CN105976099A - 基于模糊信息的航天型号科研生产管理水平的评估方法 - Google Patents

Abstract

本发明公开了一种基于模糊信息的航天型号科研生产管理水平的评估方法，包括：步骤1，建立航天型号科研生产管理水平的评估指标集U，确定航天型号科研生产管理水平的评估指标体系，并设定评估总分值P；步骤2，确定评估指标体系中评估要素或子要素下被评估单位的成熟度等级D与得分系数ρ，并根据所述的成熟度等级和得分系数对被评估单位进行评价；步骤3，采用改进的模糊层次分析法，确定各模块、要素和子要素的相对权重，并以此为依据进行分值与重要性百分比的分配；步骤4，通过加权集成算法计算各要素得分之和，获得被评估单位的航天型号科研生产管理水平评估结果。本发明实现了对航天型号科研生产管理水平的准确、客观、定量评估。

Description

基于模糊信息的航天型号科研生产管理水平的评估方法

技术领域

本发明涉及一种航天型号科研生产管理水平评估技术，特别是一种基于模糊信息的航天型号科研生产管理水平的评估方法。

背景技术

航天型号科研生产管理水平的评估具有重要的现实意义，是考核各个研究结构科研能力的重要指标。但是现有技术中，对各研究机构进行评估时，很少涉及对评价信息的不确定性处理，使得评估结果无法准确反映航天型号科研生产管理水平。因此，当前急需一种技术，能够准确评估航天型号科研生产管理水平，明确被评估单位在科研生产管理过程中的最佳实践和薄弱环节，从而不断改进和完善航天型号科研生产管理体系，持续提升航天型号科研生产管理水平和管理水平，推进具有中国航天特色的型号科研生产管理的卓越模式。

发明内容

本发明的目的在于，提供一种基于模糊信息的航天型号科研生产管理水平的评估方法，它可以有效解决现有技术中存在的问题，能够对航天型号科研生产管理水平进行准确、客观、定量评估。

为解决上述技术问题，本发明采用如下的技术方案：基于模糊信息的航天型号科研生产管理水平的评估方法，包括以下步骤：

步骤1，建立航天型号科研生产管理水平的评估指标集U，确定航天型号科研生产管理水平的评估指标体系，并设定评估总分值P；

步骤2，确定评估指标体系中评估要素或子要素下被评估单位的成熟度等级D与得分系数ρ，并根据所述的成熟度等级和得分系数对被评估单位进行评价；

步骤3，采用改进的模糊层次分析法，确定各模块、要素和子要素的相对权重，并以此为依据进行分值与重要性百分比的分配；

步骤4，通过加权集成算法计算各要素得分之和，获得被评估单位的航天型号科研生产管理水平的评估结果。

优选的，步骤1中所述的建立航天型号科研生产管理水平的评估指标集U，具体包括：确定航天型号科研生产管理水平的评估指标集U＝{u₁,u₂,...,u_I}，其中，u_i为一级评估指标，即模块部分，i＝1,2,...,I,I为一级评估指标u_i的个数；u_ij为一级评估指标u_i包含的二级评估指标，即要素部分，i＝1,2,...,I,j＝1,2,...,J,J为二级评估指标u_ij的个数；u_ijk为二级评估指标ui_j包含的三级评估指标，即子要素部分，i＝1,2,...,I,j＝1,2,...,J,k＝1,2,...,K,K为三级评估指标u_ijk的个数。

前述的基于模糊信息的航天型号科研生产管理水平的评估方法中，步骤2中，具体的，确定评估指标体系中评估要素或子要素下被评估单位的成熟度等级D＝{d₁,d₂,...,d_H}与得分系数ρ＝{ρ₁,ρ₂,...,ρ_τ}；其中，若要素下包含子要素，则专家对子要素进行评价，若要素下不包含子要素，则专家直接对要素进行评价；H为成熟度的等级数量，τ为得分系数数量，不同的成熟度等级对应不同的得分系数。

上述方法中，可运用管理成熟度理论的持续优化理念划分为随意无序、规范有序、精细量化和创新优化四个等级；被评估单位依据最终的量化评估结果归为四个等级。

前述的基于模糊信息的航天型号科研生产管理水平的评估方法中，步骤3具体包括以下步骤：

步骤31，针对航天型号科研生产管理水平的评估指标体系中的各层评价指标，利用语义标度对应的三角模糊数和其倒数构造两两比较矩阵，其中，语义标度表示了指标间的相对重要性，三角模糊数为这一相对重要性的量化表示；

若要进行两两比较的元素有t个，即u₁,u₂,...,u_t，则两两比较矩阵A＝(a_pq)_t×t如下：

其中，a_pq是三角模糊数，表示以元素u为准则，元素u_p对元素u_q的相对重要性，p＝1,2,...,t，q＝1,2,...,t，；

步骤32，对矩阵A进行一致性检验，以保证矩阵A的一致性比例为CR＜0.1；具体的检验方法包括：取矩阵A中元素a_pq的中值，建立非模糊化矩阵矩阵的一致性比例为CR＝CI/RI，为矩阵的一致性指标，其中，λ_max为两两比较矩阵的最大特征值，t是两两比较矩阵的阶数；RI为平均随机一致性指标，取决于矩阵的阶数t；当矩阵的一致性比例满足CR＜0.1时，则矩阵A的一致性可以接受；反之，则需要进一步修正矩阵A，并对其再进行一致性检验，直到满足一致性要求；通过以上方法，从而可以认为构造矩阵相当于一致性矩阵，可以对构造矩阵使用一致性矩阵的特性，防止出现自相矛盾和违反直觉的结果出现；

步骤33，对“模块-要素-子要素”各层进行处理，获得各层指标的相对权重向量；其中，模块(u₁,u₂,...,u_I)的相对权重向量为W＝(w₁,w₂,...,w_I)^T，u_i包含的要素(u_i1,u_i2,...,u_iJ)的相对权重向量为W_i＝(w_i1,w_i2,...,w_iJ)^T，ui_j包含的子要素(ui_j1,ui_j2,...,ui_jK)的相对权重向量为Wi_j＝(wi_j1,wi_j2,...,wi_jK)^T；

步骤34，依据权重向量W和W_i分别对评估指标体系中的模块部分和要素部分进行分值分配，依据Wi_j对子要素部分进行重要性百分比分配。

通过采用上述步骤S31～S34，,一方面，实现了由总体目标依据递阶层次结构自上而下的分配权重或百分比，然后再对评价信息进行集成处理，获得要素层的评分，从而完成评价过程；另一方面，采用了对应恰当的三角模糊数的语义标度，将语义评价与量化数据有机结合，充分考虑了信息的模糊不确定性，使得评价更加准确可靠。

优选的，步骤31中，针对航天型号科研生产管理水平的评估指标体系中的各层评价指标，利用语义标度对应的三角模糊数和其倒数构造两两比较矩阵，其中，三角模糊数a＝(l,m,n)的隶属度函数(反映了x在不同取值下对应的隶属度)为：

其中，l≤m≤n，l,n分别是a的下界值和上界值，表示三角模糊数的模糊程度，并且n-l越大，模糊程度越强，m表示a的中值；当l＝m＝n时，三角模糊数退化为实数。

优选的，步骤33中，通过以下方式对“模块-要素-子要素”各层进行处理，获得各层指标的相对权重向量：

首先，对I个模块u₁,u₂,...,u_I建立的两两比较矩阵A＝(a_pq)_I×I，计算模块u_p的相对重要性总和：

$a_p=(l_p,m_p,n_p)=\underset{q=1}{\overset{I}{\Σ}}{a}_{pq}=(\underset{q=1}{\overset{I}{\Σ}}{l}_{pq},\underset{q=1}{\overset{I}{\Σ}}{m}_{pq},\underset{q=1}{\overset{I}{\Σ}}{n}_{pq}),p=1,2,...,I;$

其次，计算模块u_p的模糊综合程度值S_p：

即其中，p是矩阵中的行数，即表示第p个模块；I是矩阵行中的元素个数，即模块个数；

计算模块u_p优于其它模块的纯量测度：其中V(S_p≥S_i)的计算公式为：

式中，V(S_p≥S_i)表示三角模糊数S_p＝(l_p,m_p,n_p)大于三角模糊数S_i＝(l_i,m_i,n_i)的可能性；其中，l≤m≤n，l,n分别是三角模糊数的下界值和上界值，表示三角模糊数的模糊程度，并且n-l越大，模糊程度越强，m表示三角模糊数的中值；当l＝m＝n时，三角模糊数退化为实数；增加下标i、p，是为了区分两个不同的三角模糊数；

再次，对模块的纯量测度进行归一化处理，可得模块的权重W向量为：

W＝(w₁,w₂,...,w_I)^T，其中

对于评价要素及子要素，采用同样的方法计算其权重向量。

本发明通过以上对模糊信息的处理获得指标的相对权重，充分考虑了评价信息的模糊不确定性，更符合日常的信息不确定性的实际情况，从而使得最终的评价结果更加客观、准确。

优选的，步骤34中所述的依据权重向量W和W_i分别对评估指标体系中的模块部分和要素部分进行分值分配，依据W_ij对子要素部分进行重要性百分比分配具体包括：

模块u_i的分值＝模块u_i的权重×目标总分值,即P_i＝w_i×P，其中，P_i是模块u_i的分值，w_i是模块u_i的权重，P是预先给定的总分值，i＝1,2,...,I，I为模块总数；

要素u_ij的分值＝要素u_ij的权重×所属模块u_i的分值,即P_ij＝w_ij×P_i，其中，P_ij是要素u_ij的分值，w_ij是要素u_ij的权重，P_i是模块u_i的分值；

子要素u_ijk的百分比＝子要素u_ijk的权重×100％，即Q_ijk＝w_ijk×100％，其中，Q_ijk是子要素u_ijk的重要性百分比，w_ijk是子要素u_ijk的相对权重。

本发明的上述方法充分利用了模糊层次分析法的信息，并对模糊层次分析方法进行了改进；对要素层进行得分计算，对子要素层依照百分比进行系数集成，一方面可使得得分结果集中在要素层，方便在统一层面上的比较，使得评估结果更加准确；另一方面也简化了分数的分配过程，提高了评估的效率。

上述方法中，步骤4中所述的通过加权集成算法计算各要素得分之和，获得被评估单位的航天型号科研生产管理水平评估结果，具体通过以下方式进行处理：

若要素u_ij未设子要素，则要素u_ij的得分＝评估所得的得分系数ρ_ij×要素u_ij的分值，即G_ij＝P_ij×ρ_ij，其中，G_ij是要素u_ij的得分值，P_ij是要素u_ij的分值，ρ_ij是要素u_ij的得分系数；

若要素u_ij设有子要素，则要素(子要素u_ijk的得分系数×子要素u_ijk的百分比)×要素u_ij的分值，即其中，G_ij是要素u_ij的得分值，P_ij是要素u_ij的分值，ρ_ijk子要素u_ijk的得分系数，Q_ijk是子要素u_ijk的百分比；

则被评估单位的评估结果为所有评估要素的得分总和，即

通过利用以上方法，对要素层进行得分计算，对子要素层依照百分比进行系数集成，一方面可使得得分结果集中在要素层，方便在统一层面上的比较，使得评估结果更加准确；另一方面也简化了分数的分配过程，提高了评估的效率。

与现有技术相比，本发明具有以下有益效果：

1、本发明实现了对航天型号科研生产管理水平进行准确、客观、定量评估；

2、本发明的决策过程的量化计算，不仅对被评估单位实现了整体的量化评估，而且在评估过程中，被评估单位在各个评价指标上的表现优劣也有量化的准确衡量，利于评估单位在单个指标中寻找弱点，也利于不同被评估单位在各个指标上做横向的量化比较；

3、通过运用本发明的评估方法，对各被评单位评估体系中的要素和子要素进行量化评估，确定被评单位在该要素和子要素的管理成熟度水平，明确被评单位在科研生产管理过程中的最佳实践和薄弱环节，通过持续多次的评估，反应变化，从而不断改进和完善航天型号科研生产管理体系，持续提升航天型号科研生产管理水平和管理水平，推进具有中国航天特色的型号科研生产管理的卓越模式；

4、本发明能够针对被评估单位不同时期的工作重点与发展目标，确定相应的指标评价体系，并以量化的手段确定被评估单位的总体型号科研生产管理水平，明晰各个指标的表现，从而促进科研生产管理要素的有机协调和高效配合，提升科研生产管理能力，完善航天科研生产管理体系；

5、本发明中采用改进的模糊层次分析法，确定各模块、要素和子要素的相对权重，并以此为依据进行分值与重要性百分比的分配；通过加权集成算法计算各要素得分之和，获得被评估单位的航天型号科研生产管理水平评估结果。具体的说，本发明在模糊层次分析法的具体运用中，没有采用常规的相对权重确定后集成的方法，而是由总体目标依据递阶层次结构，自上而下的分配权重或百分比，然后再对评价信息进行集成处理，获得要素层的评分，从而完成评价过程；此外本发明采用了对应三角模糊数的语义标度，将语义评价与量化数据结合，反映了信息的模糊不确定性，使得评价更加准确可靠。

附图说明

图1是本发明的一种实施例的方法流程图；

图2为“航天型号科研生产管理水平过程部分”评估指标体系示意图。

下面结合附图和具体实施方式对本发明作进一步的说明。

具体实施方式

本发明的实施例：基于模糊信息的航天型号科研生产管理水平的评估方法，如图1所示，包括以下步骤：

步骤1，建立航天型号科研生产管理水平的评估指标集U，确定航天型号科研生产管理水平的评估指标体系，并设定评估总分值P；其中，所述的建立航天型号科研生产管理水平的评估指标集U，具体包括：确定航天型号科研生产管理水平的评估指标集U＝{u₁,u₂,...,u_I}，其中，u_i为一级评估指标，即模块部分，i＝1,2,...,I,I为一级评估指标u_i的个数；u_ij为一级评估指标u_i包含的二级评估指标，即要素部分，i＝1,2,...,I,j＝1,2,...,J,J为二级评估指标u_ij的个数；u_ijk为二级评估指标u_ij包含的三级评估指标，即子要素部分，i＝1,2,...,I,j＝1,2,...,J,k＝1,2,...,K,K为三级评估指标u_ijk的个数；

步骤2，确定评估指标体系中评估要素或子要素下被评估单位的成熟度等级D与得分系数ρ，专家根据所述的成熟度等级和得分系数对被评估单位进行评价；；具体的，确定评估指标体系中评估要素或子要素下被评估单位的成熟度等级D＝{d₁,d₂,...,d_H}与得分系数ρ＝{ρ₁,ρ₂,...,ρ_τ}；其中，若要素下包含子要素，则专家对子要素进行评价，若要素下不包含子要素，则专家直接对要素进行评价；H为成熟度的等级数量，τ为得分系数数量，不同的成熟度等级对应不同的得分系数；

步骤3，采用改进的模糊层次分析法，确定各模块、要素和子要素的相对权重，并以此为依据进行分值与重要性百分比的分配；具体包括以下步骤：

步骤31，针对航天型号科研生产管理水平的评估指标体系中的各层评价指标，利用语义标度对应的三角模糊数和其倒数构造两两比较矩阵，其中，语义标度表示了指标间的相对重要性，三角模糊数为这一相对重要性的量化表示；

针对航天型号科研生产管理水平的评估指标体系中的各层评价指标，利用语义标度对应的三角模糊数和其倒数构造两两比较矩阵，其中：三角模糊数a＝(l,m,n)的隶属度函数为：

其中，l≤m≤n，l,n分别是a的下界值和上界值，表示三角模糊数的模糊程度，并且n-l越大，模糊程度越强，m表示a的中值；当l＝m＝n时，三角模糊数退化为实数；

语义标度与其对应的三角模糊数如表1所示：

表1语义标度及其对应的三角模糊数

若要进行两两比较的元素有t个，即u₁,u₂,...,u_t，则两两比较矩阵A＝(a_pq)_t×t如下：

其中，a_pq是三角模糊数，表示以元素u为准则，元素u_p对元素u_q的相对重要性，p＝1,2,...,t，q＝1,2,...,t，；

步骤32，对矩阵A进行一致性检验，以保证矩阵A的一致性比例为CR＜0.1；具体的检验方法包括：取矩阵A中元素a_pq的中值，建立非模糊化矩阵矩阵的一致性比例为CR＝CI/RI，为矩阵的一致性指标，其中，λ_max为两两比较矩阵的最大特征值，t是两两比较矩阵的阶数；RI为平均随机一致性指标，取决于矩阵的阶数t；当矩阵的一致性比例满足CR＜0.1时，则矩阵A的一致性可以接受；反之，则需要进一步修正矩阵A，并对其再进行一致性检验，直到满足一致性要求；

表2平均随机一致性指标RI值

阶数n	1	2	3	4	5	6	7	8	9
										RI	0	0	0.58	0.90	1.12	1.24	1.32	1.41	1.45

步骤33，对“模块-要素-子要素”各层进行处理，获得各层指标的相对权重向量；其中，模块(u₁，u₂，...，u_I)的相对权重向量为W＝(w₁，w₂，...，w_I)^T，u_i包含的要素(u_i1，u_i2，...，u_iJ)的相对权重向量为W_i＝(w_i1，w_i2，...，w_i，J)^T，u_ij包含的子要素(u_ij1，u_ij2，...，u_ijK)的相对权重向量为W_ij＝(w_ij1，w_ij2，...，w_ijK)^T；

具体的，通过以下方式对“模块-要素-子要素”各层进行处理，获得各层指标的相对权重向量：

首先，对I个模块u₁，u₂，...，u_I建立的两两比较矩阵A＝(a_pq)_I×I，计算模块u_p的相对重要性总和：

$a_p=(l_p,m_p,n_p)=\underset{q=1}{\overset{I}{\Σ}}{a}_{pq}=(\underset{q=1}{\overset{I}{\Σ}}{l}_{pq},\underset{q=1}{\overset{I}{\Σ}}{m}_{pq},\underset{q=1}{\overset{I}{\Σ}}{n}_{pq}),p=1,2,\mathrm{...},I;$

其次，计算模块u_p的模糊综合程度值S_p：

即其中，p是矩阵中的行数，即表示第p个模块；I是矩阵行中的元素个数，即模块个数；

计算模块u_p优于其它模块的纯量测度：其中V(S_p≥S_i)的计算公式为：

式中，V(S_p≥S_i)表示三角模糊数S_p＝(l_p,m_p,n_p)大于三角模糊数S_i＝(l_i,m_i,n_i)的可能性；其中，l≤m≤n，l,n分别是三角模糊数的下界值和上界值，表示三角模糊数的模糊程度，并且n-l越大，模糊程度越强，m表示三角模糊数的中值；当l＝m＝n时，三角模糊数退化为实数；增加下标i、p，是为了区分两个不同的三角模糊数；

再次，对模块的纯量测度进行归一化处理，可得模块的权重W向量为：

W＝(w₁,w₂,...,w_I)^T，其中

对于评价要素及子要素，采用同样的方法计算其权重向量；

步骤34，依据权重向量W和W_i分别对评估指标体系中的模块部分和要素部分进行分值分配，依据W_ij对子要素部分进行重要性百分比分配；具体包括：

模块u_i的分值＝模块u_i的权重×目标总分值,即P_i＝w_i×P，其中，P_i是模块u_i的分值，w_i是模块u_i的权重，P是预先给定的总分值，i＝1,2,...,I，I为模块总数；

要素u_ij的分值＝要素u_ij的权重×所属模块u_i的分值,即P_ij＝w_ij×P_i，其中，P_ij是要素u_ij的分值，w_ij是要素u_ij的权重，P_i是模块u_i的分值；

子要素u_ijk的百分比＝子要素u_ijk的权重×100％，即Q_ijk＝w_ijk×100％，其中，Q_ijk是子要素u_ijk的重要性百分比，w_ijk是子要素u_ijk的相对权重；

步骤4，通过加权集成算法计算各要素得分之和，获得被评估单位的航天型号科研生产管理水平的评估结果；具体通过以下方式进行处理：

若要素u_ij未设子要素，则要素u_ij的得分＝评估所得的得分系数ρ_ij×要素u_ij的分值，即G_ij＝P_ij×ρ_ij，其中，G_ij是要素u_ij的得分值，P_ij是要素u_ij的分值，ρ_ij是要素u_ij的得分系数；

若要素u_ij设有子要素，则要素(子要素u_ijk的得分系数×子要素u_ijk的百分比)×要素u_ij的分值，即其中，G_ij是要素u_ij的得分值，P_ij是要素u_ij的分值，ρ_ijk子要素u_ijk的得分系数，Q_ijk是子要素u_ijk的百分比；

则被评估单位的评估结果为所有评估要素的得分总和，即

实验例：采用本发明的评估方法对某年度航天集团各院的航天型号科研生产管理水平进行评估。

步骤1：建立航天型号科研生产管理水平过程部分的评估指标集U，确定评估指标体系，“航天型号科研生产管理水平过程部分”的评价指标体系由目标、模块、要素、子要素四层构成，如图2所示；并设定“航天型号科研生产管理水平过程部分”评估总分值为500分；

步骤2：建立航天型号科研生产管理水平过程部分的评估指标体系后，确定评估指标体系中评估要素或子要素下被评估单位的成熟度等级分为一、二、三、四共四个等级，并确定各个等级的得分系数(如表3所示)，得分系数越高，被评估单位的型号科研生产管理水平越强。

表3成熟度等级及得分系数

成熟度等级	得分系数
		四级	0.95，1
三级	0.8，0.85,0.9
		二级	0.6,0.7
一级	0.5

确定评估指标体系中评估要素或子要素下被评估单位的成熟度等级D与得分系数ρ，建立专家评估得分表。表4给出了被评估单位A院的评估要素或子要素下的成熟度等级d_i∈{d₁,d₂,...,d_H}与得分系数ρ_i∈{ρ₁,ρ₂,...,ρ_τ}，如表4所示(要素中包含子要素的，专家对子要素进行评价；要素中不包含子要素的，专家直接对要素本身进行评价)：

表4A院的成熟度等级与得分系数

步骤3：采用模糊层次分析法，确定模块、要素与子要素的相对权重；并对模块和要素做分值分配，对子要素作重要性百分比分配；这里设定“航天型号科研生产管理水平过程部分”总分值为500分。

首先，对模块层进行处理，根据模块科研生产任务管理(u₁)、科研生产能力建设(u₂)、市场开拓与立项(u₃)、售后服务和支持保障(u₄)的相对重要性，建立如下两两比较矩阵模糊矩阵：

$A=\left[\begin{array}{cccc}(1,1,1)& (2/3,1,2)& (1,3/2,2)& (1,3/2,2)\\ (1/2,1,3/2)& (1,1,1)& (3/2,2,5/2)& (3/2,2,5/2)\\ (1/2,2/3,1)& (2/5,1/2,2/3)& (1,1,1)& (1,1,1)\\ (1/2,2/3,1)& (2/5,1/2,2/3)& (1,1,1)& (1,1,1)\end{array}\right]$

经一致性检知，矩阵A对应的非模糊化矩阵的一致性比例为CR＝CI/RI＝0.037＜0.1,故矩阵A满足一致性要求。

模块“科研生产任务管理(u₁)”的相对重要性总和为：

$a_1=\underset{q=1}{\overset{4}{\Σ}}{a}_{1q}=(1+2/3+1+1,1+1+3/2+3/2,1+2+2+2)=(11/3,5,7),$

同理可求得其它模块的相对重要性总和为：

a₂＝(9/2,6,15/2),a₃＝(29/10,19/6,11/3),a₄＝(29/10,19/6,11/3)。

模块“科研生产任务管理(u₁)”的模糊综合程度值S₁为：

$S_1=a_1\⊗{\[\underset{p=1}{\overset{4}{\Σ}}{a}_p\]}^{-1}=(11/3,5,7)\⊗{\[13.97,17.33,21.83\]}^{-1}=(0.1679,0.2885,0.5012).$

同理可求模糊综合程度值分别为：

S₂＝(0.2061,0.3462,0.5370)，S₃＝(0.1328,0.1827,0.2625)，S₄＝(0.1328,0.1827,0.2625)。

则模块“科研生产任务管理(u₁)”优于其它模块的纯量测度为：

$d\left(u_1\right)=\underset{i=1,2,3,4}{\min }V(S_1\≥S_i)=min\{0.8365,1,1\}=0.8365,$

同理可求其它模块的纯量测度，分别为：d(u₂)＝1，d(u₃)＝0.2566，d(u₄)＝0.2566。对各模块的纯量测度进行归一化，可得模块的权重向量为：

W＝(0.3560,0.4256,0.1002,0.1002)^T；并依照权重向量对各模块进行分值分配，如表5所示：

表5各模块的分值分配

模块	分值
		科研生产任务管理(u1)	178
科研生产能力建设(u2)	213
		市场开拓与立项(u3)	54.5
售后服务和支持保障(u4)	54.5

然后，对要素层进行处理，根据两两比较计算得各要素的相对权重，并对各要素进行分值分配。

以模块“科研生产任务管理(u₁)”包含的要素为例，计算该模块包含要素的相对权重。模块“科研生产任务管理(u₁)”包含要素为：科研生产任务综合管理(u₁₁)，型号多项目院级管理(u₁₂)，型号与产品任务质量管理(u₁₃)，型号配套产品研制交付院级管理(u₁₄)，通过两两比较，建立如下模糊比较矩阵：

$A_{u_1}=\left[\begin{array}{cccc}(1,1,1)& (1/2,1,3/2)& (1/2,1,3/2)& (1/2,1,3/2)\\ (2/3,1,2)& (1,1,1)& (1/2,2/3,1)& (1/2,2/3,1)\\ (2/3,1,2)& (1,3/2,2)& (1,1,1)& (1,1,1)\\ (2/3,1,2)& (1,3/2,2)& (1,1,1)& (1,1,1)\end{array}\right]$

经一致性检知，矩阵对应的非模糊化矩阵的一致性比例为CR＝CI/RI＝0.0076＜0.1,故矩阵满足一致性要求。

要素“科研生产任务综合管理(u₁₁)”的相对重要性总和为：

$a_1=\underset{q=1}{\overset{4}{\Σ}}{a}_{1q}=(1+1/2+1/2+1/2,1+1+1+1,1+3/2+3/2+3/2)=(5/2,4,11/2),$

同理可求得其它要素的相对重要性总和为：

a₂＝(8/3,10/3,5),a₃＝(11/3,9/2,6),a₄＝(11/3,9/2,6)。

要素“科研生产任务综合管理(u₁₁)”的模糊综合程度值S₁为：

$S_1=a_1\⊗{\[\underset{p=1}{\overset{4}{\Σ}}{a}_p\]}^{-1}=(5/2,4,11/2)\⊗{\[12.5,16.3333,22.5\]}^{-1}=(0.1111,0.2449,0.4400)$

同理可求模糊综合程度值分别为：

S₂＝(0.1185,0.2041,0.4000)，S₃＝(0.1630,0.2755,0.4800)，S₄＝(0.1630,0.2755,0.4800)。

则要素“科研生产任务综合管理(u₁₁)”优于其它要素的纯量测度为

$d\left(u_{11}\right)=\underset{i=1,2,3,4}{\min }V(S_1\≥S_i)=min\{1,0.9005\}=0.9005;$

同理可求其它要素的纯量测度，分别为：d(u₁₂)＝0.7684，d(u₁₃)＝1，d(u₁₄)＝1。

对各要素的纯量测度进行归一化，可得要素的权重向量为：W₁＝(0.2454,0.2094,0.2726,0.2726)^T，并依照权重向量W₁进行分值分配，如表6所示：

表6科研生产任务管理(u₁)包含的各要素分值

最后，对子要素层进行处理，以要素“科研生产任务综合管理(u₁₁)”包含的子要素为例，计算该要素包含子要素的相对权重。要素“科研生产任务综合管理(u₁₁)”包含的子要素为：科研生产任务综合策划(u₁₁₁)，综合计划管理(u₁₁₂)，风险综合管理(u₁₁₃)，通过两两比较，建立如下模糊比较矩阵：

$A_{u_{11}}=\left[\begin{array}{ccc}(1,1,1)& (1,1,1)& (1,3/2,2)\\ (1,1,1)& (1,1,1)& (1/2,1,3/2)\\ (1/2,2/3,1)& (2/3,1,2)& (1,1,1)\end{array}\right]$

经一致性检知，矩阵对应的非模糊化矩阵的一致性比例为CR＝CI/RI＝0.0158＜0.1,故矩阵满足一致性要求。

子要素“科研生产任务综合策划(u₁₁₁)”的相对重要性总和为：

$a_1=\underset{q=1}{\overset{3}{\Σ}}{a}_{1q}=(1+1+1,1+1+3/2,1+1+2)=(3,3.5,4),$

同理可求得其它子要素的相对重要性总和为：

a₂＝(2.5,3,3.5),a₃＝(2.1667,2.6667,4)。

子要素“科研生产任务综合策划(u₁₁₁)”的模糊综合程度值S₁为：

$S_1=a_1\⊗{\[\underset{p=1}{\overset{3}{\Σ}}{a}_p\]}^{-1}=(3,3.5,4)\⊗{\[7.6667,9.1667,11.5\]}^{-1}=(0.2609,0.3818,0.5217).$

同理可求模糊综合程度值分别为：

S₂＝(0.2174，0.3273，0.4565)，S₃＝(0.1884，0.2909，0.5217)。

则子要素“科研生产任务综合策划(u₁₁₁)”优于其它子要素的纯量测度为：

$d\left(u_{111}\right)=\underset{i=1,2,3,4}{\min }V(S_1\≥S_i)=min\{1,1\}=1;$

同理可求其它子要素的纯量测度，分别为：d(u₁₁₂)＝0.7820，d(u₁₁₃)＝0.7416。

对各子要素的纯量测度进行归一化，可得子要素的权重向量为：W₁₁＝(0.3963，0.3099，0.2939)^T，并依照权重向量W₁₁进行重要性百分比分配，如表7所示：

表7科研生产任务综合管理(u₁₁)包含子要素重要性百分比

子要素	权重分配
		科研生产任务综合策划(u111)	40％
综合计划管理(u112)	31％
		风险综合管理(u113)	29％

由于要素“科研生产任务综合管理(u₁₁)”包含三个子要素：科研生产任务综合策划(u₁₁₁)，综合计划管理(u₁₁₂)，风险综合管理(u₁₁₃)，则该要素的得分为：

G₁₁＝(40％×0.95+31％×0.95+29％×0.9)×43.7＝40.9

由于要素“型号多项目院级管理(u₁₂)”不包含子要素，则该要素的得分为：

G₁₂＝37.3×0.95＝35.4

同理可求要素“型号与产品任务质量管理(u₁₃)”和要素“型号配套产品研制交付院级管理(u₁₄)”的得分为：

G₁₃＝48.5×0.9＝43.7，G₁₄＝48.5×0.9＝43.7。

同理可求其它模块包含的要素得分值，如表8所示。

表8各模块包含要素的得分值

通过加权集成算法，得到被评单位A院的最终评价结果s_A，s_A为各个要素的得分之和,即因为A院的最终得分系数ρ_A＝464.3/500＝0.93,且0.9＜ρ_A＜0.95，故A院“航天型号科研生产管理水平过程部分”评价结果属于三至四级水平(高于三级范围，但尚未完全达到四级水平)。

其它被评估单位采用同样方法计算结果得分，可对多家被评估单位进行评估。

Claims (8)

1.基于模糊信息的航天型号科研生产管理水平的评估方法，其特征在于，包括以下步骤：

步骤1，建立航天型号科研生产管理水平的评估指标集U，确定航天型号科研生产管理水平的评估指标体系，并设定评估总分值P；

步骤2，确定评估指标体系中评估要素或子要素下被评估单位的成熟度等级D与得分系数ρ，并根据所述的成熟度等级和得分系数对被评估单位进行评价；

步骤3，采用改进的模糊层次分析法，确定各模块、要素和子要素的相对权重，并以此为依据进行分值与重要性百分比的分配；

步骤4，通过加权集成算法计算各要素得分之和，获得被评估单位的航天型号科研生产管理水平的评估结果。

2.根据权利要求1所述的基于模糊信息的航天型号科研生产管理水平的评估方法，其特征在于，步骤1中所述的建立航天型号科研生产管理水平的评估指标集U，具体包括：确定航天型号科研生产管理水平的评估指标集U＝{u₁,u₂,...,u_I}，其中，u_i为一级评估指标，即模块部分，i＝1,2,...,I,I为一级评估指标u_i的个数；u_ij为一级评估指标u_i包含的二级评估指标，即要素部分，i＝1,2,...,I,j＝1,2,...,J,J为二级评估指标u_ij的个数；u_ijk为二级评估指标u_ij包含的三级评估指标，即子要素部分，i＝1,2,...,I,j＝1,2,...,J,k＝1,2,...,K,K为三级评估指标u_ijk的个数。

3.根据权利要求1所述的基于模糊信息的航天型号科研生产管理水平的评估方法，其特征在于，步骤2中：确定评估指标体系中评估要素或子要素下被评估单位的成熟度等级D＝{d₁,d₂,...,d_H}与得分系数ρ＝{ρ₁,ρ₂,...,ρ_τ}；其中，若要素下包含子要素，则专家对子要素进行评价，若要素下不包含子要素，则专家直接对要素进行评价；H为成熟度的等级数量，τ为得分系数数量，不同的成熟度等级对应不同的得分系数。

4.根据权利要求1所述的基于模糊信息的航天型号科研生产管理水平的评估方法，其特征在于，步骤3具体包括以下步骤：

步骤31，针对航天型号科研生产管理水平的评估指标体系中的各层评价指标，利用语义标度对应的三角模糊数和其倒数构造两两比较矩阵，其中，语义标度表示了指标间的相对重要性，三角模糊数为这一相对重要性的量化表示；

若要进行两两比较的元素有t个，即u₁,u₂,...,u_t，则两两比较矩阵A＝(a_pq)_t×t如下：

其中，a_pq是三角模糊数，表示以元素u为准则，元素u_p对元素u_q的相对重要性，p＝1,2,...,t，q＝1,2,...,t，；

步骤32，对矩阵A进行一致性检验，以保证矩阵A的一致性比例为CR＜0.1；具体的检验方法包括：取矩阵A中元素a_pq的中值，建立非模糊化矩阵矩阵的一致性比例为CR＝CI/RI，为矩阵的一致性指标，其中，λ_max为两两比较矩阵的最大特征值，t是两两比较矩阵的阶数；RI为平均随机一致性指标，取决于矩阵的阶数t；当矩阵的一致性比例满足CR＜0.1时，则矩阵A的一致性可以接受；反之，则需要进一步修正矩阵A，并对其再进行一致性检验，直到满足一致性要求；

步骤33，对“模块-要素-子要素”各层进行处理，获得各层指标的相对权重向量；其中，模块(u₁,u₂,...,u_I)的相对权重向量为W＝(w₁,w₂,...,w_I)^T，u_i包含的要素(u_i1,u_i2,...,u_iJ)的相对权重向量为W_i＝(w_i1,w_i2,...,w_iJ)^T，u_ij包含的子要素(u_ij1,u_ij2,...,u_ijK)的相对权重向量为W_ij＝(w_ij1,w_ij2,...,w_ijK)^T；

步骤34，依据权重向量W和W_i分别对评估指标体系中的模块部分和要素部分进行分值分配，依据W_ij对子要素部分进行重要性百分比分配。

5.根据权利要求4所述的基于模糊信息的航天型号科研生产管理水平的评估方法，其特征在于，步骤31中，针对航天型号科研生产管理水平的评估指标体系中的各层评价指标，利用语义标度对应的三角模糊数和其倒数构造两两比较矩阵，其中：三角模糊数a＝(l,m,n)的隶属度函数为：

其中，l≤m≤n，l,n分别是a的下界值和上界值，表示三角模糊数的模糊程度，并且n-l越大，模糊程度越强，m表示a的中值；当l＝m＝n时，三角模糊数退化为实数。

6.根据权利要求4所述的基于模糊信息的航天型号科研生产管理水平的评估方法，其特征在于：步骤33中，通过以下方式对“模块-要素-子要素”各层进行处理，获得各层指标的相对权重向量：

首先，对I个模块u₁,u₂,...,u_I建立的两两比较矩阵A＝(a_pq)_I×I，计算模块u_p的相对重要性总和：

$a_p=(l_p,m_p,n_p)=\underset{q=1}{\overset{I}{\Σ}}{a}_{pq}=(\underset{q=1}{\overset{I}{\Σ}}{l}_{pq},\underset{q=1}{\overset{I}{\Σ}}{m}_{pq},\underset{q=1}{\overset{I}{\Σ}}{n}_{pq}),p=1,2,...,I;$

其次，计算模块u_p的模糊综合程度值S_p：

即其中，p是矩阵中的行数，即表示第p个模块；I是矩阵行中的元素个数，即模块个数；

计算模块u_p优于其它模块的纯量测度：其中V(S_p≥S_i)的计算公式为：

式中，V(S_p≥S_i)表示三角模糊数S_p＝(l_p,m_p,n_p)大于三角模糊数S_i＝(l_i,m_i,n_i)的可能性；其中，l≤m≤n，l,n分别是三角模糊数的下界值和上界值，表示三角模糊数的模糊程度，并且n-l越大，模糊程度越强，m表示三角模糊数的中值；当l＝m＝n时，三角模糊数退化为实数；增加下标i、p，是为了区分两个不同的三角模糊数；

再次，对模块的纯量测度进行归一化处理，可得模块的权重W向量为：

W＝(w₁,w₂,...,w_I)^T，其中

对于评价要素及子要素，采用同样的方法计算其权重向量。

7.根据权利要求4所述的基于模糊信息的航天型号科研生产管理水平的评估方法，其特征在于，步骤34中所述的依据权重向量W和W_i分别对评估指标体系中的模块部分和要素部分进行分值分配，依据W_ij对子要素部分进行重要性百分比分配具体包括：

模块u_i的分值＝模块u_i的权重×目标总分值,即P_i＝w_i×P，其中，P_i是模块u_i的分值，w_i是模块u_i的权重，P是预先给定的总分值，i＝1,2,...,I，I为模块总数；

要素u_ij的分值＝要素u_ij的权重×所属模块u_i的分值,即P_ij＝w_ij×P_i，其中，P_ij是要素u_ij的分值，w_ij是要素u_ij的权重，P_i是模块u_i的分值；

子要素u_ijk的百分比＝子要素u_ijk的权重×100％，即Q_ijk＝w_ijk×100％，其中，Q_ijk是子要素u_ijk的重要性百分比，w_ijk是子要素u_ijk的相对权重。

8.根据权利要求1所述的基于模糊信息的航天型号科研生产管理水平的评估方法，其特征在于，步骤4中所述的通过加权集成算法计算各要素得分之和，获得被评估单位的航天型号科研生产管理水平评估结果，具体通过以下方式进行处理：

若要素u_ij未设子要素，则要素u_ij的得分＝评估所得的得分系数ρ_ij×要素u_ij的分值，即G_ij＝P_ij×ρ_ij，其中，G_ij是要素u_ij的得分值，P_ij是要素u_ij的分值，ρ_ij是要素u_ij的得分系数；

若要素u_ij设有子要素，则 即其中，G_ij是要素u_ij的得分值，P_ij是要素u_ij的分值，ρ_ijk子要素u_ijk的得分系数，Q_ijk是子要素u_ijk的百分比；

则被评估单位的评估结果为所有评估要素的得分总和，即