CN112070336A - 一种基于层次分析法的制造业信息量化分析方法及装置 - Google Patents
一种基于层次分析法的制造业信息量化分析方法及装置 Download PDFInfo
- Publication number
- CN112070336A CN112070336A CN202010689582.4A CN202010689582A CN112070336A CN 112070336 A CN112070336 A CN 112070336A CN 202010689582 A CN202010689582 A CN 202010689582A CN 112070336 A CN112070336 A CN 112070336A
- Authority
- CN
- China
- Prior art keywords
- analysis
- analysis index
- index
- indexes
- information
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 250
- 239000011159 matrix material Substances 0.000 claims abstract description 64
- 238000013210 evaluation model Methods 0.000 claims abstract description 40
- 238000011156 evaluation Methods 0.000 claims abstract description 37
- 230000000694 effects Effects 0.000 claims abstract description 28
- 238000012163 sequencing technique Methods 0.000 claims abstract description 14
- 238000010606 normalization Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000002994 raw material Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于层次分析法的制造业信息量化分析方法及装置,该方法包括:构建评价制造业信息的分析指标数据库及若干分析指标级,每一分析指标级包括若干分析指标;获取需求方对制造业信息的需求构建评估模型,并将需求与分析指标数据库中的分析指标逐级进行匹配;逐级进行分析指标重要性量度两两比较;逐级构建判断矩阵,并判断其满足可接受一致性的条件;获取各分析指标的评分细则和评分并加权得到效果分值;将效果分值相加得到各最终评估分;对各最终评估分按排序规则进行排序。本发明通过事先构建分析指标数据库,根据需求方的具体情况选择相应的评估模型进行快速准确地判断,提升制造业信息评估的准确性和速度。
Description
技术领域
本申请涉及计算机分析技术领域,特别是涉及一种基于基于层次分析法的制造业信息量化分析装置。
背景技术
在供应链领域中,当需求方提出零部件加工需求后,经常需对零部件的加工厂家的制造能力进行评估,通常的方法是把加工厂家的制造能力从单一维度进行量化评估;或是从几个维度简单的综合进评估其价值。例如,针对对某一个非标零部件,对各个加工厂家的的制造能力进行评估。
现有的方案有拆分法以及简单综合加权法。拆分法将几个分析指标分离出来进行评估对比。例如把加工能力和价格进行评估,并把几个结果进行排序对比其优劣。简单综合加权法将分析指标进行一系列分解评分,然后通过简单加权综合得到该制造能力影响因子的综合评分;以此类推,其他分析指标也将得到最终的评分,然后进行排序对比,评估最优的推广制造能力影响因子。
但是,这两种方案具有以下缺点:1).无量纲化:现有制造能力影响因子的评分都基于绝对量或是相对量进行计算得到其数量值,而不同的制造能力影响因子数量,单位量化存在差异化(即数量级不同,不同的数据级不存在可比性,以及计算的刻度不一致)。2).不够准确:不同制造能力影响因子在各个指标呈现出不同的效果,如果简单的对各个指标只是赋一个权重值加权后评分,或是取某一指标进行对比,不够准确,不能有效的评估最优制造能力影响因子并加以推广。3).重复利用率不高,评估结构任意性强,针对不同的需求方进行单独的评估,评估数据的可视化利用率不高。
发明内容
本申请的目的在于,提供一种更加科学、准确的基于层次分析法的制造业信息量化分析方法及装置。
本发明的目的之一在于提供一种基于层次分析法的制造业信息量化分析方法,该方法包括:
构建评价制造业信息的分析指标数据库,所述分析指标数据库中的分析指标分为若干分析指标级,所述每一分析指标级包括若干分析指标;
获取需求方对制造业信息的需求构建评估模型,并将所述需求与分析指标数据库中的分析指标逐级进行匹配,筛选或重新构建需求方的分析指标级及每一分析指标级的分析指标,并将新增的分析指标存储于所述分析指标数据库;
对所述分析指标级逐级进行分析指标重要性量度两两比较;
对所述分析指标级逐级构建评价制造业信息的分析指标判断矩阵,并判断其满足可接受一致性的条件;
获取各分析指标的评分细则和评分并加权得到效果分值;
将各分析指标的效果分值相加得到各最终评估分;
对各最终评估分按排序规则进行排序。
进一步地,本发明的基于层次分析法的制造业信息量化分析方法,所述分析指标重要性量度用自然数1至9表示,1表示相互比较的两个分析指标中的其中一个分析指标相对于另一个分析指标来说相对重要程度相同,9表示相互比较的两个因素中的其中一个分析指标相对于另一个分析指标来说相对重要程度最大,反之则用倒数表示。
进一步地,本发明的基于层次分析法的制造业信息量化分析方法,所述判断判断矩阵满足可接受一致性的条件的方法如下:
A:对所述分析指标逐级进行判断矩阵归一化处理,归一化的方法是将判断矩阵每列求和,并且计算每列数据在求和中的比例;
B:对归一化后的所述判断矩阵中每一行计算平均数,即为制造业信息的各分析指标的权重; C:计算特征向量的近似解;
D:计算所述判断矩阵的最大特征根;
E:计算所述判断矩阵的一致性指标值;
F:确认平均随机一致性指标RI;
G:计算所述判断矩阵的随机一致性比例;
H:判断所述判断矩阵满足可接受一致性条件;
I:根据分析指标级逐级计算每一分析指标级中分析指标对总指标的权重系数,从而得出制造业信息的选择评价指标的权重表,其中每一分析指标级中全部分析指标对总目标的权重系数之和均为1。
进一步地,本发明的基于层次分析法的制造业信息量化分析方法,将各个分析指标级中每一分析指标级中分析指标所对应的权重系数、各最下级分析指标级中的各分析指标对应总目标的权重系数,至少对每一最下级分析指标设立评分细则和分值,并对每一评分细则细分若干检查项,达成则获得相应评分,达成较差或者没有相关记录,则得分为0,得到制造业信息的全部最下级分析指标的效果分值并求和、排序得到制造业信息的相关性排序。
本发明的另一目的在于提供一种基于层次分析法的制造业信息量化分析装置,该装置包括:分析指标数据库模块,用于获取分析指标,并储存分析指标级以及每一分析指标级的分析指标;
评估模型构建模块,根据需求方需求构建评估模型,所述评估模型包括预设评估模型和个性化评估模型,所述预设评估模型和个性化评估模型包括若干分析指标级及每一分析指标级的分析指标;
权重系数生成模块,用于构建各分析指标级中分析指标的重要性量度两两对比较矩阵表,根据归一化算法计算各分析指标级中各分析指标对上级分析指标所对应的权重系数,且至少包括最下级分析指标级中各分析指标对总指标所对应的权重系数;
效果分值生成模块,用于获取最下级分析指标级中各分析指标的权重系数,以及各制造业信息所对应的最下级分析指标级中各分析指标的评分,计算最下级分析指标级中各分析指标的效果分值;
评估结果获取模块,用于将最下级分析指标级中的全部分析指标的效果分值相加得到各最终评估分。
进一步地,本发明的基于层次分析法的制造业信息量化分析装置,所述权重系数生成模块包括:
两两比较矩阵表构建模块,以分析指标级逐级构建分析指标两两对比较矩阵表,所述矩阵元素为在矩阵表中与该矩阵元素对应的两个分析指标两两比较相对重要程度后得到的相对重要系数。
进一步地,本发明的基于层次分析法的制造业信息量化分析装置,所述权重系数生成模块进一步包括:
归一化模块,用于将所述子目标层成对比较矩阵表以及指标层成对比较矩阵表中的相对重要系数按列进行归一化;
求和模块,用于对归一化后的分析指标级两两比较矩阵表以及指标层成对比较矩阵表再按行求和,得到特征向量;
权重计算模块,用于将所述特征向量除以上级分析指标的总数量,得到各分析指标级中每一分析指标级的分析指标所对应的权重系数以及各的权重系数。
进一步地,本发明的基于层次分析法的制造业信息量化分析装置,所述评估结果获取模块包括:
排序模块,用于将若干各个分析指标的最终评估分排序得到制造业信息排序。
进一步地,本发明的基于层次分析法的制造业信息量化分析装置,所述评估模型构建模块包括按照制造行业各领域的信息化建设要求分别构建分析指标级及每一分析指标级的分析指标,供需求方进行模糊评估判断,所述分析指标包括专业性、可读性、领域相关性中一种或几种的组合;所述个性化定制型评估模型按照需求方的具体的要求参数构建分析指标级及每一分析指标级的分析指标,所述制造行业各领域包括行业技术信息、市场动态信息、价格行情信息、原材料市场信息、生产管理信息、人力资源信息和国家政策信息。
进一步地,本发明的基于层次分析法的制造业信息量化分析装置,所述制造业信息的清单为需求方用以优化企业管理效率的各领域的制造业信息的总和。
有益效果,相对于现有技术,本发明通过事先构建分析指标数据库,以及采用多种评估模型,对非标零部件制造业信息进行评估,根据需求方的具体情况选择相应的评估模型进行快速准确地判断,提升制造业信息评估的准确性和速度。具体提供的制造业信息量化分析方法通过将影响制造业信息的影响因子的总指标分解为多个分析指标(建立分析指标级),进而再将各个下级分析指标级分解为再下级分析指标级,构建各分析指标级的两两比较矩阵表得出各分析指标的权重系数,然后再根据各制造业信息最下级分析指标的效果分值及对应的权重系数,得到的全部最下级分析指标的效果分值,最后将各制造业信息全部最下级分析指标的效果分值相加得到各最终评估分。由于上述方法整体上基于层次分析法,因此评估结果可以更加科学、准确。
附图说明
图1、2是本发明基于层次分析法的制造业信息量化分析方法的流程示意图。
图3、4是本发明基于层次分析法的制造业信息量化分析装置的结构示意图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及作用,结合图1、2详细说明如下。
一种基于层次分析法的制造业信息量化分析方法,该方法包括:
构建评价制造业信息的分析指标数据库,所述分析指标数据库中的分析指标分为若干分析指标级,所述每一分析指标级包括若干分析指标;
获取需求方对制造业信息的需求构建评估模型,并将所述需求与分析指标数据库中的分析指标逐级进行匹配,筛选或重新构建需求方的分析指标级及每一分析指标级的分析指标,并将新增的分析指标存储于所述分析指标数据库;
对所述分析指标级逐级进行分析指标重要性量度两两比较;
对所述分析指标级逐级构建评价制造业信息的分析指标判断矩阵,并判断其满足可接受一致性的条件;
获取各分析指标的评分细则和评分并加权得到效果分值;
将各分析指标的效果分值相加得到各最终评估分;
对各最终评估分按排序规则进行排序。
进一步地,本发明的基于层次分析法的制造业信息量化分析方法,所述分析指标重要性量度用自然数1至9表示,1表示相互比较的两个分析指标中的其中一个分析指标相对于另一个分析指标来说相对重要程度相同,9表示相互比较的两个因素中的其中一个分析指标相对于另一个分析指标来说相对重要程度最大,反之则用倒数表示。
进一步地,本发明的基于层次分析法的制造业信息量化分析方法,所述判断判断矩阵满足可接受一致性的条件的方法如下:
A:对所述分析指标逐级进行判断矩阵归一化处理,归一化的方法是将判断矩阵每列求和,并且计算每列数据在求和中的比例;
B:对归一化后的所述判断矩阵中每一行计算平均数,即为制造业信息的各分析指标的权重; C:计算特征向量的近似解;
D:计算所述判断矩阵的最大特征根;
E:计算所述判断矩阵的一致性指标值;
F:确认平均随机一致性指标RI;
G:计算所述判断矩阵的随机一致性比例;
H:判断所述判断矩阵满足可接受一致性条件;
I:根据分析指标级逐级计算每一分析指标级中分析指标对总指标的权重系数,从而得出制造业信息的选择评价指标的权重表,其中每一分析指标级中全部分析指标对总目标的权重系数之和均为1。
进一步地,本发明的基于层次分析法的制造业信息量化分析方法,将各个分析指标级中每一分析指标级中分析指标所对应的权重系数、各最下级分析指标级中的各分析指标对应总目标的权重系数,至少对每一最下级分析指标设立评分细则和分值,并对每一评分细则细分若干检查项,达成则获得相应评分,达成较差或者没有相关记录,则得分为0,得到制造业信息的全部最下级分析指标的效果分值并求和、排序得到制造业信息的相关性排序。
本发明的另一目的在于提供一种基于层次分析法的制造业信息量化分析装置,该装置包括:分析指标数据库模块,用于获取分析指标,并储存分析指标级以及每一分析指标级的分析指标;
评估模型构建模块,根据需求方需求构建评估模型,所述评估模型包括预设评估模型和个性化评估模型,所述预设评估模型和个性化评估模型包括若干分析指标级及每一分析指标级的分析指标;
权重系数生成模块,用于构建各分析指标级中分析指标的重要性量度两两对比较矩阵表,根据归一化算法计算各分析指标级中各分析指标对上级分析指标所对应的权重系数,且至少包括最下级分析指标级中各分析指标对总指标所对应的权重系数;
效果分值生成模块,用于获取最下级分析指标级中各分析指标的权重系数,以及各制造业信息所对应的最下级分析指标级中各分析指标的评分,计算最下级分析指标级中各分析指标的效果分值;
评估结果获取模块,用于将最下级分析指标级中的全部分析指标的效果分值相加得到各最终评估分。
进一步地,本发明的基于层次分析法的制造业信息量化分析装置,所述权重系数生成模块包括:
两两比较矩阵表构建模块,以分析指标级逐级构建分析指标两两对比较矩阵表,所述矩阵元素为在矩阵表中与该矩阵元素对应的两个分析指标两两比较相对重要程度后得到的相对重要系数。
进一步地,本发明的基于层次分析法的制造业信息量化分析装置,所述权重系数生成模块进一步包括:
归一化模块,用于将所述子目标层成对比较矩阵表以及指标层成对比较矩阵表中的相对重要系数按列进行归一化;
求和模块,用于对归一化后的分析指标级两两比较矩阵表以及指标层成对比较矩阵表再按行求和,得到特征向量;
权重计算模块,用于将所述特征向量除以上级分析指标的总数量,得到各分析指标级中每一分析指标级的分析指标所对应的权重系数以及各的权重系数。
进一步地,本发明的基于层次分析法的制造业信息量化分析装置,所述评估结果获取模块包括:
排序模块,用于将若干各个分析指标的最终评估分排序得到制造业信息排序。
进一步地,本发明的基于层次分析法的制造业信息量化分析装置,所述评估模型构建模块包括按照制造行业各领域的信息化建设要求分别构建分析指标级及每一分析指标级的分析指标,供需求方进行模糊评估判断,所述分析指标包括专业性、可读性、领域相关性中一种或几种的组合;所述个性化定制型评估模型按照需求方的具体的要求参数构建分析指标级及每一分析指标级的分析指标,所述制造行业各领域包括行业技术信息、市场动态信息、价格行情信息、原材料市场信息、生产管理信息、人力资源信息和国家政策信息。
进一步地,本发明的基于层次分析法的制造业信息量化分析装置,所述制造业信息的清单为需求方用以优化企业管理效率的各领域的制造业信息的总和。
有益效果,相对于现有技术,本发明通过事先构建分析指标数据库,以及采用多种评估模型,对非标零部件制造业信息进行评估,根据需求方的具体情况选择相应的评估模型进行快速准确地判断,提升制造业信息评估的准确性和速度。具体提供的制造业信息量化分析方法通过将影响制造业信息的影响因子的总指标分解为多个分析指标(建立分析指标级),进而再将各个下级分析指标级分解为再下级分析指标级,构建各分析指标级的两两比较矩阵表得出各分析指标的权重系数,然后再根据各制造业信息最下级分析指标的效果分值及对应的权重系数,得到的全部最下级分析指标的效果分值,最后将各制造业信息全部最下级分析指标的效果分值相加得到各最终评估分。由于上述方法整体上基于层次分析法,因此评估结果可以更加科学、准确。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅是本申请的较佳实施例而已,并非对本申请作任何形式上的限制,虽然本申请已以较佳实施例揭露如上,然而并非用以限定本申请,任何熟悉本专业的技术人员,在不脱离本申请技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本申请技术方案内容,依据本申请的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本申请技术方案的范围内。
Claims (10)
1.一种基于层次分析法的制造业信息量化分析方法,其特征在于,该方法包括:
构建评价制造业信息的分析指标数据库,所述分析指标数据库中的分析指标分为若干分析指标级,所述每一分析指标级包括若干分析指标;
获取需求方对制造业信息的需求构建评估模型,并将所述需求与分析指标数据库中的分析指标逐级进行匹配,筛选或重新构建需求方的分析指标级及每一分析指标级的分析指标,并将新增的分析指标存储于所述分析指标数据库;
对所述分析指标级逐级进行分析指标重要性量度两两比较;
对所述分析指标级逐级构建评价制造业信息的分析指标判断矩阵,并判断其满足可接受一致性的条件;
获取各分析指标的评分细则和评分并加权得到效果分值;
将各分析指标的效果分值相加得到各最终评估分;
对各最终评估分按排序规则进行排序。
2.如权利要求1所述基于层次分析法的制造业信息量化分析方法,其特征在于:所述分析指标重要性量度用自然数1至9表示,1表示相互比较的两个分析指标中的其中一个分析指标相对于另一个分析指标来说相对重要程度相同,9表示相互比较的两个因素中的其中一个分析指标相对于另一个分析指标来说相对重要程度最大,反之则用倒数表示。
3.如权利要求1所述基于层次分析法的制造业信息量化分析方法,其特征在于:所述判断判断矩阵满足可接受一致性的条件的方法如下:
A:对所述分析指标逐级进行判断矩阵归一化处理,归一化的方法是将判断矩阵每列求和,并且计算每列数据在求和中的比例;
B:对归一化后的所述判断矩阵中每一行计算平均数,即为制造业信息的各分析指标的权重;
C:计算特征向量的近似解;
D:计算所述判断矩阵的最大特征根;
E:计算所述判断矩阵的一致性指标值;
F:确认平均随机一致性指标RI;
G:计算所述判断矩阵的随机一致性比例;
H:判断所述判断矩阵满足可接受一致性条件;
I:根据分析指标级逐级计算每一分析指标级中分析指标对总指标的权重系数,从而得出制造业信息的选择评价指标的权重表,其中每一分析指标级中全部分析指标对总目标的权重系数之和均为1。
4.如权利要求3所述基于层次分析法的制造业信息量化分析方法,其特征在于:将各个分析指标级中每一分析指标级中分析指标所对应的权重系数、各最下级分析指标级中的各分析指标对应总目标的权重系数,至少对每一最下级分析指标设立评分细则和分值,并对每一评分细则细分若干检查项,达成则获得相应评分,达成较差或者没有相关记录,则得分为0,得到制造业信息的全部最下级分析指标的效果分值并求和、排序得到制造业信息的相关性排序。
5.一种基于层次分析法的制造业信息量化分析装置,其特征在于,该装置包括:分析指标数据库模块,用于获取分析指标,并储存分析指标级以及每一分析指标级的分析指标;评估模型构建模块,根据需求方需求构建评估模型,所述评估模型包括预设评估模型和个性化评估模型,所述预设评估模型和个性化评估模型包括若干分析指标级及每一分析指标级的分析指标;权重系数生成模块,用于构建各分析指标级中分析指标的重要性量度两两对比较矩阵表,根据归一化算法计算各分析指标级中各分析指标对上级分析指标所对应的权重系数,且至少包括最下级分析指标级中各分析指标对总指标所对应的权重系数;效果分值生成模块,用于获取最下级分析指标级中各分析指标的权重系数,以及各制造业信息所对应的最下级分析指标级中各分析指标的评分,计算最下级分析指标级中各分析指标的效果分值;评估结果获取模块,用于将最下级分析指标级中的全部分析指标的效果分值相加得到各最终评估分。
6.如权利要求5所述基于层次分析法的制造业信息量化分析装置,其特征在于,所述权重系数生成模块包括:两两比较矩阵表构建模块,以分析指标级逐级构建分析指标两两对比较矩阵表,所述矩阵元素为在矩阵表中与该矩阵元素对应的两个分析指标两两比较相对重要程度后得到的相对重要系数。
7.如权利要求6所述的基于层次分析法的制造业信息量化分析装置,其特征在于,所述权重系数生成模块进一步包括:归一化模块,用于将所述子目标层成对比较矩阵表以及指标层成对比较矩阵表中的相对重要系数按列进行归一化;求和模块,用于对归一化后的分析指标级两两比较矩阵表以及指标层成对比较矩阵表再按行求和,得到特征向量;权重计算模块,用于将所述特征向量除以上级分析指标的总数量,得到各分析指标级中每一分析指标级的分析指标所对应的权重系数以及各的权重系数。
8.如权利要求7所述的基于层次分析法的制造业信息量化分析装置,其特征在于,所述评估结果获取模块包括:排序模块,用于将若干各个分析指标的最终评估分排序得到制造业信息排序。
9.如权利要求8所述的基于层次分析法的制造业信息量化分析装置,其特征在于,所述评估模型构建模块包括按照制造行业各领域的信息化建设要求分别构建分析指标级及每一分析指标级的分析指标,供需求方进行模糊评估判断,所述分析指标包括专业性、可读性、领域相关性中一种或几种的组合;所述个性化定制型评估模型按照需求方的具体的要求参数构建分析指标级及每一分析指标级的分析指标,所述制造行业各领域包括行业技术信息、市场动态信息、价格行情信息、原材料市场信息、生产管理信息、人力资源信息和国家政策信息。
10.如权利要求9所述的基于层次分析法的制造业信息量化分析装置,其特征在于,所述制造业信息的清单为需求方用以优化企业管理效率的各领域的制造业信息的总和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010689582.4A CN112070336A (zh) | 2020-07-17 | 2020-07-17 | 一种基于层次分析法的制造业信息量化分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010689582.4A CN112070336A (zh) | 2020-07-17 | 2020-07-17 | 一种基于层次分析法的制造业信息量化分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112070336A true CN112070336A (zh) | 2020-12-11 |
Family
ID=73657402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010689582.4A Pending CN112070336A (zh) | 2020-07-17 | 2020-07-17 | 一种基于层次分析法的制造业信息量化分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070336A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762795A (zh) * | 2021-09-13 | 2021-12-07 | 浙江万维空间信息技术有限公司 | 一种基于层次分析的产业链诊断方法及系统 |
-
2020
- 2020-07-17 CN CN202010689582.4A patent/CN112070336A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762795A (zh) * | 2021-09-13 | 2021-12-07 | 浙江万维空间信息技术有限公司 | 一种基于层次分析的产业链诊断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564286B (zh) | 一种基于大数据征信的人工智能金融风控授信评定方法和系统 | |
CN110956273A (zh) | 融合多种机器学习模型的征信评分方法及系统 | |
CN107506941A (zh) | 一种基于大数据技术的建筑施工企业信用评价方法和系统 | |
US9535933B2 (en) | System and method for representing change values | |
CN113537807B (zh) | 一种企业智慧风控方法及设备 | |
CN112559900B (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN112183920A (zh) | 基于层次分析法的工业品最优成本方法及装置 | |
CN110163467A (zh) | 一种基于纺织行业中小型企业信用的风险量化建模方法 | |
CN108256763A (zh) | 基于层次分析法的非标零部件供应商制造能力分析方法及装置 | |
CN105184078A (zh) | 基于专利相对量分析的技术成熟度评价方法 | |
CN113111924A (zh) | 电力客户分类方法及装置 | |
CN114219242A (zh) | 车辆装备的效能评估方法及效能评估体系构建系统 | |
CN111931992A (zh) | 一种电力负荷预测指标选取方法及装置 | |
CN116468273A (zh) | 客户风险识别方法及装置 | |
Farahani et al. | Car sales forecasting using artificial neural networks and analytical hierarchy process | |
CN113435713B (zh) | 基于gis技术和两模型融合的风险地图编制方法及系统 | |
CN110738565A (zh) | 基于数据集合的房产金融人工智能复合风控模型 | |
CN112070336A (zh) | 一种基于层次分析法的制造业信息量化分析方法及装置 | |
CN110750572A (zh) | 一种科技成果启发式评价的自适应方法和装置 | |
CN115018357A (zh) | 一种面向生产绩效提升的农户画像构建方法及系统 | |
CN115204501A (zh) | 企业评估方法、装置、计算机设备和存储介质 | |
CN113205274A (zh) | 一种施工质量定量化排名方法 | |
CN114091908A (zh) | 计及多模式储能站的配电网综合评价方法、装置和设备 | |
Moradi et al. | Novel Approaches for Determining Exogenous Weights in Dynamic Networks DEA | |
Murpratiwi et al. | Accuracy Analysis of Predictive Value in Transaction Data of Service Company Using Combination of K-Means Clustering and Time Series Methods |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201211 |
|
WD01 | Invention patent application deemed withdrawn after publication |