車輛周轉器材品種的多權重綜合評價

王鳳忠，郭健杰，何 健

(1.軍事交通學院 軍用車輛系，天津 300161； 2.軍事交通學院 研究生管理大隊，天津 300161； 3.92306部隊，海南 陵水 572400)

● 裝備保障 Equipment Support

車輛周轉器材品種的多權重綜合評價

王鳳忠1，郭健杰2，何 健3

(1.軍事交通學院 軍用車輛系，天津 300161； 2.軍事交通學院 研究生管理大隊，天津 300161； 3.92306部隊，海南 陵水 572400)

為科學儲備部隊車輛周轉器材、優化品種設置，必須對周轉器材品種進行科學評價。通過建立車輛周轉器材品種評價指標體系，將模糊層次分析法和信息熵進行有機結合，利用熵權值來調整主觀權重系數，并引入專家權重系數， 確定組合權重系數，從而優化車輛周轉器材品種的綜合評價結果。

車輛周轉器材；模糊層次分析法；信息熵；權重系數

車輛周轉器材品種評價的準確與否，在很大程度上將影響整個周轉庫存對部隊的保障效益。如果周轉器材品種偏多，將會造成大量器材的積壓浪費；如果庫存器材品種偏少，就不能有效地滿足部隊保障需求[1]。為使部隊車輛周轉器材品種儲備更加科學合理，必須對周轉器材品種進行準確評價，不斷優化周轉器材儲備品種。

目前，部隊對車輛周轉器材品種的研究大多采用多層次模糊評價法[2]，該方法主要存在主觀性偏強、指標權重分配不合理等問題。因此，本文通過多層次模糊評價法構建品種的評價指標體系，將信息熵和層次分析法相結合，引入專家權重系數[3]確定各級指標的權重系數。

1 構建車輛周轉器材品種評價指標體系

根據部隊車輛周轉器材品種的多方面影響因素，結合車輛器材保障的自身特點，最終從周轉器材的關鍵性、損耗性、經濟性、保障性4個方面，建立了17個二級指標[4]體系(見表1)。

表1 部隊車輛周轉器材品種的評價指標體系

2 基于信息熵的車輛周轉器材品種的模糊綜合評價模型

模糊綜合評價就是對周轉器材品種的各方面特性、各個影響因素進行綜合考慮，在此基礎上對一些不易衡量的評價指標進行量化處理，并依據不同指標的影響程度大小來確定權重系數，從而對各個指標進行定量的綜合評價。

2.1 構造比較判斷矩陣

依據部隊車輛周轉器材品種的評價指標體系，各層因素指標之間的隸屬關系就已經被確定了，其相對重要程度可以由比較判斷矩陣計算出。各層次中因素兩兩比較判斷的結果可用1～9標度法來表示，具體對照關系見表2。

表2 標度含義對照

2.2 確定模糊權重系數

對專家意見的處理，一般運用幾何平均數的方法[5]。對上述比較判斷矩陣進行幾何平均計算，然后進行歸一化處理，得到各因素的指標所分配的權重a，則權重集為M={a1，a2，…，am}；再對相對判斷矩陣進行隨機一致性檢驗，來驗證權重系數確定的合理可靠性。

(1)

(2)

因此，可以得到各因素的指標權重為ai，則權重集為M={a1，a2，…，am}。由式(2)可以確定相對判斷矩陣的最大特征值λmax。

(3)

從而得出相對判斷矩陣的一致性指標CI：

CI=(λmax-m)/(m-1)

(4)

最后得出相對判斷矩陣的隨機一致性比率CR：

CR=CI/RI

(5)

式中RI為平均隨機一致性指標，可以查表獲取。

當CR<0．1時，即判定該相對判斷矩陣具有相對滿意的一致性，即所確定的權重系數具有一定的合理可靠性[6]。

2.3 基于信息熵的組合權重系數的確定

(6)

式中:k為常數且大于0；對數的底可以根據實際情況進行取值，一般取2、e、10。

依據式(6)，則第i個評價指標的熵為

(7)

式中選取以e為底數的對數。

對熵hi進行標準化處理得

(8)

式中k取1/lnm，為常數且大于0。

令gi=1-hi，則第i個指標的熵權βi定義為

(9)

對于第i個評價指標，根據式(8)、(9)，當隸屬度rij的差異性gi越小，熵值hi就越大；當隸屬度rij的差異性gi越大，熵值hi就越小，這時該指標的作用就越明顯；當rij恰好都取同等大小時，熵值hi取最大值，即hmax=1，這時該指標對整個系統的評價不會產生影響。

因此，將主觀權重系數值用熵權值來進行調整，即可得到組合權重系數：

(10)

式中:αi為第i個評價指標的模糊權重系數；μi為第i個指標的組合權重系數。

2.4 確定評價因素的評語集

評語是按照一定的評價標準將評價對象的優劣程度劃分為不同的等級，從而組成一個模糊評價的評語集C，則C={c1，c2，…,cp}，其中cv(v=1,2,…，p)是第v個可能的評價結果。專家打分時依據各個指標的具體含義來確定其模糊評估值[9]。為了方便計算各評價指標的隸屬度大小，本文的評估值劃分標準見表3。

表3 評估值劃分標準

2.5 進行模糊綜合評價

采用Delphi法，組織多名不同種類的專家進行單因素模糊評價，從而得到單因素模糊評估值。根據模糊評估值來確定模糊評價矩陣。設對第i層第j列指標因素kij作單因素評價，評價對象隸屬于評語集中第v個元素的隸屬度為rijv(i=1，2，…，m；j=1，2，…n;v=1，2，…,p)，則模糊綜合評價的單因素評價矩陣為

(11)

式中rijv為第i層第j列指標的第v個評語量化值。

那么，對第i層所有指標進行模糊綜合評價的計算式為

B=μi·Ri

(12)

式中B為第i層指標的模糊綜合評價集。

二級模糊評價是對第一級的合成運算，則基于信息熵的多層次模糊綜合評價結果為

C=μ·B

(13)

式中μ為二級評價指標因素的組合權重集。

3 確定專家權重系數

為使評估結果更加科學，指標權重分配更加合理，本文對器材的重要程度進行評價時，有針對性地選取了3類專家(軍隊院校專業教授、部隊器材高級工程師和軍工廠商)進行評價。并依據不同專家對不同指標的了解程度分別對其賦予不同的權重，即添加了專家權重ω，采用雙重權重的方法更加科學合理地評價各器材指標的相對重要性[10]。依據3類不同專家對不同指標因素的了解程度分別對其進行合理的賦權。一般的對應關系見表4。

表4 了解程度等級與專家權值區間的對應關系

則，第t類專家對K指標的專家權重為

(14)

因此，各指標的專家權重集為ω=(ω1，ω2，ω3)。這就有機結合了各個方面的評價優勢，科學合理地配置各評價主體的權重，使評價結果更為權威全面。

根據建立的部隊車輛周轉器材品種評價指標體系以及組合權重的計算方式，對所得到模糊綜合評價的最終結果進行合成優化，公式為

E=ωt·Et

(15)

式中：E為最終指標評價結果；ωt為第t類專家的專家權重系數；Et為第t類專家的模糊綜合評價結果。

4 車輛周轉器材品種的綜合評價標準

基于上述綜合評價方法得出最終的評價結果，再按照各指標評價值的大小來判定其重要性和儲備需求，具體品種劃分標準見表5[11]。

表5 車輛周轉器材品種的劃分標準

5 實例驗證

本文以部隊級車輛周轉器材品種中的機油泵為研究對象，分別選取軍隊院校專業教授、部隊器材高級工程師和軍工廠商各50名進行問卷調查。

首先通過軍隊院校專業教授對所構建部隊車輛周轉器材品種評價指標體系中的各指標重要程度進行比較判斷，運用多層次模糊分析法對各指標的主觀權重系數進行計算。

各子因素(下層)指標的模糊權重系數值分別為

m1=(0．55，0．12，0．33)

m2=(0．09，0．26，0．12，0．20，0．33)

m3=(0．16，0．31，0．10，0．07，0．36)

m4=(0．46，0．19，0．09，0．26)

各因素(上層)指標的模糊權重系數值為

m=(0．45，0．35，0．08，0．12)

再依據熵權值的運算方法對各指標的客觀熵權系數進行計算。

各子因素(下層)指標的熵權系數值分別為

β1=(0．38，0．27，0．35)

β2=(0．15，0．21，0．23，0．24，0．16)

β3=(0．31，0．19，0．18，0．15，0．17)

β4=(0．25，0．30，0．22，0．23)

各因素(上層)指標的模糊權重系數值為

β=(0．22，0．16，0．27，0．18)

列出各子因素(下層)指標隸屬于評語集的模糊綜合評價矩陣，根據式(10)得各子因素(下層)指標的組合權重系數分別為

μ1=(0．58，0．10，0．32)

μ2=(0．07，0．27，0．14，0．24，0．28)

μ3=(0．25，0．30，0．09，0．05，0．31)

μ4=(0．45，0．23，0．08，0．24)

各因素(上層)指標的組合權重系數為

μ=(0．49，0．30，0．10，0．11)

對部隊車輛周轉器材品種進行一級綜合模糊評價：

基于信息熵的多層次模糊綜合評價結果為

C=μB=(0．38，0．27，0．23，0．12)

E′=C′·U=0．65

同理，部隊器材高級工程師對該周轉器材品種的關鍵性E″1、損耗性E″2、經濟性E″3、保障性E″4和總體綜合評價結果E″分別為

E″1=B″1·U=0．78

E″2=B″2·U=0．59

E″3=B″3·U=0．62

E″4=B″4·U=0．49

E″=C″·U=0．68

軍工廠商對該周轉器材品種的關鍵性E?1、損耗性E?2、經濟性E?3、保障性E?4和總體綜合評價結果E?分別為

E?1=B?1·U=0．72

E?2=B?2·U=0．51

E?3=B?3·U=0．70

E?4=B?4·U=0．58

E?=C?·U=0．63

依據3類不同專家對不同指標因素的了解程度分別對其進行合理賦值，再根據式(14)，軍隊院校專業教授、部隊器材高級工程師和軍工廠商3類專家的專家權重系數分別為：ω1=0．45，ω2=0．38，ω3=0．17。根據式(15)，該周轉器材品種的關鍵性E1、損耗性E2、經濟性E3、保障性E4和最終總體綜合評價結果E為

E=ωi·(E′，E″，E?)=0．66

從最終綜合評價的結果可以看出，機油泵這個器材品種的關鍵性、損耗性、經濟性以及保障性各方面評價值均比較高，其總體評價值也較高，屬于明顯需求的器材。因此，機油泵應當列入該單位庫存器材品種序列之中，建立一定的儲備。

6 結 語

本文在層次分析法的基礎上，結合了信息熵的方法對評價因素指標的權重進行調整。通過組合權重系數優化了多層次模糊綜合分析法中的主觀因素，增加了客觀性。最后，又引入了專家權重，有效規避了專家對指標因素評價時的片面性，使評價結果更加權威準確。本研究可為部隊車輛周轉器材的品種評價提供一定的參考。

[1] 王亮.軍用車輛器材保障概論[M].北京:金盾出版社,2014：106-113.

[2] 程啟月.評測指標權重確定的結構熵權法[J].系統工程理論與實踐,2010,30(7):1225-1228.

[3] 李思源,譚葉雙.基于層次分析法和信息熵的多指標選取[J].計算技術與自動化,2012,31(4):99-103.

[4] 陶金宸.部隊車輛周轉器材庫存結構調整研究[D].天津:軍事交通學院,2014.

[5] 王鐵寧,于雙雙,李寧.戰時裝備備件品種確定方法研究[J].物流科技,2012(9):91-95.

[6] 陳松輝,邱宏理.基于AHP和模糊綜合評判法的登陸作戰效能分析[J].艦船電子工程,2013,33(2):91-93.

[7] 周禮勝.基于模糊層次分析法和信息熵的應急物資庫存管理研究[D].合肥:中國科學技術大學,2010.

[8] 郝桂榮.基于信息熵-AHP組合權重系數的圖書館服務質量多層次模糊綜合評判研究[J].現代情報，2010,30(2):133-137.

[9] JIN Y, ZOU Y,WANG Y. Partner choice of iron and steel logistics alliance based on fuzzy analytic hierarchy process[J]. Advanced Materials Research, 2012,42(4):119-122.

[10] 李志威,呂亞飛,何健.基于雙重權重的車輛戰備維修器材品種優化研究[J].軍事交通學院學報,2015,17(12):22-26.

[11] 蘇麗娜.基于層次分析法確定戰時工程裝備品種問題研究[J].中國包裝工業,2012(7):44-46.

(編輯：孫協勝)

Comprehensive Evaluation on Multiple Weights of Vehicle Turnover Equipment Varieties

WANG Fengzhong1, GUO Jianjie2, HE Jian3

(1.Military Vehicle Department, Military Transportation University, Tianjin 300161, China;2.Postgraduate Training Brigade, Military Transportation University, Tianjin 300161, China;3.Unit 92306, Lingshui 572400, China)

It is necessary to evaluate turnover equipment varieties for storing vehicle turnover equipment and optimizing variety setting. By establishing evaluation index system of vehicle turnover equipment varieties, the paper firstly combines fuzzy analytic hierarchy process (FAHP) with information entropy organically, and adjust the subjective weight coefficient with entropy weight. Then, it introduces expert weight coefficient and determines combination weight coefficient, which can optimize the comprehensive evaluation result of vehicle turnover equipment varieties.

vehicle turnover equipment; fuzzy analytic hierarchy process (FAHP); information entropy; weight coefficient

2017-03-13；

2017-04-18． 作者簡介： 王鳳忠(1969—)，男，碩士，副教授，碩士研究生導師．

10．16807/j.cnki.12-1372/e.2017.07.007

E246

A

1674-2192(2017)07- 0026- 05