基于FAHP-BP的企業(yè)數(shù)字化技術(shù)評(píng)價(jià)體系構(gòu)建研究

王娟，魏解，王琪，張蕾，李凡，溫兵兵，李松

摘要：針對(duì)模糊層次分析法對(duì)企業(yè)數(shù)字化技術(shù)評(píng)價(jià)受到專家個(gè)人主觀因素影響比較大的問題，提出了基于FAHP-BP的評(píng)價(jià)模型。結(jié)合企業(yè)數(shù)字化轉(zhuǎn)型實(shí)際，構(gòu)建了包含16個(gè)指標(biāo)的數(shù)字化技術(shù)評(píng)價(jià)指標(biāo)，采用FAHP初步確定各評(píng)價(jià)指標(biāo)權(quán)重，將其作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)集，對(duì)各評(píng)價(jià)指標(biāo)權(quán)重進(jìn)行優(yōu)化。將提出的FAHP-BP評(píng)價(jià)模型應(yīng)用于10家企業(yè)中，驗(yàn)證了模型的有效性，并指出當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展水平和企業(yè)數(shù)字化技術(shù)水平之間具有一定的相關(guān)性。這對(duì)電力、化工等高能耗、高污染企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型具有一定的參考價(jià)值。

關(guān)鍵詞：模糊層次分析法；BP神經(jīng)網(wǎng)絡(luò)；數(shù)字化技術(shù)；評(píng)價(jià)模型

中圖分類號(hào)：TP391.9

文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1001-5922（2023）12-0139-04

Research on construction of enterprise digital technology evaluation system based on FAHP-BP

WANG Juan1，WEI Jie2，WANG Qi2，ZHANG Lei2，LI Fan3，WEN Bingbing3，LI Song3

（1.State Grid Hubei Electric Power Co.，Ltd.，Wuhan 430077，China;?2.Marketing Service Center，Hubei Electric Power Co.，Ltd.，State Grid，Wuhan 430080，China;?3.Hubei Huazhong Electric Power Technology Development Co.，Ltd.，Wuhan 430077，China）

Abstract：To solve the problem that the evaluation of enterprise digital technology by fuzzy analytic hierarchy process is greatly affected by the subjective factors of experts，an evaluation model based on FAHP-BP was proposed.Combined with the reality of the digital transformation of chemical enterprises，a digital technology evaluation index containing 16 indicators was constructed，and the weights of each evaluation index were preliminarily determined by using FAHP，which was used as the training data set of BP neural network to optimize the weights of each evaluation index.The proposed FAHP-BP evaluation model was applied to 10 chemical enterprises，and the effectiveness of the model was verified.It was pointed out that there was a certain correlation between the level of local economic development and the level of enterprise digital technology.This has certain reference value for the implementation of digital transformation of high-energy and high-pollution enterprises such as electric power and chemical industry.

Key words：fuzzy analytic hierarchy process;BP neural network;digital technology;evaluation model

企業(yè)數(shù)字化技術(shù)評(píng)價(jià)反映了數(shù)字化技術(shù)的成熟度和有效性，構(gòu)建科學(xué)化的評(píng)價(jià)體系至關(guān)重要。層次分析法是1種常見的評(píng)價(jià)方法，引起了學(xué)術(shù)界的廣泛關(guān)注。構(gòu)建了基于模糊層次分析法（FAHP）的高校智能辦公椅設(shè)計(jì)評(píng)價(jià)體系，實(shí)現(xiàn)了對(duì)多因素模糊問題的定量計(jì)算。采用FAHP構(gòu)建了工業(yè)縫紉機(jī)可用性評(píng)價(jià)模型，并對(duì)評(píng)價(jià)模型應(yīng)用于具體的工業(yè)縫紉機(jī)中。從電網(wǎng)安全穩(wěn)定運(yùn)行的角度出發(fā)，提出了基于FAHP的電網(wǎng)操作方案優(yōu)劣判斷方法。因電力、化工等高能耗和高污染特點(diǎn)，實(shí)施數(shù)字化技術(shù)迫在眉睫，但數(shù)字化技術(shù)評(píng)價(jià)是1個(gè)十分復(fù)雜的問題。基于此，聯(lián)合FAHP和BP神經(jīng)網(wǎng)絡(luò)，構(gòu)建企業(yè)數(shù)字化技術(shù)評(píng)價(jià)體系，期待對(duì)提升電力、化工等企業(yè)數(shù)字化轉(zhuǎn)型成功提供參考。

1企業(yè)數(shù)字化技術(shù)評(píng)價(jià)指標(biāo)體系

企業(yè)數(shù)字化技術(shù)評(píng)價(jià)指標(biāo)體系是衡量與評(píng)估企業(yè)數(shù)字化水平的關(guān)鍵，通過評(píng)價(jià)指標(biāo)來了解企業(yè)數(shù)字化轉(zhuǎn)型的成熟度、效率以及有效性。不論是電力企業(yè)還是化工企業(yè)，其實(shí)施數(shù)字化技術(shù)均可以使員工更好地掌握各種危險(xiǎn)設(shè)備的操作，有效降低人為因素所造成的安全事故。構(gòu)建企業(yè)數(shù)字化技術(shù)評(píng)價(jià)指標(biāo)體系，如圖1所示。

由圖1可知，構(gòu)建的企業(yè)數(shù)字化技術(shù)評(píng)價(jià)指標(biāo)體系共包含4個(gè)二級(jí)指標(biāo)，16個(gè)三級(jí)指標(biāo)。從技術(shù)掌握、生產(chǎn)應(yīng)用、研發(fā)應(yīng)用、管理應(yīng)用4個(gè)角度對(duì)企業(yè)數(shù)字化技術(shù)進(jìn)行評(píng)價(jià)，其中技術(shù)掌握涉及4個(gè)方面，分別為計(jì)算機(jī)操作、設(shè)備使用、數(shù)據(jù)處理以及數(shù)據(jù)分析；生產(chǎn)應(yīng)用涉及4個(gè)方面，分別為自動(dòng)化控制、智能制造、運(yùn)行維護(hù)、風(fēng)險(xiǎn)預(yù)警；研發(fā)應(yīng)用涉及4個(gè)方面，分別為共享平臺(tái)、項(xiàng)目管理、數(shù)據(jù)管理、項(xiàng)目進(jìn)程；管理應(yīng)用涉及4個(gè)方面，分別為人力資源、環(huán)保檢測(cè)、市場銷售、安全培訓(xùn)。

2企業(yè)數(shù)字化技術(shù)評(píng)價(jià)模型

2.1FAHP

FAHP是將定量分析和定性分析相結(jié)合的系統(tǒng)分析方法，可有效幫助決策者做出最佳的選擇。

2.1.1建立層次結(jié)構(gòu)，制定判斷矩陣

按照確定的數(shù)字化技術(shù)評(píng)價(jià)指標(biāo)體系結(jié)構(gòu)，對(duì)每個(gè)層次中的元素，由決策者制定模糊判斷矩陣。采用0.1～0.9標(biāo)度法來量化2個(gè)因素的相對(duì)重要性，從而得到判斷矩陣。

2.1.2模糊一致性檢驗(yàn)

設(shè)矩陣A=aijn×n滿足aij+aji=1，那么矩陣A為模糊互補(bǔ)判斷矩陣。對(duì)模糊判斷矩陣的每一行元素相乘并開方，即

ω-i=n∏nj=1aij（1）

對(duì)ω-i進(jìn)行歸一化，進(jìn)而得到模糊互補(bǔ)判斷矩陣A的特征向量（W），即

W=ω1ω2…ωnT（2）

其中，ωi的數(shù)學(xué)表達(dá)式：

ωi=ω-i∑ω-i（3）

計(jì)算最大特征值λmax，其數(shù)學(xué)表達(dá)式：

λmax=1n∑ni=1AWiωi（4）

2.1.3計(jì)算權(quán)重，進(jìn)行綜合評(píng)分

通過模糊層次分析可以得到每一個(gè)準(zhǔn)則及備選方案的權(quán)重，其反映了該項(xiàng)準(zhǔn)則在實(shí)際決策評(píng)價(jià)中的重要性。將計(jì)算得到的權(quán)重應(yīng)用在各個(gè)評(píng)價(jià)指標(biāo)上，從而得到最終的評(píng)價(jià)綜合得分。

2.2BP網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練學(xué)習(xí)中不斷調(diào)整網(wǎng)絡(luò)權(quán)重和偏置使輸出和實(shí)際目標(biāo)間誤差最小化，具體步驟：

（1）前向傳播?？紤]到不同因素之間量化數(shù)值之間的差異，在輸入網(wǎng)絡(luò)之前對(duì)數(shù)據(jù)進(jìn)行歸一化處理，即

x′=x-xminxmax-xmin（5）

將歸一化后數(shù)據(jù)x′傳遞給網(wǎng)絡(luò)，通過一系列的權(quán)重與偏置的線性組合得到每一個(gè)神經(jīng)元的輸出值，即

y=f2ω2·f1ω1·x+b1+b2（6）

式中：f1為輸入層和隱含層之間的神經(jīng)元傳遞函數(shù)；f2為隱含層和輸出層之間的神經(jīng)元傳遞函數(shù)；ω1為輸入層和隱含層之間的權(quán)值矩陣；ω2為隱含層和輸出層之間的權(quán)值矩陣；b1為輸入層和隱含層之間的偏置；b2為隱含層和輸出層之間的偏置。

（2）誤差計(jì)算。計(jì)算網(wǎng)絡(luò)輸出和實(shí)際目標(biāo)之間的誤差，常常采用損失函數(shù)來衡量誤差的大小。

（3）反向傳播。從輸出層開始，計(jì)算誤差對(duì)每個(gè)權(quán)重和偏置的梯度，并將梯度沿著網(wǎng)絡(luò)反向傳播到隱藏層和輸入層。根據(jù)計(jì)算得到的梯度，使用梯度下降或其他優(yōu)化算法來更新網(wǎng)絡(luò)中的權(quán)重和偏置，以減小誤差，這樣網(wǎng)絡(luò)就可以逐漸調(diào)整自身以提高預(yù)測(cè)的準(zhǔn)確性。

2.3FAHP-BP模型

將FAHP和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，構(gòu)建企業(yè)數(shù)字化技術(shù)評(píng)價(jià)模型。采用FAHP獲取評(píng)價(jià)的先驗(yàn)樣本，通過先驗(yàn)樣本來訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型。借助BP神經(jīng)網(wǎng)絡(luò)在處理非線性映射問題方面的強(qiáng)大能力，對(duì)各評(píng)價(jià)指標(biāo)權(quán)重進(jìn)行優(yōu)化。通過定量分析與定性分析的有機(jī)結(jié)合，從而獲取優(yōu)化后的各評(píng)價(jià)指標(biāo)權(quán)重。FAHP-BP的企業(yè)數(shù)字化技術(shù)評(píng)價(jià)模型如圖2所示。

3結(jié)果分析

3.1初步確定指標(biāo)權(quán)重

采用模糊層次分析法對(duì)企業(yè)數(shù)字化技術(shù)評(píng)價(jià)指標(biāo)權(quán)重進(jìn)行初步確定，通過問卷調(diào)查，借助0.1～0.9標(biāo)度法對(duì)各層次的各指標(biāo)之間重要性進(jìn)行判別，構(gòu)造模糊互補(bǔ)判斷矩陣，分別為A、A1、A2、A3、A4，即

A=0.50.30.20.20.70.50.90.70.80.10.50.40.80.30.60.5

A1=0.50.30.80.60.70.50.90.80.20.10.50.60.40.20.40.5

A2=0.50.20.80.60.80.50.90.30.20.10.50.80.40.70.20.5

A3=0.50.20.60.10.80.50.90.40.40.10.50.20.90.60.80.5

A4=0.50.30.80.20.70.50.90.30.20.10.50.20.80.70.80.5

對(duì)判斷矩陣進(jìn)行模糊一致性檢驗(yàn)，其模糊一致性評(píng)價(jià)指標(biāo)（CR）分別為0.076 9、0.082 3、0.065 2、0.053 4、0.066 3，均滿足CR<0.1，即所有的模糊互補(bǔ)判斷矩陣均通過一致性檢驗(yàn)。初步確定各層指標(biāo)權(quán)重，其結(jié)果為：

W=［0.116 70.383 30.216 70.283 3］W1=［0.283 30.400 00.150 00.166 7］W2=［0.266 70.333 30.183 30.216 7］W3=［0.150 00.350 00.116 70.383 3］W4=［0.216 70.316 70.083 30.383 3］（7）

3.2指標(biāo)權(quán)重優(yōu)化

采用初步確定的樣本指標(biāo)線性加權(quán)作為樣本輸出，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集。按照8∶2的比例將樣本數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集。構(gòu)建BP神經(jīng)網(wǎng)絡(luò)，輸入層、隱含層以及輸出層節(jié)點(diǎn)分別為16、6、1，設(shè)置最大訓(xùn)練次數(shù)為500次，學(xué)習(xí)率為0.004。BP神經(jīng)網(wǎng)絡(luò)性能如圖3所示。

由圖3可知，在經(jīng)過446次迭代后滿足結(jié)束條件。采用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型的輸出作為節(jié)點(diǎn)權(quán)重，計(jì)算化工企業(yè)數(shù)字化技術(shù)評(píng)價(jià)各指標(biāo)權(quán)重，計(jì)算公式：

Si=Fi，k∑Fi，k（8）

其中，F(xiàn)i，k的計(jì)算公式：

Fi，k=∑qj=1Fi，j×Fj，kFi，j=ωi，j∑mi=1ωi，jFj，k=ωj，k∑qj=1ωj，k（9）

采用BP神經(jīng)網(wǎng)絡(luò)對(duì)FAHP所得到的各指標(biāo)初步權(quán)重進(jìn)行優(yōu)化，有效降低了評(píng)價(jià)專家的個(gè)人主觀因素，最終得到企業(yè)數(shù)字化技術(shù)評(píng)價(jià)指標(biāo)權(quán)重，結(jié)果如表1所示。

3.3實(shí)證分析

選擇10家企業(yè)作為研究對(duì)象，對(duì)企業(yè)進(jìn)行編號(hào)，其所在的省份依次為浙江、安徽、青海、江蘇、浙江、河南、吉林、甘肅、湖北、吉林。對(duì)企業(yè)數(shù)字化技術(shù)進(jìn)行評(píng)價(jià)，結(jié)果如圖4所示。

由圖4可知，東南沿海地區(qū)的企業(yè)數(shù)字化技術(shù)評(píng)價(jià)得分普遍比較高；中部地區(qū)的企業(yè)數(shù)字化技術(shù)評(píng)價(jià)得分中等，而位于大西北經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的企業(yè)數(shù)字化技術(shù)評(píng)價(jià)得分偏低。

4結(jié)語

研究構(gòu)建了包含4個(gè)一級(jí)指標(biāo)和16個(gè)二級(jí)指標(biāo)的企業(yè)數(shù)字化技術(shù)評(píng)價(jià)指標(biāo)體系，采用模糊層次分析法初步確定各評(píng)價(jià)指標(biāo)權(quán)重。在此基礎(chǔ)上，采用BP神經(jīng)網(wǎng)絡(luò)對(duì)各評(píng)價(jià)指標(biāo)權(quán)重進(jìn)行優(yōu)化，消除評(píng)價(jià)專家個(gè)人主觀因素的影響。將構(gòu)建的FAHP-BP企業(yè)數(shù)字化技術(shù)評(píng)價(jià)模型應(yīng)用于10家化工企業(yè)中，分析結(jié)果表明，東南經(jīng)濟(jì)發(fā)達(dá)地區(qū)化工企業(yè)的數(shù)字化技術(shù)得分最高，中部經(jīng)濟(jì)中等發(fā)達(dá)地區(qū)化工企業(yè)的數(shù)字化技術(shù)得分一般，西部經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)化工企業(yè)的數(shù)字化技術(shù)得分較低。

【參考文獻(xiàn)】

[1]梁佳，宋緒丁，朱武威.模糊層次分析法在高校智能辦公椅設(shè)計(jì)評(píng)價(jià)中的應(yīng)用.包裝工程，2023，44（6）：144-150.

[2]江濤，葛正浩，雷靜，等.基于模糊層次分析法的工業(yè)縫紉機(jī)可用性評(píng)價(jià).機(jī)械設(shè)計(jì)，2022，39（12）：119-124.

[3]朱濤，謝一工，鐘少軍，等.模糊層次分析法在電網(wǎng)操作方案選擇過程中的應(yīng)用.中國電力，2022，55（8）：121-128.

[4]孟然.基于BIM多元數(shù)字化協(xié)同技術(shù)賦能建筑設(shè)計(jì)發(fā)展.鐵道工程學(xué)報(bào)，2023，40（4）：84-88.

[5]宮曉華，張強(qiáng)，李楓.模糊層次分析法在淤地壩風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用.水資源與水工程學(xué)報(bào)，2022，33（5）：131-137.

[6]任盼，費(fèi)良軍，馮纏利，等.基于模糊層次分析法的節(jié)水型生態(tài)灌區(qū)綜合評(píng)價(jià).灌溉排水學(xué)報(bào)，2022，41（7）：129-139.

[7]劉彤杰，宋洪慶，張杰，等.模糊層次分析法在我國深空探測(cè)方案優(yōu)選應(yīng)用探究.工程科學(xué)學(xué)報(bào)，2022，44（8）：1433-1443.

[8]董志斌，龐新宇，李博，等.基于模糊層次分析法的刮板輸送機(jī)中部槽中板材料選擇.機(jī)械設(shè)計(jì)與制造，2021（3）：248-252.

[9]梁棟，朱興貝，鄔嵐.基于模糊層次分析法的高鐵貨運(yùn)物流方式選擇.森林工程，2021，37（1）：117-121.

[10]劉文杰，余昊，陳冬梅.基于GA-BP神經(jīng)網(wǎng)絡(luò)的航空渦輪組件再制造工時(shí)預(yù)測(cè).機(jī)械設(shè)計(jì)，2023，40（8）：69-75.

[11]鄧宇軒.基于自適應(yīng)PSO-BP神經(jīng)網(wǎng)絡(luò)的城軌造價(jià)預(yù)測(cè)研究.建筑經(jīng)濟(jì)，2023，44（S1）：92-96.

[12]余凱.建筑物基坑支護(hù)變形GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)警檢測(cè)研究.粘接，2023，50（8）：158-161.

[13]張谷玉，韓旭.基于BP神經(jīng)網(wǎng)絡(luò)-證據(jù)理論的產(chǎn)品情感評(píng)價(jià)策略.包裝工程，2023，44（16）：41-47.

[14]朱云峰.基于模糊層次分析法的金箔文創(chuàng)產(chǎn)品設(shè)計(jì)研究.包裝工程，2022，43（22）：341-349.

[15]孫建梅，蔣雨真.基于模糊層次分析的區(qū)塊鏈平臺(tái)決策模型.科學(xué)技術(shù)與工程，2022，22（9）：3702-3708.

[16]李夢(mèng)源，董瑞科，王彥海，等.基于ISSA-BP神經(jīng)網(wǎng)絡(luò)的滑坡區(qū)輸電鐵塔狀態(tài)預(yù)測(cè)模型.電子測(cè)量技術(shù)，2023，46（11）：74-82.

[17]生萬寶，張本國，吳迪，等.基于蟻群算法-BP神經(jīng)網(wǎng)絡(luò)的漏鋼預(yù)報(bào)模型研究.特種鑄造及有色合金，2022，42（11）：1366-1369.

[18]龔天洋，郭柏蒼，王文揚(yáng)，等.視覺類次任務(wù)駕駛安全性預(yù)測(cè)模型.科學(xué)技術(shù)與工程，2019，19（11）：272-279.