基于灰色模糊评价的水利工程管理绩效评价论文

基于灰色模糊评价的水利工程管理绩效评价论文（精选16篇）

1.基于灰色模糊评价的水利工程管理绩效评价论文 篇一

基于模糊数学和灰色理论的环境质量评价研究进展

摘要：环境质量评价问题是当前环保界、政府界和学术界关注的热点课题.目前该问题的研究基于定量化分析,广泛采用了大量的现代数学方法,取得了丰硕成果.本文对基于模糊数学和灰色理论的环境质量评价数学方法及环境质量评价指标体系的构建等方面已有的研究成果进行了较为全面的综述,指出了其优点和不足,同时对环境质量评价理论的发展趋势进行了展望,并对其方法提出了改进设想.因此,本文的`研究对有关环境质量评价的探讨具有较好的借鉴作用和参考价值.作 者：吕钱英    黄雯    邱淑芳    LV Qian-ying    HUANG Wen    QIU Shu-fang  作者单位：吕钱英,LV Qian-ying(东华理工大学数学与信息科学学院,江西,抚州,344000)

黄雯,邱淑芳,HUANG Wen,QIU Shu-fang(东华理工大学长江学院信息工程系,江西,南昌,330013)

期 刊：江西科学  ISTIC  Journal：JIANGXI SCIENCE 年，卷(期)：, 26(2) 分类号：X820.2 关键词：指标体系    环境质量评价    模糊数学    灰色理论   

2.基于灰色模糊评价的水利工程管理绩效评价论文 篇二

1 层次分析一灰色模糊综合评价法的选择

1.1 灰色模糊综合评价模型的构建

设评价对象的因素集合为A={a1,a2,…,an},因素指标集为Y={y1,y2,…,ym}。对于某一个指定的评价对象aj,可以表示成一个向量aj=(y1j,y2j,…,ymj),函数值fi(aj)∈[0,1]表示就因素指标yi而言,评价对象aj属于优越的程度。因此,我们便可得到一个模糊关系矩阵。在基于关联度分析评价对象的优劣过程中,由于Y中各评价因素的地位和作用程度不同,因此要利用层次分析法对各评价指标的权重进行计算和分配。各指标要素权重向量可用P=(P1,P2,…,Pm)来表示。那么,基于灰色关联度的评价对象模糊分析的数学模型即为:

B=P*R(*为算子符号)

Bj为评价对象aj综合考虑所有因素yi后的优越程度bj。bj∈[0,1],j=1,2,…,n。由此,可以算出每个评价对象的优越程度b1,b2,…,bn,比较b1,b2,…,bn的大小,便可得出评价对象的优劣,挑选出最有效、最理想的评价对象。

1.2 灰色关联度分析

关联度是表征两个事物的关联程度,是因素之间关联性大小的量度。我们可以在进行灰色关联度分析时选取以下序列函数:

对于一个参考数据列X0,比较数列Xi,可用下述关系表示各比较曲线与参考曲线在各点的差:

γ(X0,Xi)称为Xi对X0在k时刻的灰色关联度。灰色关联度简记为γi,ξ称为分辨系数,ξ∈[0,1],在实际使用时,一般取ξ=0.5最为恰当。

2 灰色模糊综合评价法在“最有效主体”判断中的应用

2.1“最有效主体”的判断标准

本研究在结合国内外学者研究成果的基础上,总结出“最有效主体”的判断标准包括如下几个方面:①利益相关性。利益相关性的大小是指评估主体与政府行为所产生的结果间存在的利益关系的大小。利益相关性越大,主体对于自身利益考虑得越多,则其从利益角度出发进行主观判断的可能性就越大,从而其评价结果不够客观的可能性也就越大[1]。②独立性。独立的评估主体不是政府行为的附属之物,是介于政府与社会、政府与市场、政府与企业之间的桥梁和纽带。在评估过程不受外部影响因素的干扰,能够独立客观地作出判断。③专业性。政府绩效评估具有高度的复杂性,这就要求评估主体具有特定领域的知识背景,评估主体不仅应具备专业的系统知识,还必须熟练使用科学的评价工具和评价方法,并透过现象看本质,针对政府行为提出专业合理的改进方案。④权威性。评估结果的权威性要求评估主体具有强大的影响力和感召力,否则,评估结果会由于政府部门的置若罔闻而使绩效评估流于形式。⑤成熟的政治理性。政治理性具有现实性和务实性,它形成于各个个体、各个集团的协商过程,既从底线上限制了专断,又从制度运作上保证了社会公正。⑥评估成本的高低。提高效率、降低成本可以被看做是进行政府绩效改革的推动力。评价成本往往是限制进行绩效评价的重要瓶颈,要寻找更加简单的评价方法和测量工具,降低因复杂评价方法和工具带来的成本。

本研究的问卷设计将以上6个一级评价指标细化为12个二级指标,表1为通过调查问卷获取的各评价指标重要性数据。

2.2“最有效主体”评价指标及权重的确定2.2.1确定评价指标集

“最有效主体”判断标准的层次结构模型见表2。2.2.2计算指标权重

在层次结构模型的基础上,我们可以在各层元素中进行两两比较,这些判断通过引入1～9标度法用数值表示出来,形成比较判断矩阵。“最有效主体”评价指标的判断矩阵见表3。

利用现代综合评价软件(MCE)计算出各评价指标的权重,见表4。P=(0.27,0.02,0.21,0.04,0.15,0.06,0.03,0.09,0.02,0.02,0.08,0.01)。

为了保证应用层次分析法分析得到的结论合理,还需要对构造的判断矩阵进行一致性检验。现代综合评价软件(MCE)计算出“最有效主体”判断标准矩阵中λmax=12.931 3,CI=0.084 7,RI=1.54,CR=CI/RI=0.055≤00.1,因此,判断矩阵具有满意一致性。通过以上计算,确定了“最有效主体”评价指标的权重,为“最有效主体”选择的灰色模糊综合评价奠定了基础。

2.3 基于灰色关联度的“最有效主体”模糊评价

2.3.1 计算灰色关联系数

计算灰色关联系数时,首先要确定最优指标集,式中为第i个指标的最优值,由此构造出初始矩阵E:

式中,yji为评价对象aj的第i个因素的指标值。

依据调查问卷结果,对问卷第二部分中“上级主管部门”“公民”“企业”和“非营利组织”这四大评估主体的得分进行平均数计算。首先,根据得分情况确定最优指标集,本问卷设计各主体每项指标的满分为7分,设定各评估主体最高得分指标项的集合为理想的虚拟主体最优指标集y*=(4.95,5.15,5.19,4.79,3.94,4.58,5.72,4.32,4.72,6.01,5.22,4.10)。由此,可结合四大主体的得分平均数构造出初始矩阵:

评价对象的因素集合A={a1,a2,…,an}和因素指标集Y=(y1,y2,…,ym)的模糊关系矩阵为:

按照灰色关联系数计算公式:

可求得“最有效主体”的单因素模糊关系矩阵:

该评价矩阵中的关联系数即为各评估主体的隶属度。

2.3.2 模糊综合评价结果

根据灰色模糊综合评价数学模型B=P*R可计算出各评估主体综合考虑所有评价指标后的优越程度bi(bi越高,表示该主体越优越)。上级主管部门、公民、企业和非营利组织的优越程度分别为b1、b2、b3和b4。

b1=0.27*0.47+0.02*1+0.21*0.55+0.04*0.87+0.15*0.67+0.06*0.79+0.03*0.41+0.09*0.60+0.02*0.49+0.02*1+0.08*1+0.01*1=0.63

b2=0.27*0.85+0.02*0.53+0.21*0.71+0.04*1+0.15*0.58+0.06*1+0.03*1+0.09*0.96+0.02*1+0.02*0.33+0.08*0.51+0.01*0.57=0.76

b3=027*0.53+0.02*0.53+0.21*0.90+0.04*0.61+0.15*0.72+0.06*0.41+0.03*0.37+0.09*0.51+0.02*0.50+0.02*0.36+0.08*0.04+0.01*0.62=0.62

b4=0.27*1+0.02*0.52+0.21*1+0.04*0.60+0.15*1+0.06*0.50+0.03*0.61+0.09*1+0.02*0.72+0.02*0.36+0.08*0.41+0.01*0.68=0.86

由此看出b4>b2>b1>b3,综合以上12个评价因素而言,非营利组织与政府的利益相关性、经济独立性、专业性、政治理性等方面的隶属度远高于其他评估主体,可作为“最有效主体”参与政府绩效评估。

3“最有效主体”——非营利组织参与政府绩效评估

3.1 非营利组织参与政府绩效评估的优势分析

通过对比非营利组织的特征和“最有效主体”的判断标准可发现非营利组织作为政府绩效评估主体相比于其他利益主体具有更多优势,其在独立性、专业性、权威性、政治理性、评估成本等方面具有明显的优越性[2]。本研究认为这些优势具体表现在以下方面:①利益相关性小。非营利组织与政府间的直接利益相关性较小,因此能站在客观公正的角度对政府行为作出科学合理的评价。②独立性强。非营利组织的民间性一方面使自身脱离于政府的控制,另一方面可以使其避开一些利益团体的干扰,保证其在政府绩效评估活动中的公平、公正、客观。③专业性强。我国非营利组织中的第三方独立评估机构多是由一些专家和教授组成的研究机构或专业的评估机构等,无论在理论储备还是评估技术方法上都有优于其他评估主体的优势。④权威性较强。非营利组织的非盈利性可以避免组织为获利而受制于一些利益集团,歪曲其评估结果,从而保证评估结果的权威性。⑤政治理性较成熟。非营利组织都是依法建立的正式组织,有自己的组织目标、组织结构、组织文化和规章制度。它所作出的任何判断或决定都是基于充分的调查和理性的分析之上的,政治理性较成熟。⑥评估成本低廉。非营利组织由于组织者的专业性及科学性,可以有效利用资源,避免“设租”和“寻租”行为,有效地降低政府绩效评估的成本。

3.2 非营利组织参与政府绩效评估的发展趋势

我国的非营利组织正成为社会经济发展中的一支重要力量,但与西方国家非营利组织的发展相比,我国非营利组织发展面临着资源不足、能力不足、运转能力疲软、管理体制不完善和法制缺失五大难题[3]。这五大难题是由于我国社会发展所存在的历史性不足造成的。本研究认为,非营利组织作为“最有效主体”在政府绩效评估中发挥主导作用在国内外政府绩效评估的理论研究中具有较大的发展和完善空间。在评估实际中,以非营利组织为“最有效主体”这一理想多元结构的实现是不可能一蹴而就的,非营利组织参与政府绩效评估的生存和发展之路任重而道远。

参考文献

[1]吴建南,岳妮.利益相关性是否影响评价结果客观性:基于模拟实验的绩效评价主体选择研究[J].管理评论,2007,19(3):60-62.

[2]田鲁露.加快发展第三方绩效评估,促进我国政府绩效评估科学化[N].经理日报,2009-06-26.

3.基于灰色模糊评价的水利工程管理绩效评价论文 篇三

关键词：高校图书馆 绩效评价 模糊综合评价

绩效评价，又称绩效考核、员工考核，是衡量和评价员工在一定时期内的工作活动和工作成果与组织期望结果是否一致的过程。高校图书馆馆员绩效评价是对照统一的指标，采取一定的方法，对图书馆管理者和工作人员在一定时间内经营图书馆所取得的业绩和图书馆在一定时间内提供各种服务中所获得的效益进行评价的管理过程。高校图书馆馆员绩效评价的结果是确定员工晋升、薪酬福利、岗位轮换等人事决策的必要条件，同时也可以作为员工职业生涯发展规划与教育培训的客观依据。对馆员进行绩效评价的意义在于，通过制定有效、客观的考核标准来科学、动态地衡量馆员工作状况和效果，进一步激发馆员的工作积极性和创造性，提高馆员基本素质和工作效率，从而保证高校图书馆战略目标的实现。

一、目前高校图书馆馆员绩效评价中存在的主要问题

（一）绩效考核的定位存在模糊与偏差

考核定位的模糊主要表现在考核缺乏明确的目的，而考核定位的偏差则主要体现在片面地看待考核的管理目标，对考核目标的定位过于狭窄①。由于考核的结果是人员聘用、晋升、奖惩、职称评定的前提条件和重要依据，因此目前多数高校图书馆仅仅将绩效考核简单地定位成一种确定利益分配的方法和工具。这虽然对促进馆员的工作积极性起到一定作用，但势必会使馆员产生一种心理上的错觉，认为考核仅仅是为了发奖金、评先进，可以说是完全背离了管理者进行考评的初衷，也是对绩效管理工作的一种扭曲和误解。

（二）绩效考核指标的确定缺乏科学性

考核指标的科学确定是实现考核目标的基本前提，考核指标的选择是否全面、合理，会对绩效评价的结果产生巨大的影响。目前，在多数高校图书馆所制定的绩效评价指标体系中，仅仅局限于对德、能、勤、绩四个指标下面的若干个二级科目进行打分，然后根据分值的多少，单纯进行“优秀、良好、合格、不合格”的分级评价②，而很少从个人能力、服务质量、工作创新、学术科研等方面进行评价，绩效考核指标体系的主观性过强，考核指标缺乏针对性、明晰性和客观性。

（三）考核结果缺乏反馈沟通

绩效考核是一个持续的沟通过程，是领导者与馆员一起通过回顾和讨论考评的结果，发现馆员工作中出现的问题以及自身的不足，以便更好地改进工作并同时对考核方案进行调整和修改。应该说，整个绩效考核工作的核心环节就是沟通，沟通的效果将直接影响到绩效考核的效果。

（四）绩效评价方法使用不当

科学地选择评价方法、构建评估指标体系是高校图书馆馆员绩效评估的关键环节，也是确保得出准确评估结论的重要前提。目前常用的方法有KPI、平衡计分卡、360度绩效考核与评价法等。这些方法各具特色，也都有各自的适用性和局限性③。绩效评价方法选择的合适与否，将直接影响到绩效评价结果的准确性与客观性。因此对考核者使用和驾驭这些技术与方法的能力提出了很高的要求。

二、模糊综合评价方法的基本原理

模糊综合评价是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清、不易定量的因素定量化，从多个因素对被评价事物隶属等级状况进行综合评价的一种方法④。高校图书馆馆员绩效评价指标体系中的评价指标受众多因素影响，其中多数因素都具有模糊性或不确定性，采用经典数学方法难以处理。模糊评价方法正是处理这种不确定性问题的有效方法，其特点是评价结果不是绝对地肯定或否定，而是以一个模糊集合来表示⑤。

（一）建立评价对象因素集

对某一对象进行评价，若评价指标因素为n个，分别记为u1，u2，…，un，则构成了一个评价因素的有限集合U：

U＝{u1，u2，…，un}

（二）建立评价集

评价集是评价者对评价对象可能做出的各种总的评价结果所组成的集合，即将评语划分为m个等级，分别记为v1，v2，…，vm，则又构成了一个评语等级的有限集合V：

V＝{v1，v2，…，vm}

（三）确定权重

在因素集中，各评价因素的重要程度往往是不相同的。为了反映各因素的重要程度，对各个因素Ui应赋予相应的权数ai（i＝1，2，3，…n），由各权数组成因素集合U这一论域上的一个模糊集合A，即

A＝{a1，a2，…，an}，其中ai≥0,并满足。

（四）进行单因素模糊评价

设R是从U到V的模糊逻辑关系，即对单因素进行评价，令rij为从第i个评估因素对被评估对象给出的第j种等级评语，即（vi1，vi2，…，vim）是V上的一个模糊集合，表示从第j个评估因素对评估对象所作的单因素评价，由此确立一个单因素模糊评价矩阵R＝（rij)n*m，即

（i＝1，2，…，n；j＝1，2，…，m）

（五）模糊综合评价

设A为U中各元素的权重集合，即A＝{a1，a2，…，an}，设综合评价结果为B，则

三、建立高校图书馆馆员绩效评价指标体系

高校图书馆馆员绩效评价指标体系的建立，必须要综合考虑诸多因素的影响，分清主次，抓住主要指标，剔除次要指标。笔者结合国内高校图书馆绩效管理工作的实际情况，根据客观公正原则、可行性和实用性原则、模糊和精确相结合原则⑥，构建出高校图书馆馆员绩效评价指标体系的基本框架（见表1）。随后采用模糊综合评价方法，对哈尔滨工业大学（威海）图书馆工作人员的综合绩效进行了定量考核和评估。

（一）基本素质指标

基本素质指标建立的目的是评价馆员是否具备完成相应工作的基本素质，主要选定了道德修养、知识水平、心理素质和团队合作意识这4个子因素指标来考核。道德修养是指馆员在从事图书馆各项工作中所必须遵循的服务道德规范和准则；知识水平是指每个员工的基本学历、外语、计算机和语言表达的能力；心理素质是指馆员在工作和生活中表现出来的相对稳定的人格特征，如认知态度、情感特征、气质性格特点等；团队合作意识是指馆员为了实现组织的利益和目标而相互协作、尽心尽力的意愿和作风，并与他人建立起一种和谐的人际关系。

（二）业务能力指标

业务能力指标主要评价的是每个馆员完成其工作所应具备的专业技能、学习能力、管理能力和创新能力。专业技能是指图书馆员根据业务工作实践中积累起来的经验，有效运用这些经验和专业知识执行一定业务活动的能力；学习能力是指馆员学习新知识、掌握新技术，发现、分析和解决实际工作问题的能力；管理能力是指馆员对组织中的人或设备进行管理，提高组织效率的能力；创新能力是指提出创新性建议并将创新方案付诸实施的能力。

（三）工作行为指标

工作行为是指组织成员直接或间接影响组织绩效的行为模式。对工作行为的考核关注的是馆员的具体行为，包括工作作风、工作纪律、工作效率和工作积极性。通过对这些指标的评价，能够反映出馆员在组织中的实际工作状态、遵守组织规章制度的情况以及对工作的使命感、责任心和积极性。

（四）工作业绩指标

工作业绩是馆员通过合理行为取得的业绩状况或工作结果，体现了馆员在本岗位上对组织的贡献程度或在本组织中的相对价值，子因素指标主要选择了工作数量和质量、工作成果、学术论文发表、科研水平等。

四、模糊综合评价方法的实证分析

以哈尔滨工业大学（威海）校区图书馆年终绩效考核为例，运用模糊综合评价方法，从基本素质、业务能力、工作行为、工作业绩这四个方面对本馆两名工作人员（如王某、刘某）进行考核和评估，具体步骤如下：

a、建立评估对象集：F＝{王某f1，刘某f2}

b、建立总目标集U＝{基本素质u1，业务能力u2，工作行为u3，工作业绩u4}，子目标集u1＝（u11，u12，u13，u14），u2＝（u21，u22，u23，u24）， u3＝(u31，u32，u33，u34），u4＝（u41，u42，u43，u44）。

c、设评语等级V，V＝{优秀v1，良好v2，合格v3，不合格v4，较差v5}，为了便于理解和进行比较，可以进一步用百分制量化等级划分为优秀（100，86），良好（85，75），合格（74，60），不合格（59，41）和较差（40，0），取其中间值得出量化评价集G⑦：

G＝{93，80，67，50，20}

d、确定权重集A。选取本馆30名普通工作人员作为民主评议小组，并由馆长、副馆长和其它具有副高级职称以上的3名部门主任组成专家评估小组，确定权重集：

A＝（0.15，0.35，0.2，0.3）

A1＝（0.1，0.4，0.2，0.3）

A2＝（0.4，0.20，0.25，0.15）

A3＝（0.25，0.25，0.3，0.2）

A4＝（0.2，0.3，0.25，0.25）

e、设计评估调查表。评估调查表是出现在评估者面前的唯一书面材料，并且将作为馆员绩效评估的基本依据，通常可以参照表2的样式进行设计。

f、建立评价矩阵。由专家评估小组和民主评议小组，根据本文所构建的高校图书馆馆员绩效评价指标体系，对王某f1、刘某f2分别投票，最后得出两者的评价矩阵。

王某f1的评价矩阵如下所示：

刘某f2的评价矩阵如下所示：

由于已知权重集A，可进一步得出：

e、计算综合绩效，得出：

B王某＝（0.15，0.35，0.2，0.3）·R王某·G

＝（0.2103，0.2493，0.2410，0.1715，0.1280）

·G＝66.78

B刘某＝（0.15，0.35，0.2，0.3）·R刘某·G

＝（0.2158，0.2483，0.2285，0.1898，0.1178）

·G＝67.09

由最终结果可知，王某和刘某的综合绩效评价均属于合格，但刘某的综合绩效要高于王某的综合绩效，若在评优中应该优先考虑馆员刘某。

五、结束语

建立高校图书馆馆员绩效评价指标体系，是一项相当复杂、技术性强的系统工程，需要馆领导、各部门、馆员等多方面的支持和配合，并需要在馆内外建立起一系列的管理制度与之配套。除此之外，在绩效评价指标体系建立之后，绩效管理工作也并不意味终结，考核者应当建立及时有效的反馈沟通机制，进一步改进和完善绩效评价指标体系。只有通过积极探索、不断学习成功的绩效评价理论和实践方法，建立科学的绩效评价指标体系，才能使绩效评价的作用真正地显现出来，进而促进高校图书馆管理水平的提升，推动整个高校图书馆事业的发展。

参考文献：

①储冬红，姜鲲，陈丽华，喻萍萍．图书馆绩效考核存在的误区及对策[J]. 科技创业月刊，2010(2)：111—112

②崔梅芳. 图书馆绩效考核四大误区[J]．新世纪图书馆，2005（3）

③龙嘉陵. 完善图书馆绩效管理的思考[J]．贵图学刊，2010（3）：65—66

④隋佳，赵雪红．图书馆员绩效考核的模糊综合评价[J]. 现代情报，2010（4）：103—105

⑤陆康，刘慧，王圣元．基于模糊评价方法的高校图书馆绩效考核设计[J]．内蒙古科技与经济，2010（22）：153—154

⑥邱薇. 构建高校图书馆绩效考评指标体系的研究[J]. 情报杂志，2006(8)：135—137

⑦郝桂荣. 基于模糊评价判断的高校图书馆人力资源绩效评价体系[J]．现代情报，2010（3）：95—99

（赵龙刚，1982年生，黑龙江省哈尔滨市人，哈尔滨工业大学威海校区图书馆馆员。研究方向：高校图书馆馆员绩效评价。林洪进，1964年生，辽宁省大连市人，哈尔滨工业大学威海校区经济管理学院副教授。研究方向：企业管理）

4.ERP实施绩效与模糊综合评价 篇四

ERP实施绩效与模糊综合评价

ERP项目实施绩效评价是在项目完成的基础上进行的对项目的目的、效益、影响和执行等情况进行全面而又系统的.分析与评价,有助于改进投资效益,提高宏观决策和管理的水平.对构建实施绩效的评价体系框架进行了探讨,并提出运用模糊综合评价方法来对实施绩效从定量和定性两方面进行评价.

作 者：张东云  作者单位：长春税务学院,吉林,130021 刊 名：乡镇经济  PKU英文刊名：RURAL ECONOMY 年，卷(期)： “”(5) 分类号：F2 关键词：ERP   绩效评价   模糊综合评价  

5.基于灰色模糊评价的水利工程管理绩效评价论文 篇五

以事故率和冲突数作为评价指标,建立对公路平面交叉口安全的灰色理论评价方法,综合历史数据和现实数据,引入冲突分析快速、定量的特点,弥补事故分析周期长、数据缺失严重的不足.运用灰色理论方法,算法含义清晰、明确,评价结果更加全面、可信,为安全诊断和后续的`改善工作找到重点,提供科学依据.经结果分析和对比,方法的有效性更强,适用性更广.

作 者：连嘉 孙小端 作者单位：连嘉(北京工业大学,北京,100022)

孙小端(路易斯安纳州立大学,美国)

6.基于灰色模糊评价的水利工程管理绩效评价论文 篇六

基于灰色模糊关系的灰色模糊综合评判

摘要：根据灰色模糊数学的.理论,将隶属度和灰度综合起来表示灰色模糊数,在原有评判方法的基础上给出了适用性更广的灰色模糊综合评判方法,能够使评判结果更加客观可信. 作者： 卜广志张宇文 Author： 作者单位： 西北工业大学航海工程学院,陕西,西安,710072 期 刊： 系统工程理论与实践 ISTICEIPKU Journal： SYSTEMS ENGINEERING――THEORY & PRACTICE 年，卷(期)： 2002,22(4) 分类号： C934 关键词： 隶属度 灰度 灰色模糊关系 灰色模糊综合评判 机标分类号： O15 N94 机标关键词： 模糊关系模糊综合评判方法Fuzzy Relation模糊数学评判结果适用性隶属度理论基础灰度 基金项目： 国防预研基金

7.基于灰色模糊评价的水利工程管理绩效评价论文 篇七

在知识经济时代, 知识管理受到越来越高的重视[1]。企业管理者通过知识管理绩效评估, 衡量知识管理的业绩和发展成果, 从中找出知识管理存在的问题, 并寻求最佳解决方案。国内外许多学者就知识管理绩效评价提出了自己的看法, 笔者曾在文献中对其进行过研究[2,3,4]。目前关于知识管理绩效评价指标体系、评价方法等均未形成统一认识, 主要是描述性地判断企业知识管理效果好坏, 很难完全真实地反映其好坏程度, 导致评价中提供的评价信息处于“部分确知, 部分不确知”的状态, 具有很高的灰色性。本文建立基于灰色多层次评价的知识管理绩效模型, 分析评价知识管理绩效的主要因素, 建立一套适合知识管理绩效综合评价的指标体系, 给出了一种知识管理绩效的综合评价方法, 该方法具有实用性和可操作性, 为企业评估、跟踪和实时监测知识管理活动提供可供参考的理论依据和实施准则。

2 企业知识管理绩效评价指标体系

根据科学性原则、系统性原则、全面性原则、可操作性原则, 结合企业的组织特性和知识管理的特点, 从知识创新能力、知识转化能力、知识保护能力、知识管理设施、企业效益五个方面设计知识管理绩效评价指标, 并选取多个子指标, 建立了一套企业实施知识管理的绩效评价指标体系, 见表1。

3 知识管理绩效灰色多层评价模型实证研究

对知识管理绩效的评价, 首先应确定评价指标的权重, 制定评价指标的评分等级标准, 依据评价模型进行综合评价值的确定, 然后采用灰色多层综合评价模型对企业知识管理绩效对某公司的知识管理进行综合评定。

A代表一级指标Ai的集合, 记为A = ( A1, A2, …, Am) ; Ai代表二级指标Bij的集合, 记为Ai= { Bi1, Bi2, …, Bin} 。则多层次灰色评价法的具体步骤如下:

步骤一, 制定评价指标Bij的评分等级标准, 通过制定评价指标评分等级标准, 并赋予一定分值, 将定性指标Bij转化成定量指标。本文制定如表2所示的二级评价指标Bij的评分等级标准。

步骤二, 确定评价指标的权重。为了尽量减少主观因素的影响, 利用组合权重法, 即综合采用层次分析法、德尔菲法、两两比较法等, 设一级指标Bi的权数分配为ai ( i = 1, 2, …, m) , 各指标权重向量:

同理二级评价指标Bij的权数分配为:

aij ( i = 1, 2, …, m; j = 1, 2, …, n) ; 各指标权重向量:

本文确定评价指标的权重向量 ( 如表1) 。

步骤三, 组织专家评分并建立评价样本矩阵。组织5位专家对组织知识管理绩效按评分等级标准进行评分, 求得评价样本矩阵D ( 因篇幅有限只列出部分值) 。

步骤四, 确定评价灰类, 即确定评价灰类的等级数、灰类的灰数及灰数的白化权函数。设评价灰类序号为e, e= 1, 2, …, g, 即有g个评价灰类, 为了描述上述灰类, 需要确定评价灰类的白化权函数fe ( dijk) 。本文按“优”、“良”、“中”、“差”设定4个评价灰类, 其相应的灰数及白化权函数:

第1灰类“优” ( e = 1) , 灰数1∈ ( 4, ∞ ) , 白化权函数f1; 第2灰类“良” ( e = 2) , 灰数2∈ [0, 4. 0, 8. 0], 白化权函数f2; 第3灰类“中” ( e = 3) , 灰数3∈ [0, 3. 0, 6. 0], 白化权函数f3; 第4类“差” ( e =4) , 灰数4∈ [0, 2. 0, 4. 0], 白化权函数f4。

步骤五, 计算灰色评价系数。对指标Bij, 被评对象属于第e个评价灰类的灰色评价系数为xije, xije= Σfe ( dijk) , k = 1, 2, …, p) 。对指标Bij被评者属于各个评价灰类的总灰 色评价数 为xij, xij= Σfe ( dije) , e = 1, 2, …, g) 。对于指标B11, 被评对象属于第e个评价灰类, 灰色评价系数x11e, 当e = 1时,

同理有e = 2, x112= 4. 000; e = 3, x113= 2. 6665; e =4, x114= 0. 5000。则受评者就评价指标B11属于各评价灰类的总灰色评价数为e = 1, 2, …, g。

步骤六, 计算灰色评价权向量及权矩阵。评价者就指标Bij对被评对象主张第e个灰类的灰色评价权为rije, rije= xije/ xij, 则被评对象的评价Bij指标对于各灰类的灰色评价权向量rij= ( rij1, rij2, …, rijg) , 将被评对象的Bi所属指标Bij对于各评价灰类的灰色评价权向量综合后, 得被评对象的Bi所属指标Bij对于各评价灰类的灰色评价权矩阵Ri, Ri= ( ri1, ri2, rin ( i) ) 。

就评价指标B11, 主张被评对象属各灰类的灰色评价权向量为:

同理可得其他权向量, 将被评对象的B1所属指标B1j, 对于各评价灰类的灰色评价权向量综合后, 得被评对象B1所属指标B1j对于各评价灰类的灰色评价权矩阵R1:

按照上述的方法可以依次得到R2~ R5。

步骤七, 对Bi作综合评价。对被评对象的Bi作综合评价结果: Bi= Ai×Ri= ( bi1, bi2, …, big) , 所以: B1=A1×R1= [0. 3736, 0. 2535, 0. 0394, 0. 0826]

按照此方法同样可得到B2~ B5。

步骤八, 对A作综合评价。对被评对象A作综合评价的结果记为B, 则有B = A×R = [0. 3820, 0. 3568, 0. 2469, 0. 0543, 0. 0239]

步骤九, 计算综合评价值。设将各灰类等级按“灰水平”赋值, 得各种评价灰类等级值化向量C, 按前述方法得: C = ( 5. 0, 4. 0, 3. 0, 2. 0, 1. 0)

于是受评者的综合评价值W = B×CT= 4. 2104。

由此可见, 知识管理绩效的综合评价值为: 该组织知识管理绩效评价属于“好”灰类。这与实际中专家所得的结论一致。

4 结 论

本文提出知识管理绩效多层次灰色评价方法, 将组织知识管理绩效的定性分析转入定量分析, 科学合理, 切实可行, 具有较强的可操作性和实用性。文中评价样本矩阵是由评价者根据预先给出详细指标和评价标准情况下得到的。本文的研究工作只是对知识管理绩效评价分析的初步尝试, 以求为知识管理的定量研究工作探索一条适合实际的技术路线。

参考文献

[1]张瑞红.企业知识管理现状、风险与绩效评价研究[D].广州:中山大学, 2005.

[2]张瑞红.国内企业知识管理绩效评价研究状况分析[J].中国管理信息化, 2010 (7) .

[3]程刚, 王影洁.项目型企业知识管理能力的模糊灰色关联评价研究[J].情报理论与实践, 2013 (1) :27-29.

8.基于灰色模糊评价的水利工程管理绩效评价论文 篇八

关键词 应急管理；能力；灰色理论；灰色聚类；评价

中图分类号 F562.5 文献标识码 A

Enterprise Emergency Management Capacity Comprehensive Evaluation Based on Gray Cluster Analysis

ZHANG Guo-hui1，WU Yang2，ZHANG Mi2

（1. Department of Mathematics and Computational Science，Hengyang Normal University，Hengyang,Hunan 421008，China；

2.School of Economics and Management，Changsha University of Science & Technology，Changsha，Hunan 410114，China)

Abstract Based on the initial definition of enterprise emergency management capacity, the text has established an evaluation index system of enterprise emergency management capacity, and provided a method to calculate index weight. In order to decrease the subjective factors during the comprehensive evaluation, the proposed method generates automatically the weight of indicators in the evaluation process in accordance with the principle of Gray Cluster. The text, in combination with cases, offers some suggestions on enterprise emergency management capacity building according to expert's assessment of indicators as well as the evaluation process and results.

Keywords emergency management；capacity；gray theory；gray cluster；comprehensive evaluation

1 引 言

随着现代市场经济的发展和经营环境的变化，企业面临突发事件冲击的几率大大增加.据统计，大约80%的中小企业在其成立后的3年内遭受了10次以上足以使其倒闭的突发事件的打击［1］.一次突发事件就使企业损失惨重甚至致企业于死命的事例很多.例如2001年中秋节前，中央电视台披露的南京冠生园“使用陈馅做新月饼”事件，导致国内各地“冠生园”企业遭受巨大损失；再如，“服三株口服液致死”事件使曾经辉煌一时“三株”公司转眼间就轰然倒塌.遭受突发事件打击的企业，其共同的特点是，发生突发事件后没有能够控制事件的扩大与蔓延，造成了更大的损失，甚至最终导致企业倒闭.由此可见应急管理对于企业的生存与发展具有重大的意义.因此企业若要在横遭厄运时而能幸免于难，加强应急管理是企业管理的重要内容，企业应急管理能力是衡量企业管理者的重要方面.企业的未来取决于企业家应对突发事件管理的专业能力，正如比尔•盖茨所曾说的：“微软距离破产永远只有180天”［2］.人们在对比尔•盖茨的这种居安思危的风险意识感到钦佩的同时，恰恰说明微软公司的成功基础就是其对应急管理的重视.

企业应急管理是指企业管理人员在应对突发事件的过程中，为了降低突发事件的危害，达到优化决策的目的，基于对突发事件的原因、过程及后果进行分析，有效集成企业各方面的相关资源，对突发事件进行有效控制和处理的过程［3］.企业应急管理要通过合理可行的科学规划，在突发事件发生后充分利用一切可能的力量，迅速控制事故的发展，保护现场和场外人员的安全，将突发事件对人、财产和环境造成的损失降低到最小程度［4］.现代企业生产技术日趋复杂，所涉及的不确定与复杂性因素也日益增多，突发事件不可避免.突发事件具有不可预见、难以控制的特点，一旦发生，如果应急管理方法失当会使损失增大.因此有必要加强对企业突发事件应急管理的研究力度，将研究和实践紧密结合，尽可能避免灾害性突发事件的发生，减少突发事件产生的损失.

对于企业应急管理的研究，国内外取得了一定的理论和实践成果，这对于企业应急管理理论研究和实践操作具有较大的指导意义.从收集的文献资料来看，目前对于企业应急管理的研究仍然存在以下不足：第一，主要停留在对企业局部的一般管理问题的研究阶段，并未形成企业应急管理系统的完整研究.目前企业应急管理研究主要集中在企业的客体方面，包括企业应急管理体系、应急组织结构、应急资金保障、应急信息策略、应急资源的布局及调配、应急预案等客体领域，而对于企业应急管理的主体方面，对应急管理者自身的主观研究，还比较少见，包括对企业应急管理能力的评价，还需要进一步丰富和完善.

本文拟对企业应急管理能力这一重要问题开展研究，研究设计企业应急能力指标体系及评价模型与评价结果，可以使企业应急管理能力的工作步入规范化和科学化的轨道，用科学的标准提升企业应急管理能力.对企业应急管理能力进行量化及评价，这对于企业应对危机，加强对突发事件的管理能力，具有重要的意义.

2 企业应急管理能力评价指标体系

2.1 指标体系的构建原则

企业应急管理能力评价，是指评价者有目的、系统地收集某一时期内企业应急管理活动中的特征信息，根据建立的评价指标体系，用科学的评价方法，对企业应急管理工作做出数量和价值判断的过程，以鉴定企业应急管理工作的成绩与不足.企业应急管理能力评价指标体系是由一系列相互联系、相互影响的指标构成，在涉及指标构成时，应按下列原则进行：

1）目的性原则.企业管理者通过应急管理能力评价，了解企业应急管理能力现状并为编制应急预案提供一个可供参考的依据，因此指标体系的建立必须围绕这一目的.

2）系统性原则.指标体系应能全面反映评价对象的本质特点，从不同的角度和不同层次来衡量企业应急管理能力的大小，以保证综合评价的全面性和完整性.

3）不相容原则.每一个指标必须是一个独立的、确定的集合，不同的指标反映不同方面的内容，同一层次中的不同指标不能重复或相容.

4）可行性原则.指标的确定应具有可操作性和切实可行的量化方法，并且指标不宜过多、过繁、过细导致难于操作，但也不能过少，一般应在三至九个之间.

2.2 指标体系的构成

企业应急管理能力其实质是一种管理能力，它由多种要素构成，因此从管理学的角度，企业应急管理能力应由以下因素构成［6-10］.

一是企业应急管理的计划能力.计划能力主要是指企业应急管理确定自身目标并详细说明实现目标的方法的能力.它具体阐明必要的资源分配、时间进度、任务及其他行动.

二是企业应急管理的组织能力.组织能力是指企业为了实现其应急的目的，协调各种力量以完成应急管理任务的能力.影响这种能力的主要因素有三个：一是应急管理机构的健全程度；二是应急管理机制的有效程度；三是应急管理人员的水平和能力.

三是企业应急管理的领导能力.领导能力是指企业为实现其目标通过沟通而对其下级人员的影响力.这种能力的大小由四个方面的特征决定，即领导者的特征、跟随者特征、组织特征和社会经济、政治环境特征.

四是企业应急管理的控制能力.控制能力指企业对其成员所承担的任务执行情况进行监督和根据已确定的执行标准来衡量偏差并采取纠偏措施使其回归执行标准的能力.这种能力主要由主体的监督力度、监督的效果和纠偏的能力所决定.

五是企业应急管理的沟通能力.沟通能力是指企业把其信息传递给其他相关主体、并对信息准确解码的能力.这种能力的影响因素包括信源的大小、接受器的接收能力的强弱、信息的质量、渠道畅通程度，以及接受者反馈、编码和译码能力等.

六是企业应急管理的决策能力.决策能力是指企业在对可供选择的应急方案中准确选择其中一个最佳方案而采取行动的能力.这种能力的包括决策主体对时间、空间的把握能力，可供选择方案的数量和质量，还有决策时的环境.

由于这些指标都是主观性很强的指标，并且这些指标还受其他因素影响，具有很强的模糊性和不确定性，要对这些指标进行评价，必须采取定性与定量相结合的办法.在定性过程中，大多采取德尔菲法(Delphi Method)，在定量过程中，可采取概率统计、模糊综合评价法、不确定性推理方法中的证据理论方法和灰色聚类法等对其进行评价.但由于前三者在确定指标的权重时有很强的主观性，而灰色聚类法的指标之间的权重在评价过程中会自动产生，不需要经过人为判断，这样就减少了评价过程中的主观因素，具有上述方法不具备的优势［5］.因此本文采用灰色聚类法对其进行评价.

3 灰色聚类评价方法

灰色聚类法是建立在以灰数的白化函数生成为基础的一种多维灰色评估方法.它将聚类对象对不同聚类指标所拥有的白化数，按若干灰类进行归纳，从而判断出聚类对象属于哪一个灰类.利用灰色聚类分析方法进行评价的主要步骤为：

步骤1 n个聚类评价对象，m个聚类指标，按不同的评价标准分s个不同灰类，根据第i个(i=1,2,…,n)对象关于j（j=1，2，…，m）指标的观测值xij(i=1,2,.…，n,j=1,2,…,m)，将第i个对象归入第k(k∈{1,2,…,s}个灰类.将n个对象关于指标的取值相应地分为s灰类，称之为j类指标子类，j指标k子类的白化权函数记为fkj(•).

步骤2 设j指标k子类的白化权函数fkj(•)或典型白化权函数，则称xkj(1),xkj(2),xkj(3),xkj(4),为fkj(•)的转折点.典型白化权函数记为fkj［xkj(1),xkj(2),xkj(3),xkj(4)］；

1）若白化权函数fkj(•)无第一个和第二个转折点xkj(1),xkj(2),则称fkj(•)为下限测度白化权函数，记为fkj［0,0,xkj(3),xkj(4)］；

2）若白化权函数fkj(•)无第二个和第三个转折点xkj(2),xkj(3)重合，则称fkj(•)为适中测度白化权函数，记为fkj［xkj(1),,xkj(2),0,xkj(4)］；

3）若白化权函数fkj(•)无第三个和第四个转折点xkj(3),xkj(4),则称fkj(•)为上限测度白化权函数，记为fkj［xkj(1),xkj(2),0,0］.

步骤3 对于典型化白化权函数有

fkj(x)=0, x［xkj(1),xkj(4)］;x－xkj(1)xkj(2)－xkj(1),x∈［xkj(1),xkj(2)］;1, x∈［xkj(2),xkj(3)］;xkj(4)－xxkj(4)－xkj(3),x∈［xkj(3),xkj(4)］.(1)

对于下限测度白化权函数，有

fkj(x)=0, x［0,xkj(4)］;1, x∈［0,xkj(0,xkj(3)］;xkj(4)－xxkj(4)－xkj(3),x∈［xkj(3),xkj(4)］.(2)

对于适度中测度白化权函数，有

fkj(x)=0, x［xkj(1),xkj(4);x－xkj(1)xkj(2)－xkj(1),x∈［xkj(1),xkj(2)］;xkj(4)－xxkj(4)－xkj(2),x∈［xkj(2),xkj(4)］.(3)

对于上限测度白化权函数，有

fkj(x)=0, x＜xkj(1);x－xkj(1)xkj(2)－xkj(1),x∈［xkj(1),xkj(2)］;1, x≥xkj(2). (4)

步骤4 对于j指标k子类白化权函数，令λkj=12［xkj(2)+xkj(3)］；对于j指标k子类白化权函数，令λkj=xkj(3)；对于j指标k子类白化权函数，令λkj=xkj(2)，称λkj为j指标k子类临界值，又称特征值.

步骤5 设λkj为j指标k子类临界值（特征值），则称ηkj=λkj∑mj=1λkj为指标k类的权.

步骤6 设xij为对象i关于指标j的观测值fkj(•)为j指标k子类白化权函数，ηkj是j指标类的灰色聚类系数，则称σki=∑mj=1fkj(xij)•ηkj为对象i属于指标灰类k的灰色聚类系数.

步骤7 称σi=(σ1i,σ2i,σ3i,…,σsi)=(∑mjf1j(xij)•η1j,∑mjf2j(xij)•η2j,…,∑mjfsj(xij)•ηsj)为对象i的聚类系数向量.

步骤8 设max 1≤k≤s{σki}=σk*i，则称对象属于灰类k*.

4 实例企业评价

设有3个实例企业，其6个应急管理能力指标分别为计划能力、组织能力、领导能力、控制能力、沟通能力和决策能力，通过数位专家对其评分，评分取值范围在0~100，取其平均值，第i个企业的第j个指标的观测值xij(i=1,2,3;j=1,2,3,4,5,6)，得到矩阵A，

A=(xij)=x11x12x13x14x15x16x21x22x23x24x25x26x31x32x33x34x35x36

=80203040501004050602070301090801001040.

把按强、中、弱3个灰类对3个实例企业的应急管理能力进行聚类.设关于指标计划能力、组织能力、领导能力、控制能力、沟通能力和决策能力的白化权数分别为

f11［30,80,0,0］,f21［10,40,0,70］,f31［0,0,10,50］;

f12［50,90,0,0］,f22［20,60,－,90］,f32［0,0,20,50］;

f13［50,80,0,0］,f23［30,60,－,80］,f33［0,0,30,50］;

f14［60,100,0,0］,f24［20,70,0,90］,f34［0,0,20,50］;

f15［40,70,0,0］,f25［10,50,0,70］,f35［0,0,10,40］;

f16［40,100,0,0］,f26［30,50,0,90］,f36［0,0,30,50］.

由上述白化权函数及步骤3，得到：

f11(x)=0,x＜30;x－3080－30,30≤x＜80;1,x≥80.,

f21(x)=0,x［10,70］;x－1040－10,10≤x＜40;70－x70－40,40≤x＜70.,

f31(x)=0,x［0,30］;1,0≤x＜10;30－x30－10,10≤x＜30.

f12(x)=0,x＜50;x－5090－50,50≤x＜90;1,x≥90.,

f22(x)=0,x［20,90］;x－2060－20,20≤x＜60;90－x90－60,60≤x＜90.,

f32(x)=0,x［0,50］;1,0≤x＜2050－x50－20;20≤x＜50.

f13(x)=0,x＜50;x－5080－50,50≤x＜80;1,x≥80.,

f23(x)=0,x［30,80］;x－3060－30,30≤x＜60;80－x80－60,60≤x＜80.,

f33(x)=0,x［0,50］;1,0≤x＜30;50－x50－30,30≤x＜50.

f14(x)=0,x＜60;x－60100－60,60≤x＜100;1,x≥100.,

f24(x)=0,x［20,90］;x－2070－20,20≤x＜70;90－x90－70,70≤x＜90.,

f34(x)=0,x［0,50］;1,0≤x＜20;50－x50－20,20≤x＜50.

f15(x)=0,x＜40;x－4070－40,40≤x＜70;1,x≥70.,

f25(x)=0,x［10,70］;x－1050－10,10≤x＜50;70－x70－50,50≤x＜70.,

f35(x)=0,x［0,40］;1,0≤x＜10;40－x40－10,10≤x＜40.

f16(x)=0,x＜40;x－40100－40,40≤x＜100;1,x≥100.,

f26(x)=0,x［30,90］;x－3050－30,30≤x＜50;90－x90－50,50≤x＜90.,

f36(x)=0,x［0,50］;1,0≤x＜30;50－x50－30,30≤x＜50.

于是：

λ11=80，λ12=90，λ13=80，

λ14=100，λ15=70，λ16=100

λ21=40，λ22=60，λ23=60，

λ24=70，λ25=50，λ26=50

λ31=10，λ32=20，λ33=30，

λ34=20,λ35=10,λ36=30.

由ηkj=λkj∑6j=1λkj，得：

η11=80520，η12=90520，η13=80520，

η14=100520，η15=70520，η16=100520

η21=40330，η22=60330，η23=60330，

η24=70330，η25=50330，η26=50330

η31=10120,η32=20120,η33=30120,

η34=20120,η35=10120,η36=30120

再由σki=∑mjfkj(xij)•ηkj，当i=1时，有

σ11=∑6j=1f1j(x1j)•η1j=f11(80)×80520+

f12(20)×90520+f13(30)×80520+f14(100)×

100520+f15(70)×70520+f16(100)×100520=0.673.

同理得σ21=0,σ31=0.417,所以

σ1=(σ11,σ21,σ31)=(0.673,0,0.417).

同法可知,

当i=2时：σ2=(σ12,σ22,σ32)=(0.409,0.439,0.417),

当i=3时：σ3=(σ13,σ23,σ33)=(0.519,0,0.167).

由此可得

max 1≤k≤3σk1=σ11=0.673;

max 1≤k≤3σk2=σ22=0.439;

max 1≤k≤3σk3=σ13=0.519.

由上述数据可以得出，第一个实例企业和第三个实例企业的应急管理能力较强，第二个实例企业应急管理能力属于中等水平.同时从上面的数据还可以看出，第一个实例企业与第三个实例企业虽然应急管理较强，但第三个实例企业的灰色聚类系数与第一个实例企业的灰色聚类系数还相差一定距离，如果增加灰类类别，这两个实例企业的应急管理能力还可以归为不同的灰类.从上面的计算过程还可以看出，灰色聚类系数的大小由3个因素决定：一是各指标的观测值大小；二是白化函数特征值的大小；三是灰类类别的多少.观测值的大小由各专家对其评价所决定，这个值比较客观地反应其真实情况，要改变这个值的大小，各个企业应不断提高自己各个方面的能力，尤其是第二个实例企业，各种能力都比较平均，但缺少特别突出的强项，因此在进行能力建设时，要加强对某些能力的建设，以改变其灰色聚类系数，提高应急管理能力.第三个实例企业与第一个实例企业相比，在多个指标上都超过了第一个实例企业，但它的灰色系数却小于第一个企业，也就是说它的应急管理能力弱于第一个实例企业，究其原因，是因为其计划能力与沟通能力极差，从而影响其综合评价结果，因此，它在进行应急管理能力建设时，要着重计划能力和沟通能力的建设.

5 结 语

本文在构建企业应急管理能力指标体系的基础上，对企业应急管理能力评价进行了探讨.对于综合评价方法中各指标权重的确定这一主观问题，提出了利用灰色聚类原理进行评价与分析.通过实例企业对该评价方法加以运用，根据评价过程及结果，对影响灰色聚类系数的因素进行了归纳和分析.本文提出评价方法为企业应急管理能力的评价提供一定的借鉴意义，并为企业建立应急管理预案提供了依据.

参考文献

［1］ 刘仁辉,安实.面对突发事件企业应急管理策略［J］.管理世界,2008,28(7):180-184.

［2］ 畅铁民,贺正楚.企业危机管理［M］.北京:科学出版社,2004.

［3］ 计雷,池宏,陈安.突发事件应急管理［M］.北京:高等教育出版社,2006.

［4］ 贺正楚.企业危机管理——组织与组织管理的视角［D］.长沙:中南大学商学院,2004.

［5］ 刘思峰,党耀国,方志耕,等.灰色理论及其应用［M］.北京:科学出版社,2004.

［6］ S Ba,KR Lang,A B Whinston.Enterprise decision support using Intranet technology［J］.Decision Support Systems,1997(20):99-134.

［7］ D Baccarini,R Archer.The risk ranking of projects: a methodology［J］.International Journal of Project Management,2001(1-9):139-145.

［8］ A B Badiru,P S Pulat,M Kang.DDM:decision support system for hierarchical dynamic decision making［J］.Decision Support Systems,1993(10):1-18.

［9］ S Banerjee,A Basu.Model type selection in an integrated DSS environment［J］.Decision Support Systems,1993(9):75-89.

［10］LOzdamar,D Ekinci,B Kucukyazici.Emergency logistics planning in natural disasters［J］.Annals of Operation Research,2004,129(12):218-229.

9.基于灰色模糊评价的水利工程管理绩效评价论文 篇九

基于AHP的模糊综合评价法在滑坡危险度评价中的应用

本文在总结前人的.工作经验和结合现有资料及相关规范,确定了影响滑坡危险度的因素及各因素指标的评估等级向量的确定方法,运用多级模糊综合评判原理对滑坡危险度进行综合评估,形成了一套评估指标体系和评估等级体系,从而实现对滑坡危险度的评估,并将其应用于工程实例中.

作 者：骆伟 蒋忠诚 LUO Wei JIANG Zhong-cheng 作者单位：桂林理工大学土木与建筑工程学院,广西,桂林,541004刊 名：科技信息英文刊名：SCIENCE & TECHNOLOGY INFORMATION年，卷(期)：“”(29)分类号：关键词：层次分析法(AHP) 模糊综合评价法 滑坡危险度

10.基于灰色模糊评价的水利工程管理绩效评价论文 篇十

基于模糊数学的企业综合竞争力评价和实证

摘要：科学地评价企业综合竞争力,关键在于构建企业综合竞争力的`评价指标体系,并采取定性与定量相结合的系统评价.基于对企业综合竞争力内涵、要素的分析,构建了评价的指标体系,研究了模糊系统评价的可行性,建立了模糊系统评价的数学模型,并对一大型国有企业的综合竞争力进行了系统评价与实证分析. 作者： 李存芳[1]周德群[2] Author： LI Gun-fang[1]  ZHOU De-qun[2] 作者单位： 南京航空航天大学,经济与管理学院,南京,210016;徐州师范大学,经济管理学院,江苏,徐州,221116南京航空航天大学,经济与管理学院,南京,210016 期 刊： 控制与决策   ISTICEIPKU Journal： CONTROL AND DECISION 年，卷(期)： , 22(3) 分类号： F271 关键词： 竞争力评价    模糊数学    模型构建    实证分析    机标分类号： F27 X59 机标关键词： 模糊数学    评价企业    综合竞争力    系统评价    评价指标体系    数学模型    实证分析    国有企业    构建    要素    内涵    科学    定量 基金项目： 高等学校博士学科点专项科研项目，江苏省科技厅招标项目

11.基于灰色模糊评价的水利工程管理绩效评价论文 篇十一

关键词：科学；税收管理；绩效评价体系

所谓税收管理绩效评价，指税务机关运用一定的指标体系对税收管理过程及其结果进行概括性的评价。税收管理的目标是为了确保纳税人依法纳税。税收管理绩效的目标作为子目标，通过实施绩效评价，从服于且服务于税收管理目标。平衡计分卡是从财务、客户、内部运营、学习与成长四个角度，将组织的战略落实为可操作的衡量指标和目标值的一种新型绩效管理体系。基于平衡计分卡的税收管理绩效评价体系目的就是要建立“实现战略制导”的绩效管理系统，从而保证企业战略得到有效的执行。

以往的税收征管质量评价体系存在几个弊端：一是重事后评价而轻事前和事中控制，特别是事中控制是在评价过程中的沟通，能够及时进行调整评价指标、积极沟通引导被评价税务人员的行为，防患未然，优化评价结果。二是重财务指标而轻非财务指标，以征税完成额考核各级税务机关及税务人员的工作绩效，而对非财务指标如纳税人满意度指标税务人员的工作态度、创新精神、知识水平等方面反映不够。合理的指标设计是定性和定量分析相结合，且这两类指标的权重组合取决于被评价税务人员的综合素质。三是重事轻人，缺乏物质激励和非物质激励相结合的激励机制，影响评价效率提高。在评价体系中，要将“薪酬激励”、“情感激励”、“上升激励”相结合。税收管理绩效评价时应本着系统性、战略性、灵活性的特点，从经济和效率两方面出发，注重对指标的联系及其权重的确定，采取客观、公正、科学、全面的评价方法，快捷准确地将信息反馈给管理层，以供实施控制决策之用。

一、构建税收管理绩效评价体系的原则

（一）计算机技术的运用

利用计算机数据的大量性、准确性、快捷性为基础，结合税收征管模式和企业经济情况，设置科学的评价指标和评价标准，按照一定的程序方法，通过定性定量分析，对某一时期内的税收征管质量和效率做出客观、公正的综合评价。在以“目标管理”为手段的绩效评价体系中，一是建立税收管理绩效评价指标体系，包括税收征管内部考评指标，包括执法准确率、奖励加分率、税收服务满意率、综合考核率；税收征管业务类指标，包括申报率、登记率、入库率、欠税率、滞纳金加收率、处罚率。二是建立计算机数据库，包括各单位基本信息模块、业务处理模块、输出结果模块等。

（二）定性和定量相结合

税收管理绩效评价指标既是税务人员工作行为的导向，又是评价税务人员工作业绩的标准。指标的设计要体现多元化、层次化，将定性和定量指标相结合，针对量化指标要求低的税务部门，则定性指标的权重大些，针对定性指标要求低的税务部门，则量化指标的权重大些。优化的指标可以起到事前积极引导和事后公正评价的作用，劣质的指标只会使整个绩效评价体系失效甚至对税务系统反作用。

（三）激励和约束相结合

税收管理绩效评价体系中，激励和约束是相辅相成的两个因素，只有两者相互协调才能发挥绩效评价功能。作为经济人，需要的层次性决定了激励方法的多样性，建立有效的激励制度的基础上的绩效评价与绩效薪酬是互为依托。而绩效评价体系内的约束实际是一个问题的两个方面，一方面，评价好的税务人员受到奖励同时对其他人员产生了激励作用；另一方面，评价差的税务人员受到处罚就是对其他税务人员的约束，或者说是反面激励。因此，在绩效评价体系中，激励和约束紧密联系，协同发挥作用。

二、基于平衡计分卡的税收管理绩效评价体系

（一）基于平衡计分卡的指标层面的绩效评价体系

平衡计分卡作为一种综合绩效管理体系，在财务、顾客、内部流程、学习与发展四个基础上，将组织战略分为这四个方面的考察目标，然后在目标下设立N个独立的关键指标，相互联系相互制约，构成统一有机体，从而达到财务指标与非财务指标、短期与长期、内部与外部、过去与未来之间的平衡。税收管理绩效评价体系“目标管理”研究是以系统论、控制论和信息论为理论基础，把以工作为中心和以人为中心的管理激励方法有机地结合起来，把工作任务量化，层层分解。关键绩效指标的类型主要有数量、质量、成本和时限。具体就是要可度量性、有代表性、可实现性、现实性、还要有时效性、效率性。基于目标的绩效评价方法主要有四个操作步骤：设定绩效目标、确定目标达到的时间框架、实际绩效水平与绩效目标相比较、设定新的绩效目标。在平衡计分卡中，平衡计分卡的最终结果体现在财务方面，只有实现内部流程的效率性和一致性，即在时间、质量和价格方面满足客户，才能达到客户满意和客户忠诚。财务指标的实现是客户满意和客户忠诚的结果。人们通常称平衡计分卡是加强企业战略执行力的最有效的战略管理工具。

（二）基于平衡计分卡的管理层面的税收管理绩效评价体系

管理层面是建立在指标层面上的工作，它强调纳税人导向、评价结果导向。另外它也为操作层面提供政策咨询、宣传培训、协调审批等服务，这些工作又和客户的需求、财务指标、管理内部运营联系在一起的。基于平衡计分卡的管理层面的绩效管理评价体系，根据“目标导向，流程处理”的指导思想，通过对关键绩效指标的筛选来突出工作重点，调整衡量标准，按照“总体目标—具体目标—关键质量指标”的思路，建立起基于平衡计分卡的规范化、精细化、科学化、标准化的绩效评价体系。对过程的控制要注意一下几点：（1）政策和制度的有效性。（2）税收分析预测的准确性。（3）税收数据质量和安全性。（4）提供服务的质量。（5）纳税评估的质量和效果。（6）执法监督的有效性和法律救济的处理能力。事中控制主要通过正确执行管理体系文件来实现，并在过程中抽查结果，主要关注重点。

（三）基于平衡计分卡的操作层面税收管理绩效评价体系

基于平衡计分卡的税收管理战略目标，对于客户是提高纳税人纳税认同感，对于财务是为了实现税收收益最大化，其关键指标体现为税收征收率的高低。对于运营中采取的既定的税制模式，税收管理水平的高低决定了法定税收收入的实际征收量。因此，财务方面的内部运营主要体现为对税收管理水平的衡量和评价，内部运营指标表现在4个方面：（1）纳税人户籍管理水平。（2）核定征收户管理质量。（3）纳税申报质量。（4）税负水平指标。当然，不同的经济环境下征管结果也不一样，税收和经济基本成正比关系。操作过程中，定期对税收业务工作中的重点问题进行分析、讲评、反馈和改进落实。发现问题解决问题，促进各项税收工作的贯彻落实。

参考文献：

[1].郝丽敏.《基于平衡计分卡的A县地税局绩效评价体系研究》[M].中国海洋大学，2014.

12.基于灰色模糊评价的水利工程管理绩效评价论文 篇十二

科技管理职能绩效评价是地方政府科技管理部门绩效管理过程中的重要工具和手段,近年来备受地方政府科技管理部门关注。地方科技管理工作是指科技管理部门为促进本地经济和社会发展对所辖区范围内的科学研究及技术开发等活动进行的一系列管理活动[1]。我国的科技管理职能绩效评价目前存在的问题主要有:第一,科技管理职能绩效评估体系不科学、管理模式落后以及过于注重短期经济目标等,都极大制约了科学技术的创新[1];第二,传统绩效评估方法最大的缺陷在于评估主体的单一性及评价体系过于陈旧,只以定性要求为主,加上过多的人为因素使得其公正性无法保证[2]。为了改善这些状况,运用模糊综合评价方法对科技管理职能进行绩效评估可以使评估主体趋于多元化,并且引入了众多的定量指标,有助于科技管理部门全面科学、准确的评价和考核科技管理工作者的工作实绩。

2 模糊综合评价指标体系的构建

科技管理工作要求科技管理人员必须具备良好的组织与协调能力、分析解决问题能力、较好的学习能力、创新能力和丰富的现代科技和管理知识。但从目前我国科技管理的现状来看,在科技管理工作中,尚缺乏很好的绩效管理和激励机制,这使得工作中的目标不够清晰,个人学习和努力的方向也不够明确[3]。

鉴于科技管理工作的特性和科技管理人员角色的双重性,本文把收集到的各类信息进行分析比较归纳之后,根据科学性、客观性、可比性、简明性和定量性的原则,为实现整体绩效的改善,把模糊综合评价方法应用到科技管理职能绩效评价指标体系的设计中。模糊综合评价法是指在综合考虑多种因素的作用下,以模糊数学为基础,应用模糊关系合成的原理,将一些边界不清晰并且不易定量的因素定量化,从而对某事物的性质或状态做出综合评价的一种方法。

科技管理职能的绩效评价指标体系有4个一级指标:知识素质评价、工作能力评价、工作业绩评价和工作潜力评价,又可以在各一级指标的基础上得出相应的二级指标。知识素质评价指标U1是指一个合格的科技管理人员所必须具备的素质,尤其是知识经济迅猛发展对科技管理提出了高层次的要求,所以该指标分为技术职称U11、学历层次U12、管理知识U13和现代科技知识U144个二级指标[4]。工作能力评价指标U2的设计是指向性的,为提升科技管理人员的组织协调能力、获得并有效利用信息的能力和独立解决问题等能力,这个指标具体包括组织与协调能力U21、获得信息能力U22、管理能力U23和分析解决问题能力U244个二级指标。工作业绩评价指标U3是根据个体岗位职责划分进行设计的,是科技管理人员在考核期限内必须完成的指标[3],主要包括工作的执行过程U31、工作的最终结果U32和工作态度U333个二级指标。工作潜力评价指标U4是根据一个管理人员应具备的行为规范而进行设计的,该指标不仅包括学习能力指标U41,还包括创新能力指标U42和认知能力指标U43。对于各二级指标仍可以根据具体情况,通过关键绩效评估法或成功因素法等来进一步分解,根据各指标在评价体系中的重要程度,分别赋予其一定的权重系数。科技管理职能模糊综合评价模型的建立可分为以下几个步骤。

(1)建立评价对象的因素集U U={U1,U2,U3,U4},其中Ui(i=1,2,3,4)是指考察评价对象状态的第i个指标,每个一级指标又可以根据实际情况细分为若干个二级指标,即:U1={U11,U12,U13,U14};U2={U21,U22,U23,U24};U3={U31,U32,U33};U4={U41,U42,U43}。

(2)确定评语集合V V={V1,V2,V3,V4},其中Vi(i=1,2,3,4)是指对每个指标的评语,设定V={V1,V2,V3,V4}={优,良,一般,差},以100,80,60,40为评分段进行划分,则Vj(j=1,2,3,4)可以看作分数段集合J={100,80,60,40}上的模糊集,见表1。

其中,因素集U上的模糊集合是指在因素集U中具有某种性质的元素组成的界限不分明的集体。关于U中的任一个元素,可以用一个[0,1]区间的数值来表示该元素隶属于模糊集合的程度,这个数值就称为该元素关于模糊集的隶属度。

(3)确定各指标的权重确定各指标权重是综合模糊评价方法的关键步骤之一,指标权重反映了各个指标的重要程度,是根据各指标对考察评价对象状态的重要程度来决定的。权重的分配关系到各评价指标在评价体系中所占的分量,对评价结果产生很大的影响,因此在制定权重时应反复检验和修正各评价指标的权重分配,以确保整个评价系统的公平性和科学性。

评价指标集V上的模糊子集A={a1,a2,a3,a4}叫做权数分配,即权向量,其中ai(i=1,2,3,4)叫做指标Ui被考虑的权数,且a1+a2+a3+a4=1。

(4)建立模糊综合评价的数学模型R是从U到V的一个模糊映射,即U和V之间模糊关系的模糊矩阵为

其中,rij表示Ui具有评语Vj的程度(i,j=1,2,3,4)。

综上所述,当权数分配和模糊矩阵R为已知时,应用模糊矩阵的复合运算即可进行综合评价,从而得出模糊综合评价的数学模型为

3 模糊综合评价的应用举例

由于实际科技管理职能相关资料的缺失,现假定某科技管理者的科技管理能力评价指标的评语集合为:U={U1,U2,U3,U4};U1={良,一般,优,优};U2={良,优,优,良};U3={优,优,良};U4={优,一般,良}。各指标所对应的权数分配为

则可得单因素评价结果为

综合评分值为

由此可知该科技管理人员的绩效评价结果为85分,介于优和良之间,这说明该人员的科技管理职能还有待于进一步提高,根据其绩效评价指标体系的评语及绩效评价结果,给出科技管理工作者提高科技管理职能的对策如下:(1)认真学习科技管理理论和现代科技知识。科技管理是一门综合性的科学,涉及自然科学和社会科学等学科。科技管理者为了加强管理,提高管理能力以及获得信息的能力,必须时刻关注世界科技发展的方向,认真学习最新科技管理科学和科技管理理论,最新的现代科技知识,以提高管理水平和分析解决问题能力。(2)明确科技管理者的自身定位,树立正确的工作态度和服务意识。科技管理者既要协调科技活动又要评判科技工作者,所以科技管理人员在工作中要明确自身的定位,树立正确的工作态度,既要做好“裁判”的角色又要很好的服务于科技工作者,为科技的发展和创新提供一个公平、信息畅通的服务平台。(3)努力提高学习能力和创新能力,为科技管理创新提供坚实的基础。合格的科技管理工作者应该是知识面广、学习能力强,善于创新的复合型人才。任何一个科技管理人员都要积极参加各种业务培训,进行学习深造以提高学习能力和创新能力,不断拓宽自己的知识面,搞好科技管理创新。

4 结语

科技管理职能的绩效评价是提高科技管理部门绩效管理水平的重要途径之一,但是我国的科技管理工作在具体操作过程中尚缺乏一套科学的绩效评价指标体系,使得地方科技管理部门不能充分发挥其应有作用。对于评价指标体系中存在的定性指标不易量化等问题,模糊综合评价法则是将定性指标定量化的有效方法,并且在实际操作中比较简便合理,易于掌握,有助于科技管理部门全面科学地进行科技管理职能绩效评估,这是值得学术界和地方政府科技部门进行积极探索和实践的。

摘要：如何对地方政府科技管理职能绩效进行有效的评估,以使地方政府更好的为社会经济发展服务,并促进科技创新体系的建设。把模糊综合评价方法应用到科技管理职能绩效评价中,通过建立评价指标体系并分析可知应用模糊综合评价法有助于科技管理部门全面科学地考核科技管理工作者的工作实绩。

关键词：科技管理职能,绩效评价,模糊综合评价,地方政府

参考文献

[1]仵凤清,宋玉霞,王盈盈.地方政府科技管理绩效评估方法研究[J].科研管理,2007(S1):52.

[2]欧伟强.创新观念,科学评价科技绩效——山西科技管理部门绩效评价体系赢得专家好评[J].广东科技,2006(1):22.

[3]王云高,李玉华.基于科技管理的个体绩效管理体系设计探讨[J].轻型汽车技术,2007(6):45-46.

13.基于灰色模糊评价的水利工程管理绩效评价论文 篇十三

基于模糊综合评价的新成都站站型方案选择

新成都站是成绵乐城际客运专线引入成都铁路枢纽时的新建车站,根据不同的车场组合形式,新成都站包括多个站型方案,在详细分析决定方案优劣的各种影响因素的基础上,建立了站型比选的模糊综合评价模型,结合模型计算的`结果,最终确定二场方案为新成都站推荐方案的站型.

作 者：郑才辉 陈刚 杨宇 ZHENG Cai-hui CHEN Gang YANG Yu 作者单位：中铁二院工程集团有限责任公司,土建二院,四川,成都,610031刊 名：铁道运输与经济 PKU英文刊名：RAILWAY TRANSPORT AND ECONOMY年，卷(期)：29(11)分类号：U291.6+1关键词：铁路 站型方案 模糊综合评价 客运专线

14.基于灰色模糊评价的水利工程管理绩效评价论文 篇十四

基于AHP和模糊数学的煤矿瓦斯爆炸危险性评价及应用

煤矿瓦斯爆炸事故的频繁发生,使人们不得不思考如何有效防止瓦斯爆炸.为有效防止瓦斯爆炸事故,必须先对煤矿瓦斯爆炸危险性进行评价.用层次分析法确定评价指标的`权重,建立模糊评价模型对某矿瓦斯爆炸危险性进行评价,评价结果表明该方法具有较强的实用性.

作 者：宋士学 曹庆贵 林乐顺 SONG Shi-xue CAO Qing-gui LIN Le-shun  作者单位：宋士学,曹庆贵,SONG Shi-xue,CAO Qing-gui(山东科技大学资源与环境工程学院,山东,泰安,271019)

林乐顺,LIN Le-shun(山东省滕州监狱,山东,滕州,277521)

刊 名：工业安全与环保  PKU英文刊名：INDUSTRIAL SAFETY AND ENVIRONMENTAL PROTECTION 年，卷(期)：2006 32(6) 分类号：X9 关键词：瓦斯爆炸   层次分析法   模糊数学   评价  

15.基于灰色模糊评价的水利工程管理绩效评价论文 篇十五

变电站建设效益评价是变电站建设决策的重要依据。以往的变电站建设方案效益评价, 只注重经济效益, 忽略了地区效益、社会效益和环境效益等同样对变电站建设具有直接或间接影响的其他效益。而且在评价过程中, 评价好坏的标准也不固定, 往往只是单凭感觉定性的识别, 而不是科学地计算、分析、论证各个评价指标。本文拟完善变电站建设效益评价指标体系, 结合灰色模糊评判方法, 设计一套完整的变电站建设效益评价模型。

1 变电站建设效益指标体系的建立

综合实际工作中变电站建设所产生的实际效益影响因素, 建立变电站建设综合效益多层次指标体系如图1所示。指标体系分为两个层次, 一级指标分别为U={u1, u2, u3, u4}={工程建设条件, 供电企业综合效益, 供电区域综合效益, 供电区域环境影响};每个一级指标可以用二级指标分别表示出来, 即:u1={u11, u12, u13, u14, u15, u16}={征用土地类型, 水文地质条件, 洪水等级, 地震烈度, 文化遗址, 污秽等级};u2={u21, u22, u23, u24, u25, u26, u27}={售电量的增加, 变电站出线方便程度, 变电站施工方便程度, 变电站交通方便程度, 电网结构完善程度, 上级仓位裕量, 变电站改造扩容可能性};u3={u31, u32, u33, u34}={区域电力负荷需求满足率, 变电站与区域负荷中心距离, 停电影响程度, 对区域经济的促进};u4={u41, u42, u43, u44, u45}={变电站占地面积, 工频电磁辐射影响, 电磁场对无线电的干扰, 变电站噪声影响, 生态保护}。

2 变电站建设效益评价模型

2.1 灰色模糊评判理论基础[1,2]

设$\tilde{\text{A}}$是空间X={x}上的模糊子集, 若对于$\tilde{\text{A}}$的隶属度μA (x) 是[0, 1]上的一个灰数, 其点灰度为vA (x) , 则称$\tilde{\text{A}}$为X上的灰色模糊集合, 记作$\underset{♁}{{\displaystyle \tilde{\text{A}}}}=\{(\text{x}‚\text{μ}{}_{\text{A}}(\text{x}))$x∈X}, 也可用“集偶”表示为$\underset{♁}{{\displaystyle \tilde{\text{A}}}}=(\tilde{\text{A}}‚\underset{♁}{{\displaystyle \text{A}}})$。其中$\tilde{\text{A}}$称为$\underset{♁}{{\displaystyle \tilde{\text{A}}}}$的模糊部分, $\underset{♁}{{\displaystyle \text{A}}}$称为$\underset{♁}{{\displaystyle \tilde{\text{A}}}}$的灰色部分。

2.2 因素集和评语集的确定

建立效益评价评语集为V={好, 较好, 一般, 较差, 差}。为了方便计算, 对各个指标对应评语集进行数值化。对于可以用数学表达式的连续型指标, 采用连续取值;对于离散型指标, 采用离散化取值。结合变电站建设的实际工作情况和国家关于各类评价因素的标准, 确定各个评价因素等级划分。结果分别见表1～4。

2.3 灰色模糊评判矩阵的建立

2.3.1 隶属度的确定

由表1～4可以看出, 各指标按性质划分可划分为定性指标和定量指标。定量指标按照等级划分的限值又分为指标变大型因素和指标变小型因素, 如表3中的“变电站与区域负荷中心距离”为指标变大型因素, 表2中的“电网结构完善程度”为指标变小型因素。表1中的“征用土地类型”只能定性定义。各指标的类型可由表5来划分。

各个指标隶属于程度通过以下的隶属函数来确定。

①指标变大型因素x的隶属函数为:

隶属于等级“好”的隶属函数

隶属于等级“较好”、“一般”、“较差”的隶属函数

隶属于等级“差”的隶属函数

②指标变小型因素x的隶属函数为:

隶属于等级“好”的隶属函数

隶属于等级“较好”、“一般”、“较差”的隶属函数

隶属于等级“差”的隶属函数

③对于定性指标x评价目标的隶属函数为:

2.3.2 灰度的确定

信息的充分程度划分为{很充分, 较充分, 一般, 较贫乏, 很贫乏}, 相对应的点灰度如表6, 具体取值可根据实际中各个因素调查时的收集情况赋值。对于各指标灰度的确定采用专家打分求平均值的方法。由此可分别得出各方案各个指标的灰色模糊评价矩阵[3]。

2.4 指标权重的确定

权重矩阵中每个元素同样由两部分组成, 分别为评价因子所对应的权重及权重所对应的点灰度。评价因子对应的权重采用层次分析法求得。层次分析法 (Analytic Hierarchy Process) 简称AHP, 是美国著名运筹学家皮斯堡大学教授T.L.Saaty于1977年提出的, 它把复杂的问题按层次分解, 通过两两比较方式确定层次中诸因素的相对重要性, 然后通过综合判断以决定诸因素相对重要性总的顺序[4]。

由于权重是由通过专家调查或工程技术人员的实际经验总结给出的确切信息, 因此各级权重的灰度值均取为0。经层次分析法计算, 可得出各级指标的灰色权重矩阵。

一级指标的权重:

$\underset{♁}{{\displaystyle \tilde{\text{A}}}}=(\text{a}{}_1‚\text{a}{}_2‚\text{a}{}_3‚\text{a}{}_4)=[(0.545‚0)‚(0.138‚0)‚(0.233‚0)‚(0.084‚0)]$

二级指标对一级指标的权重:

$\begin{array}{l}\underset{♁}{{\displaystyle \tilde{\text{A}}}}{}_1=(\text{a}{}_{11}‚\text{a}{}_{12}‚\text{a}{}_{13}‚\text{a}{}_{14}‚\text{a}{}_{15}‚\text{a}{}_{16})=[(0.255‚0)‚(0.105‚0)‚(0.383‚0)‚(0.164‚0)‚(0.047‚0)‚(0.047‚0)]\\ \underset{♁}{{\displaystyle \tilde{\text{A}}}}{}_2=(\text{a}{}_{21}‚\text{a}{}_{22}‚\text{a}{}_{23}‚\text{a}{}_{24}‚\text{a}{}_{25}‚\text{a}{}_{26}‚\text{a}{}_{27})=[(0.137‚0)‚(0.335‚0)‚(0.137‚0)‚(0.055‚0)‚(0.085‚0)(0.222‚0)‚(0.028‚0)]\\ \underset{♁}{{\displaystyle \tilde{\text{A}}}}{}_3=(\text{a}{}_{31}‚\text{a}{}_{32}‚\text{a}{}_{33}‚\text{a}{}_{34})=[(0.491‚0)‚(0.306‚0)‚(0.078‚0)‚(0.125‚0)]\\ \underset{♁}{{\displaystyle \tilde{\text{A}}}}{}_4=(\text{a}{}_{41}‚\text{a}{}_{42}‚\text{a}{}_{43}‚\text{a}{}_{44}‚\text{a}{}_{45})=[(0.487‚0)‚(0.142‚0)‚(0.087‚0)‚(0.056‚0)‚(0.228‚0)]\end{array}$

2.5 灰色模糊综合评判

2.5.1 二级指标综合评判

$\underset{♁}{{\displaystyle \tilde{\text{R}}}}{}_{\text{i}}=(\underset{♁}{{\displaystyle \text{B}}}{}_{\text{i}1}‚\underset{♁}{{\displaystyle \text{B}}}{}_{\text{i}2}‚\cdots ‚\underset{♁}{{\displaystyle \text{B}}}{}_{\text{i}\text{m}})$

$\begin{array}{l}\underset{♁}{{\displaystyle \tilde{\text{B}}}}{}_{\text{i}}=\underset{♁}{{\displaystyle \text{A}}}{}_{\text{i}}˚\underset{♁}{{\displaystyle \text{R}}}{}_{\text{i}}=[(\text{b}{}_{\text{i}l}‚\text{v}{}_{\text{b}{}_{\text{i}\text{l}}})]{}_{\text{p}}\\ =\left[\left({\displaystyle \sum _{\text{j}=1}^{\text{m}}\text{a}}{}_{\text{i}\text{j}}▯\text{u}{}_{\text{i}\text{j}}‚\frac{1}{\text{m}}{\displaystyle \sum _{\text{j}=1}^{\text{m}}(}1\wedge (\text{v}{}_{\text{a}{}_{\text{i}\text{j}}}+\text{v}{}_{\text{i}\text{j}}))\right)\right]{}_{\text{p}}(8)\end{array}$

其中, i=1, 2, …, n;j=1, 2, …, m;l=1, 2, …, p

2.5.2 一级指标综合评判

$\underset{♁}{{\displaystyle \tilde{\text{R}}}}=(\underset{♁}{{\displaystyle \text{B}}}{}_1‚\underset{♁}{{\displaystyle \text{B}}}{}_2‚\cdots ‚\underset{♁}{{\displaystyle \text{B}}}{}_{\text{n}})$

同理, 可对一级指标进行综合评判

$\underset{♁}{{\displaystyle \tilde{\text{B}}}}=\underset{♁}{{\displaystyle \text{A}}}˚\underset{♁}{{\displaystyle \text{R}}}=[(\text{b}{}_l‚\text{v}{}_{\text{b}l})]{}_{\text{p}}‚(l=1‚2‚\cdots ‚\text{p})$ (9)

2.6 综合评判结果的确定

在灰色综合评判结果$\underset{♁}{{\displaystyle \tilde{\text{B}}}}=[(\text{b}{}_l‚\text{v}{}_{\text{b}{}_l})]{}_{\text{p}}$由两部分组成。bl代表隶属度;vbl代表其灰度, 是对信息不充分程度的描述, 即信息不可信的程度。从灰度本身性质出发, 令dl=1-vbl, 则dl表示隶属度的可信度。此时, 评判结果可转化为:

$\stackrel{*}{{\displaystyle \text{B}}}=\left(\frac{\text{b}{}_l\times \text{d}{}_l}{{\displaystyle \sum _{l=1}^{\text{p}}\text{b}}{}_l\times \text{d}{}_l}\right)‚(l=1‚2‚\cdots ‚\text{p})$ (10)

考虑评价的可操作性和准确性, 本文将评语集中评语等级定标准分 (百分制) , 见表7。由此可得集合Z= (z1, z2, …, zp) = (100, 80, 60, 40, 20) 。

$\text{B}=\stackrel{*}{{\displaystyle \text{B}}}˚\text{Ζ}={\displaystyle \sum _{l=1}^{\text{p}}\text{b}}{}_l\times \text{z}{}_l(11)$

由以上公式, 可得到各方案最终评价值。并可按照结果对方案进行决策。

3 案例分析

根据电力负荷需求, 某地拟新建220kV变电站。该站主变终期规模3×240MVA, 本期规模2×240MVA有载调压变压器。变比考虑采用230±8×1.25%/121/38.5kV。容量变比240MVA/240MVA/120MVA。该站220kV规划出线6回, 本期3回;110kV规划出线12回, 本期5回;35kV出线终期18回, 本期12回。站址选择本着节约占地、少占良田, 因地制宜, 将变电站对周围环境的影响减到最低限度的原则。同时在满足功能及安全生产的要求下, 做到投资最优。为了合理地选择站址, 在各级部门配合下对拟建区域内的地形地貌、交通运输、附近电网等情况进行了实地踏勘、了解和分析, 初步提出了3个候选站址方案。

3.1 确定灰色模糊评判矩阵

结合3个候选站址的实际情况, 邀请10位专家按照表1～4中的评价标准, 对于定性指标根据上述定性指标隶属函数进行投票 (定性指标中的数值为专家投票数) 。而对于定量指标则先根据实际情况得出评价值, 如表8, 然后根据公式 (1) ～ (7) 中隶属函数进行隶属度计算。灰度的确定要根据信息量的充分程度, 请这10位专家打分求平均值。

以下分别是专家评价后3个候选站址的灰色模糊评判矩阵。评价结果中的元素用 (μij, vij) 来表示, 其中μij表示隶属度, vij表示灰度。

以候选站址一为例, 构造灰色模糊评判矩阵表示如下:

$\underset{♁}{{\displaystyle \tilde{\text{R}}}}{}_1=\left[\begin{array}{ccccc}(10‚0)& (0‚0)& (0‚0)& (0‚0)& (0‚0)\\ (1‚0.8)& (7‚0.3)& (2‚0.5)& (0‚0)& (0‚0)\\ (10‚0.5)& (0‚0.3)& (0‚0.1)& (0‚0.1)& (0‚0)\\ (0‚0)& (0‚0)& (10‚0)& (0‚0)& (0‚0)\\ (10‚0.8)& (0‚0.6)& (0‚0.4)& (0‚0.2)& (0‚0)\\ (0‚0)& (0‚0)& (0‚0)& (10‚0)& (0‚0)\end{array}\right]$

$\underset{♁}{{\displaystyle \tilde{\text{R}}}}{}_2=\left[\begin{array}{ccccc}(0‚1)& (0.5‚0.5)& (0.5‚0.5)& (0‚1)& (0‚1)\\ (10‚0.1)& (0‚0.1)& (0‚0)& (0‚0)& (0‚0)\\ (2‚0.3)& (5‚0.3)& (3‚0.3)& (0‚0.7)& (0‚0.7)\\ (0‚1)& (0.44‚0)& (0.56‚0)& (0‚1)& (0‚1)\\ (0‚1)& (0‚1)& (0.3‚0.3)& (0.7‚0.3)& (0‚1)\\ (0.6‚0.2)& (0.4‚0.2)& (0‚1)& (0‚1)& (0‚1)\\ (10‚0)& (0‚0)& (0‚0)& (0‚0)& (0‚0)\end{array}\right]$

$\underset{♁}{{\displaystyle \tilde{\text{R}}}}{}_3=\left[\begin{array}{ccccc}(0.55‚0.5)& (0.45‚0.5)& (0‚1)& (0‚1)& (0‚1)\\ (0‚1)& (0.84‚0.2)& (0.16‚0.2)& (0‚1)& (0‚1)\\ (3‚0.3)& (7‚0.3)& (0‚0.5)& (0‚0.5)& (0‚0.5)\\ (1‚0.2)& (6‚0.2)& (3‚0.2)& (0‚0.5)& (0‚0.5)\end{array}\right]$

$\underset{♁}{{\displaystyle \tilde{\text{R}}}}{}_4=\left[\begin{array}{ccccc}(0.12‚0)& (0.88‚0)& (0‚1)& (0‚1)& (0‚1)\\ (0.4‚0.2)& (0.6‚0.2)& (0‚1)& (0‚1)& (0‚1)\\ (10‚0.2)& (0‚0.2)& (0‚0)& (0‚0)& (0‚0)\\ (0‚0.3)& (10‚0.1)& (0‚0.3)& (0‚0)& (0‚0)\\ (0‚1)& (0.95‚0)& (0.05‚0)& (0‚1)& (0‚1)\end{array}\right]$

3.2 灰色模糊评判

根据文章2.5中介绍的计算方法, 分别对3个候选站址的灰色模糊评判矩阵进行计算, 评判结果如下:

$\begin{array}{l}\underset{♁}{{\displaystyle \tilde{\text{B}}}}{}_{\text{站}\text{址}\text{一}}=\underset{♁}{{\displaystyle \tilde{\text{A}}}}˚\underset{♁}{{\displaystyle \tilde{\text{R}}}}=[(4.577‚0.426)‚(1.042‚0.225)‚(1.182‚0.351)‚(0.264‚0.493)‚(0‚0.505)]\\ \underset{♁}{{\displaystyle \tilde{\text{B}}}}{}_{\text{站}\text{址}\text{二}}=\underset{♁}{{\displaystyle \tilde{\text{A}}}}˚\underset{♁}{{\displaystyle \tilde{\text{R}}}}=[(2.489‚0.495)‚(2.851‚0.279)‚(1.439‚0.289)‚(0.286‚0.432)‚(0‚0.505)]\\ \underset{♁}{{\displaystyle \tilde{\text{B}}}}{}_{\text{站}\text{址}\text{三}}=\underset{♁}{{\displaystyle \tilde{\text{A}}}}˚\underset{♁}{{\displaystyle \tilde{\text{R}}}}=[(0.404‚0.422)‚(0.668‚0.361)‚(3.824‚0.345)‚(0.777‚0.350)‚(1.393‚0.480)]\end{array}$

3.3 综合评判结果的确定

将各候选站址灰色模糊评判结果代入公式 (10) 得:

$\begin{array}{l}\stackrel{*}{{\displaystyle \text{B}}}{}_{\text{站}\text{址}\text{一}}=(0.606‚0.186‚0.177‚0.031‚0)\\ \stackrel{*}{{\displaystyle \text{B}}}{}_{\text{站}\text{址}\text{二}}=(0.279‚0.457‚0.227‚0.036‚0)\\ \stackrel{*}{{\displaystyle \text{B}}}{}_{\text{站}\text{址}\text{三}}=(0.053‚0.097‚0.570‚0.115‚0.164)\end{array}$

将以上结果代入公式 (11) 得各站址最终评判值:

B站址一=87.34;B站址二=79.52;B站址三=55.14

根据计算出的结果, 我们可对各个选址方案进行比较排序:B站址一>B站址二>B站址三。从比较结果得知, 候选站址一所产生的效益最大, 因此候选站址一为最终决策方案。

4 结 论

评价指标体系的完善十分重要, 其完善程度决定了评价的准确度。灰色模糊评价模型将各个评价指标的隶属度与信息充分程度所决定的灰度相结合, 使得评价结果更加贴近实际情况。因此, 如果这套评价方法加以完善, 可广泛应用于其他工程建设决策实际。

摘要：投资效益是变电站建设决策的主要指标。本文从变电站建设所产生的影响入手, 对各种效益评价因素进行了详细的归纳和汇总, 形成一套完全的变电站建设效益评价指标体系。并运用灰色模糊评判理论对投资效益进行评判。通过变电站选址实例, 证明该指标体系和评价模型能很好地应用于变电站建设决策。

关键词：投资效益,指标体系,灰色模糊综合评判,变电站建设

参考文献

[1].陈大为.灰色模糊集合 (待续) [J].黑龙江水专学报, 2000, 27 (4) :103～108

[2].谷永磊.新建铁路线路方案岩溶塌陷灰色模糊综合评判研究[D].北京:北京交通大学, 2007

[3].邵汝军, 胡斌.基于灰色模糊理论的企业创新活力评价研究[J].科技管理研究, 2008, (4) :131～136

[4].胡运权.运筹学基层及应用[M].高等教育出版社, 2004:308～312

[5].赵利.溃坝后果的灰色模糊综合评判研究[D].大连:大连理工大学, 2008

[6].邓聚龙.灰预测与灰决策[M].武汉:华中科技大学出版社, 2002:204～206

[7].郝强, 朱梅林.基于模糊灰色分析的方案排序及应用[J].系统工程, 1995, 13 (5) :57～62

[8].卜广志.基于灰色模糊关系的灰色模糊综合评判[J].系统工程理论与实践, 2002, (4) :141～145

[9].王莲芬, 许树柏.层次分析法引论[M].北京:中国人民大学出版社, 1990:20～21

16.基于灰色模糊评价的水利工程管理绩效评价论文 篇十六

摘 要：本文根据辽宁某高校2014年的绩效统计数据，采用DEA方法，对该校各学院科学研究、教学建设及人才培养进行了分析评价，使评价结果更加科学、合理，为高校绩效管理和人才评价提供理论依据。

关键词：人才评价；DEA方法；产出效率评价

1 概述

高等教育研究是高校工作的一个重要方面。随着高等教育的发展，教育体制改革的不断深入，高校教学研究正逐步地开展起来。各高校纷纷建立了教学研究管理机构及評价中心，对提高教育质量和教师素质起了重要作用[1]。我国高校人才培养评价主要指教学建设、科研水平、创新人才培养等方面[2]。因此，如何建立一个科学、合理的教育质量和人才评价体系，最大限度地调动教师的积极性、创造性，提高教育、教学质量，是目前亟待解决的关键性问题，它直接关系到高校人才培养目标的实现。

构建高校教育质量和人才评价体系是一项探索性的工作，从理论到实践都具有十分重要的意义。本文主要应用数据包络分析（DEA）法，以辽宁某高校2014年绩效考核数据为依据，对该高校各学院科学研究水平、教学建设成果及人才培养质量进行了计算、分析，为其他高校的绩效管理和人才评价提供理论依据。

2 数据包络分析法简介

数据包络分析法（data envelopment analysis） ，简称DEA，它是应用线性规划的方法，可以对同一种类部门的绩效结果进行评价[3]。

数据包络分析法是将同一类型的院系数据当作决策单元（DMU），它的评价结论主要是取决于决策单元的输入、输出的数据。输入数据主要是指决策单元在某一过程所损耗的量，输出数据一般是指决策单元得到的成果或效益。其他的评价方法在比较同一种类的决策单元效率时，通常先对决策单元的输入、输出指标进行比较，然后通过加权获得一个综合评分数，再通过每个决策单元的评分来评价其效益好坏。数据包络分析法（DEA），是通过Charnes-Cooper变换，把分式规划问题转化为线性规划问题，不需要统一指标的量纲，也不需要给定投入产出的权值，而是通过最优化的过程来决定权重值，因此，使得它对决策单元的评价更为客观、合理。

对高校绩效管理和人才评价的问题，很适于数据包络分析法的评价模型。

3 运用数据包络分析法（DEA）对高校绩效管理和人才进行评价

3.1 评价目标及决策单元的选取方法

我们将总绩效量指定为数据包络分析法的评价目标。因为数据包络分析（DEA）方法是在同类型的DMU之间进行相对效率的评价，因此将大学每个院系当作数据包络分析的一个决策单元（DMU），通过对比各个分院的投入和产出效率，可以用数据包络分析对各院系绩效进行评价分析[4]。

3.2 输入输出指标体系的建立

输入和输出指标体系的建立，对于应用数据包络分析法对高校绩效进行评价，是一项重要的准备工作，考虑到评价目标能否全面反映决策单元的投入和产出效率，我们选定教学建设成果（X1）、科学研究水平（X2）、人才培养质量（X3）等[5]。

3.3 数据收集

基于上面所建立的输入输出指标体系，本文收集了辽宁某高校2014年各分院绩效考核数据。（表1）

3.4 数据包络分析模型选择

数据包络分析模型有各种各样的形式，根据高校绩效考核的特点和评价目标，我们选择合适的数据包络分析模型[6]。本文的实证研究中主要选择了最常用的模型来进行评价，模型如下：

[（1）]

其中，xj为第j个输入指标，yj为第j输出指标，θ为效率值，S-和S+分别表示输入过剩和输出不足。

3.5 评价结果计算

本文应用所选的数据包络分析模型，对上述数据进行处理，部分计算过程如下：

Results from DEAP Version 2.1

Instruction file = Eg6-ins.txt

Data file = eg6-dta.txt

Input orientated DEA

Scale assumption： CRS

Slacks calculated using multi-stage method

EFFICIENCY SUMMARY：

firm te

1 0.769

2 1.000

3 1.000

4 0.411

5 0.273

6 1.000

7 0.272

8 0.112

9 0.067

10 0.051

mean 0.495

SUMMARY OF INPUT SLACKS：

firm input： 1 2 3

1 14.625 0.000 0.000

2 0.000 0.000 0.000

3 0.000 0.000 0.000

4 8.568 2.838 0.000

5 6.590 3.466 0.000

6 0.000 0.000 0.000

7 4.598 5.647 0.000

8 0.911 1.972 0.000

9 0.197 1.909 0.000

10 0.443 0.677 0.000

mean 3.593 1.651 0.000

SUMMARY OF OUTPUT TARGETS：

firm output： 1

1 37.120

2 32.700

3 35.760

4 9.720

5 6.490

6 11.630

7 5.620

8 1.150

9 0.630

10 0.450

SUMMARY OF INPUT TARGETS：

firm input： 1 2 3

1 33.567 53.891 193.606

2 17.260 58.130 157.890

3 19.300 58.940 170.210

4 5.246 16.021 46.265

5 3.503 10.697 30.891

6 29.310 6.760 84.160

7 3.033 9.263 26.750

8 0.621 1.895 5.474

9 0.340 1.038 2.999

10 0.243 0.742 2.142

SUMMARY OF INPUT TARGETS：

firm input： 1 2 3

1 33.567 53.891 193.606

2 17.260 58.130 157.890

3 19.300 58.940 170.210

4 5.246 16.021 46.265

5 3.503 10.697 30.891

6 29.310 6.760 84.160

7 3.033 9.263 26.750

8 0.621 1.895 5.474

9 0.340 1.038 2.999

10 0.243 0.742 2.142

FIRM BY FIRM RESULTS：

Results for firm： 1

Technical efficiency = 0.769

PROJECTION SUMMARY：

variable original radial slack projected

value movement movement value

output 1 37.120 0.000 0.000 37.120

input 1 62.660 -14.468 -14.625 33.567

input 2 70.070 -16.179 0.000 53.891

input 3 251.730 -58.124 0.000 193.606

LISTING OF PEERS：

peer lambda weight

6 0.588

3 0.847

Results for firm： 2

Technical efficiency = 1.000

PROJECTION SUMMARY：

variable original radial slack projected

value movement movement value

output 1 32.700 0.000 0.000 32.700

input 1 17.260 0.000 0.000 17.260

input 2 58.130 0.000 0.000 58.130

4 结论

数据包络分析法（DEA），是对不同学院、部门的决策单元投入和产出效率的定量分析方法。本文应用DEA方法对辽宁某高校各学院2014年的绩效数据进行了评价分析，得出了如下结论：

①电力学院和自动化学院表现出了良好的教学可持续发展方面的能力；

②能源与动力学院和管理学院表现出了较高的教师教学创新能力；

③从各指标的分析来看，技术经济系相对系数较低，绩效处于劣势，有待加强和改进。

本文采用的DEA计算模型及评价方法， 克服了定性分析方法中的主观性因素， 更加科学地反映了决策单元的相对规模与技术有效性之间的差别，为领导者进行科学决策提供了可靠的参考和依据。

参考文献：

[1]徐娟.我国各省高校科研投入产出相对效率评价研究，基于数据包络分析方法[J].清華大学教育研究，2009，18（2）.

[2]张大伟，薛惠锋，吴介军.基于DEA方法的高校学院科研管理效率评价研究[J].科研管理研究，2009，15（3）.

[3]孟浩，王艳慧.基于DEA的大学人才培养系统的综合评价[J].运筹与管理，2007，16（1）.

[4]于桂兰，于米.大学本科生职业倾向与职业生涯规划影响因素研究[J].中国人力资源开发，2008，12（7）。

[5]刘希宋，张倩.数据包络分析（DEA）评估企业学习能力[J].中国人力资源开发，2004年第4期.

[6]李关民.因子分析在教学建设与研究绩效评价中的应用[J].沈阳工程学院学报，2011，7（4）.

基金项目：辽宁省教育科学“十二五”规划基金资助项目（编号：JG13DB118）。

作者简介：

李关民（1960-），男，辽宁抚顺人，副教授，主要从事数学及系统工程方面教学与科研工作。