随着社会化大分工和全球经济合作的发展，我国的众多企业由传统的运作方式逐步转换为供应链管理模式。为提高自身的核心竞争力，企业的产品结构中外购件和外协件所占的比重日益增加，因此必须更加注重对供应商的管理。 对供应商进行评价监督是供应商管理中的重要环节，而我国的机械制造企业对供应商的评价仍存在着诸多问题，如缺乏综合的评价指标体系，没有科学的评价方法等。 本文深刻剖析了我国机械制造业对供应商评价的现状和存在的问题，结合数据挖掘的思想，提出了适合该行业的供应商评价指标体系和评价方法。首先根据供应链在运行期的特点及机械制造业供应商的特性，从全新的角度利用科学的方法，构建出综合的供应商评价指标体系，给出客观指标量化的依据及定性指标考察的核心内容，指出对各指标评价值进行无量纲处理的方法和过程；然后将层次分析法与神经网络技术相结合，通过层次分析法求得各指标的权重并训练神经网络使其达到稳定状态，利用基于离散型Hopfield神经网络的评价模型来实施供应商评价，制定出科学合理且公平的供应商评价流程；最后，利用数据挖掘技术中的数据处理方法，结合文中所提出的指标体系和评价方法进行了实证分析，并给出整个评价系统的实现过程，使得机械制造企业可借鉴该评价系统实现供应商绩效的动态管理，从而降低供应链中供应商环节的潜在风险，优化并提高各节点企业的价值，保证供应链的顺利运行。