模糊综合评价法论文模糊综合评价法在企业知识管理有效性评价中的应用研究.docx

模糊综合评价法在企业知识管理有效性评价中的应用研究
1模糊综合评价法
模糊综合评价法是20世纪60年代美国科学家扎德(L.A.Zadeh)创立的,是针对现实中大量的经济现象具有模糊性而设计的一种评判模型和方法,在应用实践中得到了有关专家不断演进。该方法既有严格的定量刻划,也有对难以定量分析的模糊现象进行主观上的定性描述,把定性描述和定量分析紧密地结合起来,其基本原理是先按每个一级指标单独评判,再按所有一级指标综合评判,基本步骤和方法如下。
1.1确定评价指标集
评价指标集是以影响评价对象的各种指标为元素所组成的一个普通集合,在评价企业知识管理有效性时,此集合中的元素为第一层因素,可用公式表示,即:
X={x1,x2,x3,…,xm}
其中各元素xi(i=1,2,3,…,m)代表各个一级评价指标,而xi通常又是由若干二级指标构成的集合,即:i={xi1,xi2,xi3,…,xipi(pi是xi对应的二级指标的个数)
这些指标通常具有不同程度的模糊性。应该注意的是,评价指标可以是模糊的,但指标之间的关系必须是确定的。
1.2确定评语集评语集
是评价对象可能隶属的各种评判结果(或评价等级)的集合。通常用Y表示,即:
Y={y1,y2,y3,…,yn}
其中各元素yj(j=1,2,3,…,n)代表各种可能的总评判结果或评价等级。评价等级由专家讨论来评定,通常可分为优、良、中、差,或非常满意、满意、基本满意、不满意,或大、中、小,或严重、一般、轻微等。这里yj对Y的关系是普通集合关系,因此,评语集也是一个普通集合。
1.3确定权重集
权重集是由各个评价指标的权重值组成的集合,权重反映了各指标对评价对象的重要程度。一级评价指标集的权重集用A表示,是1×m矩阵;xi对应的二级评价指标集的权重集用表示Ai,是1×pi矩阵。即:
A=(a1,a2,a3,…,am)
Ai=(ai1,ai2,ai3,…,aipi)
其中,ai(i=1,2,3,…,m)代表一级评价指标xi(i=1,2,3,…,m)的权重数,满足条件ai≥0,且=1。ai越高,评价指标xi在评价中就越重要。由于不同专家对各种指标的权重会有不同的看法,因此,在对知识管理的有效性进行评价时,应该共同评议,或采用专家评分取均值的方法确定各指标的权重值。同样,各二级评价指标xik(i=1,2,3,…,m;k=1,2,3,…,pi)相对于其一级指标xi的重要程度也用相应的权重数aik来表示,满足条件aik≥0且(i=1,2,3,…,m)。这样,各二级评价指标在整个评价指标体系中的重要性可依据aiaik来确定。
1.4单指标模糊评价和建立一级指标评价矩阵T
单指标模糊评价是从一个一级指标出发进行评价,以确定评判对象对评语集的隶属度。假设评判对象按指标集X内第i个一级指标xi进行评判,xi对应的第k个二级指标xik(k=1,2,3,…,pi)对评语集Y内第j个元素yj的隶属度为rkj(k=1,2,3,…,pi;j=1,2,3,…,n),如表1所示。
这样,就形成一级指标xi的单指标评价矩阵Ri,表示为:
其中,Ri中的各隶属度满足条件(k=1,2,3,…,pi)。这时,可求出xi的单因素评价集Ti:Ti=Ai·Ri(ai1,ai2,ai3,…,aipi)
以上述方法分别求出i=1,2,3,…,m时对应的单因素评价集T1、T2、T3、…、Tm,再以这些单因素评价集为行向量组成一级指标评价矩阵T:
1.5模糊综合评价
上述一级指标评价矩阵T,仅仅反映了各一级指标对评价对象的影响,而模糊综合评价所要反映的是所有因素对评价对象的综合影响。
在一级指标评价矩阵T中,第i行反映的是第j个一级指标影响评价对象取评语集内各元素(或评价等级)的程度;第j列反映的是各一级指标影响评价对象取评语集内第j个评价等级的程度。第j列元素之和就表示所有一级指标对评价对象取评语集内第j个评价等级的综合影响,即:
将各指标的权重考虑在内之后,可用每列中元素的加权和更准确地表达所有指标的综合影响,即:
因此,用矩阵表示,模糊综合评价可以描述为:B=A·T。其中,A为权重集,是1×m阶矩阵,T为m×n阶一级指标评价矩阵,运用模糊矩阵乘法,可计算出综合评价结果:
B=A·T=(a1,a2,a3,…,aM)
B为模糊综合评价集,其中bj(j=1,2,3,…,n)为模糊综合评价因素,表示综合考虑所有指标的影响时,评价对象对评语集内第j个元素(或评价等级)的隶属度。
1.6模糊分析结果
在得到评价指标bj之后,实际上就知道了评价对象在评语集中不同评价等级上的隶属度。理想情况下,各隶属度之间的关系满足条件∑nj=1bj=1,但如果不满足此条件,有时还要进行归一化处理。一般可以用最大隶属度法、加权平均法或模糊分布法来处理评价指标,以便确定评价对象