نفت یک ماده استراتژیک مهم است که به اعضای اصلی و حیاتی بدنه ی اقتصاد و امنیت ملی هر کشوری متصل است.در همین راستا، انتخاب تامین کننده در زنجیره تامین شرکت های نفتی، تأثیر مستقیم بر ایمن سازی و بهینه نمودن چرخه تولید، پالایش و عرضه ی نفت، گاز و محصولات نفتی در کشورهای تولیدکننده و صادرکننده نفت دارد.از این رو ایجاد و داشتن یک فرآیند هدفمند و هوشمند برای بررسی و ارزیابی تامین کنندگان یکی از دغدغه ها و نیازهای اجتناب ناپذیر برای کشور ما که دارای ذخایر عظیم نفت و گاز در جهان است، می باشد. بسیاری از روش هایی که در حال حاضر به صورت گسترده در مدیریت شرکت های نفتی اعمال می شود، از روش های سنتی انتخاب تامین کننده بهره می جویند که متأسفانه به ارزیابی ذهنی و فردی در وزن دهی معیارهای تصمیم گیرنده، قوانین نادرست ارزیابی و ناکارآمد بودن روش های تصمیم گیری محدود می شوند. با درک و فهم این دغدغه و نیاز، در راستای کمک و ارتباط نزدیک دانشگاه با صنعت، در این پروژه با نگاه عمیق به بحث انتخاب تامین کننده در مدیریت زنجیره تامین پروژه شرکت های نفتی، با بهره گیری از تکنیک های داده کاوی و شبکه های عصبی در چرخه روش استدلال مبتنی بر مورد، به ارائه مدل جدیدی بر اساس یک چارچوب شی گرا پرداخته شده است که در انتها منجر به انتخاب و رتبه بندی بهینه ی تامین کنندگان،کاهش زمان و هزینه در پروسه ی انتخاب و همچنین کاهش خطاهای انسانی گشته است.این پلت فرم از دو بخش اصلی تشکیل شده است. بخش اول بر اساس الگوریـتم crisp-dm به تحلیل و پردازش داده های بانک اطلاعاتی تامین کنندگان می پردازد و بخش دوم با نگاه ماژولار از سه ماژول اصلی برای ایجاد و تکمیل چرخه روش استدلال مبتنی بر مورد بر اساس تکنیک های داده کاوی و همچنین یک شبکه عصبی با عنوان سیستم خبره بهره می برد.مدل پیشنهادی بر روی داده های بانک اطلاعاتی شرکت نفت و گاز پارس جنوبی پیاده سازی شد. نتایج حاصل از مدل پیشنهادی در آخر با چند مدل دیگر مقایسه می شود و نتایج نشان می دهند که مدل پیشنهادی توانسته با کاهش خطا ، افزایش دقت و بازدهی، عملکرد خوبی در زمینه انتخاب تامین کننده داشته باشد.