發(fā)布時間：2024-06-25 18:24

　　在當(dāng)今經(jīng)濟(jì)全球化迅速發(fā)展的大環(huán)境下,選擇合適的供應(yīng)商對一個企業(yè)的長期發(fā)展是至關(guān)重要的,它能減少一個企業(yè)的運營成本,提高企業(yè)的競爭力。反之,選擇錯誤的供應(yīng)商可能會造成瑕疵品數(shù)量的增多,交貨期的不穩(wěn)定,重復(fù)制造成本的增加,而這些都會增加公司的總成本,同時還會影響一個企業(yè)的聲譽。因此,選擇合適的供應(yīng)商成為一個企業(yè)最小化其管理風(fēng)險的關(guān)鍵。本文的主要目的是在多屬性群決策理論的基礎(chǔ)上構(gòu)建決策模型,拓展新的決策方法,并將其與本文構(gòu)建的供應(yīng)商選擇評價指標(biāo)相結(jié)合應(yīng)用于供應(yīng)商的選擇中。首先構(gòu)建信息不完全情況下的多屬性決策模型,這里所說的信息不完全,主要是指屬性和方案偏好信息是不完全的。然后把多維偏好分析線性規(guī)劃方法(LINMAP)與折衷排序法(VIKOR)相結(jié)合,提出了一種新的混合多屬性決策方法。其次根據(jù)供應(yīng)商選擇指標(biāo)構(gòu)建的六大原則,即系統(tǒng)全面性原則、簡明科學(xué)性原則、可行性原則、動態(tài)性原則、定性與定量相結(jié)合的原則以及拓展性原則,提出7個供應(yīng)商選擇評價指標(biāo)。最后,本文將該方法應(yīng)用于UNIQLO公司物流供應(yīng)商選擇的案例中,并將所得結(jié)果與傳統(tǒng)的LINMAP和TOPSIS方法進(jìn)行分析比較,進(jìn)一步說明本文所拓展的混...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 供應(yīng)商選擇研究現(xiàn)狀
        1.2.2 模糊多屬性決策方法研究現(xiàn)狀
    1.3 研究內(nèi)容及方法
2 模糊多屬性群決策相關(guān)理論
    2.1 模糊多屬性群決策概述
    2.2 直覺模糊集理論
        2.2.1 梯形直覺模糊數(shù)(TrIFN)
        2.2.2 基于Hausdorff的TrIFN的距離
        2.2.3 梯形直覺模糊數(shù)集結(jié)算子
    2.3 傳統(tǒng)的多屬性決策方法
        2.3.1 VIKOR法
        2.3.2 LINMAP法
3 梯形直覺模糊多屬性群決策方法的構(gòu)建
    3.1 模型建立的相關(guān)定義
        3.1.1 評價指標(biāo)權(quán)重的不完全偏好關(guān)系
        3.1.2 各備選方案的不完全偏好關(guān)系
    3.2 不完全信息決策問題的模型構(gòu)建與求解
        3.2.1 指標(biāo)的規(guī)范化
        3.2.2 確定決策者權(quán)重
        3.2.3 構(gòu)造直覺模糊線性規(guī)劃模型求解正理想解及各屬性對應(yīng)權(quán)重
        3.2.4 構(gòu)造直覺模糊線性規(guī)劃模型求解負(fù)理想解及各屬性對應(yīng)權(quán)重
        3.2.5 構(gòu)造各方案與理想解的接近度
    3.3 基于LINMAP和VIKOR的混合多屬性決策方法步驟
4 供應(yīng)商選擇評價
    4.1 供應(yīng)商選擇評價指標(biāo)的構(gòu)建
        4.1.1 指標(biāo)建立的原則
        4.1.2 指標(biāo)的建立
    4.2 供應(yīng)商選擇評價方法
        4.2.1 定性方法
        4.2.2 定量方法
        4.2.3 定性與定量相結(jié)合方法
5 實證研究
    5.1 問題描述
    5.2 綜合評價過程及結(jié)果
    5.3 相關(guān)方法的比較分析
        5.3.1 關(guān)于參數(shù)與的靈敏度分析
        5.3.2 與LINMAP方法的比較分析
        5.3.3 與TOPSIS方法的比較分析
6 結(jié)論與展望
    6.1 全文總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士期間的科研成果
致謝



本文編號：3995727