CN110135743A - 基于直觉模糊层次分析模型的科技成果效益评估方法 - Google Patents
基于直觉模糊层次分析模型的科技成果效益评估方法 Download PDFInfo
- Publication number
- CN110135743A CN110135743A CN201910421716.1A CN201910421716A CN110135743A CN 110135743 A CN110135743 A CN 110135743A CN 201910421716 A CN201910421716 A CN 201910421716A CN 110135743 A CN110135743 A CN 110135743A
- Authority
- CN
- China
- Prior art keywords
- scientific
- index
- technological achievement
- expert
- benefit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000008569 process Effects 0.000 title claims abstract description 25
- 230000008901 benefit Effects 0.000 claims abstract description 77
- 238000005516 engineering process Methods 0.000 claims abstract description 28
- 230000009466 transformation Effects 0.000 claims description 40
- 238000013461 design Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000009792 diffusion process Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 9
- 230000007480 spreading Effects 0.000 claims description 8
- 238000003892 spreading Methods 0.000 claims description 8
- 230000000295 complement effect Effects 0.000 claims description 7
- 238000011161 development Methods 0.000 claims description 5
- 235000013399 edible fruits Nutrition 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000004451 qualitative analysis Methods 0.000 claims description 3
- 238000004445 quantitative analysis Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 4
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于直觉模糊层次分析模型的科技成果效益评估方法，包含电力行业科技成果效益评估指标体系的确定，指标体系权重的确定方法以及电力行业科技成果效益评估方法。本发明基于理论研究成果明确电力行业科技成果效益的评估技术，研究比较现有评价、评估技术，建立符合南方电网特性的科技成果效益评估体系，能够从多角度、多维度，从科学性、经济型、社会性等方面对各类科技成果的效益进行恰当的评估，结合电力行业特点，针对南方电网科技项目类别及研究全过程的各个阶段，建立科技成果效益评估方法，解决电力行业科技成果效益难以评估的问题。
Description
技术领域
本发明涉及电力行业技术领域，具体为基于直觉模糊层次分析模型的科技成果效益评估方法。
背景技术
电力投资的高风险性决定了开发体系中投资环境分析的重要性。其资本技术密集型产业特点、电力产品特殊性及系统制约性决定其对投资环境的更高要求，鉴于此，对电力行业科技成果价值评估是未来主流趋势。
然而，目前电力行业还没有针对科技成果效益评估的方法。
发明内容
本发明的目的在于提供基于直觉模糊层次分析模型的科技成果效益评估方法，能够从多角度、多维度，从科学性、经济型、社会性等方面对各类科技成果效益进行恰当的评估，解决电力行业科技成果效益难以评估的问题。
为实现上述目的，本发明提供如下技术方案：
基于直觉模糊层次分析模型的科技成果效益评估方法，具体包括以下步骤：
步骤1)：建立电力行业科技成果效益评估指标体系，以电力行业科技成果效益为目标层，下设子目标层、准则层和指标层；
步骤2)：由于电网企业科技成果评价工作均是由专家群体来进行的，基于模糊集理论，定义直觉模糊集：
定义1：定义设为非空经典集合X＝(x1,x2,…xn)，则称A＝{[x,tA(x),fA(x)]|x∈X}为X上的一个直觉模糊集，其tA(x)和fA(x)分别表示元素x属于X的隶属度和非隶属度，显然：
定义2：对于X上每个直觉模糊集，称πA(x)＝1-tA(x)-fA(x)为直觉模糊集A元素x的直觉指数，表示x属于X的犹豫度，该值越大，说明x对于A的位置信息越多，显然πA(x)∈[0,1],x∈X；
定义3：设A、B为给定论域上的2个直觉模糊数，其中A＝(t1,f1)，B＝(t2,f2)，并设λ为实数且λ≥0，定义直觉模糊数的运算如下：
A+B＝(t1+t2-t1t2f1f2) (2)
AB＝(t1t2,f1+f2-f1f2) (3)
λA＝[1-(1-t1)λ,f1 λ] (4)
Aλ＝[t1 λ,1-(1-f1)λ] (5)；
步骤3)：确定专家相对权重：
步骤301)：选取最重要的一位专家令其权重等于1；
步骤302)：将第k位专家与最重要的专家进行比较，得到其相对比较权重rk，k＝1,2...,l；
步骤303)：确定每位专家相对重要权重如果每个专家的重要性程度均相同，则
步骤4)：建立直觉模糊互补判断矩阵：每个专家将评价指标体系中同一级的指标就重要性程度进行两两比较，得到直觉模糊判断矩阵A＝(aij)m*m＝(tij,fij)m*m，其中m表示待比较指标的个数；
步骤5)：计算评价指标体系权重：首先确定一级指标权重，设第k个专家对一级指标i与j重要程度相比较而得的直觉模糊判断矩A(k)＝(aij (k))m*m＝(tij (k),fij (k))m*m，其中k＝1,2,...m；j＝1,2,...m，分别表示第k个专家对指标i与j相比较的重要程度和不重要程度，计算一级指标相对权重方法如下：
计其专家权重，将式(6)进行直觉模糊加权计算得：
则一级评价指标的得分权重如下：
经过归一化处理，得出一级评价指标权重：
然后确定二级指标权重：设第k个专家对二级指标i与j相对于一级指标γ的重要程度进行判断，并构建直觉模糊判断矩阵为Bγ (k)＝(bγij (k))n*n＝(tγij (k),fγij (k))n*n，其中k＝1,2,...l；i＝1,2,...,n；j＝1,2,...,n,分别表示专家k对二级指标i与j相对于一级指标γ的重要程度和不重要程度；由公式(6)与公式(7)可求出各个二级指标对一级指标的加权相对权重δ，进而可求得二级指标对一级指标的综合权重值，重复公式(8)和公式(9)可求得二级指标的综合权重；
步骤6)：计算评价结果：假设有r个科技成果转化项目，l个专家根据二级指标对科技成果转化项目进行评价，可得到r个直觉模糊互补判断矩阵：
Cγ＝(tij γ,fij γ)n*l
其中γ＝1,2,...r；i＝1,2,...,n；j＝1,2,...,l,计其专家相对权重及二级指标权重，可得到各转化项目的综合得分；
步骤7)：利用直觉模糊距离进行专家意见一致分析：设专家群体为E＝{e1,e2,...el}电网企业科技成果转化项目集合Q＝{q1,q2,...qr}，科技成果转化效果的评价准则A＝{a1,a2,...am}，根据实际，第k个专家对项目i的第j个评价准则做出的直觉模糊评价为Pij k＝(tij k,fij k,πij k)，第t个专家对项目i的第j个评价准则做出的直觉模糊评价为Pij t＝(tij t,fij t,πij t)，则利用直觉模糊距离定义第k个专家和第t个专家对项目的直觉模糊矩阵:
对平均一致度进行归一化处理，并综合各个专家相对权重，可得到专家群体对转化项目i意见的综合一致度为:
按上述各式计算各个转化项目的最终综合一致度，即专家群体对各转化项目评价意见的一致性程度顺序，所得值最小的项目代表专家对该项目意见的一致性程度最高，专家之间的意见分歧不大。
更进一步地，步骤1)中建立电力行业科技成果效益评估指标体系，具体包括：
步骤101)：以电力行业科技成果效益为纵向维度，划分为目标层、准则层、指标层三个层面为横向维度的指标体系架构模型；
步骤102)：依据科技成果评估指标体系架构模型，从科技成果技术价值转化过程入手，以科技成果转化效益为目标层指标，初步确定由一级指标、二级指标、三级指标确定的评估指标集合；
步骤103)：分别从评估指标集合中的经济效益、社会效益、环境效益、扩散效益四方面对科技成果的效益进行评估。
更进一步地，电力行业科技成果效益评估指标体系的确定依据指标体系设计中的SMART准则，本着定性与定量相结合的原则，参照科技成果转化的过程，进行科技成果效益评估指标体系设计。
更进一步地，步骤1)中目标层为一级指标，对应为效益指标；准则层为二级指标，包括经济效益、社会效益、环境效益、扩散效益四项评估因素，
其中，经济效益指转化实体所得到的直接效益，其三级指标设计为：电力行业科技成果销售利润率、电力行业科技成果超额动态投资效率、电力行业科技成果净资产收益率、电力行业科技成果已占有资本回报率；
社会效益指科技成果对整个社会所产生的影响，其三级指标设计为：电力行业科技成果促进地区经济发展、电力行业科技成果提高企业知名度、电力行业科技成果人才培养；
环境效益指科技成果对环境所产生的影响，其三级指标设计为：电力行业科技成果资源利用、电力行业科技成果环境影响、电力行业科技成果综合能源消耗；
技术的扩散过程开始于技术发明或技术成果的首次商业化应用，并与该技术随后的商业化应用过程相联系，技术效益指这一扩散过程带来的一系列效益，其三级指标设计为：电力行业科技成果新增无形资产数、电力行业科技成果核心技术的更替周期、电力行业科技成果扩散范围。
与现有技术相比，本发明的有益效果是：
本发明提供的基于直觉模糊层次分析模型的科技成果效益评估方法，基于理论研究成果明确电力行业科技成果的效益的评估技术，研究比较现有评价、评估技术，建立符合南方电网特性的科技成果效益评估体系，能够从多角度、多维度，从科学性、经济型、社会性等方面对各类科技成果的效益进行恰当的评估，结合电力行业特点，针对南方电网科技项目类别及研究全过程的各个阶段，建立科技成果效益评估方法，解决电力行业科技成果效益难以评估的问题。
附图说明
图1为本发明的电力行业科技成果效益评估过程分析模型图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
本发明实施例中：提供基于直觉模糊层次分析模型的科技成果效益评估方法，具体包括以下步骤：
步骤1)：建立电力行业科技成果效益评估指标体系，以电力行业科技成果效益为目标层，下设子目标层、准则层和指标层；
步骤2)：与常规的综合评价对象和方法不同，电网企业科技成果评价工作均是由专家群体来进行的，而专家对科技成果中具体指标的评判往往很难用精确的数字来表达，同时如何有效地解决专家群体意见之间的一致性与冲突性也是群体决策研究中需要解决的重要问题，Zadeh于1965年提出了著名的模糊集理论，它具有表达不确定信息的能力，1986年，Atanassow进一步拓展了模糊集，提出了直觉模糊集的理论，从理论上来说，直觉模糊集是模糊集的推广，但它比模糊集更具有表达不确定信息的能力；对此，本发明基于模糊集理论，定义直觉模糊集：
定义1：定义设为非空经典集合X＝(x1,x2,…xn)，则称A＝{[x,tA(x),fA(x)]|x∈X}为X上的一个直觉模糊集，其tA(x)和fA(x)分别表示元素x属于X的隶属度和非隶属度，显然：
定义2：对于X上每个直觉模糊集，称πA(x)＝1-tA(x)-fA(x)为直觉模糊集A元素x的直觉指数，表示x属于X的犹豫度，该值越大，说明x对于A的位置信息越多，显然πA(x)∈[0,1],x∈X；
定义3：设A、B为给定论域上的2个直觉模糊数，其中A＝(t1,f1)，B＝(t2,f2)，并设λ为实数且λ≥0，定义直觉模糊数的运算如下：
A+B＝(t1+t2-t1t2f1f2) (2)
AB＝(t1t2,f1+f2-f1f2) (3)
λA＝[1-(1-t1)λ,f1 λ] (4)
Aλ＝[t1 λ,1-(1-f1)λ] (5)；
步骤3)：确定专家相对权重：通常专家之间的重要性程度不同，因此有必要考虑每个专家的相对重要权重，确定专家相对权重的方法如下：
步骤301)：选取最重要的一位专家令其权重等于1；
步骤302)：将第k位专家与最重要的专家进行比较，得到其相对比较权重rk，k＝1,2...,l；
步骤303)：确定每位专家相对重要权重如果每个专家的重要性程度均相同，则
步骤4)：建立直觉模糊互补判断矩阵：每个专家将评价指标体系中同一级的指标就重要性程度进行两两比较，得到直觉模糊判断矩阵A＝(aij)m*m＝(tij,fij)m*m，其中m表示待比较指标的个数，参照下表2：
表2评价指标重要性程度定义的标度
| 定义 | 直觉模糊数 | 说明 |
| M9 | (0.9,0.1,0) | 因素i比因素j重要得多 |
| M8 | (0.8,0.15,0.05) | 因素i比因素j明显重要 |
| M7 | (0.7,0.2,0.10) | 因素i比因素j重要 |
| M6 | (0.6,0.25,0.15) | 因素i比因素j稍微重要 |
| M5 | (0.5,0.3,0.20) | 因素i与因素j同等重要 |
| M4 | (0.4,0.45,0.15) | 因素j比因素i稍微重要 |
| M3 | (0.3,0.6,0.10) | 因素j比因素i重要 |
| M2 | (0.2,0.75,0.05) | 因素j比因素i明显重要 |
| M1 | (0.1,0.9,0) | 因素j比因素i重要得多 |
步骤5)：计算评价指标体系权重：首先确定一级指标权重，设第k个专家对一级指标i与j重要程度相比较而得的直觉模糊判断矩A(k)＝(aij (k))m*m＝(tij (k),fij (k))m*m，其中k＝1,2,...m；j＝1,2,...m，分别表示第k个专家对指标i与j相比较的重要程度和不重要程度，计算一级指标相对权重方法如下：
计其专家权重，将式(6)进行直觉模糊加权计算得：
则一级评价指标的得分权重如下：
经过归一化处理，得出一级评价指标权重：
然后确定二级指标权重：设第k个专家对二级指标i与j相对于一级指标γ的重要程度进行判断，并构建直觉模糊判断矩阵为Bγ (k)＝(bγij (k))n*n＝(tγij (k),fγij (k))n*n，其中k＝1,2,...l；i＝1,2,...,n；j＝1,2,...,n,分别表示专家k对二级指标i与j相对于一级指标γ的重要程度和不重要程度；由公式(6)与公式(7)可求出各个二级指标对一级指标的加权相对权重δ，进而可求得二级指标对一级指标的综合权重值，重复公式(8)和公式(9)可求得二级指标的综合权重；
步骤6)：计算评价结果：假设有r个科技成果转化项目，l个专家根据二级指标对科技成果转化项目进行评价，可得到r个直觉模糊互补判断矩阵：
Cγ＝(tij γ,fij γ)n*l
其中γ＝1,2,...r；i＝1,2,...,n；j＝1,2,...,l,计其专家相对权重及二级指标权重，可得到各转化项目的综合得分；
步骤7)：利用直觉模糊距离进行专家意见一致分析：设专家群体为E＝{e1,e2,...el}电网企业科技成果转化项目集合Q＝{q1,q2,...qr}，科技成果转化效果的评价准则A＝{a1,a2,...am}，根据实际，第k个专家对项目i的第j个评价准则做出的直觉模糊评价为Pij k＝(tij k,fij k,πij k)，第t个专家对项目i的第j个评价准则做出的直觉模糊评价为Pij t＝(tij t,fij t,πij t)，则利用直觉模糊距离定义第k个专家和第t个专家对项目的直觉模糊矩阵:
对平均一致度进行归一化处理，并综合各个专家相对权重，可得到专家群体对转化项目i意见的综合一致度为:
按上述各式计算各个转化项目的最终综合一致度，即专家群体对各转化项目评价意见的一致性程度顺序，所得值最小的项目代表专家对该项目意见的一致性程度最高，专家之间的意见分歧不大。
请参阅图1，在上述实施例中，步骤1)中建立电力行业科技成果效益评估指标体系，具体包括：
步骤101)：以电力行业科技成果效益为纵向维度，划分为目标层、准则层、指标层三个层面为横向维度的指标体系架构模型；
步骤102)：依据科技成果评估指标体系架构模型，从科技成果技术价值转化过程入手，以科技成果转化效益为目标层指标，参照相关参考文献，初步确定由一级指标、二级指标、三级指标确定的评估指标集合；
步骤103)：分别从评估指标集合中的经济效益、社会效益、环境效益、扩散效益四方面对科技成果的效益进行评估，参见下表1：
表1电力行业科技成果效益指标
在上述实施例中，电力行业科技成果效益评估工作，最终是为提高科技成果效益转化效率服务的，因此，本发明电力行业科技成果效益评估指标体系的确定依据指标体系设计中的SMART准则，本着定性与定量相结合的原则，参照科技成果转化的过程，进行科技成果效益评估指标体系设计。
在上述实施例中，步骤1)中目标层为一级指标，对应为效益指标；准则层为二级指标，包括经济效益、社会效益、环境效益、扩散效益四项评估因素，其中，经济效益指转化实体所得到的直接效益，其三级指标设计为：电力行业科技成果销售利润率、电力行业科技成果超额动态投资效率、电力行业科技成果净资产收益率、电力行业科技成果已占有资本回报率；社会效益指科技成果对整个社会所产生的影响，其三级指标设计为：电力行业科技成果促进地区经济发展、电力行业科技成果提高企业知名度、电力行业科技成果人才培养；环境效益指科技成果对环境所产生的影响，其三级指标设计为：电力行业科技成果资源利用、电力行业科技成果环境影响、电力行业科技成果综合能源消耗；技术的扩散过程开始于技术发明或技术成果的首次商业化应用，并与该技术随后的商业化应用过程相联系，技术效益指这一扩散过程带来的一系列效益，其三级指标设计为：电力行业科技成果新增无形资产数、电力行业科技成果核心技术的更替周期、电力行业科技成果扩散范围。
为了进一步更好解释说明上述发明，还提如下具体的实例分析：
实施例二：
聘请30位专家组成评价小组，计算电网企业科技成果转化后评价指标体系中各级指标的权重，假设专家的评价权重均为1/30，并对电网企业已实施转化的项科技成果转化效果的优劣进行评价；其步骤如下：
(1)确定考核指标：
一级指标：经济效益、社会效益、环境效益、扩散效益；
二级指标：销售利润率、超额动态投资效率、净资产收益率、已占有资本回报率、促进地区经济发展、提高企业知名度、人才培养、资源利用、环境影响、综合能源消耗、新增无形资产数、核心技术的更替周期、科技成果的扩散范围。
(2)确定指标权重：
30个专家对4个一级指标两两重要程度的直觉模糊互补判断矩阵如下：
....
利用本发明所述方法，计算得到一级指标的权重：0.305，0214，0.226，0.255；类似地，可计算得到二级指标的权重：0.0725，0.0894，01063，0.0978，0.0611，0.0378，0.086，0.069，0.0599，0.0763，0.0942，0.0983，0.0514。
(3)计算评价结果：
利用本发明所述方法，求出所有科技成果转化项目的转化后评价得分和综合一致度，得到结果见表3。
表3科技成果转化项目综合得分及综合一致度
| 科技成果转化项目编号 | 综合得分 | 综合一致度 |
| 转化项目1 | 65.42 | 0.3348 |
| 转化项目2 | 67.18 | 0.3400 |
| 转化项目3 | 59.00 | 0.3313 |
| 转化项目4 | 66.40 | 0.3357 |
| 转化项目5 | 68.29 | 0.3325 |
| 转化项目6 | 68.56 | 0.3347 |
| 转化项目7 | 76.08 | 0.3343 |
| 转化项目8 | 71.61 | 0.3396 |
| 转化项目9 | 67.28 | 0.3342 |
| 转化项目10 | 69.04 | 0.3340 |
(4)对转化项目进行分类：根据电网企业科技成果转化后评价的得分可将转化项目大体分为个类别：
第一类别(优异)：转化项目评分介于75-100，转化项目在各个考核方面的优势都十分显著。
第二类别(良好)：转化项目评分介于60-75，转化项目总体效益不如第一；
类别转化项目，且个别项目过于偏重某一方面效益的体现，存在“木桶短板”的现象；
第三类别(一般)：转化项目评分低于60，此类项目转化效果：很差，应在利技成果转化可行性评估阶段尽早识别避免资金和人力资源的浪费。
综上所述：本发明提供的基于直觉模糊层次分析模型的科技成果效益评估方法，基于理论研究成果明确电力行业科技成果的效益的评估技术，研究比较现有评价、评估技术，建立符合南方电网特性的科技成果效益评估体系，能够从多角度、多维度，从科学性、经济型、社会性等方面对各类科技成果的效益进行恰当的评估，结合电力行业特点，针对南方电网科技项目类别及研究全过程的各个阶段，建立科技成果效益评估方法，解决电力行业科技成果效益难以评估的问题。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (4)
1.基于直觉模糊层次分析模型的科技成果效益评估方法，其特征在于，包括以下步骤：
步骤1)：建立电力行业科技成果效益评估指标体系，以电力行业科技成果效益为目标层，下设子目标层、准则层和指标层；
步骤2)：由于电网企业科技成果评价工作均是由专家群体来进行的，基于模糊集理论，定义直觉模糊集：
定义1：定义设为非空经典集合X＝(x1,x2,…xn)，则称A＝{[x,tA(x),fA(x)]|x∈X}为X上的一个直觉模糊集，其tA(x)和fA(x)分别表示元素x属于X的隶属度和非隶属度，显然：
定义2：对于X上每个直觉模糊集，称πA(x)＝1-tA(x)-fA(x)为直觉模糊集A元素x的直觉指数，表示x属于X的犹豫度，该值越大，说明x对于A的位置信息越多，显然πA(x)∈[0,1],x∈X；
定义3：设A、B为给定论域上的2个直觉模糊数，其中A＝(t1,f1)，B＝(t2,f2)，并设λ为实数且λ≥0，定义直觉模糊数的运算如下：
A+B＝(t1+t2-t1t2f1f2) (2)
AB＝(t1t2,f1+f2-f1f2) (3)
λA＝[1-(1-t1)λ,f1 λ] (4)
Aλ＝[t1 λ,1-(1-f1)λ] (5)；
步骤3)：确定专家相对权重：
步骤301)：选取最重要的一位专家令其权重等于1；
步骤302)：将第k位专家与最重要的专家进行比较，得到其相对比较权重rk，k＝1,2...,l；
步骤303)：确定每位专家相对重要权重如果每个专家的重要性程度均相同，则
步骤4)：建立直觉模糊互补判断矩阵：每个专家将评价指标体系中同一级的指标就重要性程度进行两两比较，得到直觉模糊判断矩阵A＝(aij)m*m＝(tij,fij)m*m，其中m表示待比较指标的个数；
步骤5)：计算评价指标体系权重：首先确定一级指标权重，设第k个专家对一级指标i与j重要程度相比较而得的直觉模糊判断矩A(k)＝(aij (k))m*m＝(tij (k),fij (k))m*m，其中k＝1,2,...m；j＝1,2,...m，分别表示第k个专家对指标i与j相比较的重要程度和不重要程度，计算一级指标相对权重方法如下：
计其专家权重，将式(6)进行直觉模糊加权计算得：
则一级评价指标的得分权重如下：
经过归一化处理，得出一级评价指标权重：
然后确定二级指标权重：设第k个专家对二级指标i与j相对于一级指标γ的重要程度进行判断，并构建直觉模糊判断矩阵为Bγ (k)＝(bγij (k))n*n＝(tγij (k),fγij (k))n*n，其中k＝1,2,...l；i＝1,2,...,n；j＝1,2,...,n,分别表示专家k对二级指标i与j相对于一级指标γ的重要程度和不重要程度；由公式(6)与公式(7)可求出各个二级指标对一级指标的加权相对权重δ，进而可求得二级指标对一级指标的综合权重值，重复公式(8)和公式(9)可求得二级指标的综合权重；
步骤6)：计算评价结果：假设有r个科技成果转化项目，l个专家根据二级指标对科技成果转化项目进行评价，可得到r个直觉模糊互补判断矩阵：
Cγ＝(tij γ,fij γ)n*l
其中γ＝1,2,...r；i＝1,2,...,n；j＝1,2,...,l,计其专家相对权重及二级指标权重，可得到各转化项目的综合得分；
步骤7)：利用直觉模糊距离进行专家意见一致分析：设专家群体为E＝{e1,e2,...el}电网企业科技成果转化项目集合Q＝{q1,q2,...qr}，科技成果转化效果的评价准则A＝{a1,a2,...am}，根据实际，第k个专家对项目i的第j个评价准则做出的直觉模糊评价为Pij k＝(tij k,fij k,πij k)，第t个专家对项目i的第j个评价准则做出的直觉模糊评价为Pij t＝(tij t,fij t,πij t)，则利用直觉模糊距离定义第k个专家和第t个专家对项目的直觉模糊矩阵:
对平均一致度进行归一化处理，并综合各个专家相对权重，可得到专家群体对转化项目i意见的综合一致度为:
按上述各式计算各个转化项目的最终综合一致度，即专家群体对各转化项目评价意见的一致性程度顺序，所得值最小的项目代表专家对该项目意见的一致性程度最高，专家之间的意见分歧不大。
2.如权利要求1所述的基于直觉模糊层次分析模型的科技成果效益评估方法，其特征在于：步骤1)中建立电力行业科技成果效益评估指标体系，具体包括：
步骤101)：以电力行业科技成果效益为纵向维度，划分为目标层、准则层、指标层三个层面为横向维度的指标体系架构模型；
步骤102)：依据科技成果评估指标体系架构模型，从科技成果技术价值转化过程入手，以科技成果转化效益为目标层指标，初步确定由一级指标、二级指标、三级指标确定的评估指标集合；
步骤103)：分别从评估指标集合中的经济效益、社会效益、环境效益、扩散效益四方面对科技成果的效益进行评估。
3.如权利要求2所述的基于直觉模糊层次分析模型的科技成果效益评估方法，其特征在于：电力行业科技成果效益评估指标体系的确定依据指标体系设计中的SMART准则，本着定性与定量相结合的原则，参照科技成果转化的过程，进行科技成果效益评估指标体系设计。
4.如权利要求1所述的基于直觉模糊层次分析模型的科技成果效益评估方法，其特征在于：步骤1)中目标层为一级指标，对应为效益指标；准则层为二级指标，包括经济效益、社会效益、环境效益、扩散效益四项评估因素，
其中，经济效益指转化实体所得到的直接效益，其三级指标设计为：电力行业科技成果销售利润率、电力行业科技成果超额动态投资效率、电力行业科技成果净资产收益率、电力行业科技成果已占有资本回报率；
社会效益指科技成果对整个社会所产生的影响，其三级指标设计为：电力行业科技成果促进地区经济发展、电力行业科技成果提高企业知名度、电力行业科技成果人才培养；
环境效益指科技成果对环境所产生的影响，其三级指标设计为：电力行业科技成果资源利用、电力行业科技成果环境影响、电力行业科技成果综合能源消耗；
技术的扩散过程开始于技术发明或技术成果的首次商业化应用，并与该技术随后的商业化应用过程相联系，技术效益指这一扩散过程带来的一系列效益，其三级指标设计为：电力行业科技成果新增无形资产数、电力行业科技成果核心技术的更替周期、电力行业科技成果扩散范围。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910421716.1A CN110135743A (zh) | 2019-05-21 | 2019-05-21 | 基于直觉模糊层次分析模型的科技成果效益评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910421716.1A CN110135743A (zh) | 2019-05-21 | 2019-05-21 | 基于直觉模糊层次分析模型的科技成果效益评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110135743A true CN110135743A (zh) | 2019-08-16 |
Family
ID=67571984
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910421716.1A Pending CN110135743A (zh) | 2019-05-21 | 2019-05-21 | 基于直觉模糊层次分析模型的科技成果效益评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110135743A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112184075A (zh) * | 2020-10-29 | 2021-01-05 | 西南交通大学 | 一种可持续供应链风险分析方法 |
| CN112541623A (zh) * | 2020-12-04 | 2021-03-23 | 国网江苏省电力有限公司南京供电分公司 | 电力物联网双创园区科技成果转化值的获取方法 |
| CN113673264A (zh) * | 2021-10-21 | 2021-11-19 | 江苏省质量和标准化研究院 | 一种uhf rfid标签性能分级评价方法及评价系统 |
-
2019
- 2019-05-21 CN CN201910421716.1A patent/CN110135743A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112184075A (zh) * | 2020-10-29 | 2021-01-05 | 西南交通大学 | 一种可持续供应链风险分析方法 |
| CN112184075B (zh) * | 2020-10-29 | 2022-04-22 | 西南交通大学 | 一种可持续供应链风险分析方法 |
| CN112541623A (zh) * | 2020-12-04 | 2021-03-23 | 国网江苏省电力有限公司南京供电分公司 | 电力物联网双创园区科技成果转化值的获取方法 |
| CN112541623B (zh) * | 2020-12-04 | 2022-08-09 | 国网江苏省电力有限公司南京供电分公司 | 电力物联网双创园区科技成果转化值的获取方法 |
| CN113673264A (zh) * | 2021-10-21 | 2021-11-19 | 江苏省质量和标准化研究院 | 一种uhf rfid标签性能分级评价方法及评价系统 |
| CN113673264B (zh) * | 2021-10-21 | 2022-03-11 | 江苏省质量和标准化研究院 | 一种uhf rfid标签性能分级评价方法及评价系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kuah et al. | A review on data envelopment analysis (DEA) | |
| Nourani et al. | Measuring human, physical and structural capital efficiency performance of insurance companies | |
| CN110135743A (zh) | 基于直觉模糊层次分析模型的科技成果效益评估方法 | |
| CN110111024A (zh) | 基于ahp模糊综合评价模型的科技成果市场价值评估方法 | |
| Percoco | Strategies of regional development in European regions: are they efficient? | |
| Yang et al. | SMAA-PO: project portfolio optimization problems based on stochastic multicriteria acceptability analysis | |
| CN111192161A (zh) | 电力市场交易对象推荐方法、装置 | |
| Susanty et al. | Policy making for GSCM implementation in the wooden furniture industry: a DEMATEL and system dynamics approach | |
| Li et al. | The functional assessment of agricultural ecosystems in Hubei Province, China | |
| Nikoloudis et al. | A novel multicriteria methodology for evaluating urban development proposals | |
| Xing et al. | Simulation analysis of the competitive status between China and Portuguese-speaking countries under the background of one belt and one road initiative | |
| Padhi et al. | Contractor selection in government procurement auctions: a case study | |
| Kordrostami et al. | Evaluating the efficiency of firms with negative data in multi-period systems: An application to bank data | |
| Hassanpour | Evaluation of Iranian small and medium-sized industries using the DEA based on additive ratio model–a review | |
| Vasin et al. | The Development of the Assessment Methods of the Organizational Potential of the Institutions of High Education | |
| CN108364136B (zh) | 一种基于证据推理的水资源短缺风险分析方法及系统 | |
| Yang et al. | Application of Three‐Stage DEA Model Combined with BP Neural Network in Microfinancial Efficiency Evaluation | |
| Meng et al. | Research trends and areas of focus on water rights: a bibliometric analysis 1971–2020 | |
| Lu et al. | Two stages' performance analysis of Taiwanese IC design industry: a dynamic network slacks-based data envelopment analysis approach | |
| Ma et al. | The driving force behind the growth of China’s green economic efficiency: provincial efficiency influence analysis for a sustainable future | |
| Cirella et al. | Index of sustainable functionality: procedural developments and application in Urat front banner, Inner Mongolia autonomous region | |
| Mahdi et al. | Compatibility Between The Green Target Cost And The Disjointed Analysis And Their Role In Improving Product Quality And Reducing Costs: An Applied Study In Aldiwaniyah Tire Factory | |
| Ding et al. | Index System of Fashion Week Vitality Evaluation | |
| Wang et al. | Changing technology transfer strategies in a non-profit organization-An examination of ITRI | |
| Song et al. | The research of capacity utilization measurement on manufacturing industry in China |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190816 |