CN117172591A - 多维度绩效评价方法、装置、计算机设备和存储介质 - Google Patents
多维度绩效评价方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117172591A CN117172591A CN202311112624.8A CN202311112624A CN117172591A CN 117172591 A CN117172591 A CN 117172591A CN 202311112624 A CN202311112624 A CN 202311112624A CN 117172591 A CN117172591 A CN 117172591A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- membership
- index
- performance
- determining
- 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 201
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000013461 design Methods 0.000 claims abstract description 61
- 239000011159 matrix material Substances 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000013210 evaluation model Methods 0.000 claims abstract description 24
- 230000004927 fusion Effects 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 42
- 238000004590 computer program Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 11
- 230000015572 biosynthetic process Effects 0.000 claims description 9
- 238000003786 synthesis reaction Methods 0.000 claims description 9
- 238000012938 design process Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 5
- 238000013070 change management Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000001308 synthesis method Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种多维度绩效评价方法、装置、计算机设备和存储介质。所述方法包括:包括若干评价指标的绩效评价指标体系;确定各评价指标对应指标权重;确定包括不同绩效等级的评级集合,并利用隶属度函数获取不同绩效等级下各评价指标的隶属度,根据隶属度获取隶属度评估矩阵;利用证据理论对隶属度评估矩阵进行数据融合,结合指标权重,构建综合评价模型;基于评价模型获取评价结果。采用本方法能够实现对设计单位更全面、科学的绩效评价。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种多维度绩效评价方法、装置、计算机设备和存储介质。
背景技术
变电站的建设设计应根据工程规模、电压等级、功能要求、自然条件等因素,结合电气布置、消防、环保等要求,合理进行建筑物的平面布置和空间组合。此外,变电站的结构设计应满足强度、稳定、变形、抗裂及抗震等要求。工程质量关乎建筑企业的生存与发展,而设计质量则是保证工程质量的前提。因此,设计单位作为变电站工程建设的重要参与者,负责变电站设计质量的严格把控,是影响关系变电站工程质量与投资的关键一环。
一个有效的、综合性的变电站设计单位考评体系,对设计单位实行更全面的激励与约束机制,最终提高变电站工程质量具有重要意义。然而当前在实际工程中针对于设计单位的评价仍存在片面性及主观性等缺陷,同时评价内容局限于设计图质量,评价维度单一。
发明内容
基于此,有必要针对上述技术问题,提供一种能够更全面、科学的多维度绩效评价方法、装置、计算机设备和计算机可读存储介质。
第一方面,本申请提供了一种多维度绩效评价方法。该方法包括:
构建包括若干评价指标的绩效评价指标体系;
确定各评价指标对应指标权重;
确定包括不同绩效等级的评级集合,并利用隶属度函数获取不同绩效等级下各评价指标的隶属度,根据隶属度获取隶属度评估矩阵;
利用证据理论对隶属度评估矩阵进行数据融合,结合指标权重,构建综合评价模型;基于评价模型获取评价结果。
在其中一个实施例中,确定各评价指标对应指标权重包括:
利用层次分析法确定各评价指标对应指标权重。
在其中一个实施例中,利用层次分析法确定各评价指标对应指标权重包括:
基于各评价指标之间的相对重要程度,构造判断矩阵;
对判断矩阵进行一次性校验,根据通过一次性验证的判断矩阵确定指标权重。
在其中一个实施例中,隶属度函数为三角形隶属度函数;
利用隶属度函数获取不同绩效等级下各评价指标的隶属度包括:
确定三角形隶属度函数中的边界参数,根据边界参数构建对应于不同评价指标的三角形隶属度函数;
根据对应的三角形隶属度函数,确定各评价指标对应隶属度。
在其中一个实施例中,利用证据理论对隶属度评估矩阵进行数据融合包括:
采用Yager合成理论对隶属度评估矩阵进行数据融合。
在其中一个实施例中,绩效评价指标体系为递阶层次结构体系,绩效评价指标包括若干一阶指标,各一阶指标包括若干二阶指标;
一阶指标包括设计过程服务、设计成品质量和设计单位能力;
设计过程服务对应的二阶指标包括进度管理、成果转化和设计变更管理;
设计成品指标对应的二阶指标包括可靠性安全性、可扩展性、成本最优化;
设计单位能力对应的二阶指标包括资信能力、工程业绩和科技水平。
第二方面,本申请提供了一种多维度绩效评价装置,装置包括:
评价体系构建模块,用于构建包括若干评价指标的绩效评价指标体系;
权重获取模块,用于确定各评价指标对应指标权重;
隶属度获取模块,用于确定包括不同绩效等级的评级集合,并利用隶属度函数获取不同绩效等级下各评价指标的隶属度,根据隶属度获取隶属度评估矩阵;
评价模块,用于利用证据理论对隶属度评估矩阵进行数据融合,结合指标权重,构建综合评价模型;基于评价模型获取评价结果。
第三方面,本申请提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述的方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述的方法的步骤。
第五方面,本申请提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的方法的步骤。
上述多维度绩效评价方法、装置、计算机设备和存储介质,包括制定包括若干评价指标的绩效评价指标体系,一方面确定各评价指标对应的指标权重;另一方面确定绩效等级,获取不同绩效等级下各评价指标的隶属度,获取隶属度评估矩阵,利用证据理论对隶属度评估矩阵进行数据融合;在融合基础上结合指标权重构建综合评价模型;最后基于评价模型获取评价结果。通过制定绩效评价指标体系,以便于后续从多维综合进行绩效评价,达到更全面的评价效果。通过隶属度函数对由边界不明确的各绩效等级组成的评价集合进行定量化刻画,以便对绩效等级做出清晰判断。在根据隶属度函数获取隶属度评估矩阵后,利用证据理论进行数据融合,结合指标权重构建综合评价模型。最终基于该综合评价模型获得的评价结果相较于现有绩效评价方法更全面、科学。
附图说明
图1为一个实施例中多维度绩效评价方法的应用环境图;
图2为一个实施例中多维度绩效评价方法的流程示意图;
图3为一个实施例中层次分析法的流程示意图;
图4为一个实施例中三角形隶属度函数图像;
图5为一个实施例中评价指标体系的结构框图;
图6为一个实施例中多维度绩效评价装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
目前,建设单位对于工程的考评视角主要停留在施工单位,面向设计单位的绩效评价尚在起步阶段。尤其当前针对设计单位考核大多采用的是定性的评价方法,还主要停留在对单次设计方案、施工图技术上的审核,关注点重在当前节点中设计方案的修改,达到设计目标,缺乏从工程整体质量、过程参与等多个维度对设计单位进行项目整体性、动态性的评价;另一方面也缺少脱离出单个工程的动态评价方法,无法对设计单位多时段中的多项目进行综合性的评价,对于设计单位最终设计质量而言缺乏有效的激励自我提升动力。
针对上述问题,本申请实施例提供了一种多维度绩效评价方法,该方法可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种多维度绩效评价方法,以该方法应用于图1中的终端102为例进行说明,包括以下步骤:
步骤202,构建包括若干评价指标的绩效评价指标体系。
指标体系是指由若干个反映设计单位工作表现的相对独立又相互联系的统计指标所组成的有机整体。指标体系的建立是进行评价研究的前提和基础,它是将抽象的研究对象按照其本质属性和特征的某一方面的标识分解成具体化、可操作化的结构。为说明评价对象的整体全貌,那么只使用一个指标是不够的,这时候就需要同时使用由多个指标构成的评价体系,从不同维度综合评估。
在本实施例中,针对设计单位的绩效评价指标体系可以从成本控制、项目管理质量、设计质量等多方面进行构建。
步骤204,确定各评价指标对应指标权重。
指标权重是指各评价指标在整个绩效评价指标体系中相对重要程度和价值高低的所占比例的量化值。权重越高,则对应评价指标在绩效评价指标体系中的重要性越大。
确定指标权重的方法包括层次分析法、熵值法、主成分分析法等。
步骤206,确定包括不同绩效等级的评级集合,并利用隶属度函数获取不同绩效等级下各评价指标的隶属度,根据隶属度获取隶属度评估矩阵。
在对设计单位进行绩效评价前,需要先划分设计单位的绩效等级。按照设计单位绩效水平的不同,可以将其划分为优秀、良好、及格、较差四个水平。绩效等级可以为更少等级数量,如三个;也可以为个多等级数量,如五个甚至更多。绩效等级可以根据实际需要进行划分,此处不作任何限定。划分出的所有绩效等级构成了评级集合。
由于各个绩效等级之间没有明确的边界,只有模糊的过渡区间,具有一定的不确定性,因此针对设计单位绩效等级的模糊性和不确定性,利用模糊集合理论进行处理。在本实施例中,评价集合即为模糊集合。
利用隶属度函数将输入变量映射到它所属的模糊集合中的隶属度,表示输入变量与该模糊集合的匹配程度。在本实施例中,输入变量即为评价指标对应的参数。隶属度取值范围是[0,1],评价等级对应的隶属度越大,就代表属于评价等级的确定性越大。
根据各个评价指标对应被评为各个等级的隶属度,构建隶属度评估矩阵。隶属度评估矩阵从左到右分别为评价指标ui对于不同评价等级vj的隶属度,每一行的元素相加和一定为1。其中,i表示评价指标的索引号,j表示评价等级的索引号。
步骤208,利用证据理论对隶属度评估矩阵进行数据融合,结合指标权重,构建综合评价模型;基于评价模型获取评价结果。
在根据隶属度函数获取隶属度评估矩阵后,利用证据理论进行数据融合,将来自不同评价指标的多源数据进行整合和融合,使得不同数据之间信息互相补足,最终得到具有决策意义的数据结果,削弱数据之间存在的不确定成分,以获得有效的融合判断和准确的综合评估结果。
对隶属度评估矩阵进行数据融合后,与以矩阵形式表示的指标权重合成为模糊向量,该模糊向量即可表征综合评价模型。基于评价模型即可获得最终的评价结果,获得设计单位的绩效等级。
本实施例制定包括若干评价指标的绩效评价指标体系,一方面确定各评价指标对应的指标权重;另一方面确定绩效等级,获取不同绩效等级下各评价指标的隶属度,获取隶属度评估矩阵,利用证据理论对隶属度评估矩阵进行数据融合;在融合基础上结合指标权重构建综合评价模型;最后基于评价模型获取评价结果。通过制定绩效评价指标体系,以便于后续从多维综合进行绩效评价,达到更全面的评价效果。通过隶属度函数对由边界不明确的各绩效等级组成的评价集合进行定量化刻画,以便对绩效等级做出清晰判断。在根据隶属度函数获取隶属度评估矩阵后,利用证据理论进行数据融合,结合指标权重构建综合评价模型。最终基于该综合评价模型获得的评价结果相较于现有绩效评价方法更全面、科学。
在一个实施例中,步骤204包括:利用层次分析法确定各评价指标对应指标权重。
层次分析法主要是为了确定下层信息对上层信息的重要程度,以此来确定指标本身对于目标决策的重要程度。层次分析法涉及到专家打分赋权,具有一定主观性,但相对灵活。
其他常用的方法如熵权法,通过计算熵值确定权重,但对样本的依赖性较大,随着样本数据的变化,权重会有一定波动。再如主成分分析法,适用于指标较多时降维得到主成分权重,但需要大量样本数据。
本实施例通过对比多种权重确定方法,最终确定利用层次分析法确定指标权重。
在一个实施例中,利用层次分析法确定各评价指标对应指标权重包括:基于各评价指标之间的相对重要程度,构造判断矩阵;对判断矩阵进行一次性校验,根据通过一次性验证的判断矩阵确定指标权重。
如图3所示,为层次分析法的流程示意图。在构建层级结构的绩效评价指标体系后,以层次分析法常用判断矩阵标度,对元素重要性等级的划分和赋值为依据,交由相关专家进行指标重要程度赋值,形成判断矩阵集。
逐层构建判断矩阵B,设某层的下层有n个评价指标,则有
其中bij=1/bji(i,j=1,2,…,n),其数值由判断矩阵标度表给出,表1给出了判断矩阵标度和含义。
表1判断矩阵标度表
计算判断矩阵的最大特征值与特征向量并进行一致性检验。
当符合一致性检验时,权重为归一化后的特征向量,否则需调整判断矩阵。
其中一致性检验包括层次单排序和层次总排序两种。
层次单排序包括以下步骤:
一致性判断指标CI的计算方式为:
其中,λmax为判断矩阵的最大特征值,n为当前判断矩阵维度。一致性检验方法为:
当CR<0.1时认为判断矩阵符合一致性检验,即赋予的主观重要性对比整体合理。式中RI为平均随机一致性指标。
假设有n个判断矩阵,层次总排序包括以下步骤:判断是否成立;若成立,则表示通过总排序一致性检验,否则需要重新调整判断矩阵。其中,CIi表示第i个判断矩阵的一致性指标,RIi表示第i个判断矩阵的随机一致性指标,wi为第i个判断矩阵的总排序权重,i取值为1至n的整数。
在一个实施例中,隶属度函数为三角形隶属度函数;步骤206中利用隶属度函数获取不同绩效等级下各评价指标的隶属度包括:确定三角形隶属度函数中的边界参数,根据边界参数构建对应于不同评价指标的三角形隶属度函数;根据对应的三角形隶属度函数,确定各评价指标对应隶属度。
设计单位评价集合可看作论域U,评价指标可以看为Hi,i表示评价指标的索引,取值为正整数。利用隶属度函数表述评价指标与评价集合中各绩效等级之间的从属关系。
以优秀、良好、及格、较差四个绩效等级为例说明隶属度函数,如图4所示,则第i个评价指标属于优秀的隶属度函数为:
第i个评价指标属于良好的隶属度函数为:
第i个评价指标属于及格的隶属度函数为:
第i个评价指标属于较差的隶属度函数为:
其中,0.3、0.7均为边界参数,由专家经验确认。本实施例仅提供一种可行方案,实际边界参数可根据具体情况取值。
在一个实施例中,步骤208包括:采用Yager合成理论对隶属度评估矩阵进行数据融合。
由于D-S证据理论在信息融合、决策分析等领域的良好应用效果,因此本实施例应用D-S证据理论对设计单位的隶属度评估矩阵进行融合处理,确定其最终的绩效等级。
证据理论的核心是证据合成方法,Dempster提出的证据合成方法存在一定的局限性,即当证据间存在高度冲突甚至完全冲突时,Dempster合成方法会失效并得出有悖于常理的结果。针对此问题,本实施例采用Yager合成理论,即Yager提出的改进合成公式进行处理。
改进合成公式表示为:
其中,mi表示每个证据源得到的证据,Bi、Cj为mi的焦元,m(A)为绩效等级A的基本概率赋值,c(A)为局部冲突;δ为分配系数。
在一个实施例中,如图5所示,绩效评价指标体系为递阶层次结构体系,绩效评价指标包括若干一阶指标,各一阶指标包括若干二阶指标;一阶指标包括设计过程服务、设计成品质量和设计单位能力。
设计过程服务对应的二阶指标包括进度管理、成果转化和设计变更管理。
设计成品指标对应的二阶指标包括可靠性安全性、可扩展性、成本最优化。
设计单位能力对应的二阶指标包括资信能力、工程业绩和科技水平。
本实施例从服务、设计成品、设计单位本身资质三个方面对设计单位进行评估,每个一阶指标还对应有二阶指标,实现对设计单位的多维度综合绩效评估。
本申请避免了传统在对设计单位进行绩效评价时依赖设计图质量单一指标,以及仅针对当前工程设计的单一与片面评价的问题,而是以设计单位在工程设计至工程竣工全过程中的参与为依据,从多个维度进行绩效考评。此外,通过引进证据理论将多个项目中的信息源进行融合,实现了以设计单位为评价主体,对多个工程设计进行的综合评价,有助于推动设计单位更快更好发展,加强工程质量建设。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的多维度绩效评价方法的多维度绩效评价装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个多维度绩效评价装置实施例中的具体限定可以参见上文中对于多维度绩效评价方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种多维度绩效评价装置,包括:评价体系构建模块602、权重获取模块604、隶属度获取模块606和评价模块608,其中:
评价体系构建模块602,用于构建包括若干评价指标的绩效评价指标体系。
权重获取模块604,用于确定各评价指标对应指标权重。
隶属度获取模块606,用于确定包括不同绩效等级的评级集合,并利用隶属度函数获取不同绩效等级下各评价指标的隶属度,根据隶属度获取隶属度评估矩阵。
评价模块608,用于利用证据理论对隶属度评估矩阵进行数据融合,结合指标权重,构建综合评价模型;基于评价模型获取评价结果。
其中,绩效评价指标体系为递阶层次结构体系,绩效评价指标包括若干一阶指标,各一阶指标包括若干二阶指标;一阶指标包括设计过程服务、设计成品质量和设计单位能力;设计过程服务对应的二阶指标包括进度管理、成果转化和设计变更管理;设计成品指标对应的二阶指标包括可靠性安全性、可扩展性、成本最优化;设计单位能力对应的二阶指标包括资信能力、工程业绩和科技水平。
权重获取模块604还用于利用层次分析法确定各评价指标对应指标权重。
权重获取模块604还用于基于各评价指标之间的相对重要程度,构造判断矩阵;对判断矩阵进行一次性校验,根据通过一次性验证的判断矩阵确定指标权重。
隶属度函数为三角形隶属度函数。隶属度获取模块606还用于确定三角形隶属度函数中的边界参数,根据边界参数构建对应于不同评价指标的三角形隶属度函数;根据对应的三角形隶属度函数,确定各评价指标对应隶属度。
评价模块608还用于采用Yager合成理论对隶属度评估矩阵进行数据融合。
上述多维度绩效评价装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种多维度绩效评价方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述所有方法步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述所有方法步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述所有方法步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种多维度绩效评价方法,其特征在于,所述方法包括:
构建包括若干评价指标的绩效评价指标体系;
确定各所述评价指标对应指标权重;
确定包括不同绩效等级的评级集合,并利用隶属度函数获取不同所述绩效等级下各所述评价指标的隶属度,根据所述隶属度获取隶属度评估矩阵;
利用证据理论对所述隶属度评估矩阵进行数据融合,结合所述指标权重,构建综合评价模型;基于所述评价模型获取评价结果。
2.根据权利要求1所述的方法,其特征在于,所述确定各所述评价指标对应指标权重包括:
利用层次分析法确定各所述评价指标对应所述指标权重。
3.根据权利要求2所述的方法,其特征在于,所述利用层次分析法确定各所述评价指标对应所述指标权重包括:
基于各所述评价指标之间的相对重要程度,构造判断矩阵;
对所述判断矩阵进行一次性校验,根据通过一次性验证的所述判断矩阵确定所述指标权重。
4.根据权利要求1所述的方法,其特征在于,所述隶属度函数为三角形隶属度函数;
所述利用隶属度函数获取不同所述绩效等级下各所述评价指标的隶属度包括:
确定所述三角形隶属度函数中的边界参数,根据所述边界参数构建对应于不同所述评价指标的所述三角形隶属度函数;
根据对应的所述三角形隶属度函数,确定各所述评价指标对应所述隶属度。
5.根据权利要求1所述的方法,其特征在于,所述利用证据理论对所述隶属度评估矩阵进行数据融合包括:
采用Yager合成理论对所述隶属度评估矩阵进行数据融合。
6.根据权利要求1所述的方法,其特征在于,所述绩效评价指标体系为递阶层次结构体系,所述绩效评价指标包括若干一阶指标,各所述一阶指标包括若干二阶指标;
所述一阶指标包括设计过程服务、设计成品质量和设计单位能力;
所述设计过程服务对应的所述二阶指标包括进度管理、成果转化和设计变更管理;
所述设计成品指标对应的所述二阶指标包括可靠性安全性、可扩展性、成本最优化;
所述设计单位能力对应的所述二阶指标包括资信能力、工程业绩和科技水平。
7.一种多维度绩效评价装置,其特征在于,所述装置包括:
评价体系构建模块,用于构建包括若干评价指标的绩效评价指标体系;
权重获取模块,用于确定各所述评价指标对应指标权重;
隶属度获取模块,用于确定包括不同绩效等级的评级集合,并利用隶属度函数获取不同所述绩效等级下各所述评价指标的隶属度,根据所述隶属度获取隶属度评估矩阵;
评价模块,用于利用证据理论对所述隶属度评估矩阵进行数据融合,结合所述指标权重,构建综合评价模型;基于所述评价模型获取评价结果。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311112624.8A CN117172591A (zh) | 2023-08-30 | 2023-08-30 | 多维度绩效评价方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311112624.8A CN117172591A (zh) | 2023-08-30 | 2023-08-30 | 多维度绩效评价方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117172591A true CN117172591A (zh) | 2023-12-05 |
Family
ID=88946258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311112624.8A Pending CN117172591A (zh) | 2023-08-30 | 2023-08-30 | 多维度绩效评价方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117172591A (zh) |
-
2023
- 2023-08-30 CN CN202311112624.8A patent/CN117172591A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fülöp | Introduction to decision making methods | |
CN114239681A (zh) | 变压器健康指数评估方法、装置、计算机设备和存储介质 | |
CN113112090B (zh) | 基于综合互信息度的主成分分析的空间负荷预测方法 | |
CN110751378A (zh) | 一种核设施退役方案评价方法以及系统 | |
CN112633679A (zh) | 信息质量量化方法、装置、计算机设备和存储介质 | |
CN115564152A (zh) | 基于stirpat模型的碳排放量预测方法及装置 | |
Zhang et al. | Load Prediction Based on Hybrid Model of VMD‐mRMR‐BPNN‐LSSVM | |
CN113469570A (zh) | 信息质量评价模型构建方法、装置、设备及存储介质 | |
CN114881343A (zh) | 基于特征选择的电力系统短期负荷预测方法及装置 | |
CN117674119A (zh) | 电网运行风险评估方法、装置、计算机设备和存储介质 | |
CN116523001A (zh) | 电网薄弱线路识别模型构建方法、装置和计算机设备 | |
CN117172591A (zh) | 多维度绩效评价方法、装置、计算机设备和存储介质 | |
CN112039111A (zh) | 一种新能源微电网参与电网调峰能力的方法及系统 | |
CN114784795A (zh) | 风电功率预测方法、装置、电子设备及存储介质 | |
S. Dhiman et al. | Multi-criteria decision-making: An overview | |
CN117875764A (zh) | 园区综合能源系统评估方法和装置 | |
CN116629694A (zh) | 基于电网工程的esg指标体系算法模型确定方法和装置 | |
WO2024108475A1 (zh) | 直流输电线路的风险评估方法、装置、设备和存储介质 | |
Yang et al. | A Fractional Grey Multivariable Model for Modeling Fresh Graduates’ Career Choice | |
CN116468467A (zh) | 电网设备材料代价预测方法、装置、设备、介质和产品 | |
Zou | Machine Learning-Based Analysis of Housing Price Predictors | |
Zhang et al. | Homebuyers Characteristics Analysis Based on Decision Trees and AdaBoost Algorithm | |
CN117151326A (zh) | 评价方案的评估方法、装置、计算机设备、介质和产品 | |
CN116029614A (zh) | 配电网台区电能质量评估方法、装置和计算机设备 | |
CN115730844A (zh) | 价值评价方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |