模糊AHP模型

模糊AHP模型（精选9篇）

模糊AHP模型 第1篇

评价是一个非常复杂的过程, 就其本质而言是一个判断的处理过程, 而学习评价[1,2,3]则是作为学习系统的反馈调节机制, 它能帮助我们检测学习效果同时指引正确的方向。学习评价的重要性主要表现在以下几个方面:

(1) 检测功能

学习评价作为学习过程中的一个重要组成部分, 可以在学习过程中及时发现不足, 并用数据或者图表的形式反应给教师, 学生, 从而促进老师教学技能的不断改进与学生自身学习能力的不断强化。

(2) 调控功能

是指若发现学生在学习过程中存在的问题或不足能及时指引学生走向正确的方向, 也能在老师教学过程中改正其不足, 使教学过程和学习过程更加完善。

(3) 激励功能

评价结果能激励学生学习, 也能激发教师教学的积极性, 有助于使学习过程进入一种良性循环。

模糊理论在很多领域的评价过程都得到了认可[4,5,6,7], 本文引用模糊理论与层次分析法相结合, 构建了一个有科学依据的学习评价方法, 使评价因素之间的联系建立在科学的基础上。

1 模糊评价模型构建

1.1 方法介绍

模糊理论:是一种把模糊集合的基本概念与连续隶属度函数的理论融合后的理论体系。生活中的用来评价成绩好坏的优、良、中、差;天气预报时所说的多云、暴雨等这些都可以用模糊理论, 它最显著的特点就是不定量评价。

AHP层次分析法:这种方法是用来确定评价因素权重的, 用这个方法来确定权重, 不仅能够定性的分析, 同时也能定量的分析, 是一种不错的方法。

1.2 确定评价因素

为了使学生评价更为客观合理, 同时可以更好的验证模型效果, 本文从诸多因素中选取了若干因素, 但由于评价因素过多, 不同教师对不同因素感兴趣程度不同, 本文选取了:课堂作业完成情况、课后作业完成情况、出勤等作为评价因素, 建立了一个简洁的评价模型。设评价因素集合为T, 则:

T={t1, t2, ……, tn}

上式中ti为各种评价因素

T= {t1, t2 }={学习过程评价, 测验成绩评价}

1.3 确定评价因素权重

评价因素权重在一般的传统教学当中主要是由教师的主观而定, 本文将采用AHP层次分析的方法来确定权重, 这样将更加科学、合理。

为了能使评价因素之间构造出比较矩阵, 引入相对重要标度。本文采用Saaty建议的1-9 比例标度法。

1.4 构建比较矩阵

对于图1 所确定的评价因素我们将运用AHP构建比较矩阵:比较矩阵将满足aij.aji =1, 对于比较矩阵我们还将检验器一致性比率, 看是否小于0.1, 若大于或等于0.1 我们将重新输入标度。

经过计算判断矩阵的特征向量W和最大特征值 λ 为:W= (0.5, 0.5) , λ=2 则一致性指标C.I.=0, 一致性比例C.R.=0<0.1, 符合一致性检验。

第三层对第二层的判断矩阵如表1 所示:

经过计算判断矩阵的特征向量W和最大特征值 λ 为:W= (0.21, 0.21, 0.1, 0.48) , λ=4.16, 则一致性指标C.I.=0.05, 一致性比例C.R.=0.06<0.1, 符合一致性检验。

1.5 评价等级隶属度确定

在教学当中一般采用模糊数来对应教师评价等级, 在目前教学中大多采用V={v1, v2, v3, v4, v5 }={优, 良, 中, 及格, 不及格}, 这样就可以设定等级隶属度见表2。

2 对学习过程的综合评价

2.1 计算学习过程各指标的方法

在所有学习过程指标里面, 设SKi为第i个学生的第K项活动;Tki为第i个学生在第K项活动所用时间;AVGk为第K项活动的平均次数或时间, Tmin为所有学生中, 第K项活动所用最少时间或次数, Tmax为所有学生中, 第K项活动所用最多时间或次数。则计算如公式1 所示:

这样便可以把出勤和参加讨论次数这两个因素模糊成5 等级, 如表2 所示:

接着我们在利用之前求得的权重, 用公式 (2) 即可计算出学习过程的综合评定的结果和其对应的隶属函数。

2.2 对学习过程的反模糊化

求出学习过程对应的隶属函数后, 我们要将其转化为分数, 这就是反模糊化。我们将用重心法来解模糊化。反模糊化的结果如 (3) 式所示。设XC为重心的横坐标, 由于上束梯形为等腰梯形, 重心极为几何中心。

由于测验成绩评价我们可以得到最终分数, 那么只需要和其对应权重相乘即可。

2.3 最终学习评价

将学习过程对应的分数和测验成绩对应的分数与其对应的权重相乘。见公式 (4)

3 实现

本文用实例来检验模型的正确性, 以某班级一个学期的平时成绩、期末成绩作为检验数据样本, 根据模型制作简易评价计算器如图1 所示:

在开始界面内我们只有一个标题和一个开始按钮, 对于标题栏我们直接用静态文本显示框即可, 接着我们对于插入的DIALOG需新建一个类, 类名我们不妨设为CBDlg, 然后我们需要在SETDlg.cpp内添加#include BDlg.h即可[11], 我们对于开始按钮我们响应函数如下所示。

假设在本学期内所有学生平均出勤次数为10 次, 最低为5 次, 最高为20 次, 平均积极回答问题次数为12 次, 最低为0 次, 最高位15 次。现有位同学出勤5次, 那么可以利用公式 (2) 算出对应等级为及格;积极回答问题次数为20, 同样根据公式 (2) , 我们算出对应等级良, 这位同学课内作业评价为良, 课外作业评价为优, 期末成绩为79 分。则这个学生的最终成绩为82.05, 评定等级为良。那么用计算器来检验。

依次在功能框内输入数据, 单击确定按钮后结果如图2 所示。

4 总结

经过多次测试, 根据本文中评价模型有效、可靠, 该评价模型还有进一步完善的可能, 应该考虑根据课程性质、专业特点等去增加多个维度去评价, 在软件的设计上也应该考虑大量学生数据录入时应采用合理的批量导入方法。

参考文献

[1]霍彬涛.教师案例学习系统中的学习评价模型的设计与实现[D].湖南:湖南师范大学, 2008:1-3.

[2]孙晓妍, 吕岩.基于校园网的教学评价系统的设计与实现[J].软件, 2013, 34 (3) :55-56.

[3]吴玻.基于神经网络的智能学习评价模型的研究与设计[J].中国科技息, 2009, 17:1-8.

[4]王云, 史浩山.一种基于模糊理论的个性化网络学习系统[J].计算机工程与应用, 2005, 42 (21) :8-10.

[5]李洪波, 胡建兵.网络学习的评价模型[J].电化教育研究, 2004, 5:47-50.

[6]景雯, 张天刚, 张杰.模糊评价中权重生成系统的设计与实现[J].软件2012, 8:34-38.

[7]马莉.消费者对网络卖家信任度评价的AHP模型[J].软件, 2013, 34 (5) :134-136.

模糊AHP模型 第2篇

基于AHP的农村生活环境模糊综合评价

利用AHP法和模糊综合评判法对农村生活环境进行分析.结合河南省近几年的`相关数据对农村生活环境的优劣情况给出定量分析.并给出了改善农村生活环境的相应措施.

作 者：黄春艳 李艳玲 HUANG Chun-yan LI Yan-ling 作者单位：华北水利水电学院,数学与信息科学学院,河南,郑州,450011刊 名：周口师范学院学报英文刊名：JOURNAL OF ZHOUKOU NORMAL UNIVERSITY年，卷(期)：200825(5)分类号：X82关键词：AHP法 农村生活环境 模糊综合评判

模糊AHP模型 第3篇

关键词：课堂教学质量,模糊AHP,评价模型

高校课堂教学质量评价是根据教学目标和教学评价标准, 对课堂教学中教与学的活动和教学效果进行价值判断, 是发现课堂教学中存在问题、改进教学、提供教学管理决策服务的过程。教学质量的影响因素较多, 其中课堂教学是整个人才培养过程中最基本、最重要的因素, 有效地对教师课堂教学质量的评价可促使教师重视教学, 增强教学研究与改革的积极性, 更快地提高教学质量。也为学校教学管理部门及时掌握教师教学情况提供重要的渠道, 促进高校科学管理, 从而推动高校的人才培养工作[1]。

本文结合安徽新华学院的教师评价体系, 采用的模糊层次分析法 (AHP) 评价模型, 其中有分为四步:首先作出单因素评价并构建评判矩阵;其次确定因素重要程度模糊集;然后确定评价模型, 求出模糊评价集;最后进行综合评判, 具体计算方法见参考文献[2,3,4,5]。

1 教学评价指标权重的确立

安徽新华学院根据教师教学情况, 将教师教学评价体系分为二级指标体系, 即4个一级指标、10个二级指标。 (如表1)

2 一级指标权重系数的确定

确定各指标的具体权重:

1) 构建比较判断矩阵。由学校专家对同层次所有指标进行两两比较, 按标度方法判断它们的相对重要程度, 并将判断结果进行量化, 得出判断矩阵, 见表2。

根据表2得到比较判断矩阵A为:

2) 将判断矩阵利用MATLAB软件确定最大特征根, 得到结果如下:

3 二级指标权重系数的确定

根据教学质量评分标准及专家组成的评分小组, 按照前面介绍的方法计算二级指标权重系数, 为避免重复, 仅给出判断矩阵及权重计算结果。

从而确定该层次的指标权重为U1={u1i}= (0.1634, 0.2970, 0.5396) , 同时也可以反映各指标的相对重要程度。

从而确定该层次的指标权重为U2={u2i}= (0.5499, 0.2402, 0.2098) , 同时也可以反映各指标的相对重要程度。

从而确定该层次的指标权重为U3={u3i}= (0.5584, 0.1220, 0.3196) , 同时也可以反映各指标的相对重要程度。

由于第四指标只有一项, 在这里不再单独说明, 其指标权重系数为1。

4 权重系数汇总

经过上面各表运算并进行适当处理便得到了教学评价体系中各层次指标的权重系数表 (表6) 。

5 两个教学质量评价表格的相互比较

安徽新华学院之前采取的教学质量评价表如表7所示。

安徽新华学院现在采取的教学质量评价表如表8所示。

通过表7和表8之间的对比以并结合本文上述根据AHP (层次分析法) 所算出的四个一级指标的比重可以看出表7中四个一级指标 (教学态度、教学水平、教学方法、教学效果) 的比重分别为20%、40%、16%、24%。而经过比较矩阵用MATLAB算出的四个一级指标 (教学态度、教学水平、教学方法、教学效果) 的比重分别为15%、31%、41%、13%。

对比后发现:

1) 教学态度一直扮演着重要的角色, 教学态度端正, 教学认真等是保证良好教学的重要前提条件。

2) 教学水平固然重要, 但是表7中的40%的比重相对过大了, 从而会给教师在教学过程中产生错觉, 过多的强调课堂的教学内容的重要性, 不利于整个教学评价体系的健康、全面地发展。

3) “授之以鱼不如授之以渔”, 显然, 当今的教学过程中教学方法的重要性是众所周知的。只有方法得当, 才能让每位学生更好的接受并理解所学知识, 从而促成教学相互促进发展的良好局面。

4) 相比表7中教学效果的24%下降到现在的13%, 因为有了之前的教学态度、教学水平和教学方法的保证, 一个好的教学效果也就会水到渠成。从而可以看出, 应该将这块的比重压缩并分给其他三个指标。

5) 由表7和表8的评价级别可以看出, 新的评价表的评价级别分的更加细化, 分为优、良、中、差, 相比之前的计分制的模糊性更加明确, 有利于师生做出客观准确的评价。

通过以上对比可以看出, 随着时代的发展, 表7已经不能适应对现在的教学评价体系进行评价, 所以要运用模糊数学等知识对其进行改进, 这也是本文研究的意义所在。

参考文献

[1]张宁.课堂教学质量评价指标体系及评价方式的探讨[J].徐州教育学院学报, 2007.

[2]戴磊.基于模糊数学的高职高专学生素质评价研究[D].昆明:昆明理工大学, 2009.

[3]徐斌.高校学生素质综合评价体系构建及应用[D].南京:南京理工大学, 2008.

[4]吕洪宾.基于模糊评判的高校学生综合素质评价体系研究[D].济南:山东师范大学, 2007.

一个有趣的AHP模型 第4篇

用AHP层次分析法挑选最佳结婚对象

为了使文章读起来比较有趣，假设屏幕前的你现在中了彩票头奖，奖金5亿RMB。于是你彻底解放不用再写代码啦，天天开辆法拉利到处玩，来给你介绍对象的媒人踏破家门。经过初赛、复赛、泳装、晚装、才艺展示之后，仍然有三位佳丽胜出。她们各有所长，但又无法量化比较，让你无法取舍。如下表

相貌身材

学识智慧 如花 身材娇小,苗条

如月 身材高挑

如云 身材性感 五官有点像林志

玲

本科, 表演专业 目前职业是平面

模特 爱好到世界各地

旅游

高贵、性感 五官有点像刘亦菲

硕士, 绘画专业

声音比较甜

本科, 舞蹈专业

目前职业是时装设计师平时爱呆在家里看闲书,或画画涂鸦

清纯、阳光

目前职业是舞蹈演员 钢琴和声乐上受过专门训练,有

一定水准

优雅

气质

但可惜你不是泰国人或阿拉伯人，只能按照中国的法律一夫一妻，所以你不得不做出选择。这时候我们的AHP（The analytic hierarchy process）层次分析法就华丽地登场了！

一、AHP方法适合这样的场合：

1、有决策目标、有几种可选方案，并且能在方案之间提炼出比较要素

2、各方案在比较要素上只有定性的描述，无法定量衡量

3、你只能凭直觉或经验，对某两方案的某两要素进行两两比较

3、需要对所有方案排出座次。

二、AHP方法的理论基础和数学模型

数学模型比较复杂，详见MBALIB的 层次分析法 词条，对高数还念念不忘的同学可以进去怀旧一下。我们现在的目的是挑老婆，不是做矩阵运算，因此计算的事就找个软件代劳。AHP的计算软件有很多，下文我用了YAAHP这个软件，可以点这里直接下载。虽然你已经是亿万富翁，但是咱们不能忘了程序员的良好习惯，坚持使用盗版或免费软件，这个YAAHP就是免费的，符合勤俭朴素的你。

三、建立层次结构模型

最上面粉色的是目标层，中间黄色的是要素层，最下面蓝色的是方案层。具体使用方法见YAAHP的flash演示动画，下载安装后也有。这个FLASH动画里演示了买车的决策分析，而且要素层里面再细分为两层。不过你已经买完法拉力了，现在要选老婆。我们把模型建得简单点，要素只有一层，如下图。

四、填写判断矩阵

如上面所述的选老婆场景，判断矩阵一共有有4个。分别是：

（1）你对三个比较要素的侧重程度。也就是说，你更看重相貌身材，还是更看中学识智慧或气质，这三者在后面比较中的权重各占多少

（2）三个美女在“相貌身材”上的两两比较矩阵（3）三个美女在“学识智慧”上的两两比较矩阵（4）三个美女在“气质”上的两两比较矩阵

由于都是两两比较，所以每个3*3矩阵里只用填入一半不到的格子就行了。如下图，在右上方黄色柱子里拉动那个蓝色方块就行了。

查看原图（大图）

注意这里有个“一致性”，定义和公式见这里。判断矩阵的一致性如果超过0.1, 则上面那行蓝字会提示“不一致”，然后这个软件就鄙视你拒绝为你计算结果。可以调节矩阵里的数值避免这种情况。

五、计算结果

某个邪恶的男人把四个判断矩阵填写完后（后面三个矩阵的数值保密，免得我老婆看到了扁我），YAAHP软件就自动帮你算出结果了：

注意，这是AHP层次分析法计算出来的结果，而不是程序软件计算的结果.抛开软件，我们直接在纸张上画格子填判断矩阵, 最后也能手算出同样的结果来.根据每个人凭主观判断而填入矩阵的数值不同，最后也会呈现不同的结果.所以，按照某个邪恶男人的审美标准，如月胜出当正房，其次是如云做二奶，如花出局。

这个计算结果会由你对每个要素的倾向而不同，最后把主观的东西变为量化的结果，很神奇吧。

六、群体决策

假设这时候作为亿万富翁的老爸老妈对你的层次分析法结果表示异议，也希望加入决策，那么你可以在AHP中加入群体决策，如这个视频所演示的，你还可以为各个参与者设定权重。

七、回到现实

这样挑老婆当然很爽，可惜你还没中那5亿RMB，所以只好老老实实做产品策划、功能取舍。

模糊AHP模型 第5篇

关键词：AHP,模糊综合评价灰色关联分析法业主满意度评价模型

一、引言

物业管理作为一个新兴的行业, 它集管理、服务、经营于一身, 旨在提高业主满意度, 增强自身的竞争力。选择一套科学的评价模型来对物业服务进行准确评估, 不仅是物业公司识别自身与竞争者间的差距, 进而制定计划并采取措施提高物业服务水平的有效手段, 也为业主选择合适的物业服务公司提供了衡量标准。

目前, 用于建立多因素评价模型的方法主要有TOPSIS法、秩和比法、灰色关联法、模糊综合评价法、神经网络法、AHP和专家调查法等。模糊综合评价法是目前应用最广的多因素综合评价方法, 它根据模糊数学的隶属度理论把定性评价转化为定量评价, 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。张泽颖等[1]和朱雪芹[2]使用模糊综合评价法, 并结合问卷调查和SPSS效度分析, 得出各指标权重和隶属度矩阵, 降低主观打分的误差;赵万华[3]等将BP神经网络和模糊综合评价法相结合, 增加了评价模型的定量分析;齐宝库等[4]将层次分析法引入物业管理, 使得评价指标的权重更加客观和合理;任海华等[5]将灰色关联分析和熵值法相结合, 为本文使用灰色关联法计算隶属度矩阵提供思路, 而且熵值法在指标权重的获得上也具有客观性;邹欣[6]等人将层次分析法和模糊综合评价法相结合, 吸取两种方法的优点, 建立科学的评价模型;陈政敏和王娟[7], 将层次分析法和灰色关联分析法运用于教师招聘, 既可以克服各指标的偏好问题又可以进行定量化评比, 具有客观公正的效果;刘辉等[8]将TOPSIS法与模糊理论相结合, 构建了采购商供应综合评价模型, 并进行实证分析;庞锦平等[9]分别利用模糊综合评价法、TOPSIS、灰色关联法对多种备选方案进行评价, 最终得出模糊综合评价法效果最优的结论。

本文在定性分析和定量分析相结合的指导思想下, 选择将专家调查法、AHP、灰色关联法和模糊综合评价法联合使用, 克服单一评价方法的局限性, 保证了评价体系的准确性和客观性。本文先通过专家调查法确定评价指标体系, 在以保证业主满意度为目标的基础上, 下设安保服务、环境卫生、客户服务和经济费用这四个二级指标和十二个三级指标。随后, 利用AHP法确定评价体系中的各指标权重, 再由灰色关联分析法得出隶属度矩阵, 大大降低了传统的专家打分法造成的误差。最后, 在上述基础上利用模糊综合评价法的思想进行模糊合成和综合评价, 从而确定物业管理的满意度等级。

二、AHP法确定指标权重

层次分析法是一种定性分析与定量分析相结合的系统分析方法, 它的基本思路是先根据各要素间的隶属关系, 将要素按不同层次聚集组合, 形成一个多层次分析结构模型, 然后计算同一层次各元素相对于上一层目标的相对重要性, 最后将该问题归结为最底层相对最高层的比较优劣的排序问题。

(一) 建立评价体系结构模型

本文通过调查问卷和社会访问相结合的方式, 向大量小区住户和物业管理从业人员征求意见, 得出了安保服务、环境卫生、客户服务、经济费用这四个对客户满意度影响最大的一级评价指标。为了更加精确地了解住户的需求, 我们又在一级指标下下设多个二级指标。综上, 我们所使用的评价指标体系如下:

(二) 构造判断矩阵

判断矩阵是指相对于上一层某要素, 本层次各个要素经两两比较后所得的相对重要性的判断值, 本文使用的是1-9标度。通过专家调查法, 我们得出了不同层次各指标间的相对重要性。如下, 是准则层各指标相对于目标层的判断矩阵:

层次单排序及一致性检验

层次单排序是根据判断矩阵计算出某层次各要素相对于上一层次中某要素的相对权重。这里我们使用方根法进行计算。例如, 准则层各指标的相对权重计算如下: (0.26, 0.52, 0.08, 0.14) 。

综上, A-B、B-C判断矩阵及其处理如下:

(三) 层次总排序及一致性检验

计算最底层相对于目标层的组合权重, 即W=一级指标相对权重×各一级指标下二级指标相对权重。经过一致性检验, 结果如下:

三、灰色关联分析得出隶属度矩阵

由于物业满意度主要由居民的主观评价得出, 必然受各种不确定因素的影响, 是典型的灰色系统, 因此, 我们运用灰色关联法, 得出满意隶属度矩阵。灰色关联分析法是计算出物业各指标与我们既定的评价等级之间的贴近程度的关联度, 进而得出关联矩阵。

根据国家标准、我们的调查和专家建议, 结合当地情况, 我们给出物业满意度等级的标准值:

由专家和业主们用0-100之间的数给该物业的上述指标进行评价, 将得分进行无量纲化和均一化预处理。得出具体情况:

如C1的非常不满意等级计算过程如下:

根据上表即可得出各一级指标对应的关联系数矩阵Rj:

四、模糊综合评价

进而可以得出模糊评价向量为:

同理可得其他几级的模糊评价向量:

模糊评价结果向量为:

为了更好比较, 将其归一化得:

综合评价结果为:

因此, 我们认为此物业属于比较不满意的等级。

五、结语

随着物业管理需求的激增, 选用一个合适的模型对物业管理质量进行评估显得尤为重要。本文在前人的理论和研究的基础上, 综合运用AHP、灰色关联分析法、专家调查法和模糊综合评价法, 将定性与定量的评价方法相结合, 克服单一方法使用过程中的不足和缺陷, 使得结果更加准确。

本模型可以对物业质量进行更全面的评价, 一方面帮助物业公司找出自己的竞争劣势, 督促自己改进和提升, 维护好客户关系, 另一方面也为业主提供了较好的衡量标准和体系, 帮助业主做出正确抉择。

此外, 该评价模型也同样适用于其他领域, 具有较好的扩展性, 应用前景广泛, 为后人在更多领域上进步提供参考。

参考文献

[1]张泽颖, 高会芹.模糊综合评判法在小区物业管理客户满意度评价中的应用研究[J].科技资讯, 2006 (27)

[2]朱雪芹.物业管理顾客满意度测评研究——以郑州恒大名都社区为例[J].管理工程师, 2015 (2) :11-14.

[3]赵万华, 柳瑞禹.物业管理公司核心竞争力模糊综合评价——以BP神经网络为基础[J].经济论坛, 2005 (8) :71-73

[4]齐宝库, 张跃松, 张钟涛, 张向东.层次分析法在城市小区物业管理效果评价中的应用[N].沈阳建筑学报, 2000 (1)

[5]任海华, 王鑫明, 陆小峰, 张筠, 张华.高职院校困难学生困难类别 (等级) 的甄别——基于灰色关联分析法和熵值法模型[N].温州职业技术学院学报, 2013 (13)

[6]邹欣, 丁丹, 张梦芩.基于AHP-FCE法的绿色供应商选择决策研究[J].物流科技, 2015 (01)

[7]陈政敏, 王娟.基于AHP和灰色关联分析法在教师招聘中的应用[J].重庆工商大学学报 (自然科学版) , 2011 (04)

[8]刘辉, 陈以增.一种基于模糊TOPSIS的采购商综合评价模型[J].统计与决策, 2014 (16) :46-48

模糊AHP模型 第6篇

关键词：医疗设备,生命周期,AHP-模糊综合评价模型,婴儿培养箱

预防性维护(PM)是保障医疗设备良好运行状态、保证诊疗工作正常开展的重要手段。通过及时地PM,可以提前发现故障,避免故障扩大,节省维修费用,从而提高设备效益。PM可分为基于时间为主和基于状态为主的两种方法。现需建立一种可根据医疗设备自身的状态,并有效结合上述两种维护方法的更优的动态PM。因此,如何通过医疗设备的状态实施相应PM流程就成了讨论的热点问题[1]。

1医疗设备生命周期阶段的划分

本文将医疗设备生命周期分为幼年期、青年期、中年期、 、 老年期4个阶段[2]:1幼年期:在医疗设备的早期使用阶段,因使用人操作不熟练或者操作失误造成设备的故障, , 此时会出现较高的故障率,但因设备的状态较新,不会出现重大故障;2青年期:在医疗设备度过磨合期后,设备各方面性能稳定,处于最佳状态;3中年期:医疗设备使用几年后,状态与性能开始缓慢衰退,部分重要部件的故障率会增加,但较为规律的维护可减缓其性能衰退的速度; 4老年期:医疗设备使用的后期,各部件已接近使用期限, 故障率上升,更细致的PM可增加设备的使用年限。

2医疗设备生命周期评价体系的建立

2.1评价指标的选取

在结合厂家对特定医疗设备PM建议的基础上,从稳定性、维修性、能力性能、使用年数4方面来确定设备生命周期阶段评价指标体系[3]。1稳定性是指在规定的条件下,设备在一定时间内执行其预定功能的能力。描述稳定性的参数指标有可靠度、平均无故障运行时间、平均失效间隔周期数等;2维修性是指在规定时间内,设备保持在或恢复到能够执行其预定功能状态的可能性。描述维修性的参数指标有平均修复时间、维修率等;3能力性能是指设备在临床使用时所表现的达到预期功能及精度等方面的性能体系。主要表现在设备精度的高低对临床使用者的满足程度,设备工作能力与能耗水平比率的高低等方面;4使用年数是指设备役龄、设备剩余使用寿命、设备寿命损耗等指标。

2.2 AHP-模糊综合评价模型

通过建立设备生命周期划分的结构及评价体系,选取评价方法建立评价模型,从设备整体及设备组件两个维度完成设备生命周期阶段的划分。本文采用AHP- 模糊综合评价法建立了综合评价模型,确定设备组件及设备当前所在的生命周期阶段。

模糊综合评价法是一种基于模糊数学的综合评标方法, 能较好地解决模糊的、难以量化的问题。由于模糊评价法多数用于较为复杂的系统中,因此更需要将一个复杂的决策问题描述为一个多层次的复杂结构,判断各个决策在不同准则之下的相对重要度来进行决策[4]。AHP即是一种对复杂现象进行系统化、模型化的决策方法。本文将利用模糊综合评价法,通过AHP确定模糊权值,构造出模糊评价模型完成设备的生命周期阶段的划分[5]。

建立AHP- 模糊综合评价模型的方法:

(1)确定评价因素集U=[u1,u2,…,um],根据上文所述的设备生命周期阶段评价指标体系,医疗设备重要部件的生命周期划分因素集为U=[ 稳定性,维修性,能力性能,使用年数]。

(2)确定评价等级集V=[vl,v2,…,vn],医疗设备生命周期的评价等级集为V=[ 幼年期,青年期,中年期,老年期]。

(3)确定评价指标体系的权重集A=[a1,a2,…,am],其中, ai>0,,各指标权重的确定采用层次分析法。

(4)确定评判隶属矩阵R :

式中,rij表示第i个指标对第j个等级的隶属度。

(5)利用模糊矩阵的合成运算,得到综合评价模型B :

(6)利用向量的乘积,计算最终评价结果Z :

3 AHP-模糊综合评价模型的应用

根据上节所述算法,下面以我院2012年5月投入使用的婴儿培养箱(型号为YP-90,品牌为宁波戴维)为例进行设备生命周期阶段评价层次结构划分,婴儿培养箱包含的子系统有:加温系统(SE1),监测系统(SE2),循环系统(SE3)。SE1的重要组件为加热陶瓷片(J1),控制温度板(J2); SE2的重要组件为箱温传感器(J3),肤温传感器(J4),微处理器检测板(J5);SE3的重要组件为风机(J6), 风道温度传感器(J7)。

现选取SE3的重要组件J6为例进行设备组件生命周期的划分。根据已建立的评价指标体系,评价指标包含2个层次:1对应为评价因素集U=[ 稳定性、维修性、能力性能、使用年数] ;2每个评价因素集的具体内容,这里选取医疗设备无故障运行可靠性、平均修复时间、维修率、 工作性能、工作精度、设备役龄、设备寿命损耗共8个指标。 评价等级集为V=[ 幼年期,青年期,中年期,老年期]。

现用设备生命周期阶段值SD来定量的表示设备的生命周期阶段,SD的取值范围为0~1,并规定当设备投入使用的开始时刻SD为1,设备报废的时刻SD为0。根据设备生命周期划分层次,对应设备生命周期阶段值SD与生命周期评价等级的映射关系为:幼年期SD值为0.8~1,青年期SD值为0.6~0.8,中年期SD值为0.3~0.6,老年期SD值为0~0.3。

下面采用层次分析法确定评价指标的权重,根据前面对层次的划分,层次结构中的目标层为设备组件J6,准则层为上文中提及的单一评价因素。对同一层次中元素进行两两对比,确定其对上一层次中元素的重要性,得到各指标权重因素集A=[0.4338,0.2169,0.0911,0.2581][6]。 通过隶属矩阵R计算出目标层模糊矩阵B=[0.4549,0.4262, 0.1188,0]。

最后,按照隶属度最大原则,可知目标函数属于优的隶属度最高,采用0~1制的打分法进行加权,可得SDJ6=0.755。根据SD的值,其介于0.6~0.8之间,可知J6的生命周期阶段为青年期,类似方法也可得到重要组件的生命周期阶段值SD及其所在的生命周期阶段如下:J1处于中年期,J2处于青年期,J3处于青年期,J4处于青年期, J5处于中年期,J7处于青年期。

最后,结合各子系统的SD值得出婴儿培养箱的生命周期阶段值为SD=0.6648,该婴儿培养箱的生命周期阶段为青年期。

4预防性维护措施及间隔时间的确定

根据AHP- 模糊综合评价模型得出的医疗设备的生命周期阶段,确定不同的预防性维护的时间及方法。

(1)处于幼年期的设备可注重于对使用者进行正确的使用方法的培训,并在医疗设备正式投入使用之前做好调试工作,以防因不当的设置导致医疗事故。预防性维护的间隔时间可适当放宽延长至1年1次,生命支持及急救设备, 例如除颤仪、呼吸机等可半年进行1次预防性维护。

(2)处于青年期的医疗设备,因其使用性能正处于巅峰状态,且磨合期已过,预防性维护的时间可与处于幼年期的医疗设备相同,但是维护重点可放在重要部件的除尘、 保养等,以延长设备处于青年期的时间。

(3)当医疗设备处于中年期时,故障率增高,重要部件老化,预防性维护的间隔时间应更短,分别为3个月和6个月,维护重点除了清洁保养外更注重重要部件工作状态,如检测到部件因老化而产生的性能下降等问题,应及时更换部件,防止医疗设备出现因故障停机的现象。

(4)当医疗设备处于老年期时,该设备已接近报废状态, 出现的故障率急剧增加,此时预防性维护则应在设备每次送修时都进行1次,对设备进行全方面的评估,如性能及稳定性无法达到临床要求时,应及时建议该设备报废[7]。

5改进后PM流程的应用

以婴儿培养箱改进前后的PM流程为例说明[8,9],见表1。

当以改进前PM流程对我院新生儿病房的30台婴儿培养箱(宁波戴维YP-90)进行PM工作时,婴儿培养箱报修率约为2次/ 每月,故障常见为风机报警、箱内温度与设置温度不符、门窗或轮子坏损等。每台婴儿培养箱所需PM时间约为2 h 40 min,30台共需80 h。

通过评估医疗设备的生命周期,30台婴儿培养箱中8台处于幼年期,15台处于青年期,5台处于中年期,2台处于老年期。实施改进PM流程1年后,婴儿培养箱的报修率降至约1.75次/ 每月,报修故障中面板及外观坏损报修率大大降低,减少了临床因故障停机的时间。1年中, 临床工程师约花费60 h进行这30台婴儿培养箱的PM工作。 因此,新生儿病区的30台婴儿培养箱每年可节约近1/4的PM工作时间,故障报修率也相应降低近1/8。

6结语

模糊AHP模型 第7篇

1 供应链合作伙伴选择模型研究概况及方法选择

国内外对供应链合作伙伴选择的理论和实践进行了大量的研究, 主要集中在两个方面:一方面是研究对供应链合作伙伴进行评价和选择时所采用的指标体系, 另一方面是评价和选择时所用的方法。供应链合作伙伴选择理论方法分为定性和定量两大类, 主要包括直观判断法、招标法、协商法 采购成本法、ABC成本法、层次分析法 (AHP) 、数学规划方法、线性权重法、数据包络分析法 (DEA) 、模糊评价法、人工神经网络算法、TOPSIS法、遗传算法、群决策和灰色关联分析等。当前选择方法有结合应用的趋势, 如ABC法与数学规划相结合、灰色评价与层次分析法相结合、AHP与随机DEA方法相结合、AHP及模糊评价组合等[3,4]。

目前研究中主要存在两方面的问题:以往的模型中指标的建立和模型的产生是没有联系的, 不能用同一种思想把指标体系的建立和供应商的选择模型连贯起来;不能有效地指导企业对已选中的合作伙伴进行完善, 以往的选择模型不能有效地指导制造企业对已选中的供应商等进行后续监督和完善[5]。

由于供应商选择问题中包含大量的不确定性和模糊性, 这既有客观原因 (评价指标的模糊性和难以量化性等) , 又有决策者自身的主观原因 (性格、偏好、价值观念和认知程度等) [6], 为此将模糊集合论的思想和方法引入模型中。由于评价合作伙伴的优劣受多因素的影响, 具有一定的层次性, 运用层次分析法分析具有较大的优越性。本文对现有合作伙伴选择方法进行分析归纳, 构建了基于AHP及模糊综合评价的合作伙伴选择组合方法, 系统设计了供应链的合作伙伴选择评价指标体系, 把指标体系的建立和供应商的选择模型连贯起来;建立了二维评价矩阵模型, 使企业能对已选中的供应商进行后续完善和监控。本文构建的供应链合作伙伴选择模型从总体上改进了合作伙伴模糊评价方法, 在一定程度上弥补了上述研究缺陷。

2 构建基于AHP的多级模糊综合评价供应链合作伙伴评价体系[5,7]

模糊综合评判法由美国控制论专家艾登于1965年创立, 是将模糊数学集合论与层次分析法有机结合进行综合评价的一种方法。以模糊数学为基础, 应用模糊关系合成的原理, 将一些边界不清、不易定量的因素定量化、进行综合评价的一种方法。进行模糊综合评价过程中, 主要工作是因素集合 (指标体系) 的建立、各因素权重的获取和隶属函数的建立, 其次是模糊算子的选择和评价结果的处理。

基于AHP的模糊综合评价是在利用AHP法确定供应链合作伙伴选择评价指标权重分配的基础上, 采用模糊综合评价方法对供应链合作伙伴整体能力及各分项指标展开评价的一种综合评价方法。

2.1 根据供应链合作伙伴选择的影响因素, 建立指标体系, 确定评价的因素集

在选择合作伙伴的过程中应该考虑的因素有很多, 通过查阅相关文献和对企业的分析, 本文认为主要包括素质与资信能力, 质量, 售后服务水平, 信息化, 敏捷性, 柔性与交货能力, 企业环境等6个方面[1]。依据完整性原则、动态性原则、一致性原则、定性与定量相结合原则建立供应链合作伙伴选择指标体系, 具体如图1所示。

2.2 运用层次分析法计算指标权重

美国著名的运筹学专家匹兹堡大学教授T.L.Saaty于20世纪70年代初提出了层次分析法 (The Analytic Hierarchy Process, AHP法) , 其基本步骤为:

(1) 建立层次结构模型, 将影响因素集分层。例如影响因素集分3层, 则最高层是目标层, 中间层是准则层, 次级是指标层。

(2) 对同一层次的各元素关于上一层次中某一准则和重要性进行两两比较, 构造判断矩阵, 判断与量化各元素间影响程度大小。

层次分析法采用1～9标度方法, 对不同情况的评比给出数量标度, 如表1所示。

判断矩阵一致性指标CI与同阶平均随机一致性指标RI之比称为随机一致性比率CR (Consistency Ratio) 。当CR<0.1时, 便认为判断矩阵具有可以接受的一致性。

(3) 计算向量并做一致性检验, 即层次单排序及其一致性的检验。判断矩阵是针对上一层次而言进行两两比较的评定数据, 层次单排序就是把本层所有各元素对相邻上一元素来说排出一个评比的优先次序, 即求判断矩阵的特征向量。根据判断矩阵进行层次单排序的方法有很多种, 本文采用方根法。若判断矩阵不满足一致性的条件 (CR<0.1) , 则需要修正。

(4) 计算组合权向量, 做组合一致性检验并进行排序, 即层次总排序。

利用层次单排序的计算结果, 进一步综合出对更上一层次的优劣顺序, 就是层次总排序的任务。当CR<0.1时认为层次排序结果有一致性, 否则应调整判断矩阵的元素取值。

2.3 进行模糊综合评价法计算各指标得分

具体操作步骤:

(1) 建立评价对象的评语集, Q={q1, q2, q3, …, qm}={好, 较好, 一般, 差, 很差}, 即等级集合, 每个等级可对应一个模糊子集。

(2) 确定评价矩阵R。就是对各企业提供的原始数据进行标准量化后, 对准则层各评价指标Xi, 建立模糊评价矩阵R进行单因素评价, 确定模糊关系矩阵R。

undefined

(3) 进行各级模糊评判。采用模糊数学中的 (·, +) 运算规则, 其优点是可以充分表示出各个评价因素的权重, 所有的指标对综合评判的作用都将被体现出来。用模糊向量 W将不同的行进行综合就可以得到该被评价事物从总体上来对各等级模糊子集的隶属程度, 即模糊综合评价结果向量B。模糊综合评价的模型为:

undefined

(4) 计算综合评价值。根据对评语等级综合划分得到的评语加权系数矩阵Q, 进而得到备选合伙企业的最终评价结果。综合评价值的大小, 反映了备选企业整体实力的优劣, 从而为客观评价选择提供了科学依据。根据上面所述计算出各候选企业的综合分值, 找出最高分, 即为获选企业, 也即最优的合作伙伴。

P=B·QT (3)

式中, P为综合评价值, B为目标层X的综合评价集, Q为评价等级分行向量, QT为Q的转置矩阵。

2.4 评价结果的分析

为有效地指导制造企业对已选中的合作伙伴 (供应商等) 进行完善, 综合直观考察合作企业各项能力的强弱及重要性, 为企业准确规避合作风险提供依据, 本文以 “指标得分”和“指标权重”两个维度构建供应链合作伙伴评价二维矩阵模型, 对基于AHP模糊综合评价最终评估结果中的各项指标得分进行评价和分析。可以把评价指标分为4类。其中“双高”指标为合作伙伴优势能力指标, “双低”指标为一般改进指标。其余为企业一般能力指标和重点改进指标。通过图示可以反映合作企业各指标在评价体系中的优劣地位和状况, 使得制造企业能够有针对性地对合作伙伴进行指导和监督, 使合作伙伴能及时改进企业的状况, 从而不断优化和完善合作供应链。具体矩阵如图2所示[8]。

4 结束语

为了供应链的长期生存和发展, 在选择合作伙伴时, 供应链管理者必须采用科学的伙伴选择方法体系, 以确保供应链顺畅运行。本文构建的基于AHP的模糊综合评价的企业供应链合作伙伴选择模型, 主要在两方面进行了改进和探索:一是系统设计了供应链的合作伙伴选择评价指标体系, 把指标体系的建立和供应商的选择模型连贯起来;二是建立了二维评价矩阵模型, 使企业能对已选中的合作伙伴进行后续完善指导和监控。由于模糊评价本身固有的缺陷, 如模糊评价中诸如因素的选择、权重的分配等含有主观判定的人为因素等, 会在一定程度上影响评价的准确性, 该模型还需不断修改和完善。此外, 该模型的适用性还有待进一步在实证分析中进行检验。

参考文献

[1]关士民.供应链环境下供应商选择方法及其应用研究[D].辽宁:东北大学工商管理学院, 2006.

[2]崔杰.基于模糊评判法的供应商选择问题研究[J].价值工程, 2005 (12) :54-56.

[3]谢君, 胡容兵.供应链的合作伙伴选择方法综述[J].价值工程, 2005 (1) :43-46.

[4]尹传勇.浅析供应商选择方法研究[J].法制与社会, 2007 (3) :306-307.

[5]王宇.企业供应链合作伙伴选择研究[D].大连:大连海事大学, 2005.

[6]李兰芳.模糊层次分析法在供应商选择中的应用[J].宁夏工程技术, 2005 (4) :349-350.

[7]刘晓菊.供应链合作伙伴的评价与选择方法研究[D].太原:华北工学院, 2004.

模糊AHP模型 第8篇

所谓海外代购, 就是消费者委托他人代替消费者自己从境外购买需要的商品, 负责购买商品的人从中收取一定的费用。境外代购的商品一般是境内未上市出售的商品, 或者境内该商品价格一定程度上高于境外价格。随着居民消费水平提高, 我国消费者对商品的需求也越来越多元化, 国内商品并不能完全满足消费者需求, 因此海外代购市场也越来越繁荣。互联网的发展将海外代购推向了一个新阶段。代购渠道的多元化既方便了消费者, 也繁荣了我国经济市场。

目前国内对中国代购市场的研究主要是从法学和经济学两个学科视角进行研究的, 但关于消费者对中国代购市场的认知与反馈问题研究的极少。由于消费者对代购市场的评价具有主观性和模糊性, 本文采用层次分析法和模糊综合评价原理, 具体分析我国消费者对海外代购市场的满意度。

二、AHP——模糊综合评价原理

(一) 层次分析法的原理及步骤

层次分析法 (Analytic Hierarchy Process, AHP) 是T.L.Saaty等人在20世纪70年代提出的一种定性和定量相结合的、系统化、层次化的分析方法, 将要分析的复杂问题看做整体系统, 把影响系统的各个因素按照属性构造为若干层次, 对层次下的若干因素分别按相对重要性进行两两比较, 得到比较矩阵, 计算出最大特征值与特征向量, 进行一致性检验, 从而得到下一层次相对上一层次的重要性程度, 得到各因素权重。其具体步骤如下:

1、建立层级结构模型

2、依据Saaty等人提出的1-9尺度理论, 将各因素进行两两比较构造出成对比较矩阵A, 其中A= (aij) n×n, aji>0, aij=1/aij

3、计算矩阵的最大特征值λmax与特征向量W, W的分向量就是被比较元素相对于该因素的相对权重, 经归一化处理后得到相对重要性的权值排序。由于对因素进行的是局部的两两比较, 因此在可能包含因素间相对重要性的非一致性, 需要进行一致性检验, 步骤如下:

(1) 计算一致性指标。当CI=0时, A为完全一致矩阵, CI值越大, A的不一致程度越严重

(2) 为确定A不一致程度容许范围, 引入随机一致性指标RI, 从而确定一致性比率。当CR≤0.1时, A的一致性是可以接受的, 否则应对比较矩阵进行调整

(二) 模糊综合评价法的原理及步骤

模糊综合评价分析方法的基础来源于模糊数学, 将需要考察的模糊对象或概念当成模糊集合, 然后建立适当的模糊隶属函数, 通过模糊集合论的运算与变换, 对这个模糊对象进行定量分析。具体步骤如下:

1、确定模糊综合评价对象的评价指标, 共n个评价指标;

2、确定对象的评语等级域, 每一等级相对与一个模糊的子集;

3、建立隶属度矩阵R。建立起等级模糊子集后, 必须对所选取的评判对象的每个因素ci (i=1, 2, …, n) 进行逐步量化, 获得模糊关系矩阵R, rnm表示某个被评价对象从因素cn来看对vm等级模糊子集的隶属度;

4、确定评价因素的权向量W= (w1, w2, …, wn) 。W中的分向量本质上是因素ci对模糊子集的隶属度, 在这里采用层次分析法确定的权向量; (5) 合成模糊综合评价的评判结果向量。利用层次分析法确定的对应权向量和各个被评事物的隶属矩阵R进行合成, 可以得到各被评对象的模糊综合评判结果向量S。

三、消费者海外代购体验满意度评价的实证分析

(一) 层次体系的确立

消费者海外代购的体验满意度直接受到质量、风险、便利性、多样需求满足与价格五个因素的影响, 因此它们构成了整个层次体系中准则层的五个方面。其中质量包括了商品的物流、销售包装, 到货时初始状态如何, 商品的正品率以及使用效果如何等方面;风险涵盖了交易中受到欺骗, 售后服务质量, 是否符合官方法律以及程序几个方面;便利性的感受要受到挑选商品所花费的时间精力, 发运、接受货物的效率等环节的影响;多样需求的满足则包括了消费者一些个性化需求的满足, 涉及了商品品牌的要求, 功能的要求, 色彩、型号等要求;而价格因素具体指向了商品价格与物流价格。以上这些细化的影响因素便构成了层次体系中的指标层, 依据不同的属性作为分层指向, 从目标层到指标层简要梳理为了表2。

(二) 指标权重的确定

(三) 模糊综合评价

评价的指标选择层次分析法中的二级指标, 构造出评语集V= (V1, V2, V3, V4, V5) = (高, 较高, 一般, 较低, 低) , 再构造隶属子集Rn, rnm表示某个被评价对象从因素来看对vm等级模糊子集的隶属度, rnm=第n个指标选择vm等级的人数/参与评价的总人数。

根据调查数据可得质量B1隶属子集, 即矩阵

利用权重C1进行复核运算, 得到质量模糊综合评价矩阵S1=C1*R1= (0.051, 0.494, 0.365, 0.062, 0.028) , 同理可得:风险的模糊综合评价矩阵S2= (0.123, 0.288, 0.466, 0.077, 0.046) , 便利性的模糊综合评价矩阵S3= (0.042, 0.208, 0.461, 0.234, 0.055) , 多样需求满足的模糊综合评价矩阵S4= (0.104, 0.455, 0.39, 0.018, 0.033) , 价格的模糊综合评价矩阵S5= (0.051, 0.387, 0.459, 0.086, 0.017) 。在得到各一级指标的模糊综合评价矩阵后, 符合运算B*S就能得到消费者海外代购体验满意度的模糊综合评价向量Y= (0.06, 0.41, 0.42, 0.083, 0.027)

四、结论

通过对代购消费者抽样调查数据, 按照层次分析法和模糊综合评价法计算得到质量、风险、便利性、多样需求满足以及价格的模糊综合评价矩阵。消费者海外代购体验满意度的模糊综合评价向量Y= (0.06, 0.41, 0.42, 0.083, 0.027) , 这表明消费者的代购体验整体良好。下面将对五个一级指标矩阵代表的含义进行具体分析。

质量的模糊综合评价矩阵

S1= (0.051, 0.494, 0.365, 0.062, 0.028) , 可以看出消费者对代购商品质量满意度较高, 但认为代购商品质量一般甚至不好的比重也较大, 一方面可能因为消费者对代购商品质量期望较高, 导致对商品质量的整体评价出现较低的情况;另一方面, 代购商品本身的质量也存在一定的问题, 特别是在目前缺乏监管的情况下, 中国海外代购市场上伪劣商品横行, 导致消费者上当受骗。

风险的模糊综合评价矩阵

S2= (0.123, 0.288, 0.466, 0.077, 0.046) , 表明消费者认为代购消费风险整体上不大, 但代购风险满意度一般的占比较大, 这表明即使消费者目前尚未遇到售后、专利、关税等问题, 但仍然对此类风险有担忧。由于中国立法执法的问题, 消费者合法权益难以得到应有的保护, 对不良商家的惩罚也大多是通过社会舆论。消费者对代购风险满意度一般的评价表明消费者希望能有更有效的方法来保护自己的权益。

便利性的模糊综合评价矩阵

S3= (0.042, 0.208, 0.461, 0.234, 0.055) , 说明消费者普遍认为代购便利性一般。代购多通过手机和电脑完成, 由于热衷代购的多为年轻人, 因此操作上问题较小。代购省去消费者逛街的时间和精力, 但在网上挑选商品同样需要花费时间和精力, 并且可能会更多的把时间花费在正品验证中。通过代购购买商品虽然是物流送货上门, 但从付款到收到商品需要一段时间, 这可能是消费者认为代购不够便利的一个原因。

多样需求满足的模糊综合评价矩阵

S4= (0.104, 0.455, 0.39, 0.018, 0.033) , 这表明消费者很大程度上认为代购能够满足他们对商品的多样性需求。消费者选择代购很大部分是因为有的商品国内没有上市, 或者即使有替代产品, 但由于对国内商品质量的怀疑, 导致消费者选择代购。此外, 有的代购商品能满足消费者炫富、崇洋媚外等特殊心理需求。

价格的模糊综合评价矩阵

S5= (0.051, 0.387, 0.459, 0.086, 0.017) , 表明消费者对价格整体比较满意。虽然代购消费中消费者会付出运费和代购费, 但消费者认为这些收费合理, 相比国内商场专柜或专卖店的商品, 代购商品仍然更便宜。

摘要：近十年来, 随着互联网的发展, 中国海外代购市场交易规模几乎每年翻一倍, 增速惊人。通过海外代购, 消费者似乎找到了另一片购物天堂。但由于代购市场发展的不成熟, 存在大量的问题, 可能会影响消费者的代购体验。本文从质量、风险、便利性、多样需求满足以及价格五个方面解剖消费者的海外代购体验, 通过层次分析法和模糊综合评价原理, 得出消费者对海外代购的满意度。

关键词：海外代购,消费者,满意度

参考文献

[1]冯凯.网络海外代购业务分析[J].科技广场, 2012, 05:128-132.

模糊AHP模型 第9篇

关键词：高新技术产业,自主创新环境,AHP评价模型

一、基于AHP-模糊综合评价模型的组成及优点

AHP-模糊综合评价模型主要由两个大块组成:第一大块是层次分析法;第二大块是模糊综合评价。其中, 模糊综合评价是在层次分析法的基础上进行的, 两者相辅相成, 共同提高了评价的有效性与可靠性。AHP-模糊综合评价法是将模糊综合评价法和层次分析法有机结合起来对黑龙江省高新技术产业自主创新环境的现实效果进行评价的, 即通过层次分析法确定各指标权重和子目标, 用多层次模糊综合评价来进行综合评价。

二、模型指标体系的构建和指标的选择

当评价主体对评价的精度要求比较低时, 可以只用一级指标和二级指标中的主要指标来综合评价黑龙江省高新技术产业自主创新环境的整体效果水平;当评价主体要求精确评价其综合水平, 同时需要具体了解黑龙江省在哪个指标上做得好, 在哪个指标上还存在问题, 或者是了解黑龙江省高新技术企业认为当地在自主创新环境的哪个指标上做得好, 在哪个指标上还存在问题;那么本文所采用全套指标体系, 效果要好得多。本文采用逐层细分的方法, 将问题逐层分解细化, 建立评价指标体系, 见表1所示:

三、AHP—模糊综合评价法的应用研究

1. 黑龙江省高新技术企业自主创新环境评价模型的构建步骤。

(1) 确定评价对象, 构建因素集。黑龙江省高新技术企业自主创新环境共分为二级。设:

因素集α= (β1, β2, β3, β4, β5) ;

子因素集β1= (η11, η12, η13) ;

子因素集β2= (η21, η22, η23, η24, η25) ;

子因素集β3= (η31, η32, η33) ;

子因素集β4= (η41, η42, η43) ;

子因素集β5= (η51, η52, η53, η54)

(2) 确定影响因素权重。由专家小组采用AHP对各因素层进行分析计算, 得到各因素的权重集。

η1= (η11η12η13) ;

η2= (η21, η22, η23, η24, η25) ;

η3= (η31, η32, η33) ;

η4= (η41, η42, η43) ;

η5= (η51, η52, η53, η54)

(3) 建立评判集, 确定模糊评判矩阵。评价尺度是评审人员对各因素所给出的评价集合, 它是对各层次评价因素的一种语言描述。本模型的评价尺度为A、B、C、D、E、F、G的比例;即为:非常高, 高, 较高, 一般, 较低, 低, 非常低的比例, 以这些比例作用评判向量。所以评判集Ψ={非常高, 高, 较高, 一般, 较低, 低, 非常低}={φ1, φ2, φ3, φ4, φ5, φ6, φ7}。

模糊评判矩阵是模糊综合评判的关键之一。按照既定评价的尺度对各评价因素进行评定, 是一种模糊的映射, 对同一评价因素, 评价人员可以作出不同的评定, 所以评价结果只能用φj评价尺度的可能程度大小所表示, 这种可能程度即隶属度Uij。所以从Ψ到η有模糊关系矩阵W= (wij) m*n

本文的评价体系中的定性指标采用对各指标的打分表分别进行频率汇总, 在W中, , 式中d表示参与打分的企业数, wij指对第i评价指标作出第评价尺度φj的企业数, wij值大说明对βi作出Xj评价的可能性就大。

(4) 计算综合测评向量。确定模糊综合评定向量F=φ*w, 描述了所有评价因素属于各评价尺度的加权平均之和。

2. 数据来源。

为了评价黑龙江省高新技术企业自主创新环境具体情况, 我们调查了自主创新企业, 以此来评价与测度黑龙江省高技术企业对现有的创新环境的效果及其认可程度。如表2。

3. 运用层次分析法确定各自主创新环境要素的权重。

(1) 第二层指标相对于第一层的权重。根据表1的黑龙江省高新技术企业自主创新环境指标体系的构建, 确定各因素的重要程度。为了得到相对客观、真实的权重分配结果, 请了数位相关专家对指标体系中各因素的重要性进行打分, 由1~10比例标度法分别对每一层次的评价指标的相对重要性耐定性描述, 并定量化表示, 确定两两比较判断矩阵:

则α-β判断矩阵为:

(β1, β2, β3, β4, β5相对于得到其判断矩阵)

(2) 第三层指标相对于第二层的权重。则第三层相对于β1, β2, β3, β4, β5的判断矩阵为:

(1) β1—η判断矩阵。

(2) β2—η判断矩阵。

(3) β3—η判断矩阵。

(4) β4—η判断矩阵。

ÁÂÁ (5) βÁ5—η判断矩阵。

4.构建模糊评判矩阵。

(1) 一级模糊评价。根据公式βi=φi*wi, 其中, βi为第二层第i个指标所包含的各下级因素相对于它的综合模糊运算结果, φi为第二层第i个指标下级各因素相对于它的权重;wi为模糊评价矩阵, 表示第二层第i个指标下级各因素相对于评语集的关系。

(1) 市场环境。查阅表2, 由指标η11, η12, η13评语集组成的

模糊综合评价矩阵为:

(2) 法律政策环境。查阅表2, 由指标η21, η22, η23, η24, η25

评语集组成的模糊综合评价矩阵为:

(3) 资源环境。查阅表1-2, 由指标η31, η32, η33评语集组成

的模糊综合评价矩阵为:

η31, η32, η33相对于β3层的权重, 分别为0.258, 0.103, 0.651, 因此,

(4) 科学技术环境。查阅表2, 由指标η41, η42, η43评语集组成的模糊综合评价矩阵为:

η41, η42, η43相对于β4层的权重, 分别为0.658, 0.223, 0.091, 因此,

(5) 社会文化服务环境。查阅表2, 由指标η51, η52, η53, η54评语集组成的模糊综合评价矩阵为:

(2) 二级综合评价。将βi看成第一层 (目标层) 的7个单因素因子判断, 则对第一层进行综合评价为:β=*w, 其中, β为第一层 (目标层) 包含的各下级因素相对于第一层 (目标层) 的综合模糊运算结果, φ为第一层下级各因素 (即β1, β2, β3, β4, β5, β6, β7) 相对于第一层的权重, 可知:

W为模糊评价矩阵, 表示目标层A下级各因素相对于综合评判结果的关系, 即由一级综合评价结果可知:

经矩阵相乘运算后, 得到如下结果, 二级评判结果:

Ψ= (0.315, 0.365, 0.161, 0.089, 0.045, 0.015, 0.011)

依据AHP模糊综合评价法的分析结果可知:黑龙江省自主创新环境对省内高新技术产业自主创新的作用程度水平为:认为“非常低”的比例为0.011;认为“低”的比例为0.015;认为“较低”的比例为0.045;认为“非常高”的为0.315;认为“高”的比例为0.365;认为“较高”的比例为0.161;认为“一般”的比例为0.089。根据最大隶属度的原则, 在七个等级的隶属度中“高”的数值最大, 所以, 所评价的黑龙江省高新技术企业自主创新环境对企业的影响程度为“高”。

5. 模糊综合评价。

(1) 一级评价结果分析。根据最大隶属度的原则可以看出:黑龙江省高新技术产业自主创新环境对企业自主创新的效果为:“β1市场环境、β2法律政策环境”属于“非常高”, “β3资源环境、β4科学技术环境与β5社会文化环境”均属于“高”。我们从一级模糊评价的结果可以看到:对于黑龙江省高新技术产业来说, 自主创新环境的影响因素中市场环境的影响程度最高, 即市场环境是促使产业自主创新的主要诱发因素, 对高新技术产业的影响效果也最大, 本章所阐述的市场环境指的是产品市场。高新产品市场对高新技术有着极强的依赖性, 抢占了高新技术, 就抢先占领了较大的市场份额, 从而使企业占领市场地位。所以, 为了使企业占领市场地位, 使市场上的资源向企业流入, 企业通常会在这样的情形下进行自主创新。此外, 法律法规环境对黑龙江省高新技术产业自主创新的影响也较高, 这表明, 第一, 良好的政策能够控制企业的运行状态和运行方向, 对黑龙江省高新技术自主创新会产生明显的激励作用。自主创新是一项高产出、高投入的活动, 良好的金融、财政、税收政策都是自主创新的强大支撑的力量。对于产业自主创新活动而言, 它所面临的最重要的环境是政策方面的环境。第二, 高新技术创新需要受到法律的保护, 法律支持体系是促进高新技术产业创新价值的重要因素, 特别是自主创新。因为在整个自主创新的过程之中包括技术开发、科学研究、市场开拓、成果推广等一系列的活动, 都是在一定的技术、经济环境和社会秩序当中进行的, 科研成果转化、还有知识产权保护等众多法律方面的问题。 (2) 二级结果分析。通过对二级结果进行分析, 得出黑龙江省高新技术产业自主创新环境对产业自主创新的影响有33.6%属于“非常高”, 17.6%属于“较高”, 38.4%属于“高”, 有8%属于“一般”, 1.5%属于“较低”, 0.07%属于“低”, 0.02%属于“非常低”。根据最大隶属度原则, 在七个等级的隶属度中“38.4%”的数值最大, 所以, 黑龙江省高新技术产业自主创新环境对产业自主创新的效果为“高”。从上面的分析结果可看出, 黑龙江省的高新技术产业自主创新环境的影响程度很高, 这说明黑龙江省高新技术产业自主创新环境与高新技术产业的自主创新行为相关度很高, 即自主创新就环境影响很明显。所以, 为促进黑龙江省高新技术产业的自主创新, 黑龙江省应该加强创新环境的建设。

四、本文结论

本文主要对影响黑龙江省高新技术产业自主创新环境的五个因素即市场环境因素、法律法规环境影响因素、资源环境影响因素、科学技术环境影响因素以及社会文化服务环境影响因素进行分析评价。首先, 基于对黑龙江省高新技术产业自主创新环境构成要素及影响进行分析, 在相关体系构建原则的基础上, 建立了评价指标体系, 其指标体系包含三个层次;其次, 本文对层次分析法进行了详细介绍, 并对拟采用的层次分析法中的模糊评价模型即:AHP—模糊综合评价模型的优缺点进行了阐述;最后, 本文运用AHP—模糊综合评价模型对黑龙江省高新技术产业的自主创新环境的作用影响进行了分析评价。从企业角度确定黑龙江省高新技术产业自主创新环境对产业自主创新的效果为:“β1市场环境”, “β2法律政策环境”均属于“非常高”的范围;“β6自主创新投入环境”、“β4服务环境”、“β7自主创新管理环境”“β3资源环境”与“β5技术文化环境”均属于“高”的结论。

参考文献

[1].杨东奇, 陈娟, 邢芳卉.我国高新技术企业自主创新环境建设的实证研究[J].中国科技论坛.2008 (2)

[2].李全起.企业自主创新的影响因素分析.创新科技, 2006 (8)

[3].胡琨.基于时变参数模型的创新环境影响研究.科技管理研究, 2010 (1)