模糊层次综合评价法

关键词： 带电作业 网络结构 水平 引言

模糊层次综合评价法（精选十篇）

模糊层次综合评价法 篇1

配电网是输电网络与用户之间的媒介,是社会生产生活得以正常进行的直接保证[1,2]。目前我国多数城市配电网具有网络结构复杂、设备老化、智能化水平不高、带电作业水平不足等特点,其对配电网的可靠运行带来了潜在威胁[3]。对配电网进行风险评估可帮助了解其中的薄弱环节,为改造投资、优化运行提供参考。

目前针对配电网的风险评估主要集中在规划指标建立以及城市中压配电网的可靠性评估。文献[4]基于供电可靠性建立了配电网规划数学模型并利用二进制粒子群算法进行求解;文献[5]分析了传统电网评估手段的不足,在此基础上结合某城市电网的特点提出了评估模型,并基于状态枚举法对系统状态进行抽样计算;文献[6]结合目前中压配电网的实际情况建立了系统的指标体系,对相应的评价手段进行了分析。由以上分析可知目前的配电网风险评估并未充分考虑到配电网的实际特点,需进一步进行研究。

本文对配电网的风险指标进行分析,搭建了配电网风险评估指标体系,在此基础上提出了融合层次分析法和模糊评价法的多层次模糊综合评估模型。结合实例对该模型进行了求解,完成了对配电网完全风险的定量评估,得出各风险指标的重要性排名和系统整体风险级别。

1 评估基本原理

风险评估涉及许多指标因素,且难以对每个指标的评价量化,可采用模糊语言给出不同程度的评价值,最后将评价值进行综合,这种方法称为模糊综合评价法[7,8,9]。利用模糊综合评价法对微电网安全风险进行评估的过程如图1所示,1)建立微电网评价指标体系并确定其中各指标权重值,2)建立评价集,3)进行多层次模糊评价,评价结果结合评价集获得各指标的风险等级。

1.1 建立评价指标体系

记A={A1,A2,…,An},其中A代表配电网安全风险评估指标体系。将A={A1,A2,…,An}称为第一层结构模型,Ai是其中第i个一级评价指标;其中Ai={Ai1,Ai2,…,Aim}(i=1,2,…,n)称为第二层结构模型,Aim是其中第m个二级评价指标;将A ik={Aik1,Aik2,…,Aikp}(k=l,2,…,m)称为第三层结构模型,Aikp是其中第p个三级评价指标。

1.2 各指标权重值的确定

采用层次分析法(AHP)来确定各项指标的权重,用层次分析法计算指标权重,主要包含判断矩阵的构造及权重向量计算。

1.2.1 构造判断矩阵

判断矩阵表示本层有关元素相对于上层元素的相对重要性,为使比较结果定量化,文中采用1-9标度法,其中数值选取含义如表1所示。

1.2.2 确立权重

根据所构造的判断矩阵,只需求出最大特征值λmax对应的特征向量即可,该特征向量便是对应判断矩阵的权重向量。

1.3 建立评价集

对每一个指标都需进行等级评定,假设可以分为k个等级(k一般取4～9之间的数值)。记评价集为V={V1,V2,…,VP}。

1.4 多层次模糊综合评价

1.4.1 一级模糊综合评价

先对配电网安全风险评估指标体系中第三层结构模型Aik(i=1,2,…,n;k=1,2,…,m)所包含的二级指标即Aik={Aik1,Aik2,…,Aikl}进行单因素模糊评价。由于因素集中l个子因素的重要程度各不相同,因此先利用专家征询法得到Aik的权重向量Wik={uik1,wik2,…,wikl}。kikr(r=1,2,…,l)可称为Aikr=1,2,…,l)对Aik的隶属程度。确定隶属程度后,接下来确定Aikr,对应评价集Vq(q=1,2,…,p)的隶属关系rab,(a=1,2,…,l;b=1,2,…,p)。根据专家投票结果,可得到Aik(i=1,2,…n;k=1,2,…,m)的单因素模糊评价矩阵为:

作一级模糊综合评价:

式中:。为模糊合成算子。

根据上述方法,可构造出第二层结构模型Ai的单因素模糊评价矩阵Ci=(Ci1,Ci2,…,Cim)T。

1.4.2 二级模糊综合评价

对于第二层结构模型Ai={Ai1,Ai2,…,Aim},由Ai的权重向量Wi={wi1,wi2,…,win},再根据Ai的单因素模糊评价矩阵Ci=(Ci1,Ci2,…,Cim)T,作二级模糊综合评价:

根据此构造出总模糊评价矩阵D=(D1,D2,…,Dn)T。

1.4.3 三级模糊综合评价

对于第一层结构模型A={A1,A2,…,An},由A的权重向量W{w1,w2,…,wn},再根据总模糊评价矩阵D=(D1,D2,…,Dn)T,作三级模糊综合评价:

其中eq(q=l,2,…,p)分别与评判集V中的评价等级相对应,则对所求矩阵E=(E1,E2,…,En)便可根据最大隶属度原则,得到微电网安全风险的最终评估结果。

2 实例分析

以安徽省某县配电网系统为例,此系统下辖29个变电站,包含1个220 kV变电站、7个110 kV变电站、21个10 kV开闭所。10 kV配电线路120条、电缆线路18条。首先建立风险评估指标体系,以4位专家对指标间的相互影响关系进行初步判断,结合层次分析法得到各层模型的权重向量,最后针对上述县级配电网采用多层次模糊评价法结合专家意见进行评估,得到配电网安全风险的最终评估结果。

2.1 配电网风险指标体系

配电网所存在的安全风险类型可分为结构风险、运行风险、技术风险,初步建立指标体系如图2所示。

2.1.1 结构安全风险

(1)内部网架结构风险。内部网架结构是电网稳定运行的物理基础。不能正确根据电压等级分层以及根据供电负荷密集程度分区会影响变电站和线路的正常运行,另外,高低压电磁环网结构出现问题会引起负荷转移并有可能造成安全事故的扩大,也应予以考虑。

(2)主要组成部分风险。变电站、线路、负荷是微电网的主要组成部分。配电网供电能力由变电站供电能力和接纳负荷能力决定,输电能力很大程度上受线路通过负荷能力制约。负荷本身具有波动性,会使微电网的电压、功率、频率等产生波动。冲击负荷可能带来电压闪变、热冲击、绝缘老化等问题,影响配电网运行安全。

(3)重要电力通道风险:电力通道连接送电端和受电端,是电能输送的载体。通道的输电能力和可能出现的故障都会对电网安全造成影响。

2.1.2 运行安全风险

(1)自身风险:配电网可分为变电部分与线路部分,受设备老化、过载等因素影响,两者运行时具有不同程度的风险;在线监测系统是保障配网安全的有力手段,然而目前大部分城市配电网未完全安装在线监测系统[10]另外,负荷中越来越多的的谐波也会对配电网的运行造成干扰。

(2)外界影响风险:配电网运行中人为操作不当以及恶劣的天气都可能给配电网安全运行带来风险。

2.1.3 技术安全风险

(1)保护技术风险:随着负荷逐年增长,配电网改造频繁,使得网络结构日趋复杂,给各种保护动作尤其是后备保护之间的配合带来了困难。保护装置选择不合适、动作可靠性低、定值设定不合理、故障定位能力弱都会给配电网的稳定运行造成负面影响[11]。

(2)管理技术风险:配电网管理技术主要为相关班组能否进行高水平带电作业水平、巡检作业时能否有效发现潜在威胁、遇到突发故障时能否有效处理,这些方面的管理对配电网的运行都至关重要。

2.2 各指标权重的确定

由图2可知第一层结构模型A={A1,A2,A3},第二层结构模型为A1={A 11,A12,A13},A2={A21,A22}A3={A 31,A 32},第三层结构模型为A 11={A111,A112,A113},A12={A121,A122,A123,A124,A125},A 13={A 131,A 132};A21={A211,A212,A213,A214},A22={A221,A222};A31={A311,A312,A313}、A32={A 321,A 322,A323}。

采用层次法确定指标权重的关键是判断矩阵的构造,4名专家对各层模型内指标进行两两比较,按照A H P的比例尺度(见表1)得到指标间的判断矩阵。通过对4位专家构造的判断矩阵进行加权平均,得到每层模型的判断矩阵,并求解各判断矩阵得出相应的权重向量(W),最终结果如表2～表12所示。

第5第二层技术安全层

由表2～表12可见配电网风险指标体系中各指标的风险重要性程度。表2说明了三大安全风险中结构安全的权重值最高(0.637),是最主要的安全风险;表3～表5说明结构安全中网架结构权重最高(0.705 9),是结构安全风险中最重要的部分。因此,配电网运行中应重点考虑网架结构的安全性。

2.3 综合评价

风险评价集V={V1,V2,V3,V4,V5}={高,较高,中,较低,低},其中Vi=1,2,3,4,5)表示风险等级。

对第三层结构模型Aik进行单因素评价,针对实例中的县级电网,由10位专家组成的评价小组,用投票的方法,得到相应的单因素评价矩阵。根据投票结果,再综合各单因素的权重向量,可组成实例配电网风险综合评价结构表(表13)。

根据式(1)～(2)作一、二级模糊评价求得总模糊评价矩阵为:

将D代入式(3),得三级综合评价为E=(0.177,0.205 8,0.247 1,0.225 9,0.143 3)。如果将评价集V=(高,较高,中等,较低,低)中的高、较高、中等、较低、低分别设为100分、90分、80分、70分、60分,那么配电网安全风险评估的最终得分为C=(0.177 0.2058 0.247 1 0.225 9 0.143 3)(100 90 80 70 60)T=80.401分。说明此配电网系统安全风险为中等水平,具有较大的改进空间,有关部门仍需要采取措施进一步加强微电网整体的安全性。

3 结论

本文对配电网的风险指标进行分析,搭建了配电网风险评估指标体系,在此基础上提出了融合层次分析法和模糊评价法的多层次模糊综合评估模型。结合实例对该模型的求解,完成了对某县级配电网安全风险的定量评估,得出各风险指标的重要性排名和系统整体风险级别。

摘要：本文对配电网的风险指标进行分析,搭建了配电网风险评估指标体系,在此基础上提出了融合层次分析法和模糊评价法的多层次模糊综合评估模型。结合实例对该模型进行求解,完成了对配电网完全风险的定量评估,得出各风险指标的重要性排名和系统整体风险级别。

关键词：配电网,风险,定量评估,评估模型

参考文献

[1]周孝信.构建新一代能源系统的设想[J].陕西电力,2015,43(9):1-4.

[2]李红蕾,戚伟.智能电网模式下的配网调控一体化研究[J].陕西电力,2010,37(5):90-93.

[3]陈丽娟,赵凯.2003年全国电力可靠性统计分析[J].中国电力,2004,37(5).

[4]李琳.提高城市配电网供电可靠性技术的研究[D].北京:北京交通大学,2014.

[5]魏远航,刘思革,苏剑.基于枚举抽样法的城市电网风险评估[J].电网技术,2008,32(18):62-66.

[6]肖峻,高海霞,葛少云.城市中压配电网评估方法与实例研究[J].电网技术,2005,29(20):77-81.

[7]曾鸣,陈英杰.基于多层次模糊综合评价法的我国智能电网风险评价[J].华东电力,201 1,39(4):536-539.

[8]吴旭,张建华.输电系统连锁故障的运行风险评估算法[J].中国电机工程学报,2012,32(34):74-82.

[9]吴国伟,袁志慧,徐成杰.基于模糊理论整流变压器可靠性的分析[J].电工电气,2012,(10):21-24.

[10]刘健.中国配电自动化的进展及若干建议[J].电力系统自动化,2012,36(19):52-55.

模糊层次综合评价法 篇2

以西北某灌区为例,利用模糊层次综合评价法对工程生态环境影响进行了评价,首先将总体生态环境评价作为最高层次的`评判对象,将自然、生态和社会环境3个子系统作为第2层次评判对象,将生态环境组成要素如土质、地表水文等8个要素作为第3层评判对象,将水质、植被等15个要素作为第4层次评判对象.模型建立后,对各因素的权重进行了分析,对灌区最后的综合评价是很好,模型分析结论与实际情况相符.

作 者：刘俊民 杨平方增强 马玉峰 作者单位：刘俊民,杨平(西北农林科技大学水利与建筑工程学院,陕西,杨凌,712100)

方增强,马玉峰(安徽省水利水电勘测设计院,安徽,合肥,230022)

模糊层次综合评价法 篇3

【关键词】层次分析法；模糊综合评价法；辅助决策支持系统

决策是人们进行选择或判断的一种思维活动，人们几乎每时每刻都需要决策，有些决策是简单容易的，有些决策是复杂困难的，它们常常困扰着人们。决策是是科学也是艺术，说它是科学因为人们进行着选择和判断应当尽可能的符合客观实际，这就要求决策者尽可能真实的了解问题的背景、环境和发展变化规律，尽可能详尽的占有资料，尽可能广泛的掌握正确的决策方法和各种辅助工具。说它是艺术，因为各种选择和判断最终是有人作出的，决策的正确与否优良可劣，与决策者的素质、经验、才能有很大的关系。

数学工具在决策中起着重要的作用。在复杂的决策问题面前，人们往往需要利用数学模型对实际问题进行抽象和简化，进而对实际问题进行系统分析，在决策过程中利用数学模型的优点在于：分析问题容易，目的性强，可进行模拟计算，便于应用计算机等先进手段。由于人们的选择和判断往往是在某种思维下进行的，在这个标准下做出“好的”决策，这就促成了决策有关的应用数学分支；线性规划、非线性规划、多目标规划、多准则决策……的迅速发展，最优化技术几乎成了决策分析的代名词。到了本世纪七十年代末、八十年代初，最优化技术发展的越来越抽象，使绝大多数工程技术人员望而生畏，数学模型的规模越来越大，对计算机内存与运算速度越来越高，一项复杂的系统分析耗资巨大，以至形成了一种数学模型的“泥潭”。在这种情况下一些有远见的运筹学家开始冷静地看待和正确的评价复杂的数学模型对决策分析的作用，问题是显而易见的，人们无法忽视或回避决策过程中决策者的选择的判断所起的决定作用。数学模型并非万能的工具，决策中有大量的因素无法定量表示。问题的答案几乎在明确不过了，运筹学家们必须回到决策的起点和终点——人的选择和判断上来，认真的研究决策思维的规律，也就是人们进行选择和判断的规律。

层次分析法的步骤：（1）确定目标和评价因素。

（2）构造判断矩阵。

判断矩阵元素的值反映了人们对各元素相对重要性的认识，一般采用1-9及其倒数的标度方法。但当相互比较因素的重要性能够用具有实际意义的比值说明时，判断矩阵相应元素的值则取这个比值。即得到判断矩阵S=（u）。

重要度判断矩阵需要将每个元素作两两比较，可能的取值是1，2，…，9及其倒数1，1/2，1/3，…，1/9。以前者相对后者的重要度为例，标度的具体含义如表所示。如果后者比前者重要，则取成对应的倒数。实际使用过程中，如果不需要9级的标度，也可以仅采用1，3，5，7，9的5级标度，不采用2，4，6，8的过渡值。

（1）计算判断矩阵。

计算判断矩阵S的最大特征根λ，及其对应的特征向量A，此特征向量就是各评价因素的重要性排序，也即是权系数的分配。

（2）一致性检验。

为进行判断矩阵的一致性检验，需计算一致性指标CI=，平均随机一致性指标RI。RI是用随机的方法构造500个样本矩阵，构造方法是随机地用标度以及它们的倒数填满样本矩阵的上三角各项，主对角线各项数值始终为1，对应转置位置项则采用上述对应位置随机数的倒数。然后对各个随机样本矩阵计算其一致性指标值，对这些CI值平均即得到平均随机一致性指标RI值。当随机一致性比率CR=<0.10时，认为层次分析排序的结果有满意的一致性，即权系数的分配是合理的；否则，要调整判断矩阵的元素取值，重新分配权系数的值。

平均一致性指标RI可以预先计算好，作为参数表备用。论文预先计算了n从1到30的 值（如表2.2所示），最多支持进行30个指标属于同一层次的重要度排序。实际使用过程中，绝大多数情况下n<10。

模糊综合评价：模糊集合理论（fuzzysets）的概念于1965年由美国自动控制专家查德（L.A.Zadeh）教授提出，用以表达事物的不确定性。这种方法是一种基于模糊数学的综合评价方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。

模糊综合评价的步骤：

（1）确定评价对象的因素论域。

假设同一个层次共有p个评价指标，u=

（2）确定评语等级论域。

（3）建立模糊关系矩阵R。

矩阵R中第i行第j列元素rij，表示某个被评事物从因素ui来看对vj等级模糊子集的隶属度。一个被评事物在某个因素ui方面的表现，是通过模糊向量（R|u）=（r，r，......，r）来刻画的，而在其他评价方法中多是由一个指标实际值来刻画的，因此，从这个角度讲模糊综合评价要求更多的信息。

（1）确定评价因素的权向量。

（2）合成模糊综合评价结果向量。

利用合适的算子将A与各被评事物的R进行合成，得到各被评事物的模糊综合评价结果向量B。即：

其中b是由A与R的第j列运算得到的，它表示被评事物从整体上看对vj等级模糊子集的隶属程度。

（3）对模糊综合评价结果向量进行分析。

本文使用实际中最常用的最大隶属度原则来确定最后的评价等级。

上述两种数学方法在辅助决策支持系统中的应用如下：

AHP模块：遵循面向对象的编程思想，AHP同样被设计成一个类，单独存放在文件extensions/AHP.php中。这里仅给出部分的具体实现的代码。其中矩阵特征值的计算采用的是PHP版本的JAMA库。此外，为了保持精度，AHP重要度矩阵的浮点数取值，如1/9，1/7等，采用字符串的形式存储入库。所以在此处，需要把这些字符串转为相应的浮点数后再计算。

//采用PHP版本的JAMA库的特征分解函数，直接计算特征值和特征向量

模糊综合评价模块：遵循面向对象的编程思想，模糊综合评价同样被设计成一个类，单独存放在文件extensions/FuzzyEval.php中。这里也仅给出部分具体实现的代码。

//data是二维数组，表示原始数据（或求值后的数据），行数为叶子结点数，列数为分级数（或采样点数）

//weight是二维数组，表示权重，weight[i]是i级指标权重数组，weight[0]总是只有一个元素，weight[0][0]总是1

//itemcount是二维数组，表示需要每一级需要汇总的元素行数（下级元素个数），itemcount[i]是i级指标的下属元素个数数组

//systemtype是一个数，取值0表示定性分级评估，取值1表示定量评估

public function __construct（$data，$weight，$itemcount，$systemtype）{

$this->weight=$weight；

$this->itemcount=$itemcount；

$this->systemtype=$systemtype；

$this->row=count（$data）；

$this->col=count（$data[0]）；】

本文分别阐述了层次分析法（AHP）和模糊综合评价法，介绍了AHP的相关概念以及具体的步骤；对模糊综合评价决策的数学模型做了详细的描述，给出建模的步骤以及运用这两种方法在辅助决策支持系统中起到的作用，并给出了实现辅助决策支持系统运用到这两个模块的相关代码，通过对这两种方法的有效利用我们可以实现辅助决策支持系统的一些相关技术应用。辅助决策系统在我们日常的工作中的应用非常广泛，通过人机交互的方式进行半结构化或非结构化的决策从而起到辅助决策的作用。

【参考文献】

[1]郭金玉，张忠彬，孙庆云.层次分析法的研究与应用[M].中国安全科学.

[2]储敏.层次分析法忠判断矩阵的构造问题 [J].南京：南京理工大学，2005，9，12.

[3]许雪燕.模糊综合评价模型的研究及应用[J].西南石油大学，2012，1，16.

模糊层次综合评价法 篇4

奖金的发放问题是一个非常有现实意义的问题,给出合理的安排方式,不只是在学校等事业单位有着突出的作用,而且在大多数的企业单位也有这举足轻重的地位。奖金发放问题的关键就是如何确定各个指标的权重。

作为定性分析和定量分析综合集成的常用方法,模糊综合评价(Fuzzy Comprehensive Evaluation)已在工程技术、经济管理和社会生活中得到广泛应用。目前模糊综合评价的研究难点之一,就是如何科学、客观地将一个多指标问题综合成一个单指标的形式,以便在一维空间中实现综合评价,其实质就是如何合理地确定这些评价指标的权重。此外层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法。将这两种方法结合起来处理问题,有时候会起到很好的效果。

2. 权重确定模型

2.1 升岭型分布

根据指标基本特性,我们认为规范化的关键一步是作性态分析,所谓性态分析,是对指标的一些定性特征作详细分析,最终确定指标规范变换的模式。这些特征包括:指标所属类型(成本,效益等),这里称之为静态分析;指标动态特性分析(越大越难,越小越难等);待评指标值上下限;待评指标值是否跨越难易点等。对效益型指标,大致可分为直线型、饱和型、越大越优型、难易转换(Ⅰ)型、难易转换(Ⅱ)型等5种基本性态。

2.2 模糊综合评价

为了度量判断矩阵是否具有满意的一致性,这里引入判断矩阵的平均随机一致性指标系数RIC(n)值,参见表1。当判断矩阵的一致性指标系数CIC(n)<0.10时,可认为该判断矩阵具有满意的一致性,据此计算的各评价指标的权重值是可以接受的;否则需提高参数d,直到具有满意的一致性为止。

2.3 层析分析法

层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的方法。大体上可按下面三个步骤进行:(1)建立递阶层次结构模型;(2)构造出各层次中的所有判断矩阵;(3)层次单排序及一致性检验。

2.3.1 递阶层次结构模型的建立

(1)最高层:这一层次中只有一个元素,一般它是分析问题的预定目标或理想结果,因此也称为目标层。(2)中间层:这一层次中包含了为实现目标所涉及的中间环节,它可以由若干个层次组成,包括所需考虑的准则、子准则,因此也称为准则层。(3)最底层:这一层次包括了为实现目标可供选择的各种措施、决策方案等,因此也称为措施层或方案层。

2.3.2 构造判断矩阵

2.3.3 一致性检验

(1)计算一致性指标

(2)查找相应的平均随机一致性指标RI。对n=1,…,9,如表2所示:

(3)计算一致性比例。当CR<0.10时,认为判断矩阵的一致性是可以接受的,否则应对其作适当修正。

3. 实例分析

某大学某系接受了一企业的赞助,系领导决定拿出一部分资金奖励教师,奖励政策只考虑下列因素:教师职称、工龄、学历、教学情况(如表3),要求我们运用科学的方法给出一个对所有教师都奖励的合理的奖项安排政策。

说明:职称中的1,2,3分别表示高级、中级、初级;学历中的1,2,3分别表示博士、硕士、本科;教学中的1,2,3分别表示好、一般、差。

我们的目标就是给这18位教师进行一个客观的排名,也就是根据现有的有关他们的数据给他们打分,然后根据分数进行排名,并且将工龄以5年为单位分成6个等级,然后把职称、学历和教学的1、2、3看成是3个等级,而不是纯粹的数据,再用隶属函数的升岭型分布将它们进行规范化处理,然后对四个指标进行标准化处理。考虑到职称、工龄、学历、教学等因素在实际应用中可能占有不同的比重,因此需求出各指标权重。我们利用层次分析法和模糊综合评价两种方法求解权重,然后将两种方法的权数整合到一起。

3.1 工龄的标准化处理

首先将工龄以5年为单位分成6个等级,工龄中的1,2,3,4,5,6则是根据他们的年龄由大到小进行的分类。也就是说在5年的单位内他们的工龄性质上面是一致的,这样方便对于数值有一个宏观的把握。

3.2 指标的规范化处理

由于职称、学历和教学的1、2、3只是3个等级的代名词,并不是纯粹的数据数值,因此我们不能直接用于计算应用,因此我们利用隶属函数的升岭型分布将它们(包括工龄的指标)进行现行规范化处理。

由于职称、学历和教学三个的标准是一样的,在利用上述公式时,我们选取C1为2,C2-C3为0.8,在计算工龄的时候,我们选取C1为3.5,C2-C3为0.5。

3.3 数据的标准化处理

在此基础上,我们利用模糊综合评价对相应的四个指标进行量化,为了尽可能保持各评价指标值的变化信息,我们选取越小越优型指标的标准化处理公式。

3.4 指标的权重处理

在得到最新数值的情况下,我们分别利用层析分析法和模糊综合评价方法对以上数据进行整合,分别求出4项指标的权重。

(1)层次分析法

利用特征矩阵归一化后得到以下权重数据:

层次分析法的检验:

通过计算机编程求解得到判断矩阵的一致性比例CR=0.0304。

由于CR<0.10时,认为判断矩阵的一致性是可以接受的,因此,我们认为用层次分析法求得的各指标权重是有效的。

(2)模糊综合评价法

可用各评价指标的样本标准差:

最后,归一化得到以下数据:

通过计算机编程求解得到判断矩阵的一致性指标系数CIC(n)=0.0025。

当CIC(n)<0.10时,可认为该判断矩阵具有满意的一致性,因此,用模糊综合评价法求得的各指标权重是有效的。

最后将这两种方法进行加权平均,考虑到层次分析法含有我们的主观意念,而且它的一致性指标要大于模糊综合评价的一致性指标,我们给予0.4的权重,而给予模糊综合评价0.6的权重,最后得到以下相对满意的权重:

4. 结论

本文针对指标权重模型建立的规划模型能与实际紧密联系,用到层次分析法和模糊综合评价两种方法,两种方法相互印证受主观因素影响小,此外,根据指标基本特性运用了升岭型分布方法对指标进行规范化处理,使得模型更加科学和严谨,具有很好的通用性和推广性。对于具体问题来说,其各个指标之间可能会存在不同的联系,在处理这些问题时应当再进一步挖掘它们内在的关联,使得问题的解决更加科学合理。

参考文献

[1]王友青、姚明亮.模糊理论在职工绩效考核中的应用研究[J].北京电子科技学院学报,2006(3):88-90.

[2]宋兆基.Matalab6.5在科学计算中的应用[M].北京:清华大学出版社,2005.

[3]严军花、王九群、李秋英.高校教师教学质量的多层次模糊综合评价模型及其应用[J].河北工程大学学报,2007(9):95-96.

模糊层次综合评价法 篇5

摘要：结合目前煤矿灾害事故的特点和规律,根据影响煤矿安全的因素建立了煤矿安全性评价指标体系,首次采用模糊层次分析法(FAHP)建立煤矿安全综合评价模型并进行了实例分析.结果表明,通过该方法来确定煤矿安全评价的指标权重是可行的.,具有一定的理论意义和实用价值.作 者：房其贤    来志伟    徐杨    FANG Qi-xian    LAI Zhi-wei    XU Yang 作者单位：房其贤,FANG Qi-xian(淄博矿业集团有限公司,岱庄煤矿,山东,济宁,27)

来志伟,LAI Zhi-wei(神华神东煤炭集团上湾煤矿,内蒙古,鄂尔多斯,017209)

徐杨,XU Yang(中国矿业大学安全工程学院,江苏,徐州,221116;煤炭资源与安全开采国家重点实验室,江苏,徐州,221008)

期 刊：能源技术与管理 Journal：ENERGY TECHNOLOGY AND MANAGEMENT 年，卷(期)：, “”(2) 分类号：X913.4 关键词：煤矿    安全评价    模糊层次分析法   

模糊层次综合评价法 篇6

【关键词】煤矿；安全文化；安全评价；层次分析法；模糊综合评价法

2015年，我国煤矿百万吨死亡率为0.157，再创历史新低，十年内我国的煤矿百万吨死亡率下降到原来的1/20。然而，与世界发达国家相比，仍差距较大。以美国为例，作为世界第二大产煤国，煤矿年死亡人数30人左右，百万吨死亡率长期控制在0.1以下，特别近几年来，其百万吨死亡率降到了0.03。因此，“软”的安全管理水平成为制约我国煤炭安全的最重要的因素。

一、国内煤矿安全文化研究现状

我国安全文化建设取得了较好的成效：在建设方面，出现了具有社会主义市场经济条件下的企业安全文化模式；在传播方面，出现了全民安全文化，决策层的安全文化，管理层的安全文化和员工层的安全文化；在理论创新发展方面，很多的新理论和新成果已经渗透到安全文化的器物层次、制度层次、精神智能层次和价值规范层次，2008年，资深教授郝占刚应用了一种基于DEA的评价模型，为大型煤矿企业提供了一种比较准确复杂的的评价系统。

二、建立煤矿安全文化评价指标体系

结合国内外研究现状及煤矿安全管理的实践经验，可以从人、机、环、管4个方面分别建立评价的一级指标，一级指标之下又分别有以下12个二级指标：

三、模糊综合评价法建立模型

1.层次分析法

层次分析法是将决策问题按总目标、各层次目标、评价准则直至具体备选方案的顺序分解为不同的层次结构，然后用求解判断矩阵特征向量的办法，求得每一级的各指标的优先权重，最后再加权和的方法求得对总目标的最终权重，此最优权重者即为最后结果。

2.综合评价得到结果

对二级指标做完单因素评价后，要对一级指标做综合因素评价，用各一级指标对应的二级指标的评判结果左乘以一级指标的權重，即可以达到最后的评价结果。即

四、实例应用

由于应用模糊综合评价法和层次分析法模型评价煤矿企业安全文化需要进行问卷调查，为了增加权重计算的权威性，选取了30位安全工程专业的专家和煤矿一线通风、安全管理者进行了访问调查，前后总共发问卷30份，收回30份。经过一次性检验，合格问卷30份，共同构成了独立完整的评判矩阵。

1.初级评判

（1）对环境的安全文化指标进行评价

对环境的安全文化打分构成的模糊矩阵：

五、结论

该煤矿安全文化的综合得分为74.02，等级为三级，安全文化需要发展。可以从以下两个方面进行改善：1.重点抓管理，首先建立专业性的管理机构，建立健全的管理制度，必要的话，可以引进国外先进的管理模式。除此之外，更重要的是聘请专业的、高水平的安全管理人员，加强企业各方面的安全管理，并且制定必要的奖罚制度，提高员工积极性。2.在环境方面，重点改善作业场所安全环境，严格执行国家和行业标准，有效控制影响员工生理、心理的作业环境，进而改善作业环境。

参考文献：

基于层次模糊评价法的供应商选择 篇7

1 生产企业供应商选择方法

1.1 供应商选择的考虑因素

供应商的选择,是搞好供应商管理的前提。供应商的选择将直接影响到企业的生产和销售,对企业的影响巨大[3]。一般而言,我们可以用层次结构图来描述影响供应商选择的各个因素,具体如图1所示。

图1是一个包含有四个层次的综合评价指标体系,第一层是目标层,影响供应商选择的具体因素建立在指标体系的第二层,与其相关的细分因素建立在第三层,最底层是方案层,表示要选择解决问题的各种方案[4]。

1.2 研究思路

对于企业供应商选择的常用方法一般有ABC分类法、多目标数学规划法、层次分析法、数据包络分析法、模糊综合评价法和人工神经网络算法等[5]。由于影响目标层供应商选择的因素很多,在判断过程中存在着一定的复杂性和模糊性,特别是随着经济全球化和信息技术的发展,供应商选择成为一个复杂而繁琐的过程,它受到各种不确定性的客观条件的影响,使供应商选择具有一定的风险性,因此有必要选择一种系统的方法来分析评价。层次分析法和模糊评价法相结合的方法可以使供应商的选择研究得到简化和系统化,其基本思路主要是通过对影响因素的分析和筛选,建立评价指标体系,并以层次分析法来确定相应指标权重,在此基础上,专家对各指标进行隶属度评价,通过模糊隶属关系,得出各个供应商的优劣比较[6]。

1.3 供应商选择的层次模糊评价方法步骤

步骤一:建立层次结构模型(如图1)。

步骤二:列出影响供应商选择的n个因素,并构成因素集B=(B1,B2,…,Bn),有的因素还含有子因素,须建立子因素集Bi=(Ci1,Ci2,…,Cik),i=1,2,…,n[7]。

步骤三:确定各因素权重。

由于各个因素的重要程度不一样,因此须对每个因素和子因素赋予不同的权重,这里采用的方法是层次分析法,具体如下:

先构造判断矩阵。即以上一级的某一元素作为比较准则,对本级的要素进行两两比较来确定矩阵元素,这里判断矩阵的构造采用美国运筹学家萨蒂(A.L.Saaty)提出的9标度法。由判断矩阵可得到第一级指标权重W=(W1,W2,…,Wn)和第二级指标权重Wi=(Wi1,Wi2,…,Wik),i=1,2,…,n。其中,

再进行一致性检验。计算一致性指标:

其中,λmax表示判断矩阵的特征值中的最大值,n为矩阵阶数,查平均一致性指标表,得平均随机一致性指标RI,计算一致性比例CR=CI/RI,当CR<0.1时,则可认为判断矩阵的一致性是可以接受的[8]。

步骤四:对各因素进行评价,建立第一级评判矩阵,并进行一级模糊综合评判[7]。

先确定评价尺度V=(很差,差,一般,好,很好),由专家对因素集B中的每一个因素进行评价,建立评判矩阵,专家评判所得到的数字是指同意这种评价的专家人数与专家总人数的比值。将第二级指标权重和第一级评判矩阵作合成运算这里m为供应商的数量,“·”表示合成运算,即取小取大运算。

并归一化得到第二级评判Dm,按照隶属度最大原则,得出最佳结果。

2 实例分析

某公司要在三个原材料供应商D1,D2和D3之间进行选择,考虑因素如前所述。

2.1 建立供应商因素集及子因素集

评判集V=(很差,差,一般,好,很好)或V=(很低,低,一般,高,很高)。

2.2 应用层次分析法确定各因素权重

将具体因素层B中各指标分别对上一层指标建立判断矩阵,得出第一级指标权重值;再对细分因素层C中各指标分别对相应的上一层指标建立判断矩阵,得出第二级指标权重。计算结果如下(计算过程略):

从以上结果可以看出,判断矩阵具有满意的一致性。

2.3 根据专家评判得到评判矩阵并进行第一级综合评判

根据表1即可构造B1~B4的评判矩阵R1,R2和R2(R1、R2、R3分别对应于供应商1、供应商2、供应商3)。

将第二级指标权重和评判矩阵作合成运算,并归一化可得出各供应商的第一级评判。

因此,供应商1对应于B1,B2,B3,B4的第一级评判分别为:

供应商2对应于B1,B2,B3和B4的第一级评判分别为:

注:B1~B4对应于各供应商的每一行。

供应商3对应于B1,B2,B3和B4的第一级评判分别为:

2.4 根据第一级评判结果得到第二级评判结果

第二级评判矩阵根据第一级指标权重W与第二级评判矩阵R的合成运算并归一化,可得出供应商的第二级评判结果。

因此,供应商1的第二级评判为:D1=D0.135,0.135,0.267,0.269,0.194D

供应商2的第二级评判为:D2=D0.046,0.176,0.395,0.240,0.143D

供应商3的第二级评判为:D3=D0.053,0.106,0.417,0.257,0.167D

2.5 按照隶属度最大原则,选择供应商

对于供应商1,max D1=0.269;对于供应商2,max D2=0.395;对于供应商3,max D3=0.417。

由以上结果显示,max D3>max D2>max D1

所以,供应商3是最好的选择。

3 结论

本文将层次分析法和模糊理论综合应用到供应商选择分析中,充分考虑了供应商提供的货物状况、生产能力、企业信誉和企业生产的先进性各因素的影响,建立了相应的评判模型,使计算机的决策支持程度得到了提高,形成了完善的供应商综合评价理论体系,具有一定的应用价值。

摘要：供应商选择是供应链管理的重要内容之一。文章在分析供应商选择评价指标体系的前提下,建立了基于层次分析法和模糊评价法的层次模糊评价法。该方法避免了不确定性对供应商选择结果的影响,为供应商的选择提供了一个更为科学、合理的方法。

关键词：层次分析法,模糊评价法,供应商选择

参考文献

[1]邹辉霞.供应链物流管理[M].北京:清华大学出版社,2006.

[2]邵正宇,鞠远萍,勾萍.供应链模式下制造企业选择供应商的模糊方法[J].物流管理,2007(6):30-31.

[3]采峰.现代企业物流[M].大连:东北财经大学出版社,2005.

[4]赵林度.供应链与物流管理理论与实务[M].北京:机械工业出版社,2003.

[5]贺红燕,朱军勇,许丽红,等.供应商选择方法综述[J].河北工业科技,2005,22(5):308-311.

[6]吴隽,赵克非.供应链管理下的企业绩效评价指标体系研究[J].物流科技,2004(27):86-89.

[7]姚敏,黄燕君.模糊决策方法研究[J].系统工程理论与实现,1999(11):61-64.

模糊层次综合评价法 篇8

1 信息系统评价指标体系的构建

信息系统评价工作的一个重点就是建立评价指标体系,,即确定从哪些方面来评价信息系统。在遵循系统性、可测性、层次性以及定性与定量关系的基础上从系统性能、系统效益、系统的技术、系统的可操作性4类指标,在这四类指标下共有25个具体指标。

1.1 系统性能(B 1)

系统可靠性(C 1)、系统效率(C 2)、可维护性(C 3)、系统安全性(C 4)、系统实用性(C 5)、适应性(C 6)、可共享性(C 7)、系统寿命(C 8)、可扩充性(C 9)、可移植性(C 10)共10个子指标。

1.2 系统效益(B 2)

直接经济效益(D 1)、战略效益(D 2)、技术效益(D 3)、间接经济效益(D 4)、具体运作效益(D 5)共5个子指标。

1.3 系统的技术(B 3)

准确度和精确性(E 1)、及时性(E 2)、存取能力(E 3)、资源利用率(E 4)、规范性(E 5)、开发效率(E 6)共六个子指标。

1.4 系统的可操作(B 4)

数据输入方式(F1)、输出(F2)、文档完备性(F3)、界面友好方便性(F4)共四个子指标。

2 改进的信息系统层次多级模糊综合评价模型

该模型建立的基本思想是:首先,利用改进的基于三角模糊数AHP(TFAHP)法获得对系统的多个因素的分析,计算出每一层次相对上一因素的相对重要性的权重值;然后,确定信息系统评语集;对影响它的4个方面25子个指标的内容利用改进的模糊综合评价方法进行多级模糊综合评价。其具体实施步骤如下:

2.1 改进的TFAHP法的权重确定

2.1.1 判断矩阵的建立

在文献[1]中给出了TFAHP法采用三角模糊数评判方法确定权重值,较传统的AHP法的合理之处在于利用了3个不同的值来表示某因素值,能较全面的反映不同专家对某因素的判断。但它在确定最终判断值采用以3个不同的值加权平均值为参考利用决策者的喜好决定方法,这种处理方式给出的结果仍然是定性判断而不是定量准确值。

在此提出一种改进的TFAHP法的方法,它的具体实施步骤如下:

(ⅰ)不同专家利用标度法发给出各自的传统判断矩阵建立两个矩阵:比较矩阵B,B=(bij)nn,其中元素bij=[lij,mij,uij]是一个以mij为中值的闭区间。根据中值mij构造模糊中值矩阵M=(mij)nn

(ⅱ)构建模糊评判调整因子S。

利用模糊比较矩阵B得到如下矩阵S:

其中为标准偏离率,它的值越小表示专家的判断越一致偏差越小,因此可以利用S对模糊数中值矩阵M进行调整,使之能更加准确。

(ⅲ)计算调整矩阵M'。利用S对原M的值进行修正,M'=M×S。

(ⅳ)得到最终判断矩阵A,将M'按列转化成对角线为A～i的矩阵A。

2.1.2 计算

判断矩阵A的特征值A和特征向量:λmax为A的最大特征根,为相对一级指标i的二级指标权重数,W～为相对总指标的一级指标权重。

2.1.3 一致性检验

我们可以由λmax是否等于n来检验判断矩阵是否为一致矩阵。由于特征根连续的依赖于aij,故λmax比n大的越多,A的非一致性程度也越严重,λmax对应的标准化特征向量也就不能真实反映子指标对上一级指标影响所占的比重。

2.2 改进的模糊综合评价法的评定

2.2.1 确定评语集合论域Vn

2.2.2 确定隶属度

用隶属度函数等手段确定各子因素相对于评语集的隶属度,得到了单因素的模糊评价矩阵Ml

2.2.3 改进的一级模糊综合评价

确定进行二级模糊综合评价模糊矩阵R～[R1,R2,……Rl,……Rk]T(k为一级指标项的数目)。利用上面的Ml和相对于某一级指标的二级指标权重={a1,a2,…,am}(利用TFAHP法求得)为模糊向量(m为相对于某一级指标的二级指标项目数),计算一级隶属度。

在此对传统的计算Rl方法进行了改进,利用取权与单因素隶属度的乘积代替了模糊变换中的取大取小的算法。此改进的目的在于:在“标准”的模糊综合评价算法中Rl计算方法为:

把r′lj作为样本X就m个指标对第j类Cj的综合隶属度。事实上,这样计算的不能综合反映X对Cj的综合隶属情况,这是因为在进行ai∧miij的运算时,只选取了部分信息,而丢掉了某些更重要的信息。而取权与单因素隶属度的乘积aimlij,就综合反映了样本就因素对类Cj的隶属情况,综合考虑各单因素的影响后,样本对Cj的综合隶属度可表示为故一级隶属度Rl为

2.2.4 二级模糊综合评价

利用一级指标的权重W～={W1,W2,…,WK}及其模糊矩阵R进行二级模糊综合评价,其具体形式为:

2.2.5 评价结果的确定

在传统的模糊综合评价方法中对归一化后利用最大隶属度法得到评价对象的评定结果。由于该评语集V本身具有模糊性,所以根据最大隶属度法得出的软件综合评价结果较粗。因此,在此我们对传统的方法又进行了改进,对各个评语实行百分制记分的办法:50≤c1<60(差),60≤c2<70(合格),70≤c3<80(中等),80≤c4<90(良好),90≤c5<100(优秀)。这样就得到一个分数向量C={c1,c2,c3,c4,c5}有了分数向量后我们可以计算得分:

最终得分为C=(C高+C中+C低)/3,用定量的方式表示评价结果。

3 实例研究

在此组织了16位专家并结合陕西省渭南市审计局的“审计软件开发”科研任务,以渭南市机床厂的《“星火”高效节能促产》项目为依托,从该公司实际情况得到了反映该企业信息系统需求的基础数据,并组织开发了适合该企业的“星火”信息管理系统,利用改进模型对其进行评价,过程如下:

3.1 改进的TFAHP法的权重确定

结合本公司的实际对评价指标进行了简化,计算出各自的最大特征根λmax和相应的排序向量W,进行一致性检验,其具体数据如下。

3.2 模糊综合评价法

3.2.1 确定评语集合论域

V={优秀、良好、中等、合格、差}。

3.2.2 计算

采用模糊统计方法或逐级估量法确定对评价集的隶属关系。式中:nij为第i个指标评语为Vj的次数,n为参与评价专家的人数。模糊统计就是让参与评价的各位专家,根据评语调查表,按划定的5个评价等级{优秀、良好、中等、合格、较差}给各评价指标确定等级,然后依次统计各评价因素等级Vj的频数nij,计算各指标的隶属度mij。

3.2.3 改进的一级模糊综合评价

利用改进的模糊综合评价方法得到单因素的评价矩阵为:

3.2.4 二级模糊综合评价

3.2.5 评价结果的确定

对各个评语实行百分制记分的办法:50≤c1<60(差),60≤c2<70(合格),70≤c3<80(中等),80≤c4<90(良好),90≤c5<100(优秀)。这样就得到一个分数向量C={c1,c2,c3,c4,c5}有了分数向量后我们可以计算得分:

对评论进行定量化处理后,该管理软件的最高得分为85.07>85;最低得分为76.07>75。故该软件只能评为“良好”。

4 评价效果分析与结论

对于评价模型使用效果在此从两方面进行分析:

(1)基于上述评价结果,在本软件投入一段时间运行后对单因素(系统性能、系统效益、系统的技术、系统的可操作)和整体软件的实际使用效果利用统计软件进行了统计,得到了图1的结果。以系统性能这个单因素为例:单因素的评价矩阵第一行为该因素的模糊评价结R1=(0.3310.374 0.125 0.279 0.089)归属于“良好”的隶属度最大与投入使用后的统计的实际效果相一致,研究表明该模型能够较客观准确的完成评价。

(2)选定了现行行业中较成熟的88个信息系统,分别利用文献[1]中TFAHP与模糊综合评价相结合的评价算法与本文中设计的评价算法进行评价,对评价结果进行统计分析得到了如图2、图3所示的分布规律。传统算法的统计结果呈现出“正负双向偏态分布”,而本文中设计的评价算法的评价结果正好满足正态分布的特征,造成这种差异的原因在于两方面:其一,文献[1]中TFAHP权重结果受决策者的主观判断影响所以存在着偏差;其二,传统的模糊综合评价利用“取大取小”方法以点盖面使得大量的有效信息丢失。从该比较可以看出本文设计的评价模型能够较全面、准确地反映被评价对象状态。

参考文献

[1]李玉琳,高志刚,韩延玲.模糊综合评价中权值确定和合成算子选择.计算机工程与应用,2006;23(5):38—42

[2]Loargoven Van,Pedrycz W.Afuzzy extension of saaty's priority theo-ry.Fuzzy Sets and Systems,1983;11(1):229—241

[3]Lycett M.Component-based informat-ionSystems:toward a framework for evaluation.Proceedings of the33rd Hawaii InternationalConfer-ence on System Sciences-2000

[4]熊德国,鲜学福.模糊综合评价方法的改进.重庆大学学报,2003;6(6):93—95

[5]张灵莹.定性指标评价的定量化研究.系统工程理论与实践,1998;18(7):98—101

模糊层次综合评价法 篇9

建设工程监理是一个由多学科、多专业构成的技术密集智能型组织,它在工程建设实施过程中起着举足轻重的作用。目前,我国的建筑市场已基本形成了监理、建设单位和承包单位三大平等、独立的工程建设主体。监理单仁岌巨工程建设中作为最主要的协调者和管理者,对工程的顺利进行和圆满成功都起到了至关重要的作用,如何对工程监理中的效果进行评价,是需要亟待解决的问题。由于在国内、外尚无对监理控制效果评价指标体系的规定,因此本文突破性的提出,基于模糊层次分析法来建立监理控制效果评价指标体系,并以SZ项目为背景进行实践。

2 监理控制效果评价指标体系的建立

SZ大厦建筑面积为56 300m2,采用筏板基础,框架剪力墙结构,楼板、屋面板结构形式为大跨度预应力现浇钢筋混凝土连续板带结构。该工程具有工期短、任务重、结构复杂、施工场地狭小、楼内系统繁多等特点。工程施工阶段在实施监理的过程中暴露出诸如监理定位不明确;监理业务能力不高;监理取费过低和监理人员待遇较低等一系列问题。通过与其他项目监理的沟通,发现以上这些问题,在各个工程均有不同程度的发生,是工程施工过程中的典型问题,也是监理工作存在的通病。为了综合、全面评价并反映SZ大厦监理控制效果,我们在预测指标体系的设置上采用理论分析、专家设计、问卷调查、多数选择,具体说,首先进行理论分析,基于管理学的研究,由专家设计一个指标体系的框架,然后,采取问卷的方式,由经营管理者、员工以及其他利益相关者来说明,哪些因素重要,哪些指标更能反映转型风险监理控制效果。

由于在国内、外尚无对监理控制效果评价指标体系的规定,因此基于对SZ大厦施工监理内涵的理解,根据监理工作的要求,按照上述原则,选出了评价的主要指标,整体指标体系分为5个大类,分别是:监理人员水平指标(B1)、监理质量控制指标(B2)、监理进度控制指标(B3)、监理投资控制指标(B4)、监理安全控制指标(B5)。对于指标体系的详细分析如下:

1)监理人员水平指标(B1)

SZ大厦施工过程中的监理控制,人是控制的主体也是控制的具体实施者,因此监理人员的水平直接影响到控制力度和整体效果。

监理人员水平指标(B1)包括了5个子指标:即人员资质指标(C1)、专业能力指标(C2)、工作态度与作风指标(C3)、监理程序熟悉度指标(C4)、监理手段的运用指标(C5)。

2)监理质量控制指标(B2)

SZ大厦施工过程中的质量控制贯穿于施工准备工作阶段、施工阶段、工程竣工阶段等项目建设的全过程,各阶段对工程质量的影响具有连续性和相关性。监理质量控制指标(B2)包括5个子指标:即质量控制计划指标(C6)、质量保证体系指标(C7)、施工单位资质审核指标(C8)、质量控制方案指标(C9)、设备材料检验指标(C10)。

3)监理进度控制指标(B3)

施工进度的内容包括很多,例如:根据SZ大厦施工工期制定施工进度节点、施工分区的划分及施工顺序、各工序施工工艺要求所预留的合理工期、施工工序之间合理的搭接、各专业之间穿插施工的安排、施工节点的进度保证措施等,内容涵盖了土建、给排水、暖通、空调、电气等多个专业。

监理进度控制指标主要包含4个子指标:即进度计划审核指标(C11)、进度检查及措施指标(C12)、进度控制方案及风险防范指标(C13)、进度报告及建议指标(C14)。

4)监理投资控制指标(B4)

监理投资控制是工程施工监理中4大控制目标之一,同时也是甲方最为关心的一项内容,投资控制是否到位直接影响甲方对监理公司的满意度。监理投资控制指标(B4)选取了4项子指标:即工程计量指标(C15)、工作量统计及分析报告指标(C16)、工程成本风险防范对策指标(C17)、工程结算指标(C18)。

5)监理安全管理指标(B5)

安全管理的监理工作应涵盖现场施工安全的各个方面,须督促施工单位贯彻国家、地方安全生产的法律、法规,按建设工程安全生产管理法规标准,组织施工,落实各项安全技术措施。SZ大厦施工工程监理安全控制指标主要包含了5个子指标:即安全控制方案指标(C19)、安全控制体系指标(C20)、安全风险及防范措施指标(C21)、应急安全预案指标(C22)、安全责任制指标(C23)。

根据SZ大厦的实际情况制定详细的安全责任制,将安全责任落实到人,形成齐抓共管、人人有责的安全责任体系。

3 SZ大厦监理控制效果的模糊综合评价

根据模糊综合评价法的一般程序,现对SZ大厦施工监理的效果进行评价。

1)确定评语集

SZ大厦施工监理效果的综合评价可以给出评语集V={很好,较好,一般,较差,很差}。

2)进行单因素评价,得出变换矩阵进行单因素评价,分别从各个评价指标R={ri j}来考虑参评项目SZ大厦施工监理效果的各种表现进行评分等级j的隶属程度Vij。这里采用同行评议统计法,即通过同行评议并汇总测评结果,从统计评语比率r中得到。假设聘请12位专家组成评议小组进行评价,为了统计计算的方便,将各隶属程度用分数表示,即在12位专家中有几位赞同。

3)确定评价指标的权数分配

这里采用层次分析法求解指标体系的权重。指标体系见表1。

构造第二层相对第一层的判断矩阵,见表2。

由此可知,一级指标监理人员水平指标(U1)、监理质量控制指标(U2)、监理进度控制指标(U3)、监理投资控制指标(U4)、监理安全控制指标(U5)的权重分别为0.1、0.318、0.205、0.277、0.1,其中监理质量控制指标(U 2)为0.318,在5个一级指标中最大,表示SZ大厦施工监理中质量最为重要。

以此类推,得出SZ大厦施工监理效果评价数据表3。

4)综合评价

由于SZ大厦施工监理效果评价指标体系具有多层次结构特点,因此运用多层次模糊综合评价模型进行评价。由表中得知评级等级为5级,即V={1,2,3,4,5}。

(1)对第二层指标上进行单因素评价。为了节省篇幅,仅以对U1上的单因素评价为例。

在U1上的变换矩阵为:

已知U1上的各影响因素的权重系数矩阵为:

则可以得到项目监理组织机构及工作制度U1上的评价结果:

同理可求:

(2)根据多层次模糊综合评价的运算规则,二级指标评价的结果应作为一级指标的变换矩阵。

从表中得知第一层因素的权重系数矩阵为:

则一级指标U上的综合评价结果如下:

(3)根据SZ大厦施工监理效果综合效果得分表,如图1所示,SZ大厦施工监理效果综合评分为2.85,落在监理效果一般区间。

4 结语

我国的监理行业虽然经历了4个发展阶段,在理论和实践上都积累了丰富的经验,仍然处于初级阶段,相对于国外来说还存在很多不足。因此,要做好施工监理工作,首先要对监理工作的影响因素有全面的分析,其中既包括客观因素分析,又要包括主观因素的分析,在分析的基础上建立科学的控制效果指标体系,利用科学、先进的方法对指标体系进行进一步的分析,得出客观的评价结果,以确定是否加强对监理控制的管理。其次,要从提高监理工程师业务能力、加强质量控制力度、加强进度控制力度、加强投资控制力度、加强安全控制力度入手提高施工监理控制的整体控制效果。

摘要：如何对监理控制效果的评价已经成为众多监理人员乃至监理单位面前的重大课题。由于在国内、外尚无对监理控制效果评价指标体系的规定,因此,本文突破性地提出,基于模糊层次分析法来建立监理控制效果评价指标体系,并以SZ项目为背景进行实践。

关键词：建设工程,监理控制,评价效果

参考文献

[1]崔岩.浅析工程建设监理工作中的安全监理[J].建筑安全,2006(5):31-32.

[2]刘华平.浅谈中国工程建设监理制现状[J].西北水电,2004(1):50-53.

模糊层次综合评价法 篇10

随着经济全球化进程的加剧,科学和工程技术的飞速发展,以生物技术、纳米技术等为代表的新兴技术(emerging technologies)发展的步伐也越来越快。与此同时,新兴技术不寻常的高风险、高度不确定性以及较低的成功率,使得投资者在投资一项新兴技术时的风险难以预料,新兴技术管理中的风险包括技术风险、市场风险、管理风险、资金风险等[1~2]。新兴技术的高度不确定性带来的投资风险中众多难以量化的因素,导致了评价新兴技术投资风险的复杂性和模糊性,不可能用精确的数学工具进行定量分析,在此用模糊原理中的模糊综合评价方法对新兴技术投资风险进行定量描述和评价。本文从新兴技术与传统技术相比较的明显特征出发,确立了新兴技术投资风险的评价指标体系,并利用模糊知识中的模糊综合评价方法建立了新兴技术投资风险的多层次模糊综合评价模型,以此对新兴技术投资风险进行更全面、更有效的综合评价,这样可以对新兴技术管理中的各种风险有更好的认识,为投资企业在投资决策时提供有效依据。

2 新兴技术的特征及其投资风险评价指标体系

国外权威机构认为[1],新兴技术是指建立在科学基础上的革新,它们可能创立一个新行业或者改变某个老行业,换一种说法[5~6],新兴技术必须是指那些正在形成和发展的对经济结构产生重大影响的高新技术。新兴技术必须同时具备几个要素:一是该技术正在形成或发展之中,是刚刚出现的技术;二是能对经济结构产生重要影响;三是这些技术是高新技术而不是传统技术。

从新兴技术定义可看出新兴技术除了具有技术的一般特征外,还具有一些明显的特征,主要表现在几个高度不确定性:一是市场的不确定性,比如一些新兴技术具有爆发性的市场而另一些新兴技术可能不被市场接受;二是技术的不确定性,比如新兴技术研发是否成功不确定、新兴技术研发时间是不确定的、新兴技术商业化能否成功也不确定等等;三是管理不确定性,比如管理新兴技术的结构不确定等。

为了更好的认识新兴技术的不确定性以及高风险性,需要对投资新兴技术过程中的风险作一综合评价,来反映各类风险的综合作用。根据构建风险指标体系的科学性、时效性、实用性、定性和定量结合性、可操作性、全面性等原则,并结合文献[1,2,7,8]来确定新兴技术投资风险评价指标体系如表1所示,以便全面的评价投资新兴技术中的风险程度。

3 新兴技术投资风险的多层次模糊综合评价模型

3.1 模糊综合评价模型

设有二个有限论域X={x1,x2,…,xn},Y={y1,y2,…,ym}其中X表示综合评价的多种因素所组成的集合,Y表示评语所组成的集合,把模糊变换Ao R=B称为综合评价数学模型[3~4]。

这里R是X×Y上的一个模糊关系,或者说是一个n×m模糊矩阵,A是论域X上的模糊子集即各评判因素的权重,而B是评价结果,它是论域Y上的一个模糊子集即模糊向量。

3.2 新兴技术投资风险多层次模糊综合评价模型的建立及其评价步骤

由于新兴技术的高风险性和高度不确定性,若仅从技术风险、市场风险、管理风险方面来评价投资新兴技术时的风险是片面的,为了对新兴技术投资风险进行全面的评价,在此用多层次综合评价模型,这里采用二级模糊评价模型,具体步骤如下:

(1)确定评价指标集将新兴技术投资风险X分成6个子集,记为X1,X2,X3,X4,X5,X6。且X={X1,X2,X3,X4,X5,X6},XiI Xj≠!(i≠j);即这种划分要把X中的诸评价指标分完,而任意一个评价指标又应在子因素集中,每个子因素集Xi又可由它的下一级指标集Xil来评价,且每个因素集Xi有ki个子因素评价指标,即Xi={Xi1,Xi2,…,Xil,Xiki}。i=1,2,…,6,l=1,2,…,ki。于是总因素指标集X有个评价指标。具体应用时新兴技术投资风险指标体系如表1所示。

(2)确定评价指标Xi和Xil的权重权重的确定可以根据以下四种方法:(Ⅰ)凭经验并结合实际问题确定如专家评分法;(Ⅱ)层次分析法(AHP);(Ⅲ)熵方法;(Ⅳ)根据人们对选择顺序重要程度的心理感受来确定权重的大小关系。运用层次分析法并结合德尔菲法是确定各评价指标的权重常用方法。假设采用AHP法确定各因素层的权重为

另外,在某一评价指标下对评价对象给出的评定值Y={y1,y2,y3,y4,y5},本文采用5级评价制,即m=5,评语集Y={高、较高、一般、较低、低},集合中“高”“低”是指风险大小。

(3)确定模糊评价矩阵Ri和R0如设Xi到Y的模糊关系矩阵为

其中rilj表示子因素层指标Xil对于第j级评语yi的隶属度。rilj的方法按如下方法确定[5]:对专家评分结果进行统计整理,得到对于指标Xil有Ti1个y1级评语,Ti2个y2级评语,Ti3个y3级评语,Ti4个y4级评语,Ti5个y5级评语,则

例如在评价某一项新兴技术的技术风险X1时,选取了5位专家对此因素进行评价,所组成的评估人集P={p1,p2,…,p5},技术风险X1各单因素评价情况如表2所示。

然后进行第一级模糊评价,对各因素层Xil的模糊矩阵Ri作模糊矩阵运算,得到主因素层Xi对于Y的隶属向量Bi=Wio Ri=(bi1,bi2,…,bim),m=1,2,3,…,6;这里采用实数加乘运算,比用“∨,∧”运算精细[4],而且简化了最后“归一化”这一步骤。其中。将上面得到的Bi排到一起,构成总的模糊评价矩阵R即

(4)得出评价向量与评价结论。对R进行模糊矩阵运算,得到综合评价结果,这里同样采用实数加乘运算,其中。

向量B=(b1,b2,…,b5)表明了新兴技术投资风险水平隶属于各个等级的程度,为得到风险评价的具体数值,可用一个具体的数字表示综合评价得分[10]。设综合评价结果的隶属度向量K=(k1,k2,…,k5),则投资一项新兴技术的风险评价得分为

S=KB=k1b1+k2b2+…+k5b5

再把S的值与K中的k1,k2,k3,k4,k5值对照,即可知道S处于哪个范围之中,也就得到了该项新兴技术投资风险处于什么样的风险程度。另外从向量B=(b1,b2,…,b5)可以看出新兴技术投资风险水平隶属于各个等级的程度。

5 结语

企业在投资新兴技术的过程中,由于新兴技术与传统技术相比较有很大的不确定性,所以新兴技术投资中的风险很大。而新兴技术的高度不确定性带来的投资风险中的众多难以量化的因素,导致了评价新兴技术投资风险的复杂性和模糊性,不可能用精确的数学知识进行定量分析。本文利用模糊知识中的模糊综合评价方法对新兴技术投资风险进行了定量描述和评价:首先在新兴技术与传统技术相比较有着明显特征的基础上,确立了新兴技术投资风险的评价指标体系;其次在评价指标体系的基础上利用模糊知识建立了新兴技术投资风险的多层次模糊综合评价模型,更全面、有效的对各种风险进行综合评价。这为投资企业在投资该新兴技术时的决策提供了依据,以尽早采取风险防范措施。

参考文献

[1]GEROGE S D,PAUL J H.沃顿论新兴技术管理[M].石莹,译.北京:华夏出版社,2002.

[2]LEWIS M B,PHILIP E A,高科技风险管理[M].祝灿,汪兰英,译.北京:中信出版社,2003.

[3]许仁忠.模糊数学及其在经济管理中的应用[M].成都:西南财经大学出版社,1987.

[4]杨纶标,高英仪.模糊数学原理及应用[M].广州:华南理工大学出版社,2005.

[5]赵振元,银路.实物期权思维在新兴技术管理中的若干应用[J].预测,2005,24(2):20-24.

[6]赵振元,银路,成红.新兴技术对传统管理的挑战和特殊市场开拓的思路[J].中国软科学,2004(7):72-77.

[7]陈青华,张卓.技术创新项目风险分析与综合评价[J].企业技术开发,2005 24(2):31-40.

[8]张瑶.技术创新风险的定性和定量分析[J].科技与管理,2005,(4):118-119.

[9]胡容,黄南京.基于多层次灰色理论的综合评价模型及应用[J].四川大学学报(自然科学版),2005,42(5):889-895.