基于失效模式及影響分析的數字化轉型風險分析

尤建新，彭博達，徐 濤

（同濟大學經濟與管理學院，上海 200092）

新一輪科技革命和產業變革加速演進，大數據、云計算、人工智能等數字技術引發各領域產業結構重構，全球正在進入以“數字化、智能化”為特征的數字經濟時代。特別是在新冠疫情大流行期間，遠程醫療、在線教育、協同辦公等服務廣泛應用，展現了數字經濟的強大韌性。數字經濟發展背景下，數字化轉型成為發展數字經濟的重要組成部分。數字化轉型是建立在數字化轉換與數字化升級基礎上，進一步觸及公司核心業務，以構建新商業模式為目標的高層次轉型［1］。

隨著產業數字化轉型加速推進，越來越多主體參與進來。一方面，數字技術賦能企業商業模式創新、組織創新和產品創新，增強企業競爭力。另一方面，企業在數字化轉型過程中組織業務模式、組織架構、組織文化等多方面的變革，給企業帶來諸多風險與挑戰。據大樣本統計，我國工業企業數字化轉型向中高級階段發展的基礎雖不斷夯實，但仍有超過80%的企業未突破綜合集成，數字化轉型發展尚處于中級及以下階段［2］。根據麥肯錫于2016年發布的報告，數字化轉型失敗的企業高達70%［3］。2018年中國1 000強企業中近一半的企業雖把數字化轉型作為企業戰略核心，但轉型的失敗率仍高達70%到80%［4］。根據埃森哲研究報告，2019年我國僅有9%的企業數字化轉型成效顯著［5］。因此數字化轉型成為企業發展的最大風險之一［6］。在此背景下，分析、評估企業在數字化轉型過程中可能存在的風險并提出相應的預防措施對企業成功實施數字化轉型和發展數字經濟具有重要意義。

現有文獻中，已經有諸多學者對企業實施數字化轉型時面臨的挑戰進行討論。比如陳毅賢［4］指出企業數字化轉型成功與否不僅在于技術的硬實力，關鍵在于組織和經營管理的軟實力。Ciara Heavin［7］等人同樣提出成功的數字化轉型不僅依賴于技術，還需要優秀的領導、支持性的文化和新的業務流程。陳春花［8］從六個方面探討了傳統企業數字化轉型的問題，其中最大的挑戰是企業在轉型過程中如何保證原業務增長。呂鐵［9］從四個方面分析了傳統產業數字化轉型的問題，包括缺乏方法論支撐、數據資產積累薄弱、核心數字技術與第三方服務供給不足以及數字鴻溝明顯。張夏恒［10］通過對377家第三產業中小企業的調查，發現企業數字化轉型存在著認識不足、技術應用程度低、融資困難、缺乏人才等問題。李舒沁［11］則是研究了歐盟中小企業轉型的困難，包括缺乏資金、缺少數字技能熟練的員工和面對大公司時議價能力有限等。

盡管已經有學者對相關問題進行討論，但針對數字化轉型過程中風險管控的研究仍然較少。因此，本文引入失效模式及影響分析（failure mode and effect analysis，FMEA）方法，構建企業數字化轉型風險評估模型。首先，通過文獻分析、專家訪談和問卷調查等方式，提出影響企業數字化轉型的六維度因素。其次，結合模糊集理論將專家小組的定性評價指標轉化為定量指標；隨后，考慮了風險因子的綜合權重，通過結合灰色關聯分析（grey relational analysis，GRA）和逼近理想解排序法（technique for order preference by similarity to ideal solution，TOPSIS）對失效模式進行排序。最后，將該模型應用于檢測行業計劃進行數字化轉型的某企業，以驗證方法的可行性，并提出相應管理建議。

1 模型構建

FMEA是一種常用的可靠性分析技術，可以主動識別已知和潛在的失效模式并加以預防［12］。但傳統FMEA模型存在著許多不足［13］。針對傳統FMEA模型中存在的不足，許多學者都提出了相應解決方法［14-17］。本文在使用模糊集理論和TOPSIS的同時，結合GRA計算相對貼近度，以更準確地表現樣本值與理想解的貼合程度，并以此為依據確定失效模式風險大小［18］。本文首先采用三角模糊數將定性評價語言轉化成定量評價數值，以此構建潛在失效模式的風險評價矩陣；隨后，確定風險因子主觀權重和客觀權重，以此計算綜合權重，得到加權風險評價矩陣；其次，以加權風險評價矩陣為基礎，計算樣本數值與正、負理想解的歐式距離和灰色關聯度；最后，綜合歐式距離和灰色關聯度計算失效模式的相對貼近度，并根據相對貼近度進行風險排序。

1.1 確定潛在失效模式

為分析企業數字化轉型過程中的風險，本文基于文獻分析、專家訪談、問卷調查等方式收集企業專家意見，并借鑒全面質量管理理論中影響質量的人、機、料、法、環五個因素，提出了影響企業數字化轉型的六維度因素，包括人員，技術，資產，企業政策、組織架構和組織文化。其中，組織架構和組織文化均對應環境因素。考慮到數據作為企業數字化轉型的關鍵要素，已成為企業的重要資源和戰略資產［19］，因此資產維度中還包含數據資產風險。風險維度、失效模式編號和失效模式及影響如表1所示。

表1 企業數字化轉型的失效模式及影響Tab.1 Failure modes and effects of enterprise digital transformation

1.2 模糊語言評價

（1）構建風險因子模糊術語集

本文采用傳統FMEA模型中的三種風險因子進行分析，分別為嚴重度（S）、發生度（O）和檢測度（D）［13］。在對S、O、D進行定性評價之前，需要先建立相應的模糊術語集。本文使用｛極低（R）、低（L）、中等（M）、高（H）、極高（V）｝的五粒度模糊術語集進行描述，模糊術語集的具體含義見表2。

表2 模糊術語集含義Tab.2 Meaning of fuzzy evaluative terms

（2）確定模糊術語對應的三角模糊數

本文使用三角模糊數將定性評價語言進行定量化處理。三角模糊數可表示為A＝（a，b，c），其中a和c分別為模糊數的下限和上限，b為可能性最大的值。三角模糊數的隸屬函數為

根據專家知識和經驗確定模糊術語對應的三角模糊數。假設有k個專家，第l個專家的權重λl可根據其專業程度和從業時間等因素來確定，該專家對失效模式某一風險因子的模糊評價術語為ul＝(al，bl，cl)，根據式（2）綜合所有專家的評價信息可得到該語言術語對應的三角模糊數。

（3）三角模糊數去模糊化

模糊數去模糊化是應用GRA和TOPSIS計算的基礎［20］，本文采用如下公式進行去模糊化處理［21］，即

1.3 計算風險因子權重與評價矩陣

1.3.1 構建初始風險評價矩陣

假設對m個失效模式從n個風險因子角度進行評價，結合專家權重，綜合所有專家的評價信息，得到去模糊化之后相應的各指標值為rij(i＝1，2，…，m；j＝1，2，…，n)，初始風險評價矩陣 為R＝(rij)m×n。

1.3.2 風險評價矩陣規范化

用向量規范化方法處理初始風險評價矩陣［22］，得到規范化風險評價矩陣X＝(xij)m×n。

1.3.3 確定風險因子權重

（1）確定風險因子主觀權重

專家根據知識和經驗對風險因子的權重進行主觀評價。假設共有k個專家對n個風險因子的權重進行評價，則第l個專家對第j個風險因子權重的評價值為。

風險因子的綜合主觀權重向量為C＝(c1，c2，…，cn)。

（2）確定風險因子客觀權重

采用熵權法［23］確定各個風險因子的客觀權重。第j個風險因子的客觀權重為vj，風險因子的客觀權重向量為V＝(v1，v2，…，vn)。其中，

（3）確定風險因子綜合權重

本文采用乘法合成的方法將主觀權重和客觀權重結合起來［24］，得到綜合權重向量W＝(w1，w2，…，wn)。

（4）計算加權風險評價矩陣

1.4 風險排序

（1）計算正、負理想解［22］

（2）計算歐式距離［22］

（3）計算灰色關聯度［24］

同理，可以計算失效模式的評價值與負理想解的相關數值與矩陣。

（5）綜合量綱為一的歐氏距離與灰色關聯度［25］

其中，α1、α2反映了決策者的偏好程度，并且滿足α1+α2＝1，決策者可根據自身偏好確定它們的數值。

（6）計算相對貼近度［25］

相對貼近度可以反映待評失效模式的評價值與正理想解或負理想解的接近程度，計算相對貼近度γi。

根據計算出的γi對各種失效模式進行排序，γi越大表示待評樣本越貼近正理想樣本，失效模式的風險越大，應該優先處理；反之，則失效模式的風險越小。

2 模型應用

本文以檢測行業計劃進行數字化轉型的某企業為例，對影響其數字化轉型的風險進行分析。該企業專業從事橋梁、隧道、公路、建筑等工程質量檢測以及環境檢測，是當地規模較大、檢測參數及項目最全的檢驗檢測機構之一。企業已經制定信息系統戰略規劃，對傳統檢測業務進行信息化改造，目前已建成多個信息化管理平臺及系統。隨著行業內競爭愈加激烈，企業后續規劃實現多平臺的數據互通，深挖積累的海量檢測數據的潛在價值，實現數據再增值。

2.1 失效模式優先度排序

首先，由企業中從事數字化轉型工作的人員組成專家評價小組，并根據專家的專業程度、從業時間等因素確定專家權重，分別為0.25、0.25、0.2、0.2和0.1；再結合模糊集理論建立對失效模式風險因子進行評價的模糊術語集和對應的三角模糊數，內容如表3所示。

表3 模糊術語集及相應三角模糊數Tab.3 Fuzzy linguistic term and corresponding triangular fuzzy numbers

根據式（3）將三角模糊數轉化成清晰數，保留兩位小數，具體數值如表4所示。

表4 三角模糊數對應的清晰數Tab.4 Clear numbers corresponded to triangular fuzzy numbers

對失效模式進行專家評價，其中專家一的評價結果如表5所示。綜合專家評價信息得到風險評價矩陣，并根據式（4）對評價矩陣進行規范化處理。再對風險因子的主觀權重進行專家評價，根據式（5）～（9）分別計算出風險因子的客觀權重與綜合權重，得到的結果如表6所示；然后根據式（10）計算出加權風險評價矩陣，如表7所示。

表5 失效模式專家評價Tab.5 Evaluation of failure modes from expert

表6 風險因子權重Tab.6 Weights of risk factors

表7 加權風險評價矩陣Tab.7 Weighted risk assessment matrix

以加權風險評價矩陣為基礎，確定正、負理想解，計算出歐氏距離與灰色關聯度；然后將其量綱為一并取α1＝α2＝0.5，計算出相對貼近度；根據相對貼近度對失效模式進行排序，得到的最終結果如表8所示。

表8 失效模式相對貼近度Tab.8 Relative similarity of failure modes

2.2 排序結果對比分析

為更好地說明本文提出的方法的優勢，綜合傳統FMEA方法、基于TOPSIS的FMEA方法和本文方法進行對比分析，得到的結果如表9所示。

表9 3種方法的計算結果Tab.9 Calculations of three methods

通過比較計算結果可以發現，采用傳統FMEA方法對失效模式進行排序時，FM11的優先度最高；而采用基于TOPSIS的FMEA方法和本文方法進行排序時，FM10的優先度最高。這是因為后兩者考慮了風險因子的權重，因嚴重度的權重更大，所以FM10排序更加靠前。這表明本文方法可以顯示風險因子的相對重要性。

在傳統FMEA方法中，FM9和FM10之間、FM2和FM3之間、FM7和FM8之間的得分相同，無法更精確地對兩者進行比較，利用本文方法則解決了其排序問題。并且由于考慮了風險因子的權重，FM11的優先度有所下降，排到第3位，FM1和FM4的排序反而有所提升。

在基于TOPSIS的FMEA方法中，雖然同樣考慮了風險因子的權重，但計算結果表明，當保留三位小數時，相對貼近度的精確度不足。例如FM9和FM2的相對貼近度只相差0.01，FM3和FM6的相對貼近度相等。而利用本文方法，計算出的相對貼近度有了明顯差別，使失效模式更易于排序。

2.3 失效模式排序分析

通過最終排序結果可以發現，該企業在數字化轉型過程中，最需要優先處理的失效模式在組織架構（FM9、FM10）和組織文化（FM11）方面；該結果與企業現狀較為符合。企業目前希望與產業鏈上下游實現資源共享和業務拓展，比如將建筑工程的設計數據和檢測數據良性打通來為建設、管理、運營一體化服務，進而建立覆蓋整個建設工程領域的信息戰略聯盟，形成一站式服務，增強在行業內的競爭力。但實際工作中并未產生數據互通與信息共享，只是在業務中以個人關系的方式產生單點聯系。從企業經驗來看，在企業內部，普遍存在數據孤島現象，難以實現數據共享，嚴重影響企業的數字化轉型。在與上下游產業的聯系方面，如果企業是一個封閉的系統，便難以獲取外界信息，無法充分調動內外部資源進行數字化轉型，無法形成良好的產業生態。另外，數字化轉型需要企業內部所有員工的共同合作與努力，因此需要形成協同共生的企業文化［8］。

其次，當企業有足夠能力解決組織架構和組織文化方面的失效模式后，需要處理的失效模式集中在資金（FM6）和人員（FM1、FM2、FM3）方面。資金為企業轉型提供保障，缺少資金的企業將難以引入先進信息化技術。若企業強行投入過多資金，則極有可能影響其傳統業務，甚至產生破壞性后果。在人員方面，企業進行數字化轉型不僅需要相應的人才，還需要領導足夠重視，調動員工積極性，實現全員參與。

再次，技術（FM4）和政策（FM7、FM8）方面的失效模式排序較為靠后，企業不必對其優先處理但仍需兼顧。數字化技術是數字化轉型的重要支撐，該企業已建立諸多平臺和系統，其他技術可通過自主研發或外購獲得。政策可以為企業指明轉型方向，企業需根據自身業務特點和需求制定合理的數字化戰略，該企業目前已制定合理的初步戰略。排在最后的失效模式是數據資產（FM5），該企業在發展過程中已積累大量數據，數據量的多少及數據應用對其轉型的影響較小。但是數據為數字化轉型的關鍵要素，企業仍需注重對數據資產的梳理，提升數據資產質量。

2.4 管理建議

針對該企業需要優先解決的數字化轉型風險，本文提出以下建議：

（1）構建開放型組織，促進產業上下游合作。通過與產業內上下游企業進行合作，將能有效填補產業內企業的數字鴻溝，構建數字產業生態，從而挖掘業務增長點。

（2）領導重視、全員參與，形成協同共生文化。企業領導需要重視數字化轉型工作，為員工帶來信心與決心，通過廣泛宣傳，激發員工數字化轉型熱情，營造良好的轉型氛圍，同時加強培訓，提高員工素養和能力。

（3）保證數字化轉型的資金投入。企業在發展具有數字化特征的新業務的同時，需要激活傳統業務來確保企業的盈利能力，以保證有足夠的資金支持轉型工作。

3 結語

分析、評估企業數字化轉型過程中可能存在的風險并提出相應的預防措施對企業實施數字化轉型和發展數字經濟具有重要意義。本文利用模糊集理論、GRA和TOPSIS對傳統的FMEA方法進行改進，并將其運用于具體案例。通過研究表明，改進后的模型有如下優點：

（1）使用模糊集理論，增加了將定性評價語言轉化為定量數值的準確性，更能反映專家的評價語言信息；

（2）考慮了風險因子S、O、D的權重，將主觀權重與客觀權重結合起來，避免了由于認知偏差等原因造成的主觀性過強的現象；

（3）解決了不同風險因子數值組合產生相同RPN值而導致的失效模式無法精確排序的問題。本文將提出的模型應用于計劃進行數字化轉型的某企業，對其可能存在的風險進行評估，并從企業組織、企業文化和資金投入等方面提出相應管理建議。

本文研究仍存在一些不足之處，同時為進一步研究提供建議：

（1）本文在確定專家權重時較為主觀，缺乏方法論支撐，未來研究可探索更加客觀的權重分配方法。

（2）本文仍使用傳統FMEA方法中的三個風險因子（嚴重度、發生度和探測度）對企業數字化轉型的失效模式進行評價，未必能夠完全準確地反應失效模式的特點，未來研究可探索新的風險因子，以使失效模式的排序更加精確。

作者貢獻聲明：

尤建新：提出選題，設計論文框架。

彭博達：整理文獻，模型構建，論文的撰寫和修改。

徐濤：案例分析，模型完善，論文的撰寫和修改。