制造企業工藝創新決策模型的構建

李婉紅，畢克新，2，艾明曄

(1.哈爾濱工程大學經濟管理學院，哈爾濱150001；2.哈爾濱理工大學管理學院，哈爾濱150080）

制造企業工藝創新決策模型的構建

李婉紅1，畢克新1，2，艾明曄1

(1.哈爾濱工程大學經濟管理學院，哈爾濱150001；2.哈爾濱理工大學管理學院，哈爾濱150080）

在分析制造企業工藝創新決策目標的基礎上，針對工藝創新決策中的多屬性、群決策以及決策信息的模糊性等特點，本文構建了適用于工藝創新決策的模糊多屬性群決策模型，并基于TOPSIS法給出了工藝創新決策方案的選優過程，最后通過實例驗證了該模型的有效性和可操作性。研究表明，該模型的建立有助于制造企業實現工藝創新決策方案的選優。

TOPSIS；制造企業；工藝創新；模糊多屬性群決策

0 引言

早在1912年，熊彼特在《經濟發展理論》中提出了創新的五種基本類型，其中第二種“采用新的生產技術方法”被學者們稱為“工藝創新”。1975年英國學者Daft R L.認為，“技術創新與企業的主要生產活動息息相關，可分為產品創新和工藝創新兩種類型”[1]。因此，工藝創新是按創新的技術形態和內容劃分而與產品創新相對應的一種創新形式，它通常被認為屬于“技術創新”的范疇。經濟合作與發展組織（OECD）在1992年出版的Oslo Manual（《奧斯陸手冊》第一版）中明確界定了“技術的工藝創新”。《奧斯陸手冊》第三版（2005年修訂）中將“技術的工藝創新”修改為“工藝創新”，提出“工藝創新是指新的或顯著改進的生產或交付方式的實現。它包括技術、設備和（或）軟件上的重大改變”，并進一步對此概念作出解釋，指出“‘生產方式’包括用于生產產品或提供服務的技術、設備或軟件。例如新自動化生產線、自動化包裝、計算機輔助產品開發、改進的生產監控測試設備等。‘交付方式’涉及產品從工廠車間到最終用戶的相關物理運動，包括提高產品交付效率的系統，如計算機系統，跟蹤系統和相關設備。例如為方便登記貨物和存貨的便攜式掃描儀或電腦、用于辨別最優運輸路線的軟件的應用等”[2]。對于現代制造企業來說，工藝創新已逐漸成為獲得持續競爭優勢的核心來源之一，成為企業生存的根基與持續性發展的動力。

制造企業工藝創新決策是決策主體(企業、企業家)對工藝設備創新、工藝技術創新以及工藝管理創新等實施與否、如何實施的決策過程，具體包括了對工藝創新中的創新目標、方案選優、方案落實及監督控制等一系列決策活動[3]。工藝創新決策是維持并提升制造企業生產能力、保證產品質量，進而滿足市場、提高競爭能力的重要保證。因此，對工藝創新決策模型的研究具有很強的現實意義。由于工藝創新決策是一種多屬性群決策模型，且決策屬性信息、屬性權重信息等具有模糊性特點，本文構建了工藝創新模糊多屬性群決策模型，并采用多屬性決策分析中一種常用的有效方法——TOPSIS法對決策方案進行選優，通過本文的實例驗證，該方法不但豐富和拓展了工藝創新研究領域，而且對制造企業提升工藝創新決策能力具有重要的理論價值和現實意義。

1 制造企業工藝創新決策模型的構建

企業在進行工藝創新決策時，往往由兩個或兩個以上的決策者共同參與決策，并根據自己的主觀偏愛和信息掌握程度，形成對各供選方案在每一屬性上的信息，并集結各信息形成群體偏愛，最后對決策方案進行選優，因此工藝創新決策屬于群決策問題。此外，工藝創新決策既涉及大量的定量因素，還涉及較多的定性因素。這些定性因素的處理涉及到模糊因素，從而促使將模糊數學（Fuzzy）應用于工藝創新決策方案的選優過程中。因此，本文建立的工藝創新決策模型為模糊多屬性群決策模型。

依據多屬性群決策原理，工藝創新的模糊多屬性群決策模型可作如下描述[4]：

設備選的工藝創新方案集為

A={ai}={a1，a2，…，am}，i=1，2，…，m

工藝創新方案的屬性集為

U={uj}={u1，u2，…，un}，i=1，2，…，n參與工藝創新的決策群為

D={dk}={d1，d2，…，dn}，k=1，2，…，s決策者dk的模糊權重為λk，滿足

決策者dk給出屬性uj的模糊權重為為模糊標度語言

決策者dk給出的三角模糊多屬性決策矩陣記為

2 制造企業工藝創新決策方案選優過程——基于TOPSIS法

C.L.Hwang和K.Yoon于1981年開發的接近理想方案的序數偏好方法TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）建立在所選擇的方案應該與理想方案的差距最小并且與負理想方案的差距最大的理論上[5,6]，隨后，Yooh、Hwang、Lai和LIU等人又進行了完善[7,8]。Olcer(2005)提出了TOPSIS法進行模糊決策，即先集結個人的模糊評價，然后進行解模糊處理，最后集結屬性權重并通過TOPSIS決策得到最佳方案[9]。但該文獻中每個決策者未對屬性權重給出模糊語評價。本文基于以上文獻，先對個體工藝創新決策者的評價數據進行模糊屬性信息集結，然后進行群決策模糊信息的集結，最后進行決策。具體決策的步驟如下：

（1）屬性值的規范化

工藝創新決策方案中的屬性基本上可分為兩大類，一類是效益型屬性，如創新產出、產品質量的提升程度、信息化支持力，它們都是求最大值，越大越好；另一類是成本型屬性，如創新成本、能源消耗、環境污染程度，它們都是求最小值，越小越好，而且屬性量綱不一致。此外，這些指標還分為定性（模糊）屬性和定量屬性（見表1），因此在進行工藝創新決策方案的選優之前需要對屬性值進行預處理，即將定性屬性值轉換為三角模糊數表示的定量屬性值。

表1 工藝創新決策方案屬性的分類

決策者對各方案的屬性評價等級以及屬性權重是用自然語言表達的定性概念，作為描述性的自然語言具有不確定性和隨機性，本文根據Lee（1996a,1996b）和Chen(2001)的論述，將工藝創新決策屬性評價和屬性權重分為7個評價等級（即S=（1，2，…，7）），并采用正三角模糊數描述定性屬性[10]，S=（1，2，…，7）中模糊標度語言的隸屬函數評價等級與對應的正三角模糊數見表2。

表2 語言價值變量及對應的三角模糊數

根據以上分析，對決策者dk確定的效益型和成本型屬性值進行規范化處理，具體處理方法如下：

（2）決策者和屬性權重確定

工藝創新的決策者主要由來自于生產工藝部門員工、各部門主任、企業管理層領導等層級，其權重系數根據制造業企業自身情況的不同進行確定。

本文假設制造企業有n個決策者參與工藝創新決策，設n個決策者組成的決策群為：D={d1，d2，…，dn}，第i個決策者的權重為λi，則決策者的權重組成的矩陣為：λ=(λ1，λ2，…，λn)，且

由于多人決策群體中各個決策者的知識經驗、專業水平和個人偏好不完全一樣，所以對屬性重要程度的看法也不完全一樣[11]。假定決策者對屬性的重要性評價也是一個模糊語言評價，則同樣可由表2轉化為一個正三角模糊數，設決策者dk給出的第j個屬性的權重為

（3）個體決策者的模糊屬性信息集結將工藝創新個體決策者模糊屬性值矩陣加權化，記為，

式中，

（4）群決策模糊屬性信息集結

式中

（5）解的非模糊化處理

Step1 確定工藝創新決策方案的理想解M+

式中，Mj=max{f1j，f2j，…，fmj}(j=1，2，…，n)是屬性uj的非模糊決策矩陣所對應的極大集，具有隸屬函數

Step2 確定工藝創新決策方案Ai與理想解M+之間的差異Di+

Step3 確定負理想解M—

式中，Fj=min{f1j，f2j，…，fmj}(j=1，2，…，n)是屬性uj的非模糊決策矩陣所對應的極小集，具有隸屬函數

Step4 確定方案Ai與理想解M—之間的差異D—

Step5 確定方案Ai與理想解M+之間的相對貼近度Di

Step6 按照Di值從大到小的順序排列方案的優劣次序，從而選出最優決策方案x*。

3 制造企業工藝創新決策算例

以某制造企業為例，2010年隨著國內產品市場的變化，現有的生產設備已難以滿足擴大生產規模的需要，為了進一步擴大企業的生產規模，優化產品結構和產品質量，實現生產設備更新升級和生產工藝更加精細化[12]，企業決定進行工藝設備創新，共有以下三種方案a1:購買新設備；a2：購買二手設備；a3：對原有設備進行改造。參與決策的人員包括1名生產車間主任（決策者d1，權重λ1=0.2），1名負責技術改造的副廠長（決策者d2，權重λ1=0.3）和1名廠長（決策者d3，權重λ1=0.5），由三位決策者對三種方案在創新產出預期（u1，單位：百萬/年）、創新成本（u2，單位：百萬/次）、產品質量提升程度（u3）、能源消耗（u4）、環境污染程度（u5）、信息化支持力（u6）六個屬性給出決策矩陣。由于u1和u2屬于定量指標，且數據都是經過企業相關部門計算得出，因此三位決策者只需對u3、u4、u5、u6四個定性指標進行模糊判斷。

根據前文提出的決策模型和TOPSIS法，具體的決策方案選優過程如下：

（1）模糊決策矩陣和屬性權重的確定及標準化

三位決策者給出的模糊屬性值決策矩陣和屬性權重分別見表3～5。

表3 決策者d1（λ1=0.2）的模糊屬性值決策矩陣和屬性權重

表4 決策者d2（λ2=0.3）的模糊屬性值決策矩陣和屬性權重

表5 決策者d3（λ3=0.5）的模糊屬性值決策矩陣和屬性權重

（2）根據公式（1）、（2）、（3）依次對矩陣進行規范化，并得到三位決策者的個體模糊信息集結矩陣分別為：

（3）根據公式（4）計算群模糊決策矩陣，結果如下：

（4）根據公式（5）對解進行非模糊化處理可得：

（5）根據公式（6）至公式（9）分別得到理想解和負理想解：

（6）根據公式（10）可得方案Ai與理想解M+之間的相對貼近度：

D1=0.6238，D2=0.3203，D3=0.4773

因此，D1>D3>D2，即該制造企業工藝創新方案的選取順序為a1>a3>a2，優選方案為a1。

4 結論

本文綜合運用模糊數學和多屬性群決策方法，依據制造企業工藝創新的決策目標，建立了企業工藝創新決策的模糊多屬性群決策模型。該模型能夠有效解決工藝創新決策中的屬性信息和屬性權重信息的模糊問題。本文使用TOPSIS法進行工藝創新決策方案的選優，并在計算過程中融入各決策者的權重，能夠突出各決策者在工藝創新決策過程中的重要程度，體現了決策者對創新方案的貢獻程度。通過選取某制造業企業為算例進行模型的驗證，結果表明該模型對解決企業工藝創新決策內容有效，是一種適合制造企業應用在工藝創新決策中的新方法。

[1]Richard L.,Daft A.Dual-core Model of Organizational Innovation [J].Academy Management Journal,1978,(21).

[2]OECD,The measurement of Science and Technology Activities [M].Oslo Manual,2007.Third edition.

[3]惠龍,覃正，張燁霞.一種基于過程的動態聯盟技術創新系統組織結構及決策機制[J].科學管理研究,2004,(4).

[4]彭怡，胡楊，郭耀煌.基于群體理想解的多屬性群決策算法[J].西南交通大學學報,2003,38(6).

[5]Hwang C L,Yooh K.Multiple Attribute Decision Making-Methods and Applications:A State-of-the-Art Survey[M].New York:Spring-Verlag,1981.

[6]Yooh K.Systems Selection by Multiple Attribute Decision Making [D].Ph.D.thesis,Kansas State University,Manhattan,1980.

[7]Hwang C L,Lai Y L,LIU T.A new approach for multiple objective decision making[J].Computers and Operation Research,1993,20(8).

[8]徐玖平，吳巍.多屬性決策的理論與方法[M].北京：清華大學出版社，2006,8.

[9]Olcer A I,Odahasi A Y.A new fuzzy attributive group decision making methodology and its application to propulsion/manoeuvring systemselectionproblem[J].JournalofOperationalResearch, 2005,166.

[10]倪現存，左洪福，白芳，劉明.基于模糊多屬性群決策及OWA算子的民機備件供應商評估[J].機械科學與技術,2006,5(2).

[11]劉明廣，杜綱，李高揚.帶有語言變量的多屬性群決策方法[J].統計與決策,2007,（1）.

[12]畢克新，王曉紅，李唯濱.中小企業成長新思維—技術性貿易壁壘對我國中小企業創新的影響與策略研究[M].北京，科學出版社，2010.

（責任編輯/易永生）

F273.1

A

1002-6487（2011）06-0176-04

國家自然科學基金資助項目（70872024、71073041）；中央高校基本科研業務費專項資金資助項目（HEUCF100929）；高等學校博士學科點基金新教師項目（200802171067）

李婉紅（1978-），女，陜西大荔人，博士研究生，講師，研究方向：技術管理與技術創新管理。

畢克新（1961-），男，黑龍江哈爾濱人，教授，博士生導師，研究方向：技術創新管理。

艾明曄（1975-），女，黑龍江哈爾濱人，副教授，研究方向：技術創新管理。