挖掘过程的机器学习机制,以提高对问题的处理能力。文章将所构造的自适应小波神经网络用于石油产量的建模预测研究,实证结果表明此预测模型不仅是有效的,而且是可行的。     

复杂网络视角下技术创新扩散种子选择研究

创新是企业生存发展的根本，企业希望通过创新提升自身竞争力，然而，创新扩散效果不佳会最终制约企业发展。针对技术创新扩散种子用户的选择问题，运用复杂网络方法，构建了技术创新级联扩散非线性模型，通过寻找客户网络中分散于不同社区的重要节点展开技术创新扩散，以达到最大限度的扩散效果。对模拟网络和真实网络的仿真分析发现，该种子选择方法确实能够加快技术创新在整个网络的扩散速度，提升扩散效果，为企业赢得竞争优势，促进企业创新良性发展。     

演化视角下技术创新网络节点进退机制研究

随着组织内外部环境的变化,技术创新网络结构不断演化。为防止网络早衰和瓦解等现象出现,需要对网络进行有效治理。基于演化视角分析技术创新网络演化不同阶段的主要矛盾与演化拐点,提出矛盾驱动下网络结构优化策略,并指出风险点应采取进入主导的进退机制,控制点应采取适度进入的进退机制,再生点应采取进退联动的进退机制。通过仿真发现,引入进退机制可以增加网络合作伙伴数量,扩大网络规模,提升网络稳定性和创新绩效,但网络信息传输率将会下降。     

Conditional density forecast of China’s energy demand via QRNN model

We propose a new method for conditional density forecast of China’s energy demand through quantile regression neural network (QRNN). This method has at least two advantages. First, it is flexible to explore the true nonlinearity in the energy demand system via neural network structure. Second, it is able to describe the whole conditional distribution of energy demand via quantile regression. In the empirical study on China’s energy demand, QRNN outperforms several classical methods in terms of forecast accuracy both in-sample and out-of-sample. Considering China’s economic and social environment, we set a scenario for predictors and forecast the conditional density of China’s energy demand from 2015 to 2020. The empirical results show that the conditional density curve moves to right and its dispersion increases over time, which indicates that the energy demand in China will keep growing with an average annual rate of 9.672% and its uncertainty is enlarged with 42.210%.     

失业风险预警系统研究

基于我国29年的历史数据,采用BP神经网络模型对我国的失业风险预警问题进行研究。结果表明,神经网络方法在失业风险系统中具有优良的预警效果,其对失业风险综合警情值的预测误差小于3％。相对于景气分析预测法、时间序列分析、灰色预测模型以及回归预测模型等技术,神经网络方法不仅具有良好的预测精度,同时还具备较强的容错能力和泛化能力。因此,在构建我国的失业风险预警系统中,神经网络模型应该是一种被优先考虑的方法。     

基于神经网络的非流通股溢价比例及其影响因素研究

本文基于神经网络技术,在目前我国证券市场正在进行股权分置改革的背景下,对我国上市公司非流通股股东对流通股股东的对价比例及其影响因素进行了实证分析和探讨,利用第一批股权分置改革试点的上市公司作为样本,来设计建立的BP神经网络,预测其他上市公司的非流通股的对价比例,并运用干扰法来测试各个影响因子影响其对价比例的权重.     

个人信用评估的加权组合预测模型

目前单一的个人信用评估模型发展的很快,而精确性与稳定性却不能同时具备,且第二类误判率的能力弱,本文立足于用线性和非线性方法在个人信用评估中体现的优势,选择具有代表性的logistic回归和径向基函数神经网络方法,通过加权组合对个人信用进行预测评估,提高了评估模型的精确性与稳健性。