莫泓銘

(四川民族學(xué)院 圖書館， 四川 康定 626001)

新產(chǎn)品開發(fā)(New product development，NPD)是企業(yè)生存與發(fā)展的核心戰(zhàn)略之一，也是主動(dòng)適應(yīng)市場(chǎng)需求、提升公司競(jìng)爭(zhēng)力、助力技術(shù)提升的重要手段之一。新產(chǎn)品開發(fā)是一個(gè)非常復(fù)雜的工程。隨著科技的日新月異和社會(huì)的快速發(fā)展，新產(chǎn)品開發(fā)的要求越來越高，其復(fù)雜性也在不斷增長(zhǎng)。傳統(tǒng)的項(xiàng)目管理方法不能直接對(duì)現(xiàn)代化的項(xiàng)目進(jìn)行有效控制與管理。如何對(duì)NPD項(xiàng)目的復(fù)雜性進(jìn)行科學(xué)有效的合理評(píng)價(jià)，對(duì)把握項(xiàng)目開發(fā)過程中的復(fù)雜性變化，研究項(xiàng)目的復(fù)雜性與其它關(guān)鍵因素之間的關(guān)聯(lián)，進(jìn)而豐富完善現(xiàn)有的相關(guān)管理理論與方法，具有非常重要的現(xiàn)實(shí)意義。

目前，關(guān)于項(xiàng)目復(fù)雜性的評(píng)價(jià)方法大致可以分為如下三種。第一種是基于計(jì)算復(fù)雜性的評(píng)價(jià)方法[1-2]，該類方法能識(shí)別項(xiàng)目管理中的某些特定問題的復(fù)雜性程度，但不能全面反應(yīng)項(xiàng)目整體的復(fù)雜性。第二類是基于項(xiàng)目結(jié)構(gòu)模型的評(píng)價(jià)方法[3-4]，該方法通過將項(xiàng)目建模實(shí)現(xiàn)對(duì)項(xiàng)目模型的復(fù)雜性評(píng)價(jià)，而不是直接對(duì)項(xiàng)目本身的復(fù)雜性評(píng)價(jià)。第三類方法是綜合評(píng)價(jià)法，Haas提出了構(gòu)建指標(biāo)體系結(jié)合專家打分的方法[5]；Ludovic等基于AHP法從組織與技術(shù)這兩個(gè)層面出發(fā)構(gòu)建評(píng)價(jià)指標(biāo)體系對(duì)項(xiàng)目的復(fù)雜性進(jìn)行評(píng)價(jià)[6]。該類方法探究項(xiàng)目復(fù)雜性的來源，方便管理與控制項(xiàng)目的復(fù)雜性，綜合全面地測(cè)評(píng)項(xiàng)目的復(fù)雜性。然而，上述三類方法仍然存在一定的不足，諸如：關(guān)于項(xiàng)目復(fù)雜性的內(nèi)涵業(yè)界沒有一個(gè)統(tǒng)一的定義，從不同的角度有不同的理解，以致于沒有一個(gè)普適的評(píng)價(jià)指標(biāo)體系；指標(biāo)權(quán)重的確定關(guān)系到評(píng)估結(jié)果的準(zhǔn)確性，由于項(xiàng)目大多具有臨時(shí)性、一次性和動(dòng)態(tài)性等特點(diǎn)，若采用客觀權(quán)重法，則其可行性與實(shí)用性不足，而傳統(tǒng)的主觀法則受決策者主觀偏好影響，其可靠性不高。此外，在評(píng)估過程中由于專家對(duì)評(píng)價(jià)標(biāo)準(zhǔn)的理解不同，評(píng)價(jià)信息具有模糊性與不確定性。

在已有的研究中，李仕峰等提出了一種利用證據(jù)理論與結(jié)構(gòu)熵來評(píng)價(jià)NPD項(xiàng)目復(fù)雜性的評(píng)價(jià)方法[7]。證據(jù)理論作為不確定信息處理工具，近年來在信息融合領(lǐng)域得到了廣泛應(yīng)用[8-9]。然而，證據(jù)理論在應(yīng)用時(shí)仍然面臨諸多限制與不足，例如辨識(shí)框架中的元素必須互斥、證據(jù)體焦元信任度之和必須為1、一票否決等。D數(shù)理論作為一種新的不確定信息處理與表達(dá)工具，其基于證據(jù)理論框架，吸收了證據(jù)理論的優(yōu)點(diǎn)且克服了其限制與不足，提供了更為靈活的不確定信息表達(dá)與融合方式[10]。

基于此，本文擬提出一種基于結(jié)構(gòu)熵和D數(shù)理論的NPD項(xiàng)目復(fù)雜性模糊評(píng)價(jià)模型，建立NPD評(píng)價(jià)指標(biāo)體系，進(jìn)一步梳理NPD項(xiàng)目體系結(jié)構(gòu)，采用結(jié)構(gòu)熵權(quán)確定指標(biāo)的權(quán)重信息。結(jié)構(gòu)熵權(quán)法是一種將定性信息與定量信息相結(jié)合的方法，其充分吸取了主觀權(quán)重法和客觀權(quán)重法的優(yōu)勢(shì)[11]。本文的研究，一方面可以進(jìn)一步拓寬D數(shù)理論的應(yīng)用場(chǎng)景，另一方面D數(shù)理論與結(jié)構(gòu)熵權(quán)法的結(jié)合，目前尚屬首次，為決策研究提供了一種新的思路。

1 預(yù)備知識(shí)

本節(jié)將主要介紹結(jié)構(gòu)熵權(quán)及D數(shù)理論的相關(guān)基礎(chǔ)知識(shí)。

1.1結(jié)構(gòu)熵理論(Structure entropy theory，SET)[11]

在評(píng)估指標(biāo)體系中，指標(biāo)權(quán)重反映了單一指標(biāo)在指標(biāo)集中的地位即重要性程度。指標(biāo)權(quán)重直接反映到指標(biāo)對(duì)評(píng)估結(jié)果的貢獻(xiàn)性大小。因而，確定指標(biāo)的權(quán)重是評(píng)估體系的基礎(chǔ)。根據(jù)原始數(shù)據(jù)的來源不同，目前確定權(quán)重的方法大致可分為兩種。一是主觀賦值法，權(quán)重的原始數(shù)據(jù)來源于評(píng)估專家的經(jīng)驗(yàn)判斷，如層次分析法[12]、Delphi專家調(diào)查法等，具有解釋性強(qiáng)，但客觀性差等特點(diǎn)。二是客觀賦值法，權(quán)重的原始數(shù)據(jù)來源于各指標(biāo)在被測(cè)評(píng)過程的數(shù)據(jù)[13]，如熵值法、均方差法、DEMATEL法[14]、距離法等，其所得到的權(quán)重在大多數(shù)情況下準(zhǔn)確度高，客觀性強(qiáng)，但有時(shí)會(huì)與實(shí)際相悖，且對(duì)結(jié)果的解釋性差。結(jié)構(gòu)熵權(quán)法是一種將主觀賦值法與客觀賦值法相結(jié)合的一種權(quán)重分配方法，其將Delphi專家調(diào)查法與模糊分析法相結(jié)合得到反應(yīng)指標(biāo)重要性的“典型排序”表，然后基于熵理論對(duì)典型排序結(jié)構(gòu)的不確定性進(jìn)行定量分析，即盲度分析，對(duì)可能存在的偏差進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析處理，最后歸一化操作即得到各指標(biāo)的相應(yīng)權(quán)重。結(jié)構(gòu)熵計(jì)算權(quán)重的具體步驟如下：

第一步，收集專家意見，形成“典型排序表”。采用Delphi專家調(diào)查法，向?qū)＜疫M(jìn)行問卷調(diào)查，設(shè)計(jì)專家調(diào)查表，樣表如表1所示。

表1 專家調(diào)查表樣表

說明：排序號(hào)“1”說明該指標(biāo)最重要，“2”次之。例，如果認(rèn)為“C2”指標(biāo)最重要，最在排序號(hào)“1”與“C2”指標(biāo)相交的位置劃√，允許多指標(biāo)指標(biāo)的重要性相同，則在相應(yīng)的位置劃√。

第二步，數(shù)據(jù)整理。假如有k位專家參與調(diào)查，即得到k張表格，每張表對(duì)應(yīng)一個(gè)指標(biāo)集，記為C={C1，C2…Cn}，則其調(diào)查結(jié)果對(duì)應(yīng)的“典型排序”記為(ai1，ai2…ain)，由k張表格所得到的指標(biāo)排序矩陣記為A(A=(aij)k×n，i=1，2…k，j=1，2，…n)，其中aij表示第i個(gè)專家對(duì)第j個(gè)指標(biāo)Cj的評(píng)價(jià)?；诖?，運(yùn)用熵理論相關(guān)原理，進(jìn)一步計(jì)算其熵值，有：

①計(jì)算各專家的平均認(rèn)識(shí)度。由于涉及到多位專家參與評(píng)估，則由隸屬度函數(shù)公式：

(1)

得到隸屬度矩陣B=(bij)k×n，其中，bij為aij的隸屬度。則所有專家對(duì)于指標(biāo)j的平均認(rèn)識(shí)度為

bj=(b1j+b2j+…bkj)/k

(2)

②計(jì)算各專家的認(rèn)識(shí)盲度，即每位專家對(duì)指標(biāo)認(rèn)識(shí)的不確定性qj：

qj={|max(b1j，b2j…bkj)-bj+min(b1j，b2j…bkj) -bj|}/2

(3)

③計(jì)算專家對(duì)每個(gè)指標(biāo)的總體認(rèn)知度rj：

rj=bj(1-qj)

(4)

第三步，歸一化，則得到第j個(gè)指標(biāo)Cj的權(quán)重信息wj為：

(5)

1.2 D數(shù)理論

D數(shù)理論是基于證據(jù)理論的一種新的不確定信息處理工具，其充分吸取了證據(jù)理論的優(yōu)點(diǎn)，而克服了證據(jù)理論的一些限制與不足，近年來在安全評(píng)估[15]、汽車評(píng)估[16]、質(zhì)量目標(biāo)評(píng)估[17]、應(yīng)急救援方案選擇[18]、供應(yīng)商評(píng)估[19]等領(lǐng)域得到了廣泛應(yīng)用。D數(shù)理論的相關(guān)概念如下：

屬性1： 交換不變性。假設(shè)有2個(gè)D數(shù)，D1={(d1，v1)…(di，vi)…(dn，vn)}和D2={(dn，vn)…(di，vi)…(d1，v1)}，他們中的元素及對(duì)應(yīng)的值完全一樣，只是順序不同，即順序無關(guān)的，那么這兩個(gè)D數(shù)，D1和D2被視為相等的。

屬性2：聚集性。假設(shè)存在一個(gè)特殊的離散型的D數(shù)，D={(d1，v1)…(di，vi)…(dn，vn)}，那么其聚集可定義為：

(6)

2 基于結(jié)構(gòu)熵和D數(shù)的決策評(píng)估模型

本章將建立基于結(jié)構(gòu)熵和D數(shù)的決策評(píng)估模型(D-SET)，可分為評(píng)估準(zhǔn)備、指標(biāo)權(quán)重及信息融合等三部分，其流程如圖1所示。

圖1 D-SET決策評(píng)估模型流程

(1)評(píng)估準(zhǔn)備。首先由組織者介紹本次評(píng)估的背景，介紹評(píng)估對(duì)象的基本情況；然后確定評(píng)估對(duì)象的指標(biāo)體系，即將該評(píng)估問題體系化分解；最后向?qū)＜姨峁┮粋€(gè)語言集，待評(píng)估時(shí)使用，之所以采用語言集，主要是考慮到語言更符合人們的使用習(xí)慣，方便表達(dá)。

(2)指標(biāo)權(quán)重。首先組織專家對(duì)指標(biāo)評(píng)分，采用Delphi專家調(diào)查法，形成典型排序表，如表1所示；然后將收集到的專家評(píng)分?jǐn)?shù)據(jù)，基于結(jié)構(gòu)熵計(jì)算，進(jìn)而得到各指標(biāo)的權(quán)重。

(3)信息融合。首先專家基于前期提供的語言集對(duì)評(píng)估對(duì)象進(jìn)行評(píng)估，形成評(píng)估信息矩陣；然后基于D數(shù)理論對(duì)評(píng)估信息進(jìn)行處理；最后分析評(píng)估結(jié)果。

3 案例應(yīng)用

某地某高新企業(yè)擬立項(xiàng)一項(xiàng)新產(chǎn)品研發(fā)項(xiàng)目以迅速開拓并占領(lǐng)市場(chǎng)，提升企業(yè)競(jìng)爭(zhēng)力。為做好該項(xiàng)目的前期工作，產(chǎn)品經(jīng)理擬組織專家對(duì)該項(xiàng)目開展項(xiàng)目復(fù)雜性評(píng)估[7]。

(1)評(píng)估準(zhǔn)備。產(chǎn)品經(jīng)理邀請(qǐng)了多名業(yè)內(nèi)專家，并將他們分為3組，結(jié)合相關(guān)行業(yè)經(jīng)驗(yàn)，對(duì)該項(xiàng)目進(jìn)行了體系分解，分為組織管理復(fù)雜性、技術(shù)研發(fā)復(fù)雜性和市場(chǎng)營(yíng)銷復(fù)雜性等三個(gè)一級(jí)指標(biāo)，各一級(jí)指標(biāo)下又細(xì)分為若干二級(jí)指標(biāo)，如表2所示[16]。為專家提供語言集V，V={v1：非常小，v2：小，v3：一般，v4：大，v5：非常大}，供評(píng)估時(shí)采用。

表2 NPD 研發(fā)項(xiàng)目復(fù)雜性評(píng)價(jià)指標(biāo)體系

(2)指標(biāo)權(quán)重信息。邀請(qǐng)三組專家對(duì)該項(xiàng)目的各指標(biāo)基于Delphi法打分，打分的結(jié)果如表3第1-4列所示，運(yùn)用結(jié)構(gòu)熵權(quán)法，基于公式(1)-(5)，求得各指標(biāo)的最終權(quán)重，如表3第5列所示。需要說明的是，表3第5列的前3行對(duì)應(yīng)的是各一級(jí)指標(biāo)的權(quán)重，余下各行對(duì)應(yīng)的是各二級(jí)指標(biāo)的全局最終權(quán)重。

表3 項(xiàng)目典型排序表及各指標(biāo)權(quán)重

表3(續(xù))

(3)信息融合。專家組根據(jù)提供的語言集對(duì)該項(xiàng)目的各二級(jí)指標(biāo)進(jìn)行評(píng)價(jià)，評(píng)價(jià)結(jié)果如表4所示：

表4 專家組對(duì)項(xiàng)目的評(píng)估信息矩陣

接下來，將基于D數(shù)理論對(duì)表4所提供的評(píng)估信息矩陣進(jìn)行分析處理。由于D數(shù)理論的聚集屬性不能直接處理語言信息，因而需要將語言信息轉(zhuǎn)化為數(shù)值信息。在本例中，為簡(jiǎn)便，采用各語言信息的下標(biāo)作為其對(duì)應(yīng)的數(shù)值信息，即語言變量與對(duì)應(yīng)數(shù)值轉(zhuǎn)化信息，如表5所示。

表5 語言信息量化表

將表4中的相關(guān)信息以D數(shù)的方式表達(dá)，以指標(biāo)C11為例，專家組對(duì)其的評(píng)價(jià)信息D數(shù)表示為：

DC11，E1={(2，0.4)，(3，0.6)}DC11，E2={(2，0.7)，(3，0.3)}DC11，E3={(2，0.5)，(3，0.5)}

(7)

余下指標(biāo)同理。運(yùn)用D數(shù)的聚集屬性，將公式(7)進(jìn)一步融合即有：I(DC11，E1)={(2×0.4)，(3×0.6)}=2.6I(DC11，E2)={(2×0.7)，(3×0.3)}=2.3I(DC11，E3)={(2×0.5)，(3×0.5)}=2.5

(8)

表4可進(jìn)一步整理為表6：

表6 專家評(píng)估信息表(D數(shù)整合部分)

(9)其中wi為對(duì)應(yīng)權(quán)重信息。以專家組E1為例，有：I(E1)=w11×C11+w12×C12+w13×C13+w14×C14+w15×C15+w16×C16 +w21×C21+w22×C22+w23×C23+w24×C24+w25×C25+w26×C26 +w31×C31+w32×C32+w33×C33+w34×C34 =0.0516×2.6+0.0449×1.1+0.0534×3.2+0.0534×1.8+0.0586×301+0.0610×3.7 +0.0761×3.9+0.0669×3.7+0.0613×4.0+0.0729×4.4+0.0729×3.8+0.0512×2.3 +0.0781×3.7+0.0781×3.9+0.0652×2.9+0.0481 =3.2502

(10)

同理專家組E2和E3的最終評(píng)價(jià)聚集值為：

I(E2)=3.3014，I(E3)=3.1528

(11)

綜合平均三個(gè)專家組的意見，則該項(xiàng)目的最終評(píng)價(jià)得分為：

I=(I(E1)+I(E2)+I(E3))÷3=(3.2502+3.3014+3.1528) ÷3=3.1390

(12)

結(jié)合表5可知，該項(xiàng)目的綜合復(fù)雜性得分為3.1390。因?yàn)?<3.1390<4，所以該項(xiàng)目的復(fù)雜性介于“一般”與“大”之間，偏一般，即該項(xiàng)目的復(fù)雜性是可接受的，專家組向產(chǎn)品推薦進(jìn)行該項(xiàng)目的研發(fā)。

D-SET決策評(píng)估模型的評(píng)估結(jié)果與“證據(jù)理論-結(jié)構(gòu)熵”模型[7]的評(píng)估結(jié)果一致，證明了該方法的有效性。本文識(shí)別的結(jié)果為精確數(shù)的形式，簡(jiǎn)明直觀，而“證據(jù)理論-結(jié)構(gòu)熵”模型評(píng)估的結(jié)果為評(píng)價(jià)等級(jí)的有序劃分，需進(jìn)一步借助置信度識(shí)別準(zhǔn)則才能識(shí)別。

從一級(jí)權(quán)重信息來看，由表3可知，在新產(chǎn)品的研究過程中，技術(shù)研發(fā)復(fù)雜性(C2)最為重要，這是因?yàn)樾庐a(chǎn)品必然要涉及到新技術(shù)，這里的新技術(shù)是指與前期存在的產(chǎn)品相比，所需要的不管是從技術(shù)上的改進(jìn)還是引入全新的技術(shù)。組織管理復(fù)雜性(C1)次之，這是因?yàn)楹献骰蚪M織管理在新產(chǎn)品的研發(fā)中有著重要的作用，解決了技術(shù)難題后，如何依靠組織進(jìn)一步實(shí)施仍然是值得思考的問題。最后是市場(chǎng)營(yíng)銷復(fù)雜性(C3)，當(dāng)新產(chǎn)品成功研發(fā)問世后，如何將其更好地推向市場(chǎng)，接受市場(chǎng)的檢驗(yàn)，贏得市場(chǎng)，這一切都要依賴于前期成熟的技術(shù)與良好的組織管理。從二級(jí)指標(biāo)的全局信息來看，排在前5位的分別是融合創(chuàng)新(C24)、目標(biāo)市場(chǎng)(C31)、競(jìng)爭(zhēng)對(duì)手(C32)、產(chǎn)品設(shè)計(jì)(C21)、知識(shí)轉(zhuǎn)化(C25)，可見成功的新產(chǎn)品研發(fā)與研究所涉及的技術(shù)方法、市場(chǎng)定位、同質(zhì)化情況、技術(shù)含量和技術(shù)落地等緊密相關(guān)。而從各專家的評(píng)估結(jié)果來看，由表6可知，在新產(chǎn)品研究的復(fù)雜性評(píng)估中，專家組比較看中技術(shù)復(fù)雜性，因?yàn)槿绻夹g(shù)條件不滿足，則無法保證新產(chǎn)品的順利研發(fā)。通過上述分析可知，不管是從一級(jí)指標(biāo)的權(quán)重分布、二級(jí)指標(biāo)的權(quán)重分配和專家組對(duì)各二級(jí)指標(biāo)的評(píng)估，都與新產(chǎn)品研發(fā)所涉及的實(shí)際問題緊密相聯(lián)，符合實(shí)際情況，從另一方面證明了本文提出的方法的有效性、實(shí)用性及結(jié)果的可靠性。

4 結(jié)語

新產(chǎn)品的研發(fā)有利于擴(kuò)大企業(yè)知名度，適應(yīng)市場(chǎng)需要，提升企業(yè)競(jìng)爭(zhēng)力。而新產(chǎn)品研發(fā)項(xiàng)目的復(fù)雜性評(píng)估是非常有必要的，其關(guān)系到該項(xiàng)目能否從理論規(guī)劃走向?qū)嶋H落地。而新產(chǎn)品研發(fā)項(xiàng)目復(fù)雜性評(píng)價(jià)的落腳點(diǎn)在于建立合適的指標(biāo)評(píng)價(jià)體系，對(duì)各指標(biāo)的權(quán)重測(cè)定與評(píng)價(jià)，其中信息的不確定甚至不一致是難免的。本文基于相關(guān)研究，構(gòu)建新產(chǎn)品研發(fā)評(píng)價(jià)體系，運(yùn)用Delphi法對(duì)各指標(biāo)打分，再采用結(jié)構(gòu)熵權(quán)法來獲得各指標(biāo)的權(quán)重。邀請(qǐng)專家對(duì)各指標(biāo)進(jìn)行評(píng)估，為方便專家評(píng)估，提供了語言信息集，供專家在評(píng)估時(shí)采用。鑒于D數(shù)理論在信息處理方面的優(yōu)勢(shì)，充分利用并改進(jìn)了D數(shù)的聚集屬性。基于D數(shù)理論的信息處理方式，簡(jiǎn)化了信息處理流程，降低了評(píng)估難度，提升了工作效率。本文提出的D數(shù)和結(jié)構(gòu)熵的決策評(píng)估模型提供了一個(gè)開放的框架，其不僅適用于NPD項(xiàng)目復(fù)雜性評(píng)估，還可以推廣應(yīng)用到其他的決策評(píng)估領(lǐng)域。需要說明的時(shí)，在本文中，僅考慮了指標(biāo)的權(quán)重而沒有考慮專家的權(quán)重，換句話說認(rèn)為各專家的意見是同等重要的，在今后的應(yīng)用中可根據(jù)實(shí)際情況為不同的專家賦予不同的權(quán)重。