基于ISM-ANP-Fuzzy的全過程工程咨詢服務能力評價指標體系研究

摘要：在我國積極推進全過程工程咨詢模式的背景下，全過程工程咨詢服務行業急需建立一套完備的評價指標體系對其服務能力進行評價，以便優化服務。遵循Brady和Cronin的多維度多層次服務能力評價法，通過專家咨詢建立全過程工程咨詢服務能力評價指標體系；在算例分析中運用ISM確定指標間的內在關系，運用ANP求解指標權重，對指標進行模糊綜合評價得出較客觀的評價結果，并為全過程工程咨詢服務提出建議。

關鍵詞：全過程工程咨詢服務能力；ISM；ANP；Fuzzy；評價指標體系

0 引言

全過程工程咨詢服務是現代工程咨詢行業的發展趨勢。《關于推進全過程工程咨詢服務發展的指導意見（征求意見稿）》中提到，全過程工程咨詢是對工程建設項目前期研究和決策及工程項目實施和運行（或稱運營）的全生命周期提供包含設計和規劃在內的涉及組織、管理、經濟和技術等各有關方面的工程咨詢服務。開展全過程工程咨詢服務可以將各項業務能力整合在一起，發揮整體優勢，使單項業務體現更好的綜合價值［1］。2017年2月，《國務院辦公廳關于促進建筑業持續健康發展的意見》（國辦發〔2017〕19號）首次明確了“全過程工程咨詢”這一理念。隨即，國家及地方陸續出臺了全過程工程咨詢的相關政策，以指導其落地實施。

從現有學術研究來看，汪霄等［2］運用能力素質模型結合ANP構建全面的工程質量監督人員能力評價指標體系；黃亞江等［3］在解決PPP項目私營部門選擇的問題中，采用ANP計算各個指標在評價模型中的權重；秦小麗等［4］根據ISM的基本原理對農業生態補償效益評價指標進行結構化處理確定集，構建解釋結構模型；何德文等［5］在評價重大工程項目的總體風險中，運用Fuzzy對重大工程的單個社會風險因素進行重要性排序；李遠遠等［6］將Fuzzy與ANP相結合，分析農產品供應鏈風險，通過對Fuzzy的運用實現了指標定性和定量之間的轉化。

運用ANP原理雖然能夠確定指標的權重，但對指標的內在關系分析不夠透徹，且在構造判斷矩陣時人為主觀性對權重結果影響很大，需要構建ISM-ANP-Fuzzy模型，將ANP與ISM和Fuzzy相結合對全過程工程咨詢服務能力的指標體系進行評價，利用ISM對指標進行結構化處理，再用Fuzzy對實例進行定量分析，以避免專家打分的人為主觀性，為完善全過程工程咨詢服務、提高項目的綜合效益提出建議。

1 全過程工程咨詢服務能力評價指標體系設計

Brady等［7］提出了包含交互質量、物理環境質量和結果質量三個主維度的多層次結構模型，并與SERVPERF模型結合，為評價服務質量提供了可靠的依據。本文遵循Brady等提出的多維度、多層次服務能力評價體系方法，參考現有文獻對市場上存量工程咨詢企業進行評價，根據專家現場考察和閱讀研究資料后對指標打分的結果，結合全過程工程咨詢業服務的特點［8］，以A1～A3為一級指標構建全過程工程咨詢服務能力評價指標體系，如圖1所示。

2 ISM-ANP-Fuzzy模型構建

2.1 建立解釋結構模型

解釋結構模型是為分析復雜社會經濟系統結構而開發的一種方法，廣泛應用于現代系統工程［9］。

（1）構建鄰接矩陣A。矩陣的每個要素對應指標間的相互關系，建立鄰接矩陣A，aij為矩陣A的元素，即

aij=1， Si對Sj有直接影響0， Si對Sj無直接影響

（2）求解可達矩陣。可達矩陣的計算公式為

M=（A+I）λ+1=（A+I）λ≠（A+I）λ-1≠…≠（A+I）

式中，I為單位矩陣；2≤λ≤k，k為階數。

（3）可達矩陣M的區域分解和級間分解。對可達矩陣進行區域分解：寫出可達集合和先行集合，并得出它們的交集。其中，可達集合R（Si）為可達矩陣中要素Si對應行中包含1的矩陣元素所對應列要素的集合；先行集合Q（Si）為可達矩陣中要素Si對應列中包含1的矩陣元素所對應行要素的集合。

對可達矩陣進行級間分解：根據L={Si|R（Si）∩Q（Si）=R（Si）；i=1，2，…，10}進行層級確定。

（4）建立解釋結構模型。由上述區域分解和級間分解結果繪制解釋結構模型圖。

2.2 ANP求解指標權重

網絡分析法［10］適用于存在內部依存和反饋關系的復雜決策系統。ANP是在層次分析法（Analytic Hierarchy Process，AHP）的基礎上發展形成的一種新的實用決策方法，通過這種方法能夠確定指標所對應的權重。

2.2.1 網絡結構模型的建立

ANP的整個層次結構分為控制層和網絡層，控制層由問題的目標和決策準則組成，網絡層由受控制層支配的元素組組成，各元素組之間相互影響呈網絡式結構［11］。依照ANP的原理，對全過程工程咨詢服務能力評價指標體系建立各指標之間相互依存、相互反饋的網絡結構圖（圖2）。

2.2.2 構建ANP超矩陣的步驟和計算權重

運用ANP求解各個指標的權重時需要構造超矩陣，各個指標之間的關聯情況可以定量地用超矩陣來表示［11］。

步驟1：構建未加權超矩陣。根據圖2各指標間相互關聯的網絡結構圖，設ANP的控制層中有元素Pm（m=1，2，…，m）；網絡層有元素組Cn（n=1，2，…，n），每個元素組下共有li個元素。將控制層元素作為準則，將網絡層元素作為次準則［12］。依照指標之間的影響關系比較元素的相對重要性，應用Satty教授提出的1～9刻度法進行兩兩比較，構造判斷矩陣，并應用特征根法得到特征向量，如下（Wjii1， Wjii2， …， Wjiili）T

如果特征向量通過一致性檢驗，則特征向量為排序向量。得到如式（1）所示的矩陣Wij

Wij=w（j1）i1w（j2）i1…w（jli）i1w（j1）i2w（j2）i2…w（jli）i2w（j1）iliw（j2）ili…w（jli）ili（1）

在矩陣Wij中以控制層為準則，依次將各元素進行重要性排序。若Pj中的元素不受Pi中元素的影響，則Wij=0。得到如式（2）所示的未加權超矩陣W

W=w11w12…w1nw21w22…w2nwn1wn2…wnn（2）

步驟2：構建加權矩陣。對控制層中的元素進行兩兩比較，使未加權超矩陣W轉化為加權矩陣A，如式（3）所示

A=a11a12…a1na21a22…a2nan1an2…ann（3）

步驟3：構建加權超矩陣。對矩陣W的元素進行加權，由未加權超矩陣乘以加權矩陣可得到加權超矩陣WS，如式（4）所示

WS=W×A（4）

步驟4：計算極限矩陣。為了更準確地表達網絡層中各個元素的反饋關系，需要對加權超矩陣進行穩定性處理，計算極限相對排序向量，得到極限矩陣W∞，如式（5）所示

W∞=limk→∞1n×∑nk=1W（5）

在求解超矩陣的過程中，手工運算的難度很大，運算過程十分復雜，極易出現錯誤。因此，需要借助ANP的專業計算工具——Super Decisions軟件對各個指標的權重進行計算。

2.3 Fuzzy確定評價等級

模糊綜合評價法（Fuzzy）的具體步驟如下：

步驟1：建立因素集和評語集。設因素集為一級評價指標的集合U={u1，u2，…，um}，m為一級指標的個數，將第1級模糊評價指標ui細分為uij，uij={ui1，ui2，…，uin}（i=1，2，…，m），n為第1級模糊評價指標ui中第2級模糊評價指標的個數。評價等級組成集合的就是評語集V={v1，v2，…，vk}，k為第k個評價等級。

步驟2：建立指標權重分配矩陣。設因素集U的權重矩陣為W，根據ANP計算得到一級指標的權重矩陣W=［w1，w2，…，wm］，二級指標權重矩陣為Wij，Wij=［wi1，wi2，…，win］。其中0≤wi≤1，且滿足

∑mi=1wi=1

步驟3：建立模糊隸屬度矩陣。模糊隸屬度矩陣由模糊隸屬度rij構成，rij表示第i個指標被評為第j個等級的可能性。模糊隸屬度rij可由隸屬度函數得出，如式（6）所示

rij=fij/∑nj=1fij（6）

式中，fij為第i個因素被評為第j個評語等級vj的次數。得到各個指標的模糊隸屬度矩陣Ri，如式（7）所示

Ri=r11r12…r1nr21r22…r2nrm1rm2…rmn（7）

式中，m為指標個數；n為評價類數。

步驟4：二級指標的模糊綜合評價。由二級指標權重分配矩陣和模糊隸屬度矩陣進行模糊運算，得到二級指標的模糊評價結果，如式（8）所示

Bi=Wi°Ri

=（wi1wi2…win）×r11r12…r1nr21r22…r2nrm1rm2…rmn=（bi1bi2…bin）（8）

式中， °表示模糊合成算子。

步驟5：一級指標的模糊綜合評價。將所有二級指標的模糊評價結果組成矩陣R，如式（9）所示

R=B1B2Bm=b11b12…b1nb21b22…b2nbm1bm2…bmn（9）

對一級指標的權重分配矩陣和二級指標的模糊綜合評價矩陣R進行模糊運算，如式（10）所示

B=W°R（10）

根據最大隸屬度原則可以得到最終評價結果，綜合評價的最終等級為最大隸屬度對應的評價等級。

3 算例分析

3.1 基于ISM分析指標間關系

邀請11名工程咨詢行業的專家（包含3名咨詢行業專家、3名業主單位職工、2名施工單位職工和3名從事工程管理專業教學的教師）進行訪談，并判斷各個指標間的影響關系。當6名及以上專家認為兩指標之間存在關聯時，則可以認為兩個指標之間具有相互影響關系；相反，則可以認為兩個指標之間不具有相互影響關系。根據專家訪談得出指標間關聯情況的鄰接矩陣A。通過Matlab 7.0對鄰接矩陣進行計算，得到可達矩陣M。對可達矩陣M進行區域分解得可達集合與先行集合及其交集表，見表1。

對可達矩陣M進行級間分解來確定層級，表中R（S6）∩Q（S6）=R（S6），R（S9）∩Q（S9）=R（S9），將要素集{S6，S9}抽出作為最高層，并刪去對應的行與列，同理可得第二層要素集為{S2}、第三層要素集為{S3}、第四層要素集為{S7，S8}、最底層要素集為{S1，S4，S5，S10}。

繪制全過程工程咨詢服務能力評價指標解釋結構模型圖，如圖3所示。

3.2 運用ANP計算指標權重

根據全過程工程咨詢服務能力評價指標之間的相互影響關系，對組內元素和各個組之間的元素進行兩兩比較構建判斷矩陣，采取專家打分的方式，用1～9刻度法對元素的相對重要程度進行打分。圖1以針對二級指標中的品牌聲譽（B1）對一級指標中基礎條件（A1）的各個元素進行兩兩比較為例。并對判斷矩陣進行一致性檢驗，圖4中不一致性（Inconsistency）為0.017 59，小于0.1，即通過一致性檢驗。

利用Super Decisions軟件輸出未加權超矩陣、加權超矩陣、極限矩陣和全過程工程咨詢服務能力評價各個指標的權重，詳見表2。

3.3 對指標進行模糊綜合評價

為了消除在構造判斷矩陣求解權重時專家打分的主觀性，采用Fuzzy方法進一步處理權重結果。評價該公司全過程工程咨詢服務能力指標中的二級指標的服務等級，評價集的選取為V={優秀，良好，一般，較差，差}。經與該公司有過合作關系的20名咨詢行業業內人士進行座談，得出各個二級指標對應的等級評價總次數，見表3。

整合全過程工程咨詢服務能力評價的二級指標的組內權重矩陣Wij，并計算出模糊隸屬度矩陣Ri，將兩者進行模糊運算，可得二級指標的模糊綜合評價結果Bi；綜合二級指標的評價結果，可得一級指標的模糊綜合評價矩陣R；對全過程工程咨詢服務能力評價的一級指標的權重和二級指標的模糊綜合評價矩陣R進行模糊運算，可得一級指標的模糊綜合評價結果B。匯總以上結果，全過程工程咨詢服務能力指標評價結果見表4。

3.4 結果分析和建議

通過上述步驟計算權重，并對權重進行模糊綜合評價，根據最大隸屬度原則可知，該企業全過程工程咨詢服務能力處于良好水平。

在一級指標中，基礎條件最為重要。其中，品牌聲譽和人員設備占較大權重，企業應積極承擔社會責任，同時提升企業品質和服務質量，還應通過培訓提高項目負責人的能力水平和專業程度，提升工作設備的質量和數量。交互能力的評價結果相對于基礎條件和結果質量而言，“較差”和“差”所占比重較大。其中，職業道德和解決問題在交互能力的評價中占主要地位。據此，全過程工程咨詢企業要想提高服務能力，應通過培訓提高員工的個人品質、能力及團隊協作水平，還應注意解決問題的態度、處理方式及處理結果，提高解決問題的能力。在結果質量中，好感性所占比重最大。由此，企業應通過積極提高全方位的服務品質來提升項目委托人、參與方、政府和社會等的好感性評價。

4 結語

本文針對全過程工程咨詢服務能力評價指標構建ISM-ANP-Fuzzy模型，利用ISM對指標進行結構化處理，充分考慮了各個指標之間的相互影響關系；借助Super Decisions軟件對ANP超矩陣進行求解權重，使計算過程更加簡便，計算結果更加精確；通過Fuzzy對指標進行定量分析，消除專家打分的主觀性；對評價結果進行總結，并對全過程工程咨詢服務提出了建議，有助于工程咨詢行業更好地提高全過程服務能力。

參考文獻

［1］徐志浩．適應市場發展需求，探索全過程咨詢業務［J］．中國工程咨詢，2005（2）：27-29．

［2］汪霄，雷祖亮．基于ANP模型的工程質量監督人員能力社會滿意度測評［J］．統計與決策，2018（6）：117-180．

［3］黃亞江，張水波．基于ANP理論的PPP項目私營部門選擇研究［J］．項目管理技術，2012，10（6）：46-51．

［4］秦小麗，劉益平，王經政．農業生態補償效益評價模型的構建及應用［J］．統計與決策，2018，15（17）：71-75．

［5］何德文，黃真諦．基于模糊綜合評價法的重大工程項目社會風險評價［J］．統計與決策，2013，10（29）：53-56．

［6］李遠遠，劉禮帥．基于ANP-Fuzzy模型的農產品供應鏈風險評價研究［J］．數學的實踐與認識，2017，47（13）：24-32．

［7］BRADY M K，CRONIN J．Some new thoughts on conceptualizing perceived service quality：a hierarchical approach［J］．Journal of Marketing，2001，65（7）：34-49．

［8］陳一飛，王幼松．工程咨詢服務質量評價模型及方法研究［J］．建筑經濟，2013（8）：113-116．

［9］WARFIELD J N．Social systems：planning，policy and complexity［M］．New York：John Wiley and Sons，1976．

［10］SAATY T L．Decision making with dependence and feedback ［M］．Pittsburgh：RWS Publications，1996．

［11］唐小麗，馮俊文．ANP原理及其運用展望［J］．統計與決策，2006（12）：138-140．

［12］王蓮芬．網絡分析法（ANP）的理論與算法［J］．系統工程理論與實踐，2001（3）：44-50．

PMT

收稿日期：2022-10-28

作者簡介：

許愛麗（1981—），女，講師，研究方向：全過程工程咨詢。

楊燕（2001—），女，研究助理，研究方向：全過程工程咨詢。

張柳青（2001—），女，研究助理，研究方向：全過程工程咨詢。

黃亞江（1984—），男，講師，研究方向：全過程工程咨詢、工程項目管理。