張 琦，程培源，陸 屹

（空軍工程大學(xué)防空反導(dǎo)學(xué)院，西安 710051）

0 引言

業(yè)務(wù)水平評估是評測技術(shù)人員素質(zhì)能力的重要一環(huán)?？茖W(xué)合理的評價(jià)方法不但有助于鼓勵(lì)先進(jìn)，還可以檢驗(yàn)訓(xùn)練效果，進(jìn)一步促進(jìn)人員提高業(yè)務(wù)水平，為設(shè)備的正常運(yùn)行和保障奠定基礎(chǔ)。

目前，主要的評價(jià)方法有：層次分析法（AHP）［1-2］、模糊綜合評判法 （Fuzzy Comprehensive Evaluation，F(xiàn)CE）［3］、灰色綜合評價(jià)法（Grey Comprehensive E-valuation，GCE）［4-5］、人工神經(jīng)網(wǎng)絡(luò)評價(jià)法（Artificial Neural network，ANN）［6-7］、多屬性評價(jià)方法［8］。它們存在的不足之處有：現(xiàn)有文獻(xiàn)大都以單個(gè)決策者決定指標(biāo)權(quán)重，對于群決策相關(guān)的綜合賦權(quán)法涉及較少；對于常見的主觀和客觀賦權(quán)法，主觀賦權(quán)法存在隨意性，不具有理論依據(jù)。而客觀賦權(quán)法確定權(quán)重優(yōu)勢與分目標(biāo)實(shí)際重要程度差異較大。基于此，針對某型電源裝備虛擬訓(xùn)練系統(tǒng)的評價(jià)問題，本文將構(gòu)建人員操作評估模型，確定虛擬訓(xùn)練評價(jià)指標(biāo)體系，設(shè)計(jì)適用于該模型的綜合評估算法。

1 評估指標(biāo)及評語集構(gòu)建

1.1 虛擬訓(xùn)練系統(tǒng)操作模型

某型電源裝備是一種柴油發(fā)電機(jī)站［9］，包括有柴油發(fā)電機(jī)組及其控制設(shè)備，可以利用柴油發(fā)電機(jī)組或工業(yè)市電進(jìn)行供電。車廂內(nèi)分為機(jī)組間和操作間。虛擬訓(xùn)練系統(tǒng)的訓(xùn)練對象為操作間內(nèi)的控制臺和機(jī)組間內(nèi)的配電設(shè)備。操作模型如圖1所示。

圖1 電源裝備虛擬訓(xùn)練操作模型

1.2 評判指標(biāo)體系的建立

由于柴油發(fā)電機(jī)組的操作復(fù)雜，影響評判的因素也比較多，而每個(gè)評價(jià)指標(biāo)都應(yīng)該從不同的側(cè)面刻畫操作手素質(zhì)能力的特征大小。一般來說，應(yīng)遵循的原則是：系統(tǒng)性，科學(xué)性，可比性，可觀測性，相對獨(dú)立性。

在實(shí)際供電操作中，操作人員既要嚴(yán)格按照操作規(guī)程進(jìn)行啟動、供電等，保障設(shè)備和人員安全，又要在緊急供電或者突發(fā)狀況下突出操作的熟練程度，提高供電效率，還要有一定的理論功底。因此，通過對實(shí)際操作中人員出現(xiàn)的問題和專家提出的建議進(jìn)行論證和總結(jié)。本文將規(guī)范性，熟練度，應(yīng)變能力，理論能力作為考察的準(zhǔn)則層。各準(zhǔn)則層下設(shè)對應(yīng)的具體評價(jià)指標(biāo)。具體如下：①規(guī)范性指標(biāo)，針對人員操作的規(guī)范性，結(jié)合考核評價(jià)要求，規(guī)范操作行為，從而減少安全隱患；②熟練度指標(biāo)，熟練程度能夠反映操作人員的反應(yīng)能力；③應(yīng)變能力指標(biāo)，訓(xùn)練系統(tǒng)設(shè)置的參數(shù)或者機(jī)器故障，來檢驗(yàn)操作人員查找故障，排除故障的能力；④理論能力指標(biāo)，檢驗(yàn)操作手對于理論知識的儲備程度，以及能夠回答專家組提出的相關(guān)問題。

1.3 確定評語集

表1中所示的某型軍用電源設(shè)備虛擬訓(xùn)練綜合評價(jià)指標(biāo)體系絕大部分為軟指標(biāo)，基于測度理論和人員考察能力的要求，確定評價(jià)標(biāo)準(zhǔn)集合，因此，對基準(zhǔn)層和指標(biāo)層給定如下評語集（等級矩陣）V=（V1，V2，V3，V4，V5）T。

表1 虛擬訓(xùn)練評價(jià)指標(biāo)體系

表2 評語集

2 指標(biāo)權(quán)重的確定

2.1 層次分析法

層次分析法是一種把定性與定量分析相結(jié)合的多準(zhǔn)則決策方法，廣泛應(yīng)用于確定指標(biāo)權(quán)重。其主要步驟在此不再贅述［10］。

層次分析法可得到較為準(zhǔn)確的權(quán)重，且其可根據(jù)評估指標(biāo)變化趨勢實(shí)時(shí)調(diào)整各項(xiàng)指標(biāo)賦權(quán)大小。因此，具有適用性強(qiáng)和實(shí)時(shí)性高等優(yōu)點(diǎn)。不足之處是在構(gòu)造判斷矩陣時(shí)，權(quán)重是根據(jù)專家經(jīng)驗(yàn)給定的，人為主觀性、隨意性比較強(qiáng)，由此確定權(quán)重的準(zhǔn)確率會大大地降低。

2.2 熵權(quán)法

假設(shè)評價(jià)某一對象，m個(gè)評價(jià)指標(biāo)，n個(gè)專家組成員給定的原始數(shù)據(jù)矩陣 d=［dij］n×m，dij≥0（i=1，2，…，n；j=1，2，…，m）。這里取 dij≥0 是為了保證采用均值化轉(zhuǎn)化后的pij的取值范圍為［0，1］。在實(shí)際系統(tǒng)中，一般取 dij＞0，若遇到 dij＜0 的情況，可以通過相應(yīng)方法進(jìn)行正化處理。由于熵中變量的取值范圍為［0，1］，為了符合要求，需要對原始評價(jià)數(shù)據(jù)進(jìn)行歸一化預(yù)處理，即，得到處理后的矩陣。

對于系統(tǒng)中的某個(gè)指標(biāo)dj，其信息熵為

式中，k=1/ln n。

第j個(gè)指標(biāo)的熵權(quán)wj*定義為

從式（2）可以看出：若某個(gè)評價(jià)指標(biāo)的信息熵越小，其指標(biāo)值的變異程度越大，提供的信息量也就越多，在綜合評價(jià)中所占的比重越大，相應(yīng)權(quán)重也應(yīng)越大；反之亦然。熵權(quán)法利用指標(biāo)監(jiān)測值所包含信息量的大小來計(jì)算權(quán)重。因此，熵權(quán)法具有客觀性的優(yōu)點(diǎn)，尤其對于指標(biāo)差異程度大的評估問題，能夠得出準(zhǔn)確率較高的權(quán)重。

2.3 組合賦權(quán)法

由于上述兩種方法均存在一定的不足，可通過組合賦權(quán)法將兩種確定的權(quán)重進(jìn)行有效組合［11-12］，得到具有主客觀意義的權(quán)重，既發(fā)揮了兩種賦權(quán)法的優(yōu)點(diǎn)，又彌補(bǔ)了各自的不足，從而得到的權(quán)重更加科學(xué)合理。

設(shè)wj為組合后的指標(biāo)權(quán)重，將wj*和wj'進(jìn)行線性組合（j=1，2，…，m）即 wj為

式中，wj'、θ分別為AHP方法求得各指標(biāo)的權(quán)重及AHP 方法所占比重；wj*、（1-θ）分別為熵權(quán)法求得各指標(biāo)權(quán)重及熵權(quán)法方法所占比重。

2.4 模糊灰色聚類

模糊灰色聚類法結(jié)合了灰色聚類分析理論和模糊綜合評判法，首先利用灰色聚類法對第一級評估對象進(jìn)行操作評估，后用模糊綜合評判對第二級評估對象進(jìn)行綜合評估［13］。模糊灰色聚類方法要確定評估灰類，首先是確定評價(jià)灰類的等級數(shù)、灰類的灰數(shù)以及灰數(shù)的白化權(quán)函數(shù)?；翌愐鶕?jù)評價(jià)設(shè)定的等級，通過定性分析確定。

通常選擇三角權(quán)函數(shù)，上或下測度白化權(quán)函數(shù)作為各指標(biāo)灰類的白化權(quán)函數(shù)。設(shè)j指標(biāo)屬e灰類的典型白化權(quán)函數(shù)如圖2所示。其中dje（1），dje（2），dje（3），dje（4）為白化權(quán)函數(shù)fje（·）的轉(zhuǎn)折點(diǎn)。為了簡化表達(dá)，將j指標(biāo)e類的典型白化權(quán)函數(shù)記為fje［dje（1），dje（2），dje（3），dje（4）］。它的數(shù)學(xué)表達(dá)式為

式中：dij為專家i關(guān)于評價(jià)指標(biāo)j的量化評價(jià)值。

圖2 典型白化權(quán)函數(shù)示意圖

3 綜合評價(jià)模型

根據(jù)某型電源設(shè)備的虛擬訓(xùn)練系統(tǒng)，設(shè)計(jì)分別采用熵權(quán)法和層次分析法來確定虛擬訓(xùn)練系統(tǒng)基準(zhǔn)層和指標(biāo)的權(quán)重，然后通過組合賦權(quán)法將上述兩處權(quán)重重新組合。最后利用灰色聚類法評估虛擬訓(xùn)練系統(tǒng)人員業(yè)務(wù)水平，用其聚類系數(shù)創(chuàng)建評估的模糊評判矩陣。

3.1 確定評價(jià)樣本矩陣

假設(shè)有n位專家（決策者）對人員評估，m個(gè)評價(jià)指標(biāo)，第i位專家按評價(jià)咨詢表對第j個(gè)指標(biāo)的評價(jià)量樣本記為dij，所有專家對操作者能力的評價(jià)數(shù)據(jù)構(gòu)成樣本矩陣，得到原始數(shù)據(jù)矩陣d=［dij］n×m，dij≥0（i=1，2，…，n；j=1，2，…，m）即

3.2 指標(biāo)量化處理

由于能反映操作人員業(yè)務(wù)水平各指標(biāo)的標(biāo)度類型和量綱都不相同，為便于比較，需對原始數(shù)據(jù)進(jìn)行規(guī)范化處理，最終使量綱數(shù)據(jù)變?yōu)闊o量綱數(shù)據(jù)［14］。

對于效益型數(shù)值型指標(biāo)，規(guī)范化公式為

對于成本型數(shù)值型指標(biāo)，規(guī)范化公式為

式中：dijmin和dijmax分別指第i個(gè)操作人員第j項(xiàng)指標(biāo)的最小值和最大值；dij'為第i個(gè)操作人員第j項(xiàng)指標(biāo)dij的規(guī)范化數(shù)值。即得到

3.3 權(quán)重的確定

如上述2.1，2.2及2.3節(jié)所述。

3.4 確定評估灰類

3.4.1 灰色聚類白化權(quán)函數(shù)的構(gòu)造

在1.3節(jié)的討論中，已將虛擬訓(xùn)練系統(tǒng)人員業(yè)務(wù)水平劃分為5個(gè)等級（即灰類），這5個(gè)灰類定義在0～1之間，并將5個(gè)灰類的白化權(quán)函數(shù)分別定義為：

表3 5個(gè)灰類的白化權(quán)函數(shù)

具體各白化權(quán)函數(shù)形式為

3.4.2 計(jì)算灰色統(tǒng)計(jì)數(shù)

用灰色統(tǒng)計(jì)法確定灰數(shù)的白化權(quán)函數(shù)，求出屬于對應(yīng)類評價(jià)標(biāo)準(zhǔn)的權(quán)［15］，據(jù)此得到評判矩陣的灰色統(tǒng)計(jì)數(shù)（記為nij）和總灰色統(tǒng)計(jì)數(shù)（記為ni），即

3.4.3 計(jì)算灰色評估權(quán)值及模糊權(quán)矩陣

綜合n位專家對第i個(gè)評價(jià)指標(biāo)主張第j種評價(jià)的灰色權(quán)值：rij=nij/ni，之后構(gòu)成的單因素模糊權(quán)矩陣為

3.5 計(jì)算模糊綜合評判矩陣

將模糊加權(quán)矩陣和單因素模糊評判矩陣進(jìn)行復(fù)合運(yùn)算，最終可建立模糊綜合評判矩陣，即

3.6 計(jì)算評價(jià)結(jié)果

綜合評價(jià)結(jié)果為

計(jì)算得出對人員的操作能力的評價(jià)Z。

4 實(shí)例驗(yàn)證

4.1 原始數(shù)據(jù)的預(yù)處理

表4 虛擬訓(xùn)練系統(tǒng)綜合評價(jià)指標(biāo)體系計(jì)算值

利用式（6）、式（7）對原始數(shù)據(jù)規(guī)范化處理，得

4.2 權(quán)重的確定

4.2.1 層次分析法確定權(quán)重

以基準(zhǔn)層為例，通過專家經(jīng)驗(yàn)定量地給定其各參數(shù)兩兩比較時(shí)的重要性標(biāo)度，寫成判斷矩陣形式，即

式中：1表示同屬性的兩指標(biāo)相比，前者與后者同等重要；3表示稍微重要；5表示明顯重要；倒數(shù)表示兩評估指標(biāo)反過來的重要性，2和4則表示介于1、3、5之間的重要性。從而可得出各基準(zhǔn)層的權(quán)重wA。

同理可求得各指標(biāo)層的權(quán)重分別為

4.2.2 熵權(quán)法確定權(quán)重

由式（1）、式（2）分別計(jì)算信息熵和指標(biāo)權(quán)重值，得權(quán)重為：

4.2.3 組合賦權(quán)法確定權(quán)重

利用式（3）將上述兩種權(quán)重進(jìn)行組合，根據(jù)專家經(jīng)驗(yàn)及評價(jià)要求，θ取0.3時(shí)，可以很好地將主客觀權(quán)重組合，并有效削弱主客觀賦權(quán)法確定權(quán)重時(shí)的不利因素影響。由此可得

4.3 計(jì)算灰色評價(jià)權(quán)矩陣

對評價(jià)指標(biāo)B1，操作人員屬于第e個(gè)評價(jià)的灰色評價(jià)系數(shù)e=1，

得到B1所屬指標(biāo)對于各評價(jià)灰類的灰色評價(jià)權(quán)矩陣為

依照上述方法可以得到 R2，R3，R4。

4.4 計(jì)算評價(jià)結(jié)果

指標(biāo)層：

同樣得到 A2，A3，A4，得

基準(zhǔn)層：

計(jì)算評價(jià)結(jié)果得

4.5 評價(jià)結(jié)果分析

根據(jù)評估結(jié)果可知，該操作人員業(yè)務(wù)掌握良好，能應(yīng)對戰(zhàn)備準(zhǔn)備。上述綜合評估方法對人員業(yè)務(wù)操作水平進(jìn)行評估，評估結(jié)果與實(shí)際狀態(tài)相符。

綜上，所創(chuàng)建評估模型能實(shí)現(xiàn)對人員業(yè)務(wù)操作水平進(jìn)行綜合評估，評估結(jié)果具有準(zhǔn)確性和客觀性。

5 結(jié)論

本文所提出的基于組合賦權(quán)法和模糊灰色聚類相結(jié)合的綜合評估方法，既可彌補(bǔ)單種評判法的不足，又能很好地克服以往單純依賴專家打分策略確定權(quán)重所帶來的人為主觀不確定性影響，從而提高評估的準(zhǔn)確性與客觀性。

研究構(gòu)建了業(yè)務(wù)操作評估模型，并確定評估科目及虛擬訓(xùn)練評價(jià)指標(biāo)體系，設(shè)計(jì)適用于該模型的綜合評估算法。針對評價(jià)指標(biāo)中包含許多灰色信息，引入模糊灰色聚類算法，很好地解決了模糊評判矩陣難以構(gòu)建問題。結(jié)合某型電源裝備為模型的業(yè)務(wù)評估為具體應(yīng)用對象，驗(yàn)證了所提方法的有效性。

［1］XIU Z X，LIU B H，XIE Q H，et al.Assessment of structural stability in bohai sea area based on AHP-GDM model［J］.Acta Oceanol.Sin，2013，32（4）：41-48.

［2］GUO Y L，WANG Q，YAN W P，et al.Assessment of habitat suitability in the upper reaches of the min river in china［J］.Journal of Mountain Science，2015，12（3）：737-746.

［3］TANG B，GAO J Z.System simulation and reliability assessment of chinese carbon sequestration market［J］.J Syst Sci Complex，2014，27（4）：760-776.

［4］HAN L F，TANG W Y，LIU Y M，et al.Evaluation of measurement uncertainty based on grey system theory for small samples from an unknown distribution ［J］.Technological Sciences，2013，56（6）：1517-1524.

［5］ZHANG Z，ZENG X L，CHEN J Z，et al.Gray comprehensive assessment and optimal selection of water consumption forecasting model［J］.Journal CSUT jun，2006，13（3）：318-320.

［6］YANG C T，MARSOOLI R，AALAMI M T.Evaluation of total load sediment transport formulas using ANN［J］.International Journal of Sediment Research，2009，24（3）：274-286.

［7］LOTFOLLAHI-YAGHIN，M A，POURTAGHI A，SANAATY B，et al.Artificial neural network ability in evaluation of random wave-induced inline force on a vertical cylinder［J］.China Ocean Eng，2012，26（1）：19-36.

［8］YU H，LIU Z，LI Y J.Key nodes in complex networks identified by multi-attribute decision-making method.［J］Acta Phys.Sin，2013，62（2）：1-8.

［9］程培源，楊新宇，王和明.電源設(shè)備原理［M］.北京：藍(lán)天出版社，2002.

［10］徐吉輝，謝文俊.綜合評價(jià)理論、方法與軍事應(yīng)用［M］.北京：國防工業(yè)出版社，2014.

［11］王鈺娟.基于組合賦權(quán)和改進(jìn)TOPSIS的經(jīng)濟(jì)評價(jià)研究［D］.大連：大連理工大學(xué)，2009.

［12］陳偉，夏建華.綜合主、客觀權(quán)重信息的最優(yōu)組合賦權(quán)方法［J］.數(shù)學(xué)的實(shí)踐與認(rèn)識，2007，37（1）：17-22.

［13］邵新杰，曹立軍，田廣，等.復(fù)雜裝備故障預(yù)測與健康管理技術(shù)［M］.北京：國防工業(yè)出版社，2013.

［14］張衛(wèi)華，趙明軍.指標(biāo)無量綱化方法對綜合評價(jià)結(jié)果可靠性的影響及其實(shí)證分析［J］.統(tǒng)計(jì)信息論壇，2005，20（3）：33-35.

［15］劉思峰，謝乃明.基于改進(jìn)三角白化權(quán)函數(shù)的灰評估新方法［J］.系統(tǒng)工程學(xué)報(bào)，2011，26（2）：244-250.