CN112132514A - 一种物资采购的评估方法 - Google Patents

Abstract

一种物资采购的评估方法，解决了现有物资采购评估的准确性及通用性差的问题，属于物资采购管理技术领域。本发明包括：将每个待评估购买方案作为评估对象，根据多个待评估购买方案确定待评估问题，根据待评估问题构建树形结构评估模型；确定评估对象在树形结构评估模型中的评估项的数值，依次进行同趋势化处理和归一化处理；根据树形结构评估模型中树形的深度，确定最外层子节点及其父节点；使用逼近理想解排序法及作为最外层子节点的评估项的归一化数值，获得其父节点的评估值；将获得评估值的父节点作为子节点，采用分级加权法和子节点的评估值对其父节点进行评估，直至获得根节点的评估值，根节点的评估值为评估对象的评估值。

Description

一种物资采购的评估方法

技术领域

本发明涉及一种物资采购评估方法，属于物资采购管理技术领域。

背景技术

近年来，物资采购管理的重要性不断提高，为规范物资采购管理，传统的企业采购方 式已不能适应社会的发展。为满足需要，许多企业都实施了招标网物资采购***，通过有 效的电子商务招标采购管理，使企业更加广泛地了解物资供需、价格变动的市场行情及供 应商信用资质状况，使企业扩大了选择的范围，增加了采购的透明度，减少了中间环节，降低了违规操作的发生，对企业控制和降低采购成本，提高企业经济效益意义重大。

经济全球化的发展方向，让采购成为了企业市场竞争中一种重要的战略方式。采购也 从一种职能管理转变为一种战略进攻，努力找到正确的战略方式，增加采购绩效对于采购 评估来说的一件好事，对于企业的发展来说更是增砖添瓦之举。但是在实际的采购中经常 由于很多的隐患问题或者采购评估的方法问题而最终导致评估工作无法进行。

目前常用的综合评价方法有层次分析法(AHQ法)、模糊综合评价法(FCE法)、秩 和比法(RSR法)、关键事件法(CIM法)、逼近理想解排序法(TOPSIS法)等。

其中，逼近理想解排序法是C.L.Hwang和K.Yoon于1981年首次提出，TOPSIS法根据有限个评价对象与理想化目标的接近程度进行排序的方法，是在现有的对象中进行相对优劣的评价。理想化目标(Ideal Solution)有两个，一个是肯定的理想目标(positiveideal solution)或称最优目标，一个是否定的理想目标(negative ideal solution)或称最劣目标， 评价最好的对象应该是与最优目标的距离最近，而与最劣目标最远。

现有这些综合评价方法进行评估时，各指标的权重多依赖于主观判断，缺少一个健全 的评估体系，没有充分的科学依据，评估中有失准确性，之后的后果是盲目上项目，造成 大量损失。遇到特定的问题需要特定的算法来完成运算，缺少一些适用范围相对较广的算 法。

发明内容

针对现有物资采购评估的准确性及通用性差的问题，本发明提供一种综合性的物资采 购的评估方法。

本发明的一种物资采购的评估方法，所述方法包括：

S1、将每个待评估购买方案作为评估对象，根据多个待评估购买方案确定待评估问 题，根据待评估问题构建树形结构评估模型，树形结构评估模型包括影响评估对象好坏的 多个评估项，每一个评估项下可根据影响因素分出多个子评估项，形成由多个子节点、父 节点及根节点构成的树形结构；

S2、确定评估对象在树形结构评估模型中的评估项的数值；

S3、将各评估对象确定的评估项数值进行同趋势化处理；

S4、根据同趋势化处理后的评估项数值进行归一化处理；

S5、根据树形结构评估模型中树形的深度，确定最外层子节点及其父节点；

S6、使用逼近理想解排序法及作为最外层子节点的评估项的归一化数值，获得其父 节点的评估值；

S7、将获得评估值的父节点作为子节点，采用分级加权法和子节点的评估值对其父 节点进行评估，直至获得根节点的评估值，所述根节点的评估值为评估对象的评估值。

作为优选，所述S3包括：

评估项的评价指标为高优指标、低优指标或适度指标，对各评估项数值进行同趋势化 处理，将低优指标和适度指标的评估项数值均转换为高优指标的评估项数值：

X_mn表示第m个评估对象在第n个评估项上的数值，X′_mn表示同趋势化处理之后的评估项数值，W为表示评估项最优值,m＝1,2…M，n＝1,2…N，M表示评估对象的数量， N表示评估项的数量。

作为优选，所述S4中评估项的归一化数值为：

其中，W表示对应评估项的最优值，a表示对应评估项的最劣值。

作为优选，所述S6包括：

S61、根据作为最外层子节点的评估项r的归一化后的数值构建决策矩阵V：

其中，X″_mr表示第m评估对象作为最外层子节点的评估项r归一化后的数值， r＝1,2…R，R表示作为最外层子节点的评估项的数量；

S62、根据DELPHI法获取专家对评估项属性的信息权重矩阵B：

其中，其中B_mr是作为最外层子节点的评估项r对应的权重，该权重为归一化后的；

S63、根据Z＝VB，获得加权判断矩阵Z：

S64、确定最外层子节点评估项的 正理想点的解和负理想点的解，正理想点的解为

负理想点的解为

y⁺是R个评估项的最优值，y^-是R个评估项的最的最劣值；

S65、计算各评估对象与正理想点与负理想点的欧式距离，并根据该欧式距离，获取 各评估对象与理想点的相对接近度，并根据该欧式距离，获取各评估对象与理想点的相对 接近度c_m；

是第m个评估对象与正理想点的欧式距离：

是第m个评估对象与正理想点的欧式距离：

Z_mr表示加权判断矩阵Z中的元素；

c_m为最外层子节点的父节点的评估值。

作为优选，所述S7中，将最外层子节点的父节点作为子节点；

分级加权法包括：

其中，Q为父节点的评估值，K为父节点的子节点个数，d_k为第k个子节点的评估值，p_k为第k个子节点的对应的权重，该权重为归一化后的；

通过分级加权法可依次算出父节点的评估值，直至获得根节点的评估值。

本发明的有益效果，本发明提出树形结构评估模型，其中包括了评估项的影响因素， 评估更全面，提高了准确性，同时将逼近理想解排序法和分级加权法进行结合，对树形结 构评估模型的各节点进行计算，逐级计算评估值，将实际值和评估值结合，最终得到评估 对象的评估值，通用性更强。

附图说明

图1为本发明的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地 描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本 发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他 实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组 合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

如图1所示，本实施方式的一种物资采购的评估方法，包括：

步骤一、将每个待评估购买方案作为评估对象，根据多个待评估购买方案确定待评估 问题，根据待评估问题构建树形结构评估模型，树形结构评估模型包括影响评估对象好坏 的多个评估项，每一个评估项下可根据影响因素分出多个子评估项，形成由多个子节点、 父节点及根节点构成的树形结构；

本实施方式的树形结构评估模型，如下所示：

任意对象的评估类问题可以通过抽象归纳的形式，按照用户的侧重不同归纳为不同的 树形结构评估模型。这个树形结构评估模型不仅可以根据用户需求，也可以用专家设计的 模板，由于在评估过程中，同类产品存在相同或相似的特征，或者是相同或相似的特征的 重复引用，因此将这些特征进行提取，建立相应的树形结构评估模型,并且通过调用树形 结构评估模型来实现快速设计。

例如无人机的树形结构评估模型的详表，如表1所示：

表1

通常子评估项还会具有子项，此时的表格将规模更大，而为了具有通用性，一般使用 最多子项数级为5级的表格来表征评估问题。

步骤二、确定评估对象在树形结构评估模型中的评估项(包括子评估项)的数值；

步骤三、将各评估对象确定的评估项数值进行同趋势化处理；

在评估项体系中，有些评估项的数值是越大越好(称为高优指标)；有些评估项数值是 越小越好(称为低优指标)；还有些评估项数值是不大不小最好(称为适度指标)，评估项相 互间没有统一的度量标准，量纲不同。各评价评估项得分可能有多种形式：百分制、精确 五分制(精确到小数点后1位)、模糊五分制(优、良、中、一般、差)、两级制(合格/不合格)等。

步骤四、根据同趋势化处理后的评估项数值进行归一化处理；

通过评估项最优化时的最大值，和最劣化时候的最小值，将通过同比例缩放的方式将 表征该评估项的数值归一化到[0,1]区间中。

步骤五、根据树形结构评估模型中树形的深度，确定最外层子节点及其父节点；

计算得出树形结构评估模型的深度H，如表1中评估对象1的深度为3，遍历获取模型树中深度为H的节点，由于模型树的深度为H，则深度为H的节点一定为最外层的叶 子节点。通过算法查找叶子节点的父节点节点几何为Set{P1，P2…}，此时P1，P2等节 点的子节点为最外层叶子节点，符合TOPSIS算法含义及算法要求，即P1、P2节点的评 估值可通过TOPSIS算法计算得出。

例如：武器挂载数量、武器载弹量、发射距离和武器经度系数的评估项为最外节点； 机动能力、装甲系数、突防最低高度、突防速度也为最外节点，

步骤六、使用逼近理想解排序法及作为最外层子节点的评估项的归一化数值，获得其 父节点的评估值；

在完成深度模型树深度H层的叶子节点的评估后，则对应的深度为H-1节点都有对应的在[0-1]区间的值，节点类型为父节点的该值为通过TOPSIS算法评估得出的本层节点值，节点类型为叶子节点的该值为通过同趋化、归一化处理的节点值。利用武器挂载数量、武器载弹量、发射距离和武器经度系数的评估项计算评估项攻击能力的评估值；利用机动能力、装甲系数、突防最低高度、突防速度的评估项计算评估项突防能力的评估值；利用 智能化水平、雷达距离分辨率、雷达方位分辨率、信息共享能力、信息接收能力、信息处 理能力计算评估项态势感知能力的评估值；

步骤七、将获得评估值的父节点作为子节点，采用分级加权法和子节点的评估值对其 父节点进行评估，直至获得根节点的评估值，该值满足数值在[0,1]区间内，且该值越大， 代表该评估对象各项指标表现越接近理想极值。所述根节点的评估值为评估对象的评估值。 如表1所示，利用攻击能力、突防能力和态势感知能力的评估值计算无人机的评估值，无 人机作为根节点，其评估值为最终的评估值。

本实施方式的步骤三包括：

评估项的评价指标为高优指标、低优指标或适度指标，对各评估项数值进行同趋势化 处理，将低优指标和适度指标的评估项数值均转换为高优指标的评估项数值：

X_mn表示第m个评估对象在第n个评估项上的数值，X′_mn表示同趋势化处理之后的评估项数值，W为表示评估项最优值,m＝1,2…M，n＝1,2…N，M表示评估对象的数量， N表示评估项的数量。

本实施方式将低优指标转化为高优指标，转化方法常用倒数法，即令原始数据中低优 指标X_mn(m＝1,2,3…；n＝1,2,3…)，通过

变换而转化成高优指标，然后建立 同趋势化后的原始数据表；并可以适当调整(扩大或缩小一定比例)转换数据。

本实施方式步骤四中评估项的归一化数值为：

其中，W表示对应评估项的最优值，a表示对应评估项的最劣值。

本实施方式步骤六包括：

步骤六一、根据作为最外层子节点的评估项r的归一化后的数值构建决策矩阵V：

其中，X″_mr表示第m评估对象作为最外层子节点的评估项r归一化后的数值， r＝1,2…R，R表示作为最外层子节点的评估项的数量；

步骤六二、根据DELPHI法获取专家对评估项属性的信息权重矩阵B：

其中，其中B_mr是作为最外层子节点的评估项r对应的权重，该权重为归一化后的；

步骤六三、根据Z＝VB，获得加权判断矩阵Z：

步骤六四、确定最外层子节点评估项的正理想点的解和负理想点的解，正理想点的解 为

负理想点的解为

y⁺是R个评估项的最优值， y^-是R个评估项的最的最劣值；

步骤六五、计算各评估对象与正理想点与负理想点的欧式距离，并根据该欧式距离， 获取各评估对象与理想点的相对接近度，并根据该欧式距离，获取各评估对象与理想点的 相对接近度c_m；

是第m个评估对象与正理想点的欧式距离：

是第m个评估对象与正理想点的欧式距离：

Z_mr表示加权判断矩阵Z中的元素；

c_m为最外层子节点的父节点的评估值。

计算各评价对象c_m，并按顺序排名，c_m值越大，表明第m个评价对象越接近正理想点，即第m个评价对象越优秀。且通过公式我们可以得知c_m值在[0-1]区间内。

所述S7中，将最外层子节点的父节点作为子节点；

分级加权法包括：

其中，Q为父节点的评估值，K为父节点的子节点个数，d_k为第k个子节点的评估值，p_k为第k个子节点的对应的权重，该权重为归一化后的；

通过分级加权法可依次算出父节点的评估值，直至获得根节点的评估值。

虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例 仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多 修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范 围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要 求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他 所述实施例中。

Claims (5)

1.一种物资采购的评估方法，其特征在于，所述方法包括：

S1、将每个待评估购买方案作为评估对象，根据多个待评估购买方案确定待评估问题，根据待评估问题构建树形结构评估模型，树形结构评估模型包括影响评估对象好坏的多个评估项，每一个评估项下可根据影响因素分出多个子评估项，形成由多个子节点、父节点及根节点构成的树形结构；

S2、确定评估对象在树形结构评估模型中的评估项的数值；

S3、将各评估对象确定的评估项数值进行同趋势化处理；

S4、根据同趋势化处理后的评估项数值进行归一化处理；

S5、根据树形结构评估模型中树形的深度，确定最外层子节点及其父节点；

S6、使用逼近理想解排序法及作为最外层子节点的评估项的归一化数值，获得其父节点的评估值；

S7、将获得评估值的父节点作为子节点，采用分级加权法和子节点的评估值对其父节点进行评估，直至获得根节点的评估值，所述根节点的评估值为评估对象的评估值。

2.根据权利要求1所述的物资采购的评估方法，其特征在于，所述S3包括：

评估项的评价指标为高优指标、低优指标或适度指标，对各评估项数值进行同趋势化处理，将低优指标和适度指标的评估项数值均转换为高优指标的评估项数值：

X_mn表示第m个评估对象在第n个评估项上的数值，X′_mn表示同趋势化处理之后的评估项数值，W为表示评估项最优值,m＝1,2…M，n＝1,2…N，M表示评估对象的数量，N表示评估项的数量。

3.根据权利要求2所述的物资采购的评估方法，其特征在于，所述S4中评估项的归一化数值为：

其中，W表示对应评估项的最优值，a表示对应评估项的最劣值。

4.根据权利要求3所述的物资采购的评估方法，其特征在于，所述S6包括：

S61、根据作为最外层子节点的评估项r的归一化后的数值构建决策矩阵V：

其中，X″_mr表示第m评估对象作为最外层子节点的评估项r归一化后的数值，r＝1,2…R，R表示作为最外层子节点的评估项的数量；

S62、根据DELPHI法获取专家对评估项属性的信息权重矩阵B：

其中，其中B_mr是作为最外层子节点的评估项r对应的权重，该权重为归一化后的；

S63、根据Z＝VB，获得加权判断矩阵Z：

S64、确定最外层子节点评估项的正理想点的解和负理想点的解，正理想点的解为

负理想点的解为

y⁺是R个评估项的最优值，y^-是R个评估项的最的最劣值；

S65、计算各评估对象与正理想点与负理想点的欧式距离，并根据该欧式距离，获取各评估对象与理想点的相对接近度，并根据该欧式距离，获取各评估对象与理想点的相对接近度c_m；

是第m个评估对象与正理想点的欧式距离：

是第m个评估对象与正理想点的欧式距离：

Z_mr表示加权判断矩阵Z中的元素；

c_m为最外层子节点的父节点的评估值。

5.根据权利要求4所述的物资采购的评估方法，其特征在于，所述S7中，将最外层子节点的父节点作为子节点；

分级加权法包括：

其中，Q为父节点的评估值，K为父节点的子节点个数，d_k为第k个子节点的评估值，p_k为第k个子节点的对应的权重，该权重为归一化后的；

通过分级加权法可依次算出父节点的评估值，直至获得根节点的评估值。

Images