張旭剛,陳 潔，王玉玲，張 華，江志剛，蔡 維

(1.武漢科技大學(xué) 冶金裝備及其控制教育部重點實驗室，湖北 武漢 430081 ；2.武漢科技大學(xué) 機械傳動與制造工程湖北省重點實驗室，湖北 武漢 430081；3.西南大學(xué) 工程技術(shù)學(xué)院，重慶 400715； 4.香港理工大學(xué) 物流與航運系，香港 999077)

0 引言

可持續(xù)生產(chǎn)是現(xiàn)代制造企業(yè)的競爭優(yōu)勢，不僅可以幫助企業(yè)提高生產(chǎn)效率，降低生產(chǎn)成本，還能減少環(huán)境污染，降低碳排放且提高能源使用率。制造業(yè)可持續(xù)性能的正確評估是實現(xiàn)可持續(xù)發(fā)展的基礎(chǔ)，也是產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和改造的依據(jù)。現(xiàn)代制造行業(yè)生產(chǎn)全生命周期中伴隨著大量的數(shù)據(jù)生成，這使得利用大數(shù)據(jù)分析制造業(yè)的生產(chǎn)可持續(xù)性能成為可能?？沙掷m(xù)性能是經(jīng)濟能力、環(huán)境效益、科技創(chuàng)新、社會責(zé)任等多因素的綜合反映，因此必須采用基于數(shù)據(jù)的多屬性的決策方法，傳統(tǒng)多屬性決策方法如層次分析法(Analytical Hierarchy Process, AHP)[1]，網(wǎng)絡(luò)分析法(Analytic Network Process, ANP)[2], 決策、試驗和評價實驗法(Decision-making Trial and Evaluation Laboratory, DEMATEL)[3-5]，理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)[6]，基于DEMATE的網(wǎng)絡(luò)分析法(Dematel Analytic Network Process, DANP)[7]和BWM方法(best-worst method)[8]等，主要依賴于專家的經(jīng)驗和意見，使決策結(jié)果有一定的主觀性。隨著大數(shù)據(jù)和人工智能的興起，利用神經(jīng)網(wǎng)絡(luò)求解決策者偏好的研究也越來越多。GOLMOHAMMADI等[9]提出一種基于前饋神經(jīng)網(wǎng)絡(luò)的模糊多準則決策模型，該模型可以用于獲取和表示決策者的偏好，通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)，可以得到屬性與方案之間的關(guān)系，進而對方案進行排序和選擇；CHEN等[10]提出一種基于決策神經(jīng)網(wǎng)絡(luò)(Decision-making Neural Network, DNN)的多準則決策方法，通過交互式過程不斷對模型進行修正，最終可以求得最優(yōu)化問題的解；AMIR等[11]提出一種聚類與多準則決策相結(jié)合的方法，以解決可持續(xù)發(fā)展的供應(yīng)商選擇問題，該方法首先采用神經(jīng)網(wǎng)絡(luò)的自組織映射方法，基于客戶需求屬性和可持續(xù)性因素對供應(yīng)商進行聚類和預(yù)確定，再利用多準則決策方法對供應(yīng)商集群進行排序，以協(xié)調(diào)供應(yīng)商與客戶之間的關(guān)系；朱海平等[12]將徑向基神經(jīng)網(wǎng)絡(luò)與仿真實驗相結(jié)合來探究制造系統(tǒng)性能指標與影響這些指標的靜動態(tài)因素的復(fù)雜關(guān)系，該方法能夠很好地預(yù)測制造系統(tǒng)的性能指標，如平均完工時間和設(shè)備利用率；倪維健等[13]采用基于注意力的雙向循環(huán)神經(jīng)網(wǎng)絡(luò)模型來預(yù)測業(yè)務(wù)流程剩余時間，所提出的方法較傳統(tǒng)方法具有更好的性能。BP神經(jīng)網(wǎng)絡(luò)與DEMATEL方法相結(jié)合的應(yīng)用也有很多，如崔強等[14]基于BP-DEMATEL方法，分析了空港競爭力影響因素間的關(guān)系，為日后提高空港競爭力提供了一定的理論支持;王景春等[15]采用基于BP-DEMATEL-SW的方法確定了河北省應(yīng)急管理的關(guān)鍵影響因素，并提出了相應(yīng)的優(yōu)化策略；張秋等[16]利用BP-DEMATEL模型，分析了我國直轄市創(chuàng)業(yè)環(huán)境影響因素間的相互關(guān)系，給出了影響創(chuàng)業(yè)環(huán)境的驅(qū)動因素和結(jié)果因素，并針對直轄市特色提出了相應(yīng)的改進方法；LI等[17]采用魯棒性分析和BP-DEMALTE模型相結(jié)合的方法來評估生態(tài)安全性及其影響因素。

綜上可知，雖然基于數(shù)據(jù)的多屬性決策模型研究有很多，但仍存在以下不足：

(1)由于制造業(yè)涉及大量的屬性數(shù)據(jù)，對其進行的可持續(xù)性評估較為復(fù)雜，也缺少全面而具體的評估方法，并且以制造業(yè)為研究對象的數(shù)據(jù)多屬性評估文章偏少。

(2)多數(shù)制造業(yè)所用的基于數(shù)據(jù)的多屬性決策模型依賴專家打分或問卷調(diào)查，具有一定的主觀性。

(3)多屬性決策模型 (Multiple Attribute Decision-making Model, MADM)應(yīng)該是一個全面、綜合的模型，而大多數(shù)提出的模型并沒有分析制造業(yè)在分因素下(經(jīng)濟、環(huán)境和科技)的發(fā)展情況以及制造業(yè)數(shù)據(jù)屬性間的因果關(guān)系，這不利于制造行業(yè)提升可持續(xù)性能。

(4)大多數(shù)模型難以為制造業(yè)提出具有針對性的優(yōu)化策略，只是給出整體的優(yōu)化方案或建議。

因此，本文采用BP-DEMATEL和ANP相結(jié)合的方法(即BP-DANP)不僅求出了數(shù)據(jù)屬性的綜合權(quán)重，還給出了數(shù)據(jù)屬性的因果關(guān)系圖(Influence Strength Network Relationship Map,ISNRM)和主要影響強度路徑圖(Critical Influence Strength Route,CISR)，并通過MOORA方法有針對性地對不同行業(yè)提出了優(yōu)化決策。主成分分析法(Principal Component Analysis,PCA)是一種客觀的多屬性評價方法，它通過求解變量間的主成分來進行降維，并最大化地保留原始數(shù)據(jù)信息，通?？梢岳迷撎匦詠砬髷?shù)據(jù)屬性的權(quán)重[18-20]。因此，本文首先采用PCA評估制造業(yè)在分因素的可持續(xù)性能，再采用梯度反向傳播算法(Backpropagation,BP)訓(xùn)練前饋神經(jīng)網(wǎng)絡(luò)，以綜合分析制造業(yè)影響因素間的關(guān)系。利用這些先進的數(shù)據(jù)分析和挖掘技術(shù)，可以探索制造業(yè)數(shù)據(jù)潛在的意義和價值。

本文首先分析了影響制造業(yè)可持續(xù)性發(fā)展能力的因素，以中國22個制造業(yè)為研究對象，建立了制造業(yè)可持續(xù)性發(fā)展評價指標體系，并運用PCA評估了制造業(yè)分因素下的可持續(xù)性發(fā)展能力。為了分析這些數(shù)據(jù)屬性對制造業(yè)的綜合影響度，本文采用BP-DEMATEL方法，該方法可以確定屬性間的因果關(guān)系，且完全不需要專家的主觀評分作為模型的輸入。首先利用開源的深度學(xué)習(xí)框架Pytorch搭建BP神經(jīng)網(wǎng)絡(luò)，并確定網(wǎng)絡(luò)的輸入和輸出屬性，以均方誤差(Mean Square Error, MSE)作為模型的損失函數(shù)來迭代模型，將模型輸出與DANP方法結(jié)合來獲得數(shù)據(jù)屬性的綜合權(quán)值和屬性間的ISNRM、CISR。最后采用MOORA方法來評估各制造業(yè)當(dāng)前可持續(xù)發(fā)展性能與期望性能之間的差距。MOORA方法常用來同時優(yōu)化兩個或多個矛盾的準則，在這些準則中有些是需要最大化的(即有益屬性)，有些是需要最小化的(即無益屬性)，而MOORA方法通過考慮有益屬性和無益屬性來選擇和排序一些可替代方案[21-23]。本文所提出的評估方法可以不依賴于專家意見，使評估結(jié)果更具客觀性和魯棒性，通過真實環(huán)境中的數(shù)據(jù)與CISR圖的可視化，可以方便行業(yè)決策者快速定位到可持續(xù)性評估的關(guān)鍵屬性，將制造業(yè)當(dāng)前可持續(xù)性能與期望性能進行比較，有利于制造業(yè)尋找自身的差距，從而為制造業(yè)提供了可持續(xù)性發(fā)展評估和優(yōu)化的方向。

1 問題描述與模型構(gòu)建

1.1 問題描述

本文建立了一個數(shù)據(jù)驅(qū)動的多屬性決策模型(MADM)來評估制造業(yè)的可持續(xù)性發(fā)展能力。首先采用PCA方法，分析各制造業(yè)分因素的可持續(xù)性發(fā)展能力。本文認為影響制造業(yè)可持續(xù)性發(fā)展能力的三大指標(屬性)為：經(jīng)濟屬性，環(huán)境屬性和科技屬性,這些屬性下還有相關(guān)的子屬性。為了綜合分析各屬性的影響作用，采用BP神經(jīng)網(wǎng)絡(luò)建立直接影響強度關(guān)系矩陣，再利用DANP方法獲得各屬性的綜合影響權(quán)重、ISNRM和CISR圖，最后采用MOORA方法計算各制造業(yè)可持續(xù)性能的排名以及制造業(yè)當(dāng)前可持續(xù)性能與期望性能之間的差距比率。具體建模過程如圖1所示。

1.2 模型的建立

1.2.1 主成分分析

(1)計算指標的相關(guān)系數(shù)矩陣Rn×n， 求Rn×n的特征值λ和特征向量μ，并根據(jù)特征根大于1、累計方差貢獻率大于80%的原則選擇主成分，n為子屬性的個數(shù)。

(2)計算因子載荷量ρ，因子載荷量是主成分與原始指標的相關(guān)系數(shù)。

(1)

(4)確定指標權(quán)重:

(2)

式中：v表示指標的主成分的方差貢獻率；F·v表示指標的線性組合系數(shù)對指標的方差貢獻率的加權(quán)和；sum(v)表示v向量各元素之和。最后對指標權(quán)重進行歸一化。

(5)計算各個行業(yè)在不同屬性下的可持續(xù)性能得分。先對數(shù)據(jù)進行百分制轉(zhuǎn)換，即對各行業(yè)的相同指標進行排序，以最高值為基準，計算其他行業(yè)占最高值的百分率，將具有最高值的行業(yè)得分記為100分，其他行業(yè)對應(yīng)的分數(shù)即為百分制分數(shù)。最后將百分制分數(shù)乘以分因素的權(quán)重，可以得到各制造業(yè)分因素下的綜合得分。

1.2.2 BP-DANP方法

(1)對收集來的數(shù)據(jù)進行預(yù)處理，如將數(shù)據(jù)正向化和歸一化。

(2)搭建BP神經(jīng)網(wǎng)絡(luò)。這里的神經(jīng)網(wǎng)絡(luò)只有3層，即輸入層、隱藏層和輸出層，確定輸入層和輸出層的決策屬性，以及隱藏層神經(jīng)元個數(shù)。

(3)計算權(quán)值向量w=mean(|W|·|w|)，其中w為輸入層和隱藏層的權(quán)值矩陣，w=(w1,w2,…,wn);n為輸入屬性的個數(shù);W為隱藏層和輸出層的權(quán)值矩陣;| |表示對矩陣元素取絕對值；·表示矩陣乘法；mean表示對|W|·|w|矩陣每列取平均值。

(4)計算輸入數(shù)據(jù)屬性的直接影響關(guān)系矩陣：

(3)

(5)歸一化B矩陣得到X：

(4)

(6)計算綜合影響矩陣：

T=X(I-X)-1。

(5)

式中I為單位矩陣，(I-X)-1為(I-X)的逆矩陣:

(7)計算中心度和原因度。矩陣T的所有行向量和列向量可分別由式(6)和式(7)計算獲得:

(6)

(7)

其中：′ 表示矩陣的轉(zhuǎn)置；gi表示ith個屬性對其他所有屬性直接或間接的影響，也稱為ith個屬性的影響度；ri表示ith個屬性受其他所有屬性直接或間接的影響，也稱為ith個屬性的被影響度。

指標(gi+ri)定義為屬性i的中心度，可以在一定程度上反映該屬性對制造業(yè)可持續(xù)性發(fā)展能力的影響度大小，值越大說明該屬性越重要。指標(gi-ri)定義為屬性i的原因度，它表示屬性間的原因—結(jié)果關(guān)系,當(dāng)(gi-ri)為正值時，說明屬性i對其他因素影響較大并被劃分為原因因素；相反則說明屬性i容易受其他屬素影響，被分為結(jié)果因素。

(8)構(gòu)建權(quán)重超矩陣：

(8)

(9)對矩陣WΘ求極限，得到各屬性的影響強度權(quán)重，如式(9)所示：

(9)

1.2.3 使用MOORA評估差距比率

(1)構(gòu)建性能矩陣。性能矩陣是基于真實環(huán)境中與制造業(yè)可持續(xù)性評估相關(guān)的性能數(shù)據(jù)。矩陣E=[exy]v×n,x∈{1,2,…,v},y∈{1,2,…,n}反映了xth制造業(yè)在yth屬性上的性能。其中v表示候選的制造業(yè)的個數(shù)；n表示真實性能數(shù)據(jù)屬性的個數(shù)。

(2)歸一化性能矩陣，如式(10)所示：

(10)

通過引入期望值概念，可將式(10)表達為：

(11)

(3)計算每個制造業(yè)的可持續(xù)性能差距比率，

(12)

(4) 確定每個制造業(yè)可持續(xù)性能的最大差距比率。

(13)

式中Qx為第x個制造業(yè)可持續(xù)性能的有待改進量，值越小越好。

2 案例分析

2.1 指標體系的構(gòu)建

制造業(yè)是人類生活和文明的依托,也是我國一大產(chǎn)業(yè)，其GDP增長值直接影響了我國社會的發(fā)展。但制造業(yè)在創(chuàng)造財富的同時也消耗了巨大的自然資源，對環(huán)境造成了不可估量的傷害?？沙掷m(xù)性發(fā)展要求在保持經(jīng)濟發(fā)展的同時，約束資源消耗，促進人與自然和諧相處。因此，可持續(xù)發(fā)展理念成了國內(nèi)外專家和學(xué)者的研究熱點。

目前國際普遍接受的可持續(xù)性發(fā)展原則是：可持續(xù)發(fā)展是指既滿足當(dāng)代人的需要，又不對后代人滿足其自身需求的能力構(gòu)成危害的發(fā)展，或在不危及后代人需求的前提下，尋求滿足當(dāng)代人需求的發(fā)展途徑。在這之前，許多專家和機構(gòu)組織(如聯(lián)合國可持續(xù)發(fā)展委員會(UNCSD)、聯(lián)合國統(tǒng)計局可持續(xù)發(fā)展指標體系、聯(lián)合國經(jīng)濟和社會事務(wù)部(DESA)和環(huán)境問題科學(xué)委員會等)從不同角度(如經(jīng)濟、社會、環(huán)境、資源、人口、發(fā)展等)提出和構(gòu)建了可持續(xù)發(fā)展指標體系。但由于各個可持續(xù)發(fā)展理論的研究主體和在指標上的側(cè)重點不同，至今都沒有一套綜合和標準的制造業(yè)可持續(xù)發(fā)展指標體系。因此，本文根據(jù)制造業(yè)特點，參考國際上關(guān)于可持續(xù)發(fā)展能力指標設(shè)計的標準[24-27]以及文獻[20,28-32]的指標選取，并結(jié)合數(shù)據(jù)的可得性確定了二級的制造業(yè)可持續(xù)發(fā)展評估指標體系，可持續(xù)性指標的選取要能體現(xiàn)可持續(xù)發(fā)展的協(xié)調(diào)性、系統(tǒng)性和可持續(xù)性。整個指標體系分為兩級，第一級指標(屬性)有3個，且每個一級指標下還包含4個二級指標，共有12個屬性指標。

(1)一級指標

一級指標包括：經(jīng)濟(A1)、環(huán)境(A2)和科技(A3)。經(jīng)濟可持續(xù)性是制造業(yè)可持續(xù)發(fā)展的基礎(chǔ)，環(huán)境可持續(xù)性是制造業(yè)可持續(xù)發(fā)展的關(guān)鍵，科技可持續(xù)性是制造業(yè)可持續(xù)發(fā)展的重要手段[28]。

(2)二級指標

二級指標有12項。經(jīng)濟子指標有：資產(chǎn)總計(億元)(B1+)、固定資產(chǎn)投資比率(%)(B2+)、平均用工人數(shù)(萬人)(B3+)、從業(yè)人員(萬人)(B4+)；環(huán)境子指標有：能源消費總量(萬噸標準煤)(B5-)、廢水排放量(萬噸)(B6-)、廢氣排放量(億立方米)(B7-)、固體廢物產(chǎn)生量(萬噸)(B8-)；科技子指標有:R&D人員全時當(dāng)量(人年)(B9+)、新產(chǎn)品開發(fā)項目數(shù)(項)(B10+)、有產(chǎn)品或工藝創(chuàng)新活動的比重(%)(B11+)、R&D經(jīng)費支出(億元)(B12+)。

括號中的“+”和“-”號代表指標的方向性，正向指標表示該指標值越大越好，負向指標表示該指標值越小越好。如表1所示為12項屬性指標選取的參考文獻。

表1 制造業(yè)可持續(xù)性指標選取的參考文獻

續(xù)表1

2.2 數(shù)據(jù)搜集

本文數(shù)據(jù)來源于《中國統(tǒng)計年鑒》、《中國環(huán)境統(tǒng)計年鑒》、《中國能源統(tǒng)計年鑒》、《中國工業(yè)統(tǒng)計年鑒》和《中國科技統(tǒng)計年鑒》(均截止2018年末)。因為廢水排放量、廢氣排放量和固體廢物產(chǎn)生量三個屬性的數(shù)據(jù)在2018年缺失且只能找到2014年的數(shù)據(jù)，所以以此代替，但這樣的替換不會對制造業(yè)可持續(xù)性能評估的整體方向造成較大影響。

2.3 分因素的制造業(yè)可持續(xù)性評估

2.3.1 主成分分析

制造業(yè)可持續(xù)性評估包括經(jīng)濟可持續(xù)性、環(huán)境可持續(xù)性和科技可持續(xù)性評估，因此采用PCA方法分別評價經(jīng)濟、環(huán)境和科技指標下的可持續(xù)性能。首先對數(shù)據(jù)指標進行正向化[10]及標準化處理，再輸入到SPASS軟件中進行主成分分析，可以得到分因素下的特征值、方差貢獻率和累積方差貢獻率，如表2所示。根據(jù)特征根大于1，累計方差貢獻率大于80%的原則選擇主成分。由表2可知，經(jīng)濟指標前兩項的累積方差貢獻率為95.870%，雖然第2項的特征值小于1，但是這兩項包含了大部分原始數(shù)據(jù)的信息，因此仍以這兩項作為主成分。環(huán)境指標也選擇前兩項作為主成分，科技指標第一項方差貢獻率為81.853%，大于80%，因此選其為主成分。

表2 分因素的特征值、方差貢獻率和累積方差貢獻率

2.3.2 分因素的權(quán)重

首先計算因子載荷量ρ，再根據(jù)式(1)和式(2)計算分因素下各屬性的權(quán)重，如表3所示。

表3 分因素下各指標的權(quán)重

2.3.3 綜合得分

根據(jù)1.2.1節(jié)第(5)部分方法求各指標評分，然后乘以表3中對應(yīng)的權(quán)重，可以得到各個制造業(yè)分因素下的可持續(xù)性能的評分。表4～表6分別顯示了經(jīng)濟、環(huán)境和科技方面各制造業(yè)可持續(xù)性發(fā)展能力的評分(由高到低)。

表4 經(jīng)濟可持續(xù)性評估

續(xù)表4

表5 環(huán)境可持續(xù)性評估

表6 科技可持續(xù)性評估

續(xù)表6

表4～表6中，結(jié)果有正數(shù)和負數(shù)，正負并不代表制造業(yè)可持續(xù)性能的真實水平，只能表示制造業(yè)在分因素下的相對位置。負數(shù)表示制造業(yè)在當(dāng)年某個指標下的能力低于平均水平，正數(shù)則表示高于平均水平，且正值越大，綜合得分越高，制造業(yè)的可持續(xù)發(fā)展能力越強。由表4可以看出，在經(jīng)濟指標下，得分最高的前3個制造業(yè)分別是計算機、通信和其他電子設(shè)備制造業(yè)，電氣機械和器材制造業(yè)以及非金屬礦物制品業(yè)，說明這3個行業(yè)在2018年經(jīng)濟水平較高，而排名最后的金屬制品、機械和設(shè)備修理業(yè)得分為負，說明相比于其他制造業(yè)，該行業(yè)在2018年經(jīng)濟狀態(tài)欠佳，呈現(xiàn)下降的趨勢；從表5可以看到，在環(huán)境指標下，得分最高的前3個制造業(yè)分別為金屬制品、機械和設(shè)備修理業(yè)，儀器儀表制造業(yè)以及家具制造業(yè)。這些制造業(yè)的生產(chǎn)模式較符合“綠色制造”，而排名較后的3個行業(yè)分別是非金屬礦物制品業(yè)，石油加工、煉焦和核燃料加工業(yè)，以及化學(xué)原料和化學(xué)制品制造業(yè)，說明這些行業(yè)在生產(chǎn)中排放了較多的環(huán)境污染物，并且消耗了較多的能源。可以看到，該指標下各制造業(yè)的評分普遍偏低，說明制造業(yè)的環(huán)境可持續(xù)性能還有待發(fā)展和提高。從表6可以看到，在科技指標下，得分最高的前3個制造業(yè)分別是計算機、通信和其他電子設(shè)備制造業(yè)，電氣機械和器材制造業(yè)，以及汽車制造業(yè)，這3個制造業(yè)具有較高的科技水平。主要原因是：近些年先進信息技術(shù)、網(wǎng)絡(luò)技術(shù)和計算機技術(shù)的發(fā)展促使計算機、通信和其他電子設(shè)備制造業(yè)的技術(shù)水平飛速提升，而傳統(tǒng)制造業(yè)通過引進新的生產(chǎn)技術(shù)、生產(chǎn)模式、工藝、精密先進的機械設(shè)備，大大提高了生產(chǎn)效率，提升了生產(chǎn)的柔性度和智能度?？萍妓阶畈畹男袠I(yè)為廢棄資源綜合利用業(yè)。

通過上述分析可知，制造業(yè)在分因素下可持續(xù)性能發(fā)展水平迥異，呈現(xiàn)出不均衡的發(fā)展趨勢。

2.4 基于BP-DANP綜合可持續(xù)性評估

2.4.1 BP神經(jīng)網(wǎng)絡(luò)構(gòu)建直接影響度矩陣

傳統(tǒng)的直接影響度矩陣計算方法依賴于專家意見，具有一定的主觀性和局限性，因此本文利用BP神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)權(quán)重的特點來探索數(shù)據(jù)指標間的關(guān)聯(lián)。模型的輸出屬性為B1和B12，以它們?yōu)橹圃鞓I(yè)可持續(xù)性能的結(jié)果度量指標，其余為輸入屬性。BP神經(jīng)網(wǎng)絡(luò)輸出指標的選取要能體現(xiàn)各屬性間的相互作用，能綜合反映制造業(yè)可持續(xù)性能的整體情況，并且定義值越大越好的指標為輸出指標較好[16,33]，該輸出指標需要由一些有經(jīng)驗的專家來確定。本文認為資產(chǎn)和技術(shù)最能度量制造業(yè)的可持續(xù)性能，因此以它們做為輸出指標。依據(jù)文獻[34]方法設(shè)置隱藏層神經(jīng)元個數(shù)為10，非線性激活函數(shù)為”RELU”，總迭代次數(shù)為4 000，學(xué)習(xí)率為0.01，訓(xùn)練目標誤差為0.001。隨著網(wǎng)絡(luò)的訓(xùn)練，樣本誤差逐漸減小，在第2 898步時，模型達到指定的誤差精度，模型停止訓(xùn)練，如圖2所示。

基于網(wǎng)絡(luò)得到的權(quán)重，運用式(3)，得到直接影響度矩陣B，如表7所示。

表7 直接影響度矩陣B

2.4.2 中心度和原因度

將直接影響度矩陣B歸一化，并按式(4)和(5)計算綜合影響度矩陣T，如表8所示。再根據(jù)式(6)和式(7)得到各個輸入屬性的影響度、被影響度、原因度、中心度以及所屬的因果組，如表9所示。

表8 綜合影響度矩陣T

續(xù)表8

表9 中心度和原因度

根據(jù)表9繪制因果關(guān)系圖(ISNRM)，如圖3所示。

由圖3可知，原因因素為平均用工人數(shù)、從業(yè)人員、R&D人員全時當(dāng)量、廢氣排放量和固體廢物產(chǎn)生量，剩余的為結(jié)果因素。原因因素的中心度排名為：固體廢物產(chǎn)生量(B8)>R&D人員全時當(dāng)量(B9)>平均用工人數(shù)(B3)>從業(yè)人員(B4)>廢氣排放量(B7)。這幾個因素不僅影響制造業(yè)的可持續(xù)發(fā)展能力，還對結(jié)果因素有一定的影響，其中影響度最大的為固體廢物產(chǎn)生量?？梢姡岣咧圃鞓I(yè)可持續(xù)發(fā)展水平，控制行業(yè)的固體廢物產(chǎn)生量是必要的。此外，經(jīng)濟和環(huán)境指標下的因素占了兩項，說明制造業(yè)的可持續(xù)發(fā)展較大程度上取決于經(jīng)濟發(fā)展、能源充足、環(huán)境友好。當(dāng)然，科學(xué)技術(shù)是第一生產(chǎn)力，科技層面的支持對制造業(yè)發(fā)展也是必不可少的。為了幫助決策者更好地理解各個屬性的關(guān)系，這里構(gòu)建網(wǎng)絡(luò)影響度矩陣R，R可以用來確定各個屬性之間的影響級別。在綜合影響度矩陣T的基礎(chǔ)上，通過確定τ=tio-toi((i,o∈1,2,…n)的值來創(chuàng)建矩陣R,n為屬性的個數(shù)。當(dāng)τ>0時，表明屬性i影響屬性o，因此tio標記為1，toi標記為0，反之則相反[35]。重復(fù)上述計算，可以得到10個屬性的網(wǎng)絡(luò)影響度矩陣R(如表10)以及CISR(如圖4)

由圖4可知，5個原因因素影響級別高于結(jié)果因素，它們對制造業(yè)的可持續(xù)性能貢獻較大，更容易影響其他因素且較難被其他因素所影響。在結(jié)果因素中，有產(chǎn)品或工藝創(chuàng)新活動的比重(B11)對制造業(yè)的可持續(xù)發(fā)展能力影響級別最低。根據(jù)CIRS圖，企業(yè)管理者可以很方便地找出影響因素和被影響因素，從而能夠有效地抓住關(guān)鍵屬性來制定優(yōu)化策略。

2.4.3 綜合權(quán)重

根據(jù)式(8)和式(9)構(gòu)建權(quán)重超矩陣，并對矩陣求極限，可以得到各個輸入屬性的權(quán)重如表11所示。

表10 網(wǎng)絡(luò)影響度矩陣R

表11 各屬性的綜合權(quán)重

由表11可知，排名前3的屬性為: 有產(chǎn)品或工藝創(chuàng)新活動的比重、 廢水排放量和能源消費總量。這些因素權(quán)重較高，它們對制造業(yè)的可持續(xù)發(fā)展能力影響較大。

2.5 MOORA方法評估差距比率

由表12可知，可持續(xù)發(fā)展能力較大的前6個行業(yè)為：儀器儀表制造業(yè)、電氣機械和器材制造業(yè)、專用設(shè)備制造業(yè)、通用設(shè)備制造業(yè)、煙草制品業(yè)以及計算機、通信和其他電子設(shè)備制造業(yè)，其最大差距比率分別為0.091，0.119，0.122，0.116和0.131。本文以前3個可持續(xù)發(fā)展能力較大的制造業(yè)為例，構(gòu)建基于表12和CIRS圖的可持續(xù)性能優(yōu)化策略[35]，如圖5所示。

表12 各制造業(yè)性能差距比率

續(xù)表12

由圖5可以看到，儀器儀表制造業(yè)具有最大差距比率的屬性為能源消費總量(B5)，它主要受到固定資產(chǎn)投資比率(B2)屬性的影響，且B2的差距比率值也比較大。因此，儀器儀表制造業(yè)應(yīng)致力于提高固定資產(chǎn)投資比率來提升企業(yè)的可持續(xù)性發(fā)展能力。電氣機械和器材制造業(yè)具有最大差距比率的屬性為廢水排放量(B6)，它主要受到能源消費總量(B5)的影響，且B5的差距比率值也比較大。因此電氣機械和器材制造業(yè)應(yīng)致力于控制企業(yè)的能源消費總量，通用設(shè)備制造業(yè)與電氣機械和器材制造業(yè)優(yōu)化策略相似。通過這種方法可以得到各個制造業(yè)主要優(yōu)化的因素，從而可以有針對性地制定優(yōu)化策略。

3 結(jié)束語

傳統(tǒng)的多屬性決策模型(MADM)模型主要基于專家的意見去選擇最佳的可替代方案，雖然在一定程度上可以給出性能的評估和方案的排名，但是它們難以反映研究對象的真實情況。因此，本文建立了基于數(shù)據(jù)驅(qū)動的MADM，首先使用PCA方法分別分析了制造業(yè)的環(huán)境、經(jīng)濟和科技的可持續(xù)性能，可知制造業(yè)在各指標下發(fā)展不平衡，即至少在某些指標上還有待增強，分因素評價有利于制造行業(yè)在社會發(fā)展新常態(tài)下進行可持續(xù)制造的定位和制定發(fā)展策略。其次將BP神經(jīng)網(wǎng)絡(luò)與DANP方法結(jié)合，求得了ISNRM、CISR和數(shù)據(jù)屬性的綜合影響權(quán)重。BP-DANP提供了一種無需專家打分或問卷調(diào)查的客觀方法，能夠有效分析影響制造業(yè)可持續(xù)性能的關(guān)聯(lián)因素。MOORA方法和CISR圖結(jié)合，不僅找出了源因素，還獲得了不同制造業(yè)對應(yīng)的可持續(xù)性能優(yōu)化策略，而不只是一個可持續(xù)性能評估的排名結(jié)果。

根據(jù)這種新方法在制造業(yè)的應(yīng)用結(jié)果可知，有產(chǎn)品或工藝創(chuàng)新活動的比重具有最大的綜合權(quán)重，根屬性是固體廢物產(chǎn)生量。因此，制造業(yè)要想實現(xiàn)可持續(xù)發(fā)展，就必須提高科技水平來推陳出新，同時要注重控制固體廢物的產(chǎn)生量，一方面可以保護環(huán)境，另一方面也可以節(jié)約能源。盡管該方法很有效，但未來研究，還應(yīng)考慮更多的指標和更多真實環(huán)境中的數(shù)據(jù)。