改进密切值法范文

2024-06-09

改进密切值法范文（精选7篇）

改进密切值法第1篇

1 密切值法的评价原理和计算步骤

密切值法的基本原理:对于同时存在正向指标 (数值越高越好) 和负向指标 (数值越低越好) 的决策评价系统, 将其全部转化为同向指标 (同正向或同负向) 的系统, 然后找出各评价指标的最优点和最劣点, 通过计算各评价对象与最优点及最劣点的距离, 即密切值, 来排序各决策方案的优劣次序。改进密切值法继承了密切值法在评价单元优劣排序中的独到之处, 将每一项指标的z级评价标准引入初始矩阵, 然后进行归一化处理成无量纲指标后, 按一定的计算程序, 将水质多指标的转化为由最优 (或最劣) 单指标组成的1个虚拟最优 (或最劣) 断面, 再计算出各监测指标距虚拟最优 (或最劣) 断面的距离 (即密切值) , 通过密切值的排序决定各污水处理工艺的水质优劣[11]。

1.1 建立原始数据指标矩阵

设不同污水处理工艺待评价指标为n个, 其总指标数列为Q1, Q2, …, Qj, …, Qn (j=1, 2, …, n) 。设选取待评价印染污水处理工艺共为m个, 则有A1, A2, …Ai, …, Am (i=1, 2, …, m) 。连同n个评价指标的z级标准 (P1, P2, …Pz) , 这样就构成了m+z个样本与n个评价指标的初始矩阵A:

1.2 进行有量纲矩阵模型的规范化

由于初始矩阵中各评价指标的量纲数量级及指标优劣的取向存在很大差异, 故需对初始矩阵的数据做规范化处理传统密切值法的规范化处理计算繁琐, 本文采用改进后的目标差值率法进行规范化处理[8]。

式中:Aij———第i个处理工艺中第j个评价指标值

Ej———第j个评价指标的目标值

即正向指标取第j个评价指标中i个评价工艺连同z级评价标准取最大值, 负向指标取第j个评价指标中i个评价工艺连同z级评价标准最小值;rij为第i个评价工艺中第j个指标的无量纲化值由此可得无量纲的样本矩阵: (rij) (m+z) n

1.3 确定各指标的最优值和最劣值

得到指标A+ (r1+, r2+, …, r3+, rn+) 为虚拟的最优的处理工艺的指标值, A- (r1-, r2-, …, r3-, rn-) 为虚拟的最劣的处理工艺的指标值。

1.4 用熵权法确定规范化矩阵各指标权重

1.4.1 信息熵值的确定

将由m+z个样本与n个指标构成的原始数据指标矩阵 (Aij) (m+z) ×n进行标准化处理, 公式如下:

(Aij) min表示第j列中评价指标的最小值, 即每个定性和定量指标的最小值, (Aij) max表示第j列中评价指标的最大值, 即每个定性和定量指标的最大值。

由此可得标准化矩阵:

根据斯梯林公式计算, 可得j项指标的信息熵值ej:

式中, 常数k与系统的样本数m+z有关:

1.4.2 权重函数

某项指标的信息效用价值取决于该指标的信息熵ej与1的差值hj, hj=1-ej, 于是j项指标的权重为:

1.5 计算最优密切值与最劣密切值

采用欧氏距离计算待评价指标数据与虚拟最优处理值的距离di, A+和虚拟最劣处理值di, A-。即得到现有检测处理结果与该工艺最佳和最差处理效果之间的距离关系。

式中:Wj———第j个评价指标的权重

最优密切值:

最劣密切值:

1.6 改进密切值法进行综合评价原则

印染污水处理技术中中的多个指标Q1, Q2, …, Qj, …, Qn转化为能从总体上衡量质量优劣的单指标Ei, A+ (或Ei, A-) 一般而言, 当Ei, A+越小而Ei, A-越大时, 与最优点越密切, 与最劣点越疏远, 即处理效果越好Ei, A=0时, 污水处理效果的处理工艺最佳, 即为最优点。

2 实例研究

印染废水分别经过四种污水处理工艺处理后[12,13,14,15], 选取印染废水典型的污染物指标进行监测, 其中主要的监测指标包括出水CODCr、BOD5、SS、色度、TN五项指标, 见表1。

2.1 评价标准

由于印染废水行业和地区的限制, 现有两个污水排放标准, 分别是《污水综合排放标准》 (DB21/1627-2008) , 以下用Ⅰ代替, 《纺织染整工业水污染物排放标准》 (GB4287-2012) , 以下用Ⅱ代替。各标准值见表2。

2.2 建立原始数据指标矩阵

将选取的CODCr、BOD5、SS、色度、TN五项指标作为评价因子与印染污水排放标准值, 这样就构成7个样本与5项指标的初始样本矩阵A:

2.3 建立无量纲环境样本矩阵

在5类评价指标中, 没有正向评价指标, 五项均为负向评价指标根据式 (2) 规范化处理, 得无量纲规范环境矩阵:

2.4 理想最优与最劣断面确定

虚拟面 (0, 0, 0, 0, 0) 为最优评价断面, 虚拟面 (-0.369, -1.055, -0.2, -0.149, -0.327) 为最劣评价断面。

2.5 用熵权法确定各评价指标权重

根据式 (3) 计算, 得到标准化处理后矩阵Y=Yij (6×5) 为:

根据式 (4) 、 (5) 、 (6) 分别计算出CODCr、BOD5、SS、色度、TN的信息熵值信息效用价值及权重值计算结果如表3。

根据式 (9) 可计算出印染废水四种处理工艺的出水的指标和印染废水出水2级标准的最优密切值, 并对其进行排序, 评价结果见表5。

由表5可以看出, 依据最优密切值法, 印染污水经过不同的处理工艺之后的水质优劣排序为:生物接触氧化>A2/O>BAF>水解酸化, 水解酸化能够达到《纺织染整工业水污染物排放标准》 (GB4287-2012) 中要求的标准, 而不能达到《污水综合排放标准》 (DB 21/1627-2008) 中的要求标准, 所以水解酸化不适用于辽河流域的印染行业的污水处理。其余三种工艺均符合出水水质要求。

综合以上评价结果, 分析原因如下:生物接触氧化法[3]用分段法提高净化能力, 用加接触层的办法来提高沉淀池效率, 所以针对印染废水的处理是具有较好效果的。A2/O[4]在厌氧 (缺氧) 、好氧交替运行条件下, 脱氮除磷效果明显, 但是针对印染废水较高的COD、SS和色度方面并不能达到最好的处理效果, 但是因为是成熟稳定的工艺, 所以处理效果仅次于生物接触氧化法。BAF[5]能够承受较高的有机物负荷, 在低COD和营养物质状态下运行稳定抗有毒物质能力强等优点, 但是针对色度的去除方面, 没有以上提到的两种污水处理工艺效果好。水解酸化法[6]抗冲击负荷能力强, 水解主要用于低浓度难降解废水的预处理, 酸化的目的是为混合厌氧消化过程的甲烷发酵提供底物, 所以处理效果相对较差。

3 结论

基于熵权的改进密切值法操作简便易行, 它运用信息熵原理确定权重值, 综合考虑了各种信息, 比较了四种印染废水处理工艺的出水处理效果。最终得出的排序结果是生物接触氧化>A2/O>BAF>水解酸化。由此可见在印染行业污水处理工艺的选择方面, 会优先选择生物接触氧化法, 因为该工艺不仅能够达到废水排放标准, 并且是四种处理工艺当中, 处理效果最好的工艺。

摘要：改进密切值法是多目标决策中的一种优选方法, 适用于多指标的质量评价。印染废水处理工艺由多个出水评价指标决定。对辽河流域印染行业污水处理工艺的生物接触氧化法、A2/O、水解酸化法和BAF进行评价。采用改进密切值法对CODCr、BOD5、SS、色度、TN五项指标进行评价, 得出评价结果后对各个污水处理工艺进行排序。

改进密切值法第2篇

为了找到路面性能评价的.更好方法,引入权重值对传统密切值进行改进.利用其思想建立路面性能评价模型,对某高速公路路段进行评价.结果表明改进密切值法运算简便.评价结论科学合理,可以作为路面性能评价和养护决策的一种新方法.

作者：刘圣洁吴健华作者单位：刘圣洁(长安大学公路学院,陕西,西安,710064)

吴健华(长安大学环境科学与工程学院,陕西,西安,710064)

改进密切值法第3篇

目前已有不少文献对电能质量的检测、控制、评估等问题进行了有益的探索[1,2,3,4]。对电能质量的评价一般通过比较各指标完成, 由于电能质量是一个多指标属性的集合体, 单一指标的比较无法对电能质量做出客观的评价, 这就要求将电能质量的多指标集成为某个综合值, 以反映其整体水平。这种多属性集成的过程即为多属性综合决策过程。

在电能质量的评估决策中, 其方案的排序结果主要取决于指标属性值和权重。指标属性值一般源于实际的客观数据, 而指标权重一般通过主观经验法或主观经验与客观数据结合法确定[5,6]。在一些情况下, 指标属性值及权重值的微小变化会引起方案排序的改变, 故需了解排序结果对指标参数的灵敏度[5,6], 特别是与主观经验有关的指标权重的灵敏度。目前关于电能质量的评估方法很多, 如熵权法[7], 模糊评价方法[8,9]、核向量法[10]、区间数理论[11]、聚类法[12]、投影法[13]、智能算法[14,15]等。这些方法解决了一些电能质量评估中的实际问题, 但大多存在指标赋权问题, 如受主观经验影响较多。

现有的电能质量评估的研究侧重于对指标的处理、赋权和方案排序等方面[7,8,9,10,11,12,13,14,15], 未见对评估结果灵敏度的分析。本文对电能质量评估灵敏度分析的相关概念进行了定义, 给出了既有指标属性值灵敏度、既有指标权重值灵敏度、新增指标属性值灵敏度、及新增指标权重值灵敏度的计算公式。结合改进的密切值法, 提出了具体的分析方法, 推导了使得两个方案排序关系发生改变的既有及新增指标属性值和权重值变化的灵敏度区间, 结合算例最后计算了各指标属性和各评估方案的灵敏度。

1 电能质量综合评估的灵敏度分析

1.1 灵敏度分析的概念和方法

在现实的多属性决策问题中, 决策者一方面要得到各方案的评估结果便于做出决策, 另一方面还要考虑所做决策的稳定性, 即决策参数的微小变化是否会影响原先的评估结果, 也就是多属性决策的灵敏度分析问题[16,17,18,19,20]。当指标参数的灵敏度较低时, 则评估结果稳定性较好;反之, 当灵敏度较高时, 则结果不稳定。故在实际决策中, 对于灵敏度较高的指标属性值或权重需予以特别关注。

电能质量评估的灵敏度计算可从指标属性值和权重值两个方面进行分析。设有电能质量评估方案集合X={xi}, (i=1, 2, …, m) , 和指标属性集合U={uj}, (j=1, 2, …, n) , 其中第i个方案的第j个属性值表示为aij, 构成初始决策矩阵A=[aij]m×n, 其标准化决策矩阵为R=[rij]m×n, 各指标权重为W=[w1, w2, …, wn], 各方案的综合评价值的函数为Ci=fi (ri1, ri2, , rin;w 1, w2, , wn) 。假设单个指标属性值或权重值变化而其他指标条件保持不变, 对指标值属性值或权重值进行灵敏度分析, 具体可分为:既有指标属性值灵敏度、既有指标权重值灵敏度、新增指标属性值灵敏度及新增指标权重值灵敏度。

1.2 既有指标属性值灵敏度分析

已知Ci和Ck分别为方案ix和xk的综合评价值, 当给定方案ix的属性值rih扰动Δrih时, 新属性值和新评价值分别为r*ih和Ci*, 使得Ci和Ck的排序关系改变的扰动范围称为灵敏度区间, 即:

(1) 当Ci>Ck时, 根据Ci*-Ck≤0求得的Δrih变化范围。

(2) 当Ci=Ck时, 根据Ci*-Ck<0或Ci*-Ck>0求得的Δrih变化范围。

(3) 当Ci

其中:;ϕ是关于扰动变化Δrih的函数。为了便于计算方案关于属性值的灵敏度, 引入以下定义[6,19,20]:

定义1称Δr'ikh为当方案xi与x k之间排序关系改变时关于属性值rih的最小变化量, 即Δr'ikh=min{|Δrih|} (i, k=1, 2, …, m;i≠k;h=1, 2, …, n) 。

定义2称Δr*ikh为当方案ix和xk之间排序关系改变时关于属性值rih的最小相对变化量, 即Δr i*kh=Δr'ikh/rih。

定义3称Sxi为方案ix关于属性值的灵敏度, 即

定义4当时, 称方案ix0为关于属性值的最灵敏方案。

由定义1~定义4可得知, 方案关于属性值的灵敏度越小, 表明该方案的评估结果越稳定, 反之则越不稳定。

1.3 既有指标权重值灵敏度分析

已知Ci和Ck分别为方案ix和xk的综合评价值, 当给定权重值hw扰动Δwh时, 新权重值和新评价值分别为hw*和Ci*、Ck*, 使得Ci和Ck的排序关系改变的扰动范围称为灵敏度区间, 即:

(1) 当Ci>Ck时, 根据Ci*-Ck*≤0求得的Δwh变化范围。

(2) 当Ci=Ck时, 根据Ci*-Ck*<0或Ci*-Ck*>0求得的Δwh变化范围。

(3) 当Ci

其中:wh*=wh+Δwh;Ci*=f i (ri1, rih, , rin;w 1, wh+Δwh, , wn) =Ci+hi (Δwh) ;Ck*=Ck+hk (Δwh) ;ih和hk是关于扰动变化Δwh的函数。为了便于计算指标属性的灵敏度, 引入以下定义[6,19,20]:

定义5如果方案ix和xk在属性uh的权重变化量是可行的, 且当hw变为wh*=wh+Δwh时, ix和xk的排序发生改变, 则称Δwh为属性uh权重hw的最小变化量。

定义6称Δw*ikh为当方案ix和xk之间排序关系改变时关于指标权重值hw的最小相对变化量, 即Δw*ikh=Δw'ikh/wh。

定义7称S (u h) 为指标属性u h的灵敏度, 即

由定义5~定义7可得知, 指标属性的灵敏度越大, 表明它对评估结果影响越大, 反之影响越小。

1.4 新增指标属性值灵敏度分析

已知Ci和Ck分别为方案ix和xk的综合评价值, 当新增指标un+1时, 则有新增指标属性值ri (n+) 1和rk (n+) 1及新增权重值wn+1, 若已知wn+1, 使得Ci和Ck的排序关系改变的新增指标属性值之差的变化范围称为灵敏度区间, 即:

(1) 当Ci>Ck时, 根据Ci*-Ck*≤0求得的ri (n+) 1-rk (n+) 1变化范围。

(2) 当Ci=Ck时, 根据Ci*-Ck*<0或Ci*-Ck*>0求得的ri (n+) 1-rk (n+) 1变化范围。

(3) 当Ci

同理, 定义1~定义4也适用于新增指标后的方案灵敏度计算过程。

1.5 新增指标权重值灵敏度分析

已知Ci和Ck分别为方案ix和xk的综合评价值, 当新增指标un+1时, 则有新增指标属性值ri (n+) 1和rk (n+) 1及新增权重值wn+1, 若已知新增指标属性值ri (n+) 1和rk (n+) 1, 使得Ci和Ck的排序关系改变的新增权重值的变化范围称为灵敏度区间, 即:

(1) 当Ci>Ck时, 根据Ci*-Ck*≤0求得的wn+1变化范围。

(2) 当Ci=Ck时, 根据Ci*-Ck*<0或Ci*-Ck*>0求得的wn+1变化范围。

(3) 当Ci

同理, 定义5~定义7也适用于新增指标后的指标属性灵敏度计算过程。

2 改进的密切值法及其灵敏度分析

密切值法[21,22] (Close Value Method, CVM) 是系统工程学中一种常用的多属性综合评估方法, 由于评估原理简单有效和评估结果客观, 而广泛应用于水文地质评估、投资方案优选及经济效益评估等领域中。但是当评估方案变化时 (增加或减少方案) , 该方法的评估结果可能出现“逆序”[6,21,23]。为了克服CVM的不足, 本文先对传统CVM进行了改进, 定义了绝对最优和最劣方案[23], 同时用汉明距离替代欧氏距离对密切值计算式进行了简化。

2.1 改进的密切值法

首先定义绝对最优方案E=[e1, e2, …, en]和绝对最劣方案L=[l1, l2, …, ln], 加入至初始决策矩阵A中末两行得A', 并按式 (1) 标准化决策矩阵。

得标准化矩阵R=[rij] (m+2) ×n。计算方案xi与最优最劣方案E、L的汉明距离为

最后计算各方案的密切值为

其中:d+=max{di+};d-=max{di-};Ci即为第i个样本的密切值, 表征了各样本接近最优点而偏离最劣点的程度。当di+≠0, di-≠0时, Ci≥0即为非劣方案集合;Ci越小越好, 表明该样本越接近满意方案。

在对改进的CVM进行灵敏度计算前, 先引入一个关于两个方案优先序的充要条件。若方案ix和xk存在Ci>Ck, 则其充要条件为:di+>dk+ (或di-

2.2 改进密切值法的灵敏度分析

2.2.1 既有指标属性值的灵敏度分析

对方案ix和xk, 当给定方案ix的rih指标扰动Δrih时, r*ih=rih+Δrih, 得di+*=di+-Δrihwh, di-*=di-+Δrihwh, 则改变方案ix和xk排序关系 (Ci与Ck的关系) 的Δrih满足的充要条件如下:

其证明过程如下:

2.2.2 既有指标权重值的灵敏度分析

(1) 对于Ci>Ck:

(2) 对于C i=Ck:

(3) 对于Ci

当rkh>rih时, drkk+h--driih+≤Δwh≤1-wh (Ci*≥Ck*) ;当rkh

其证明思路与2.2.1节类似。

2.2.3 新增指标的属性值灵敏度分析

当增加一个指标un+1时, 对应方案ix和xk有新增指标属性值ri (n+) 1和rk (n+) 1及权重值wn+1, 得。若权重wn+1已知, 则改变方案ix和xk排序关系 (Ci与Ck的关系) 的新增指标属性值满足的充要条件如下。

其证明思路与2.2.1节类似。

2.2.4 新增指标的权重值灵敏度分析

当增加一个指标un+1时, 对应方案ix和xk有新增指标属性值ri (n+) 1和rk (n+) 1及权重值wn+1, 得。若属性值ri (n+) 1和rk (n+) 1已知, 则改变方案ix和xk排序关系 (Ci与Ck的关系) 的wn+1满足的充要条件如下。

(1) 对于Ci>Ck:当且仅当ri (n+) 1>rk (n+) 1时,

(2) 对于Ci=Ck:当且仅当ri (n+) 1rk (n+) 1时, 0Ck) 。

(3) 对于Ci

其证明思路与2.2.1节类似。

3 算例分析

本文采用文献[13, 21]的5个实测电能质量样本点数据, 进行电能质量评估的指标参数灵敏度计算。首先利用改进的CVM和主客观组合赋权法[9]得指标权重W和排序结果, 再计算两个样本排序改变时指标属性值和权重值变化的灵敏度区间, 同时分析新增一个指标后对样本排序的影响, 并计算指标属性的灵敏度和样本关于指标属性值的灵敏度。

(1) 利用改进CVM和主客观赋权法得指标权重W=[0.0317 0.0366 0.0110 0.0240 0.07320.0393 0.5503 0.1779 0.0560], 及各样本排序为x5

(2) 计算两个样本排序改变时指标属性值和权重值变化的灵敏度区间。若要改变样本x4、x5的排序, 则x4、x5可调整的指标属性值变化的灵敏度区间及可调整的指标权重变化的灵敏度区间分别如表1的第1~第3行结果所示。

对于表1中其他无法调整的指标属性值或者权重值, 是因为样本x4和x5的排序无法通过单一调节某一指标属性值或者权重值来改变他们之间的排序。

(3) 分析新增一个指标后对样本排序的影响。当不考虑服务指标时, 各样本的排序为x5

(4) 计算指标属性的灵敏度和样本关于指标属性值的灵敏度。根据定义1~定义7, 可求得各指标属性的灵敏度和各方案关于属性值的灵敏度分别如表2、表3所示。

由表2可知, 频率偏差、服务指标及供电可靠性这三项指标的灵敏度相比其他指标的灵敏度都较大, 表明此三项指标的变化对方案的评估结果影响较大, 其中频率偏差的影响最大。因此, 在实际评估决策中, 对这些灵敏度较高的指标要予以特别关注。值得注意的是, 电压闪变指标属性的灵敏度无法计算, 这是因为评估中的任意两个样本之间的排序, 无法通过单一调节电压闪变的权重来改变优先序关系。

由表3可知, 各样本关于指标属性值的灵敏度大小排序为Sx3

4 结论

本文对电能质量评估灵敏度分析的相关概念进行了定义, 并给出了一些相应的公式, 包括既有指标属性值灵敏度、既有指标权重值灵敏度、新增指标属性值灵敏度、及新增指标权重值灵敏度计算公式。基于本文发展的一种改进的密切值法, 给出了电能质量综合评估灵敏度分析的具体方法。该方法不仅推导了使得两个方案排序关系发生改变时的既有指标属性值和权重值变化的灵敏度区间, 也推导了考虑了实际决策环境改变后新增指标属性值和权重值变化的灵敏度区间, 为决策者控制灵敏度高的指标参数提供了参考依据。该文的研究方法不仅适用于基于CVM的多属性决策方法, 对其他的多属性决策方法的灵敏度分析也有一定的借鉴作用。

摘要：为了了解电能质量评估结果的稳定性, 即评估结果对指标参数变化的敏感性, 引入了电能质量评估灵敏度分析的概念和方法。通过定义绝对最优和最劣方案, 利用汉明距离计算式代替欧氏距离计算式, 对传统密切值法进行了改进。基于改进密切值法, 推导了灵敏度分析中两个方案优先序的充要条件, 在此基础上推导了电能质量指标属性值和权重值的灵敏度区间充要条件。经算例分析表明, 该方法能有效计算指标参数和评估样本的灵敏度, 为决策者控制灵敏度高的指标参数及方案决策提供了参考依据。

设备管理绩效评估中密切值法的应用第4篇

关键词：密切值法,设备管理,绩效评估

设备管理是企业的基础管理, 良好的设备管理有利于提高企业的经济效益, 有利于企业的安全生产。随着企业管理的深化, 对设备管理和组织绩效的考核、评估变得越来越重要。指标选择的科学性、系统性、敏感性, 评估的准确性、公正性及其对工作的诱导和激励作用也成为企业普遍关心的问题。因而如何寻求一种有效的方法对企业设备管理绩效评估的优劣进行选择也变得越来越重要。主成分分析方法、灰色理论等多目标分析方法可用于设备管理的绩效评估中, 但由于这些方法存在计算量大, 评价指标权重的选择缺乏理论依据等不足, 因而本文寻求用一种更简便的方法——密切值法对不同企业的设备管理进行分析。

一、评价指标体系的建立

设备管理一方面要保持设备完好, 发挥设备的最大效率, 另一方面要使维修成本最小化, 生产损失最小化。因而, 设备管理的目标就是要在互相矛盾的两个方面中寻求一种平衡, 达到企业设备的最好的绩效水平。设备管理的绩效评估指标体系的建立是在综合考虑实际的客观因素, 同时考虑了指标的可量化性, 参考了设备绩效评估的相关著作, 建立了以下四类九项指标作为设备绩效评估的指标体系, 其中包括:综合绩效类指标 (设备完全有效生产率X1=实际合格品产量/日历时间理论产量;单位产量维修费用X2=总维修费用/总产量;设备综合效率X3=设备有效可利用时间/计划利用时间) ;策略与组织结构绩效指标 (维修组织效率X4=修理时间/总维修时间;维修培训时间强度X5=总维修培训小时/总维修工时) ;资源消耗水平指标 (单位产量备件消耗X6=备件消耗总资金/总产量;单位产量维修人工消耗X7= (内部维修人工费用+外协维修人工费用) /总产量) ;技术水平指标 (平均维修间隔时间X8= (日历时间-总维修时间) /总维修次数;平均维修时间X9=总维修时间/总维修次数) 。

二、企业设备管理绩效的密切值法模型的建立

1. 建立指标矩阵

设方案集Ai (i=1, 2……m) 在指标Sj (j=1, 2……n) 下的取值为aij, 则指标矩阵A= (aij) m×n。

2. 将“指标矩阵”化为“规范化矩阵”

得到”规范化矩阵”R= (rij) m×n。

3. 选取“非劣方案”

比较矩阵R= (rij) mn任意两行元素, 对k, L (L≤k, L≤m, 且k≠L) 两行, 若rkj≥rLj (j=1, 2……n) , 则方案AL在各目标下均劣于Ak, 保留Ak, 弃去AL。假设A1, A2……Am均为非劣方案。

4. 求关于方案集 (决策点集) 的“最优点”和“最劣点

5. 求各方案的“密切值”, 并据此选取“满意方案”

Ci的大小反应了方案集偏离最优点的距离, Ci值越大, 偏离越远。则Ai为所要选取的满意方案。

三、实例应用

对处在同行业中的A、B、C三家制造企业的设备管理状况进行调查, 收集了如下数据。运用密切值法对三家企业的设备管理绩效进行评估, 其中, X1、X3、X4、X5、X8为正项指标;X2、X6、X7、X9为负向指标。

由于不同的指标存在量纲的不同, 所以首先对指标进行规范化。根据公式 (1) 对指标矩阵进行了规范化, 规范执后的数据如表所示。

根据公式 (2) 和公式 (3) , 得到关于方案的“最优点”A+和“最劣点”A-, 它们分别为:A+= (0.586, -0.444, 0.585, 0.735, 0.663, -0.424, -0.471, 0.642, -0.521)

A-= (0.564, -0.666, 0.564, 0.441, 0.461, -0.707, -0.706, 0.510, -0.640)

根据公式 (4) , 公式 (5) 得到di+, di-

由公式 (4) 计算方案Ai的密切值Ci= (0.8068, 0, 0.9744) , 由于Ci的大小反映了方案偏离最优点的距离, C2

四、结束语

密切值法作为一种多目标的决策方法应用于企业设备管理绩效评估中, 为评估提供了一种新的途径。通过以上的分析发现密切值法应用于企业设备的绩效评估当中具有概念清晰, 计算简单等方法, 且不过多地受主观评价的影响。必要的时候可以对不同的指标, 根据其重要性赋以权重, 使得结果更具客观性。

参考文献

[1]李葆文:现代设备资产管理[M].北京:机械工业出版社, 2006

[2]吴翊等:数学建模的理论与实践[M].长沙:国防科技大学出版社, 1999

[3]王登瀛:多目标决策方案优选的密切值法[J].系统工程, 1999, 7 (1) :33～35

[4]徐泽水:多目标决策方案优选发的改进和推广[J].解放军理工大学学报, 2000, 1 (3) :94～95

改进密切值法第5篇

创新是技术、经济以及社会、教育、文化等诸种因素相互结合, 是实现生产要素的新的有效组合, 是经济发展和社会进步的强大动力。创新能力则是对相关知识和技能的有效吸收、掌握和改进现有技术以及创造新技术的能力。已有不少机构或学者针对创新能力进行过研究, 研究对象从国家层次、区域层次到企业层次, 研究途径一是对各级对象进行表征的综合和总结, 针对所存在的问题提出对策建议, 二是建立评价指标体系并收集各方面数据进行定量演算分析[1,2,3]。产业集群是在特定领域内, 由相互联系的企业和相互支持的机构在一定地域范围内的聚集并形成持续竞争优势的一种现象。产业集群产生特有的创新优势, 其组织结构介于市场和层级两种组织之间, 它比市场组织更为稳定、比层级组织更为灵活[4]。目前, 对集群创新能力也有不少研究, 但大都是综合性的, 针对具体产业的则涉及较少。

2 产业集群创新能力及其评价指标

2.1 产业集群创新能力

集群创新是以专业化分工和协作为基础的同一产业或相关产业的企业, 通过地理位置上的集中或靠近, 从而产生创新聚集效应, 获得创新优势的一种创新组织形式。集群创新除拥有创造、积累、效益、风险和扩散等一般经济特性外, 还具有竞争中的协同性、创新主体的网络性、创新知识的易流动行、创新资源的共享性和互补性等独特的经济特征。

依据集群创新的组织形式和特征, 集群创新能力可定义为:集群内企业和其它组织机构在社会网络系统中, 对知识积累、学习能力、竞争合作能力、发展能力、创新能力的有机整合能力[5]。整合对象包括信息、知识、技术、资金、经验、关系、文化等要素;整合主体为企业、中介机构、大学、科研机构、政府等;整合动力是为了共同的利益和发展目标, 不断地进行创新, 从而推动产业集群整体竞争力的提高, 实现产业和集群内企业的可持续发展。

2.2 集群创新能力评价指标

集群创新能力的评价指标是综合反映集群创新能力的要素组合。诸多学者从不同侧面对其进行了研究, 采用的评价指标体系大多数是多层结构:胡蓓、古家军[6] (2005) 设计的指标体系为三级, 一级指标由知识流动能力 (技术合作、技术转移和国际直接投资) 、技术创新能力 (创新能力、R&D能力、科研机构和人员素质) 、创新环境 (基础设施、金融、政策支持和服务软环境) 、创新经济绩效 (宏观经济、产业国际竞争力和企业发展状况) 等要素构成, 该指标体系的特点是指标选取具有全面性, 而且突出了产业集群的国际竞争力, 比较适用于电子、软件等高科技产业集群的创新能力描述。吴开军、吴价宝[7] (2007) 对集群创新能力评价指标体系分为两级, 一级指标为基础技术能力、信息技术能力、战略合作能力、长远发展能力, 该指标体系突出了集群创新的协同性、创新资源的共享性和互补性等特点, 但其指标多为定性指标, 不易操作。王岚[8] (2008) 选取的指标体系也是三级, 一级指标由企业技术创新能力 (核心企业和其他企业总体) 、集群网络创新能力 (集群合作创新、外部知识引入、集群知识整合和集群知识扩散能力) 、集群创新的环境要素 (创新服务、创新技术、创新人文和创新市场环境) 构成, 该指标体系的特点是突出了集群创新的网络性特点, 但也存在定性指标过多的不足。而刘友金[9] (2004) 直接选取具体的R&D经费占总收入的比例、从事R&D人员占年末从业人数的比例、利税总额、出口创汇等指标来构建评价体系, 这种指标选取方法的特点是指标体系简单明了、容易操作, 但对比多层指标体系来说其客观性略显不足。

3 模具产业集群创新能力评价指标体系

3.1 指标体系原则

集群创新能力评价指标体系复杂, 各级指标既相对独立, 又相互影响、相互制约。为了全面、客观、科学地评价模具产业集群创新能力, 根据模具产业特征, 借鉴产业技术创新能力评价方法[10], 力求体现以下基本原则: (1) 科学性原则, 评价指标要充分考虑集群创新要素及指标结构整体的合理性, 从不同侧面反映集群技术的状况。 (2) 全面性原则, 评价指标要尽可能全面、系统地揭示集群创新能力的全貌。 (3) 导向性原则, 在全面性的基础上, 应尽可能选择具有足够代表性的指标, 以便比较准确、简洁地表述集群创新的状况, 为政策制定引导方向。 (4) 可操作性原则, 指标的设计应该建立在集群创新的实际水平上, 尽可能采用量化的指标, 定性指标也要能间接赋值量化, 尽可能地减少各指标之间的相关程度, 有关数据易于获得, 以便于操作。

3.2 模具产业特征

模具是制造业的基础工艺装备, 为大量生产标准化的产品工具, 具有快速生产、品质精良之特征, 被称为“制造业之母”, 是制造业核心技术竞争力的重要体现。模具产业具有技术密集、资金密集、附加价值高、订单式生产等特征: (1) 技术含量、技术精度高。一是模具产品本身的精度要高出其工业产品精度;二是模具的工艺流程较工业产品复杂。 (2) 投资较大。模具制造投资大的主要原因, 一是模具加工所需的加工设备精密度高, 价格昂贵;二是由于模具为非批量产品, 所以加工设备的利用率通常较低。 (3) 有订单而没有规模。模具是配合批量工业产品而开发设计, 属于订单生产, 多为单件或小批量生产。 (4) 人员素质要求高。模具产品的制造工艺复杂、技术要求高, 对从业人员的素质和实践经验要求较高。

模具产业特殊的产业性质使得模具企业只有不断创新, 才能满足市场的需求, 创新能力决定了模具企业的发展。由于受资金、场地、技术、信息等条件限制, 单个企业难以配齐从模具粗加工、热处理到各种精加工、光整加工、质量控制与监测等系列设备, 在硬件条件上就制约了模具企业创新能力和模具产业核心竞争力的提升。而广大用户对模具制造高精度、长寿命、短周期的要求, 迫使模具企业由个体转向合作群体创新, 共享资源, 快速发展为模具产业集群创新。对模具产业集群创新能力进行系统分析和定量研究, 有助于对模具产业集群创新能力影响要素进行全面剖析, 也有利于制定提高模具产业集群创新能力的策略。集群创新能力是产业集群竞争力的核心, 因此, 分析模具产业集群创新能力影响因素可参考产业竞争力评价模型, 其中比较著名的有钻石模型和IDE模型等。

3.3 构建评价模型

(1) 钻石模型

著名产业竞争力研究专家迈克尔·波特[11]提出了描述某一区域的某一特定领域竞争优势的“钻石理论”, 认为产业竞争力是由生产要素、企业战略和结构及同业竞争、相关和支持产业、需求条件等四个主要因素, 以及政府行为、机遇等两个辅助因素共同作用而形成的, 其模型如图1所示。钻石模型是一个动态的开放式的竞争力模型, 完美地结合了产业集群理论与国际竞争力理论, 它不仅分析了宏观层面对于竞争力的作用, 更是强调了各微观主体对竞争力构建的影响力。

创新能力是产业竞争力的基础和源泉, 其强弱对产业提升竞争力意义重大, 只有不断创新才能创造产业未来的竞争优势。因此, 可参考“钻石理论”构建模具产业集群创新能力评价模型。模具产业集群创新能力影响因素与“钻石模型”的对应关系如表1所示。创新投入和技术水平是集群创新系统的基本生产要素, 集群网络创新能力表现为集群创新系统的结构要素, 创新绩效是需求的外在表现, 创新环境则为创新提供支撑和保障。

(2) “钻石模型”应用

模具产业技术密集、资金密集、附加值高的特点, 以及对设备和人员素质高要求, 使得集群整体企业技术水平成为集群创新能力的重要影响因素;订单式的生产特点则使得集群内核心企业技术创新能力成为影响集群创新能力的又一重要因素。借鉴“钻石模型”, 参考诸多产业集群创新能力评价指标体系研究成果, 构建模具产业集群创新能力影响因素模型 (如图2) 。该模型由集群内核心企业技术创新能力、集群整体企业技术水平、集群网络创新能力、集群创新环境、集群创新经济绩效五元素组成。该模型不仅有创新投入、创新产出、创新支持等反映模具产业集群创新能力的基本要素, 而且突出了集群创新网络性等本质特征。

3.4 评价指标体系

从模具产业集群创新能力模型着手, 依据指标选取原则, 建立模具产业集群创新能力评价指标体系如表2所示。该指标体系不仅考虑了模具产业集群创新优势、指标数据的可操作性, 而且利用了模具企业技术创新现状的调研数据。指标体系选用三层结构, 一级指标是模具产业集群创新能力模型的构成因素, 体现了指标选取的科学性和全面性;二级指标是模型各构成因素的核心指标, 体现了导向性;三级指标则是可操作的具体指标数据来源。

4 密切值法模型与实例评价

模具产业集群创新能力的评价涉及多个指标, 属于多指标综合评价问题。对于该问题的综合评价方法按赋权源信息的出处可以分为两类, 即主观赋权法与客观赋权法。主观赋权法主要有:层次分析法、综合指数法、模糊层次综合评价法等, 这些评价方法都涉及到主观赋权的问题;客观赋权法常见有:BP神经网络模型、密切值法、熵值模糊综合评价法等。

为适应表2提出的指标体系的特点以及满足长期开展评价的需要, 本文选用密切值法, 该方法的意图就是寻找离最优点集最近、离最劣点集最远的决策点, 并且该方法无需主观赋权, 不涉及指标是否相关的问题, 分辨能力强, 计算简单快捷, 且能有效地满足评价体系的客观性要求。

4.1 密切值法模型

密切值法是系统工程学中的一种优选方法[12,13], 其基本思想是先确定待评对象各评价指标的“最优点”与“最劣点”, 然后比较待评对象与各评价指标的“最优点”与“最劣点”之间的欧氏距离, 计算出密切值, 通过值的比较进行评价。

(1) 建立指标矩阵并规范化

设方案集Ai (i=1, 2, …, m) 在指标Sj (j=1, 2, …, n) 下取值为aij, 得到指标矩阵A= (aij) m×n.由于方案的指标较多, 且各指标的量纲不同, 为便于比较, 对指标矩阵进行规范化处理。令:

$x_{i j} = {\begin{cases} \frac{a_{i j}}{\sqrt{\sum_{i = 1}^{m} (a_{i j})^{2}}} 当 j 为正向指标时 (1) \\ \frac{- a_{i j}}{\sqrt{\sum_{i = 1}^{m} (a_{i j})^{2}}} 当 j 为负向指标时 (2) \end{cases}$

得到规范化指标矩阵:X= (xij) m×n

(2) 确定方案集的最优点和最劣点

令:x+j=max{xij}, x-j=min{xij} (j=1, 2, …, n) (3)

则:

最优点集为:A+= (x+1, x+2, …, x+n)

最劣点集为:A-= (x-1, x-2, …, x-n)

满意方案就是在决策点集中找出离最优点集最近、离最劣点集最远的决策点。

(3) 计算各方案的密切值

方案Ai的密切值为:

Ci=d+i/d+-d-i/d- (4)

其中:

$d_{i}^{+} = [\sum_{j = 1}^{n} (x_{i j} - x_{j}^{+})^{2}]^{1 / 2}$ (5)

$d_{i}^{-} = [\sum_{j = 1}^{n} (x_{i j} - x_{j}^{-})^{2}]^{1 / 2}$ (6)

d+=min{d+i}, d-=max{d-i} (7)

d+i、d-i分别表示方案Ai与最优方案A+、最劣方案A-之间的欧氏距离, d+、d-分别为m个最优点距的最小值和m个最劣点距的最大值。

Ci的大小反映了方案集偏离最优点的程度, 当Ci>0时, Ai偏离最优点, 其值越大, 偏离越远;当Ci=0时, A最接近最优点。以Ci的大小作为决策准则, Ci最小的方案就是满意方案。

4.2 实例研究

以长三角某中心城市模具产业为例, 对其2004—2007年集群创新能力进行评价。依据政府统计部门数据, 参考调研统计结果, 应用公式 (1) 、 (2) 对表2模具产业集群创新能力评价指标数据进行规范化处理, 结果列于表3。

由 (3) 式和表3可得出该评价系统的最优点 (A+) 和最劣点 (A-) , 根据式 (5) 和式 (6) 可计算di+、di-, 然后由 (4) 式计算可得出各年份的密切值, 根据密切值的大小对2005—2007年该市模具产业集群创新能力进行排序 (见表4) 。

可知, CD<CC<CB<CA, 反映该市2004—2007年模具产业集群创新能力逐步提高。这一结果符合实际情况, 由此可见所建立的密切值法模具产业集群创新能力评价模型是可行的。

对该市A、B、C、D、E五个区域模具产业集群在2007年的创新能力进行评价, 在出口创汇方面, 区域A>B>C>D>E, 数据处理见表5, 用密切值法对各区域模具产业集群创新能力评价结果见表6。

由评价结果可知, CA<CB<CC<CD<CE, 说明区域A集群创新能力最强, 因为A区域模具产业集群的研发投入最大, 人员素质最强, 核心企业占比最高, 产业链完善程度也较好;从表5还可以看出其多项指标均优于其他几个区域集群。由此可见, 创新投入强度、人员素质和核心企业占比在很大程度上直接决定了一个区域模具产业集群创新能力的大小。

5 结论

(1) 基于密切值法的集群创新能力评价模型是可行的。

通过对长三角某中心城市模具产业2004—2007年集群创新能力的实例评价, 可以看出所建立的模具产业集群创新能力评价模型是有效可行的。

(2) 密切值法也存在着不能做具体量化的不足。

密切值法作为系统工程多目标决策的一种优选方法, 可根据实际经营的不同情况构成最优和最劣样本进行模具产业集群创新能力的综合评价和排序, 该方法概念清晰, 参数的意义明确, 可克服多义性和不确定性, 但该方法所得结果只是比较值, 不能确切计算出各影响因素和具体指标所占比重和创新能力的具体量化值。

(3) 不同指标对集群创新能力影响效果不同。

通过对不同区域集群创新能力评价的比较可以得出, 创新投入强度、人员素质和核心企业占比在很大程度上决定了一个区域模具产业集群创新能力的大小, 因此, 要提高模具产业集群创新能力就要加大创新投入, 提升人才素质, 培育核心企业的成长, 加强中小模具企业分工合作, 完善模具产业链。

改进密切值法第6篇

1 密切值法

1.1 密切值法原理

密切值法是系统工程的一种优选法。对于同时存在正向指标和负向指标的待评对象系统, 将其转化为同向指标系统后, 首先确定待评对象各指标的最优点及最劣点, 然后比较各对象与最优点及最劣点的距离, 以其密切值的大小, 排出各对象优劣的顺位。当密切值越小时, 表明该对象与最优点关系越密切, 与最劣点关系越疏远, 即待评对象的某种性质越佳。当密切值为0时, 最佳。

对于评价有害作业点相对危害程度来说, 所选的最优点为评价指标中数据最小的, 即反映有害作业点危害轻微标的数据, 最劣点为评价指标中数据最大的, 即反映有害作业点危害严重指标的数据。因此, 当有害作业点的密切值越大时, 其相对危害程度就越严重, 为0时, 最轻。具体计算步骤如下:

1) 选择评价指标, 确定原始数据。

2) 原始数据标准化:

式中:I=1, 2, …, n为待评作业点;j=1, 2, …, m为监测指标, aij为第i个作业点第j个监测指标的原始数据, rij为第i个作业点第j个监测指标的标化值。

3) 直接排比, 确定各监测指标的最优点和最劣点。所谓最优点指各监测指标原始数据标化值的最小值, 即

最劣点指各监测指标原始数据标化值的最大值, 即

4) 各作业点与最优点和最劣点的密切程度:按式 (1) 和式 (2) 计算各作业点标化值与最优点和最劣点的“欧几里德”绝对距离, 以其来表示密切程度。

5) 密切值计算:密切值是以各作业点距最优点的最小距离, 距最劣点的最大距离为参比, 综合比较其隶属于最优点和最劣点的程度。

d+为各评价单元与最优点的最小距离, 即di中的最小值;I-为各评价单元与最劣点的最大距离, 即Ii中的最大值。

C值越小, 表明该作业点与最优点距离越近, 关系越密切, 与最劣点距离越远, 关系越疏远, 即职业危害程度越小 (当C~0时, 即d+~di;I-~Ii时, 该作业点职业危害程度最小, 作业环境质量状况最佳) 。

1.2 密切值法特点

密切值法是一种新的数值决策法, 它通过将参与方案优选的各项技术经济指标无量纲化, 以消除各指标单位不同所带来的不利影响, 然后根据数学原理, 排列出各方案优劣次序。其中涉及的大量数学运算由EXCEL中附带的函数完成, 计算简单、精度高, 能够准确、客观、全面地反映作业场所危害情况, 从而为作业环境危害评价方法优选提供简单、易懂、直观的科学决策依据。

2 密切值法在职业安全卫生评价中的实例应用

2.1 评价对象

自从70年代末160 KA中间下料预焙槽电解铝生产技术引入国内后, 中国电解铝生产工艺进入了一个新的发展阶段。

该工艺将氧化铝作为溶质, 熔融冰晶石作为溶剂, 分别以铝液、碳素体作为阴极和阳极, 在950~970℃温度下, 通入强大的直流电后, 在电解槽内的两极上进行电化学反应, 即电解。该工艺也被称为冰晶石—氧化铝融盐电解法, 通过电解得到的铝称为电解铝。

电解铝车间主要污染物为电解过程中阳极产生的一氧化碳和二氧化碳, 其中含有一定量的氟化氢等有害气体和固体粉尘。这些气体、粉尘对人体是有害的, 控制这些有毒有害物质在车间环境内的含量对劳动保护具有重要意义。

本文选取某电解铝车间10个测定点7个监测指标的监测数据作为评价对象 (见表1) 。

2.2 密切值法计算软件

为方便密切值法的使用, 应用C号程序开发了密切值计算软件 (代码略) 。C号 (C Sharp) 是微软为.NET Framework量身订做的程序语言, 它主要是从C和C++继承而来, 语言中的许多元素也反映了这一点。C号拥有C/C++的强大功能, 以及Visual Basic简易使用的特性。

密切值计算软件界面如图1。

2.3 实例应用

依据密切值法计算公式及步骤, 在计算软件中输入数据, 得到最终计算结果。具体计算结果见图2~图5 (均为计算软件截屏) 。

1) 输入评价指标

2) 标准化处理并确定最优点和最劣点

3) 计算各指标与最优点和最劣点的绝对距离, 并确定最优点的最小值和最劣点的最大值

4) 计算各点的密切值。点击“密切值”, 便得到最终计算结果

2.4 结果分析

根据密切值大小, 排出各作业点职业危害程度次序为行车驾驶室 (关窗) <电解槽北<电解槽南<加料作业<拔棒作业<电解槽中<钉棒作业<打壳作业<行车驾驶室 (开窗) <转接作业。

从表1来看, 行车驾驶室 (关窗) 的氟化物、CO2、石油沥青烟、噪声等指标居第10位, 气温居第9位, 氧化铝尘居第8位, CO居第7位, 故测定点中行车驾驶室 (关窗) 职业危害程度最轻, 列于作业环境质量首位, 这一评价结果是符合实际的。

3 结论

1) 通过实际应用证明, 采用密切值法对有毒有害作业场所进行评价的结果能够客观的反映实际情况, 因此密切值法可以作为职业安全卫生评价的方法之一, 是对职业安全卫生评价方法和评价领域的进一步拓展。

2) 对于多指标、多样本的作业场所环境进行评价时, 密切值法计算简单, 评价结果更准确、更客观。

3) 使用密切值法时要充分考虑评价对象的具体情况。因为密切值法在评价过程中并未考虑各指标的权重或将各指标的权重做等权处理, 所以其评价结果可能会产生误差。

摘要：职业安全卫生评价是我国安全生产领域重要的组成部分, 对不断改善作业条件, 提高劳动者的保护水平有着重要意义, 同时可为职业卫生和科研人员的研究提供技术支持。在评价过程中常会用到数学方法和数学模型, 在众多方法中密切值法因其科学性、易行性等特点得到了广泛应用。介绍了密切值法, 并运用密切值法计算软件对电解铝车间的职业危害程度进行评价, 得到了较理想的结果, 为制定职业安全卫生保护措施提供依据。

关键词：职业安全卫生评价,密切值法,计算软件,应用研究

参考文献

[1]宋钰.浅谈职业安全、职业卫生的现状与发展中国公共卫生管理[J].中国公共卫生管理, 2003, (5) :17-20.

[2]孙建先.开展安全评价的意义[J].矿业论坛, 2009, (19) :19.

[3]刘峰.系统安全评价方法的研究现状及发展前景[J].中国水运, 2007, (1) :179-181.

[4]高丽娟.用密切值法对医院医疗质量综合评价[J].中国医院统计, 2008, 6 (2) :159-161.

改进密切值法第7篇

随着智能电网建设的兴起,电网企业信息化浪潮不断向前推进,有效地提高了电网企业信息处理和流动能力,深化了企业资源的优化配置,推动了企业业务重组,改善了电力营销管理、决策的效率和水平,整体上提升了电网企业核心竞争力和经济效益。在此过程中,深化对电网企业信息化效益的评价,对于提高企业信息化水平,使企业了解自身的信息化建设效果并进行相应改善,推动智能电网建设,构建坚强电网具有重要的意义[1,2,3]。

密切值法是系统工程的1种优选方法,具有评价指标矩阵易于定量化、计算结果精度较高等特点,已被广泛应用于环境质量评价、工作质量评价及企业能力评价等领域[4,5]。但传统的密切值法对各指标分配相等的权重,可能致使评价结果存在较大误差。熵权法利用评价因素传递给决策者的信息量来决定权重的大小,但需引入主观设定的期望值,可能导致评价结果的可信度下降[6]。因此,综合熵权法与密切值法,以熵权法确定各指标的权重,利用密切值法的最优基准点或最劣基准点代替熵权法中的期望值,使2种方法互相弥补。本文利用熵权法与密切值法各自的优点,建立了电网企业信息化效益评价模型,对电网企业信息化效益进行评价。

1 电网企业信息化效益评价指标体系

在智能电网建设过程中,信息化建设是1项重要的战略性投资,具有可持续发展效益,同时又是1种新技术投资,可为电网企业带来经济效益和社会效益。本文从可持续发展效益、经济效益和社会效益3个方面,本着科学性与系统性、代表性与可行性、定量与定性、独立性与实用性相结合的原则,建立电网企业信息化效益评价指标体系[7,8,9],如图1所示。

该指标体系中包含定量指标和定性指标,指标分值分别结合了定性和定量算法[10,11]。其中定性指标(如可持续发展效益指标和社会效益指标)的数值采用10分制由专家打分确定;定量指标(如经济效益指标)以电网企业的实际数据为依据。

2 基于熵权密切值法的评价模型

熵权密切值评价模型主要包括3部分,首先根据规范化的指标数值应用熵权法确定各评价指标的权重;然后确定有限样本中的“最优点”和“最劣点”,并计算样本点与“最优点”或“最劣点”间的欧氏距离,以此确定各样本的密切值;最后根据密切值大小确定各评价样本的优劣顺序。

2.1 建立指标矩阵

假设对Ei(i=1,2,…m)个样本进行评价,每个样本有Fj(j=1,2,…,n)个评价指标,相对应的各指标值为,其指标矩阵。

2.2 指标矩阵规范化

本文构建的指标体系是1个多指标多层次的综合评价体系。由于所采用的各评价指标的性质不同,一些指标的单位和量级存在较大差别,相应的指标值也会有差异,为便于比较,对指标矩阵进行规范化处理。

其中:

(2)

经规范化处理,得到新的无量纲指标矩阵X=(xij)m×n。

2.3 用熵权法确定各指标的权重

根据熵的定义,计算第y项指标的熵值为:

则第i项指标的熵权为:

指标权重列向量为:

2.4 计算各评价样本与“最优点”和“最劣点”距离

首先,确定样本集中的“最优点”和“最劣点”。

则最优决策样本为:

则最劣决策样本为:

然后,根据欧氏空间距离计算方法,计算各样本点与最优点的欧氏距离,以及与最劣点的欧氏距离。

式中:wj为第j个评价指标的权重。

2.5 计算各评价样本的密切值

样本Ei的密切值σj为:

式中:d+、d-分别为m个最优点距的最小值和m个最劣点距的最大值。

2.6 评价样本优劣顺序

密切值σj的大小反映了样本集偏离最优点的程度,当σj>0时,Ei偏离最优点,其值越大,偏离越远;当σj=0时,Ei最接近最优点。因此,以σj的大小作为决策准则,σj最小的样本就是信息化效益最好的电网企业。

3 算例分析

假设以某省电网公司下属的3个地区供电企业为样本,对其信息化建设进行评估,分别设3个供电企业为E1、E2、E3,以1年为期限,收集3家企业信息化建设效益的相关数据。其中可持续发展效益指标和社会效益指标采取专家打分法,经济效益指标为企业实际经营数据。整理数据如表1所示。

备注:表1中,年售电量增长率、资本积累率、净资产收益率、总资产收益率和管理费用节省率等5项指标为定量指标,采用实际数据,其余指标为定性指标,数据由专家打分得出。

利用基于熵权密切值法的评价模型对3家企业的信息化效益水平进行评价。以下计算应用Excel或Matlab软件进行数据处理并得出最终评价结果。

(1)建立指标矩阵并进行指标规范化

根据指标数据建立指标矩阵,并对其进行规范化处理,得到无量纲矩阵X。

(2)计算各指标权重

利用熵权法计算各指标的权重,得到指标权重列向量为:

W=(0.015,0.115,0.055,0.015,0.055,0.025,0.120,0.149,0.225,0.081,0.013,0.017,0.055,0.042,0.017)T

(3)确定各样本的最优点和最劣点

最优点集E+=(0.601,0.699,0.655,0.601,0.655,0.632,0.684,0.712,0.738,0.677,0.623,0.629,0.65 5,0.646,0.629)

最劣点集E-=(0.526,0.466,0.592,0.526,0.492,0.523,0.443,0.446,0.412,0.480,0.553,0.550,0.492,0.503,0.550)

(4)各样本与最优点和最劣点的距离

则:d+=0.111.d-=0.201

(5)计算各样本的密切值

σ1=1.737,σ2=0,σ3=0.364

比较可知σ1>σ3>σ2,根据密切值的优劣排序原则,σj值越小,离最优点越近,样本的效果越好。则可知供电企业E2的信息化效益最好,企业E1有待于检查并改善信息化建设。

4 结论

熵权法和密切值法相结合的评价模型适用于多因子评价模型,通过对原始数据进行规范化,可消除不同量纲的影响,其排序结果利用了原始数据信息,能定量反映不同评价方案的优劣程度。将熵权密切值法用于电网企业信息化效益评价可以充分利用该方法的优点,对被评价电网企业给出中肯客观的评价结果,从而为电网企业加强信息化建设提供科学的决策依据,不断提高电网企业信息化管理水平以及信息化效益。

参考文献

[1]马莉,孙延明,田志军,等.企业信息化评价指标体系及其评价方法的研究[J].企业信息化,2005,(3):41-44.

[2]瞿斌,陈永权,李存斌.省网企业信息化综合评价指标体系构建与方法研究[J].华北电力大学学报,2007,34(3): 80-84.

[3]贾小东,段琪,王嘉.电网企业信息化标准体系建设研究[J].陕西电力,2010,38(2):14-17.

[4]郭树宏,张江山.基于熵权的改进密切值法在地面水水质评价中的应用[J].安全与环境学报,2007,7(3):75-77.

[5]陈一萍.基于密切值法的节能减排评价研究[J].生态环境学报,2010,19(2):419-422.

[6]秦德智,雷森,鲜于德清.企业技术能力密切值静态的综合评价[J].统计与参考,2008,(19):78-80.

[7]刘行,赵吉坤.改进熵权法在工程项目评标决策中的应用[J].中国制造业信息化,2010,39(17):60-62.

[8]李存斌.企业如何实施效益信息化[J].施工企业管理, 2008,(243):31-33.

[9]朱海荣.企业信息化评价指标体系及评价方法的研究[D].南京:南京航空航天大学,2007.

[10]毕明山.电力企业信息化评价模型研究[D].天津:天津大学,2008.

本文来自 99学术网(www.99xueshu.com)，转载请保留网址和出处