分割式賽汝生產系統激勵評價

摘" 要： 突發事件及隨機沖擊影響了管理情境，對時序動態綜合評價方法有效性提出了新要求。外部環境復雜多變使得一類時序動態綜合評價值波動顯著異于以往狀態，如評價值出現驟跌然后緩慢爬升至較低水平并持續波動，此時被評價對象的評價值已經擊穿經典雙激勵控制線的負激勵線并持續處于下行狀態，從而使得經典激勵評價方法有效性有待改進。面對這種情況，提出具有情境調節特征的遞歸激勵評價方法，針對分割式賽汝（SERU）生產系統的員工特征，首先通過對賽汝多能工的生產狀態進行馬氏過程預測，預測出多能工下一生產狀態的概率分布，根據得到的概率分布得出每一階段的遞歸值并且結合雙激勵線方法對多能工的遞歸值進行激勵評價，最后結合猶豫模糊函數求解具有隸屬度的時間權重，得到具有隸屬度時間權重的評價值。通過考慮結合賽汝生產系統這一時代新型生產系統，證明該方法具有更好的柔性和魯棒性。

關" 鍵" 詞： 綜合評價； 情境調節； 賽汝系統； 猶豫模糊； 時間權重

中圖分類號： C934""" 文獻標志碼： A""" 文章編號： 1674-0823（2024）04-0411-08

收稿日期： 2022-11-14

基金項目： 教育部人文社會科學基金資助項目（2019YJC630054）； 國家自然科學基金資助項目（71401109）。

作者簡介： 侯" 芳（1980—），女，河北河間人，副教授，博士，主要從事評價理論與技術等方面的研究。

【經濟與管理】

DOI：10.7688/j.issn.1674-0823.2024.04.09

一、文獻綜述

賽汝（SERU）生產是產生于日本生產現場的生產方式，具有及時響應、柔性好、效率高的特點［1］。人力資源成本快速上升是賽汝生產產生的背景之一，因而分析和改進賽汝系統員工績效評價方法對降低人力資源成本具有一定的現實意義。曾少羽等從多能工工作量公平分配角度出發，以最小化最大工人工作量為決策目標構建了一個公平性導向模型，與傳統的效率導向模型相比，該模型在維持較高生產效率的同時實現了多能工間工作量公平分配［2］。任玉紅等從賽汝生產系統柔性出發，提出了基于IPO的賽汝系統柔性理論框架，分析了柔性的來源要素和形成機制，研究結果揭示了SERU生產方式高柔性特征的內在機理，通過把握結構柔性和重組柔性兩個維度使SERU系統實現低成本高柔性［3］。張哲等通過將模擬退火算法與第二代非支配排序遺傳算法相結合形成了一種改進型多目標混合遺傳算法，并以最小化最大完工時間及最小化工人的空閑時間為目標，實現了基于多能工配置的賽汝訂單調度協同決策［4］。劉暢等通過實證分析發現，團隊型組織文化對賽汝生產有顯著的正向影響，SERU多能工的運用對企業運營績效有顯著的正向影響，同時環境不確定性加強了這兩種影響［5］。王曉晶等以華錄松下賽汝生產實踐為背景研究了賽汝生產的有效運行和調整修改框架模型［6］。LIU等指出，具有理想技能結構的人才是SERU生產的先決條件，多能工對于SERU生產的成功實施是必不可少的［7］。YIN等提出人才是SERU生產最重要的資源［8］，認為高度專業、訓練有素的工人對產品和市場理解較好并能按照一致程序進行操作，有助于實現SERU生產的高效率［9］。綜上，賽汝生產系統是一個可劃分階段的動態生產系統，其核心為賽汝多能工。但是當下對賽汝生產系統的研究多考慮對賽汝多能工的調配和系統組建，對賽汝多能工進行績效評價來調動多能工的生產積極性，而提升賽汝生產系統生產效率的研究較少，同時目前關于在生產過程中通過賽汝生產多能工有效管理方法的研究也有待加強。

相較于傳統生產方式，賽汝生產方式具有較高的生產柔性和對任務分配的高度靈活性，具體見表1。因此，賽汝系統對多能工的管理方式與方法直接影響著生產系統運作能否順利進行。

作為整體性較高的生產系統，賽汝系統可以劃分為3個類別，分別為分割式賽汝、巡回式賽汝和單人式賽汝，本文僅對分割式賽汝人員績效展開激勵評價［1］。分割式賽汝適用于賽汝生產系

統初期，屬于由流水線生產初步轉變為賽汝生產系統，具有半流水線、半賽汝生產系統的特征。分割式賽汝劃分為多個生產步驟，賽汝多能工分別完成各自生產步驟，員工激勵評價方法設計則主要考慮在生產過程中通過對多能工的生產效率獎懲來提升員工的生產效率。可見，分割式賽汝系統員工工作績效具有整體性、動態性和激勵性特征，應用激勵評價方法。

激勵評價方法研究已有豐碩成果。易平濤等提出雙激勵控制線的信息集結方法，對多階段信息集結引入獎懲機制［10］，隨后在狀態激勵的基礎上新增了趨勢激勵［11］。劉微微等在泛激勵控制線的基礎上考慮了對被評價對象速度變化進行信息集結，對信息集結提出了新的創新［12］。馮雪麗等在考慮到被評價對象狀態變化有效性的基礎上，改進了雙激勵控制方法，引入了激勵層級，可以更細粒度地實現對被評價者的激勵［13］。李玲玉等在分層激勵的基礎上，考慮到被評價對象變化趨勢不確定性，考慮按比例分層、一維聚類分層和誘導變量分層，并用不同方法對激勵層級進行改進［14］。BLUMSTEIN分析了加州能源效率項目評估與基于績效的項目管理者激勵性報酬之間的關系［15］。LI等針對不確定評價問題，將激勵管理引入到聚合過程中，提出了一種分位數誘導的不確定重序加權平均（QI-UHOWA）算子，它是分位數誘導的重序加權平均（QI-HOWA）算子的擴展［16］。BLACK探討了CEO風險承擔激勵機制的變化與CEO合同中相對績效評估（RPE）的使用變化之間的關系［17］。上述評價方法是面向具有時序特征問題的管理理論和技術研究，注重根據已有數據趨勢和狀態分析，通過激勵和懲罰控制實現管理意圖。

由此本文考慮突發事件對實際管理情境的沖擊，尤其是對時序動態綜合評價方法有效性提出了新問題。外部環境的復雜多變使得一類時序動態綜合評價值波動顯著異于以往狀態，如評價值出現驟跌后緩慢爬升至較低水平并持續波動，此時被評價對象的評價值已經擊穿經典雙激勵控制線的負激勵線并持續處于下行狀態，從而使得經典激勵評價方法有效性有待改進。本文通過遞歸特征表示賽汝系統狀態，按照不同賽汝員工績效評價需求，將評價過程分解成相似的系列流程，以馬爾可夫過程轉移率矩陣刻畫賽汝系統狀態空間，以馬氏過程轉移概率得到相應生產狀態子集的概率，通過序關系算法對狀態子集賦權，得到對應權重，通過狀態激勵對賽汝多能工實現各階段工作績效獎懲激勵，通過對各個階段的評價值遞歸分析，得到具有情境調節功能的遞歸評價方法，再進一步結合猶豫模糊，得到具有隸屬的時間評價值，進一步幫助企業適應管理情境的變化，以期獲得更好的經濟效益。

二、原理與方法

1. 研究方法

（1） 遞歸評價方法

設有m個評價者s1，s2，…，sm，對y個被評價對象按離散時間，在n個時期t1，t2，…，tn進行評價，記si在tj時的評價值為xij=xi（tj），（i=1，2，…，m；j=1，2，…，n），時序評價值矩陣為

X=（xij）m×n=x11x12…x1n

x21x22…x2n

xm1xm2…xmn" （1）

定義1" 對于時間序列xij，序列中xik的評價值只依賴于xik-1的條件分布，且k=2，3，…，n［18］；稱這樣的序列為Markov列，記為{xij（t），t0}。

規則1" 對于時間序列xij，序列中xik，k∈［1，n］不全是相等的，即時間序列不滿足“時齊性”［18］。

由規則1可知，在時間序列中，轉移概率矩陣是不相同的。本文確定樣本轉移概率為pij，即狀態Qi轉移到狀態Qj的概率，設Yij為評價值從狀態Qi一步轉移到狀態Qj的次數，pij=Yij∑bj=1Yij，b為狀態個數，j∈［1，n］，可推出一步轉移矩陣為

P=p11p12…p1n

p21p22…p2n

pm1pm2…pmn" （2）

令激勵評價系統狀態數為3，則{xij（t），t0}在不同評價狀態U，D，I的轉移率矩陣P可以寫為分塊矩陣：

P=PUUPUDPUI

PDUPDDPDI

PIUPIDPII" （3）

令{Y（t），t≥0}是描述評價系統在U，D，I之間轉換的評價過程，是基于馬爾可夫過程的聚合過程。假設{Y（t），t≥0}的特性由其馬爾可夫核G（t）決定，G（t）是一個轉移矩陣，有

G（t）=0GUD（t）GUI（t）

GDU（t）0GDI（t）

GIU（t）GID（t）0" （4）

本文定義QUU（t）=［Upij（t）］U·U=exp（PUUt），式中：Upij（t）=P{評價系統從0到t時刻停留在激勵控制線上側集合U中，時刻t在狀態j時刻t在狀態i}，i，j∈U；U是集合U中評價值個數，則GUD（t）=QUU（t）PUD，令GUD（t）中的元素為gij（t），i∈U，j∈D，即gij（t）=limΔt→∞P{系統從0到t時刻停留在子集U中，在時刻t到t+Δt離開子集U進入狀態j時刻0在狀態i}/Δt。

QUU（t）和GUD（t）的Laplace變換為

Q*UU（s）=（sI-PUU）-1" （5）

G*UD（s）=（sI-PUU）-1PUD" （6）

式中：∫∞0gij（t）dt=P{停留在狀態j開始于狀態i}=g*ij（0），i∈U，j∈D，g*ij（0）∈G*UD（0）。

本文將gij（t）進行歸一化，得到標準概率密度函數為

gij（t）∫∞0gij（t）dt=gij（t）g*ij（0）" （7）

令評價系統在4個狀態子集中停留時間為Ti（i=U，D，I），其權重為ωi（i=U，D，I），記TU，TD，TI的概率密度函數為fU（t），fD（t），fI（t），其Laplace變換為

f*U（s）=eDPDUG*UD（s）uD" （8）

f*D（s）=eUPUDG*DU（s）uU+eUPUDG*DI（s）uI+

eIPIDG*DU（s）uU+eIPIDG*DI（s）uI（9）

f*I（s）=eDPDIG*ID（s）uD" （10）

式中：e為狀態子集的穩態概率；u為列矢量。

評價系統是由三個狀態子集集合而成，且其相對應概率密度函數為fU（t），fD（t），fI（t），則可以得到評價系統落在狀態子集的概率為密度函數的積分。而被評價者的評價值則由區間權重系數在每個時期的時間權重決定。

根據馬爾可夫過程得到的遞歸值，本文結合實際值得出待評價值，運用馬氏矩陣幫助員工在停工停產時期根據以往的狀態得到相應的遞歸值，幫助員工識別自身的努力程度。為了更好地激勵和評價，本文對馬爾可夫遞歸值進行激勵處理，根據遞歸值劃分激勵層級，向上突破當前層級則可以受到更高的獎勵，向下跌落當前層級則會受到相應懲罰，通過引進獎懲幫助企業激勵追求進步的員工，相應地起到增加員工工作績效的效果。

（2） 結合賽汝生產系統

在賽汝生產系統中，分割式賽汝是由一個賽汝多能工負責一個生產環節，一個生產產品由多個賽汝多能工組成，這是由于賽汝生產系統初期其多能工的工作能力具有局限性。在分割式賽汝中，由于賽汝生產系統處于組建初期，人員培養尚不完善，本文認為可以考慮減少處在狀態區間U的概率，增加處在狀態區間I的概率，使更多的員工處于激勵較少狀態，從而提高員工工作積極性。具體操作步驟如下：由于多能工生產速率各不相同，且不同時間同一多能工生產的速率也不同，本文首先對每一賽汝生產工序或產品賽汝多能工的生產速率進行狀態區間劃分，考慮每一步驟或產品完成時間不同，對每一工序或產品完成時間進行標準化；其次，確定馬爾可夫鏈的狀態空間，采用樣本均值方差形式將其劃分成為n個狀態區間，樣本均值為和標準差為s，令D=+ks，以確定各個范圍的臨界點，即D為各個狀態劃分的臨界點，k是一個可變參數，k∈（-2，2］；根據劃分狀態層數的不同來調節，以確定各個臨界點和狀態區間。

2. 獎勵層級的劃分

規則2" 每一時點的獎懲層級劃分方法相同，即每一時點所包含的獎懲層級相同，層級上下界劃分原則相同［12］。

規則3" 決策者通過獎懲層級的劃分體現大多數的普通被評價者能夠享受獎勵，極少數優秀被評價者享受更高一級。

本文令被評價對象的遞歸值X服從正態分布N（μ，σ2）并可進行分層，以μ+0.13σ為第一激勵層級線，以μ+0.25σ為第二激勵層級線，以μ+1.28σ為第三激勵層級線，當被評價值處于區間（μ+0.13σ，μ+0.25σ）時獲得第一層正激勵，當被評價值處于區間（μ+0.25σ，μ+1.28σ）時獲得第二層正激勵，當被評價值處于區間（μ+1.28σ，+∞）時，獲得第三層正激勵，被評價值落在區間（μ，μ+0.13σ）為10%，區間（μ+0.13σ，μ+0.25σ）為10%，處于區間（μ+0.25σ，μ+1.28）為60%，處于區間（μ+1.28，+∞）為20%。第一、二激勵層級線μ+0.13σ和μ+0.25σ較容易突破，μ+1.28σ不容易突破，同理得到負激勵層級。

規則4" 由于要求正負激勵系數和為1且處于不同層級的正負激勵系數不同，本文設μ+為正激勵系數，μ+1為處于正激勵線上方第一層級的正激勵系數，μ+2為處于正激勵線上方第二層級的正激勵系數，μ+3為處于正激勵線上方第三層級的正激勵系數。即μ+1lt;μ+2，負激勵系數同理。為方便計算，本文設2μ±1=μ±2，適度激勵則體現為∑31μ++∑31μ-=1。

一般地，對于任一時段［tk，tk+1］，k=1，2，…，n-1，任一被評價對象si的動態綜合評價值為兩個時間段的連線和橫坐標軸所圍成的四邊形的面積，可表示為

si（tk，tk+1）=∫tk+1tk［yi，k+（x-tk）（yi，k+1-yi，k）/

（tk+1-tk）］dx（11）

本文引入激勵控制線之后，在tk+1時刻帶有激勵的評價值可表示為

y±i，k+1=yi，k+1+y+i，k+1-y-i，k+1" （12）

引入激勵后的［tk，tk+1］的動態綜合評價值為

s±i（tk，tk+1）=∫tk+1tk［yi，k+（x-tk）（y±i，k+1-yi，k）/

（tk+1-tk）］dx（13）

假設時段［tk，tk+1］被評價對象值穿越到了第n層（n∈［-2，2］），則

y±i，k+1=μ+1y1+μ+2y2+μ+3y3+

μ-1y4+μ-2y5+μ-3y6（14）

式中：yn為被評價對象si處于激勵層級的面積。

定理" 在激勵評價的規則中，當被評價值為正時，任意帶激勵的被評價對象的動態綜合評價值為正。

證明" 任意一被評價對象si在時段［tk，tk+1］的動態綜合評價值為

s±i（tk，tk+1）=∫tk+1tk［yi，k+（x-tk）（y±i，k+1-yi，k）/

（tk+1-tk）］dx（15）

由于y±i，k+1=yi，k+1+y+i，k+1-y-i，k+1，當y-i，k+1=0時，s±i（tk，tk+1）為時段［tk，tk+1］的積分且為正，故定理成立；y-i，k+1gt;0且y+i，k+1=0時，y±i，k+1=yi，k+1-y-i，k+1，但是由于激勵系數∑51μ++∑51μ-=1，所以對于激勵幅度y-i，k+1，整理可以得到yi，k+1-y-i，k+1gt;0恒成立。同理可以得到y+i，k+1和y-i，k+1都不為0時，定理得證。由于每一期的評價值都是過去的評價值，所以每期的評價值的時間權重都不相同。單純的疊加求和方式會使得處在進步和退步的員工具有相同的結果，所以本文引入時間模糊數對每一期評價值確定權重，采用厚今薄古的思想。時間模糊數對于處理動態模糊問題具有靈活性的優勢，本文從時間維和方案維構成決策信息，通過猶豫模糊數來確定每一時期的權重。以下是對猶豫模糊相關概念的一些定義。

定義2" 設Q是一個給定論域，則Q上的一個時間猶豫模糊集為

A={lt;xi，μtkA（xi），vtkA（xi）gt;xi∈X}" （16）

式中：μtkA（xi）∶X→［0，1］，vtkA（xi）∶X→［0，1］且滿足0≤μtkA（xi）+vtkA（xi）≤1，x∈X。

πtkA（xi）=1-μtkA（xi）-vtkA（xi），

πtkA（xi）∶X→［0，1］（17）

式中：μtkA（xi），vtkA（xi）和πtkA（xi）分別為tk時刻A的隸屬度、非隸屬度和猶豫度函數［19］。

若Q中只有一個元素，則稱A為時間猶豫模糊數，記為A=（μtkA，vtkA）。

定義3" 設A={lt;xi，μtkA（xi），vtkA（xi）gt;xi∈X}和B={lt;xi，μtkB（xi），vtkB（xi）gt;xi∈X}為兩個時間猶豫模糊數集，則運算法則如下：

AB，當且僅當μtkA（xi）≤μtkB（xi），vtkA（xi）≤vtkB（xi），xi∈X；A=B，當且僅當AB和BA；A的補集AC={lt;xi，vtkA（xi），μtkA（xi）gt;xi∈X}；An={lt;xi，{μtkA（xi），vtkA（xi）}ngt;xi∈X}；A≤B，當且僅當xi∈X。當μtkA（xi）≤vtkB（xi）時，有μtkA（xi）≤μtkB（xi），vtkA（xi）≥vtkB（xi）；當μtkA（xi）≥vtkB（xi）時，有μtkA（xi）≥μtkB（xi），vtkA（xi）≤vtkB（xi）［19］。

定義4" 稱映射E∶IFS（X）→［0，1］為直覺模糊熵，若其滿足如下條件：

E（A）=0當且僅當A為經典集；E（A）=1當且僅當μA（xi）=vA（xi），xi∈X；E（A）=E（AC）；若A≤B，則有E（A）≤E（B）［19］。

定義5" 函數V為最終評價值，則可以得出

V=∑ni=1wiv（xi）" （18）

式中：wi為時間權重函數。對于時間權重的刻畫，本文從兩個方面入手，即決策者提供的信息重要性和信息量大小。

本文首先考慮信息量大小即時間直覺模糊熵，構建如下模型：

定義6" 在tk時刻，方案si的時間直覺模糊熵為

E（A）=1n∑ni=1cos［μA（xi）-vA（xi）］［1-πA（xi）］2（19）

由上式定義測度E（A）滿足定義4的四個條件可證其是一個直覺模糊熵［10］。如果這個實際值越接近遞歸后的遞歸值，那么相應的時間權重越大。

本文對實際值和遞歸值矩陣進行0-1標準化處理，以降低相關性差異，經過處理的實際值為xmn，遞歸值為Xmn，則tk時刻實際值Si=（x（tk）i1，x（tk）i2，…，x（tk）in），tk時刻遞歸值So=（X（tk）o1，X（tk）o2，…，X（tk）on），構建時間權重模型為

Min∑ni=1D（Si，So）

s.t.∑pk=1w（tk）=1" （20）

式中：D（Si，So）=1n∑ni=1（tkon-xmn）2，是遞歸值So和實際值Si在tk時刻的標準歐式距離，tkon=1n∑nk=1wtkX（tk）mn。

綜合直覺模糊熵和遞歸值期望，則可以集成權重模型為

Min∑ni=1D（Si，So）+（1-η）∑ni=1w（tk）E（A）

s.t.∑pk=1w（tk）=1（21）

式中：η為決策者對兩種因素的偏好程度。

3. 評價步驟

步驟1" 根據時序評價矩陣和馬爾可夫過程進行矩陣的轉移，得到轉移的狀態子集概率密度函數。

步驟2" 根據狀態子集結合權重得出轉移后的遞歸值，結合賽汝生產的特性，選擇符合特性的動態評價方法，得到具備獎懲特性的動態評價值。

步驟3" 由于每一期動態評價值都在不同時間，故引入時間直覺模糊數得到每一時期的最佳時間權重。

步驟4" 結合時間權重和動態評價值，得出最后的具有時間權重的評價值，進行比較。

三、算" 例

假設在一個賽汝生產系統中有s1，s2，…，s66位員工，以下算例以分割式賽汝為例，生產方式為U型結構，且在賽汝生產系統中負責不同的生產環節，單人式賽汝同理，6名員工負責6個單獨的賽汝，每個員工負責一個產品生產的全過程。本文對6名員工近10個月的績效考核表進行0-1標準化，并對其放大10倍進行評價，結果如表2所示，得出遞歸值評價結果如表3所示。

本文對6位員工的遞歸評價值進行正態分布分析，6位員工的總體數值符合X服從N（5.75，105.15）的分布，第一正激勵層級線為7.08，第二正激勵層級線為8.31，第三層正激勵線為18.87，第一負激勵層級線為4.42，第二負激勵層級線為3.19，第三層負激勵線為-7.37。

本文將以上信息集結繪制為圖1（以被評價對象1為例）；根據圖1中被評價對象1的多階段信息圖可以求解得出，其各時段追蹤激勵情況如表4所示；被評價對象1各階段正負激勵信息結果如表5所示；重復進行表3、4步驟，將6名被評價對象各階段激勵信息進行歸類，結果如表6所示。

根據規則4和表5的正負評價值，本文求出正負激勵系數，結合猶豫時間權重、正負激勵系數和猶豫時間權重得出總動態綜合評價值如表7所示。

由表7可知，運用遞歸激勵的總體動態激勵評價值得到的總體排序為“126543”，而未經過遞歸處理的總體評價值排序為“614325”（“”表示優于）。可見，帶有遞歸激勵的被評價值考慮了員工本身的發展變化和趨勢變動，如員工1和6：員工1前期穩定高評價值，后期可能受突發影響一直處于低評價值；經過遞歸處理考慮員工1在無外界影響情況下的被評價值結果優于員工6，但是未經過遞歸的被評價值則6優于1。

四、結" 語

本文對被評價對象進行了處理，使其評價值更加具有預測性，評價者可以綜合突發因素影響考慮被評價對象的總體表現。并且，本文對被評價對象進行了分層激勵，考慮層級激勵系數變化，更好地調動員工的積極性。此外，賽汝生產系統要求的員工素質較高，分割式賽汝要求為多能工，而單人式賽汝對員工要求為全能工，要求更高，且在賽汝生產系統下員工高度自治，主觀能動性較強，故本文考慮的是通過對員工的績效進行獎懲激勵，調動賽汝多能工的工作積極性。

總體來說，本文考慮對分割式賽汝多能工進行績效評價和激勵，分割式賽汝屬于賽汝生產的初期階段，賽汝員工多為剛進入企業工作的員工，其技術水平相對較低。員工的訴求在于獲取更多的薪水，但是面對外部環境復雜多變帶來的停工停產，員工的績效水平較差，甚至是負水平。本文運用馬氏過程對員工工作過程進行狀態轉移分析，借助激勵線和時間權重幫助企業更好地對員工進行激勵評價，更加符合實際。

參考文獻：

［1］唐加福，任玉紅，于洋，等.賽汝（SERU）生產與經典生產方式的比較與仿真分析 ［J］.南開管理評論，2021，24（2）：126-134.

［2］曾少羽，吳影輝，于洋.Seru生產系統中面向公平性的多能工-批次-作業分配聯合決策研究 ［J］.工業工程與管理，2023，28（2）：58-65.

［3］任玉紅，唐加福，王曄.基于IPO系統觀的SERU系統柔性的分析框架 ［J］.系統工程理論與實踐，2022，42（11）：3030-3043.

［4］張哲，王麗麗，殷勇.基于多能工配置的巡回式賽汝訂單調度優化決策 ［J］.南京理工大學學報，2021，45（1）：98-104.

［5］劉暢，李珍，殷勇，等.團隊型文化對賽汝（SERU）生產及運營績效的影響：中國制造業的實證分析 ［J］.系統工程理論與實踐，2021，41（2）：431-441.

［6］王曉晶，任玉紅，殷勇.賽汝生產有效運行機制：基于華錄松下的案例研究 ［J］.系統工程理論與實踐，2021，41（2）：455-464.

［7］LIU C G，STECKE K E，LIAN J，et al.An implemen-tation framework for seru production ［J］.International Transactions in Operational Research，2014，21（1）：1-19.

［8］YIN Y，KAKU I，STECKE K E.The evolution of seru production systems throughout canon ［J］.Operations Management Education Review，2008，2（1）：27-40.

［9］YIN Y，STECKE K E，SWINK M，et al.Lessons from seru production on manufacturing competitively in a high cost environment ［J］.Journal of Operations Management，2017，49-51：67-76.

［10］易平濤，郭亞軍，張丹寧.基于雙激勵控制線的多階段信息集結方法 ［J］.預測，2007，26（3）：39-43.

［11］易平濤，張丹寧，郭亞軍.基于泛激勵控制線的多階段信息集結方法 ［J］.運籌與管理，2010，19（1）：49-55.

［12］劉微微，石春生，趙圣斌.具有速度特征的動態綜合評價模型 ［J］.系統工程理論與實踐，2013，33（3）：705-710.

［13］易平濤，馮雪麗，郭亞軍，等.基于分層激勵控制線的多階段信息集結方法 ［J］.運籌與管理，2013，22（6）：49-55

［14］李玲玉，郭亞軍，易平濤，等.基于改進分層激勵控制線的多階段信息集結方法 ［J］.東北大學學報（自然科學版），2018，39（1）：148-152.

［15］BLUMSTEIN C.Program evaluation and incentives for administrators of energy-efficiency programs：can evaluation solve the principal/agent problem ［J］.Energy Policy，2010，38（10）：6232-6239.

［16］LI W W，YI P T，GUO Y J，et al.Quantile induced heavy ordered weighted averaging operators and its application in incentive decision making ［J］.International Journal of Intelligent Systems，2018，33（3）：514-528.

［17］BLACK D E.CEO risk-taking incentives and relative performance evaluation ［J］.Accounting and Finance，2020，60（1）：771-804.

［18］王玲娣，任盼盼.帶馬氏切換擴散過程的指數遍歷速率 ［J］.應用概率統計，2020，36（5）：453-466.

［19］姚遠.一種基于累積前景理論的直覺模糊動態決策方法 ［J］.數學的實踐與認識，2019，49（12）：106-115.

Incentive evaluation of split SERU production system

HOU Fang1，2， CHEN Jiefei1

（1. School of Management， Shenyang University of Technology， Shenyang， Liaoning 110870， China; 2. Northeastern Evaluation Center， Northeastern University， Shenyang， Liaoning 110167， China）

Abstract： Management situation is influenced by unexpected events and random shocks， new requirements are proposed on the effectiveness of time-series dynamic comprehensive evaluation method. The complexity and variability of the external environment makes the fluctuation of a class of time-series dynamic comprehensive evaluation value significantly different from the previous state， such as the evaluation value has plummeted and then slowly climbed to a lower level and continued to fluctuate. At this time， the evaluation value of the evaluated object has penetrated the negative incentive line of the classical dual incentive control line and continued to be in a downward state， which makes the effectiveness of the classical incentive evaluation method to be improved. In the face of this situation， the recursive incentive evaluation method is proposed with contextual adjustment characteristics. For the split SERU production system employee characteristics， through the production state of SERU multi-capable workers through the Markov process of prediction， the next production state of the probability distribution is firstly predicted for the multi-capable workers. Based on the probability distribution， the recursive value is then obtained at each stage， the recursive value of the multi-capable workers is incentivized with the combination of the dual-incentive line method. And finally combined with the hesitant fuzzy function， the time weights are solved with the degree of subordination， and the evaluation value is obtained with time weights with the

degree of subordination. By considering the combination of SERU production system， which is a new production system of the era， it is proved that this method has better flexibility and robustness.

Key words： comprehensive evaluation; situational regulation; SERU system; hesitation ambiguity; time weight

（責任編輯：張" 璐）