供应链管理是近年来在国内外逐渐受到重视的一种新的管理理念与模式，被视为是提升企业竞争力，与上、下游厂商建立信任关系的基础之一。供应商评价通过对供应链上游企业进行评价，起到了选择供应商、激励供应链合作伙伴、提高供应链绩效水平的重要作用。目前国内大多数企业并没有一个准确、客观的供应商评价体系，这无疑大大影响了供应链的性能。本文依托企业管理信息系统数据库，通过数据挖掘的方法对企业供应商供货数据进行分析，利用神经网络对供应商进行分类，从而达到对供应商进行评价的目的。主要研究内容包括以下几个方面：(1)分析了供应商评价的难点以及现有供应商评价方法的缺点，提出了一种基于数据挖掘的供应商评价模型，该模型通过对企业管理信息系统数据库中数据进行分析，从而对供应商进行评价，大大降低了供应商评价中人为因素的干扰。将模型应用到燃料供应商评价中，实验表明了该模型具有较高的准确率。(2)结合实验分析了核覆盖算法相对于其他算法的优越性。实验表明在进行供应商分类时，核覆盖算法准确率要高于交叉覆盖算法和SVM(Support Vector Machine)，且其网络训练速度比SVM要快，所产生的分类器的复杂性比交叉覆盖算法要低，因此最适合用于供应商评价中。(3)运用快速原型的开发方法进行了燃料供应商评价管理系统的设计和开发。快速原型法大大加强了系统开发过程中开发人员与用户的沟通，缩短了开发周期，提高了最终提交系统的用户满意度。本文的研究是数据挖掘技术的新应用，为供应商评价方法的研究提供了一种新思路，供应商管理评价系统使企业能够科学、合理地对供应商进行评价，为企业管理者提供了可靠的决策依据。