企业敏捷性评价新方法

      内容摘要：本文首先建立了一个基于时间、成本、健壮性和适应性的敏捷性评价指标体系，然后提出了一种利用层次分析法和贝叶斯对专家知识和经验进行有效集成的综合评价方法。

　　关键词：敏捷性评价 层次分析法（AHP） 贝叶斯网络（BN） 概率推理
　　
　　随着技术的、生产力的提高，世界一体化、信息化的步伐不断加快，网络化、虚拟化、数字化、全球化已成为这个时代的主要特征。由于高新技术的出现和更迭越来越快，产品的生命周期日益缩短，消费者需求日渐个性化和多样化，使得21世纪企业面临一个不断变化、不可预测的竞争环境，快速响应与柔性以及创新能力成为市场竞争的主要焦点与企业的竞争优势所在，新一代先进制造技术和管理理念所提倡的基于信息集成的企业敏捷性思想成为企业可持续发展的必由之路。
　　
　　1991年，美国里海大学的雅可卡研究所在《21 世纪制造企业发展战略》报告中提出了“敏捷制造”的概念， 其基本思想是通过把企业组织、先进的柔性生产技术和高素质的人员进行全面集成，使企业能够从容应付快速变化和不可预测的市场需求，获得企业的长期经济效益。自该概念提出以来，关于“敏捷性”的研究在世界范围内引起了广泛的关注，特别是如何采用合理的方法对企业的敏捷性进行评价，是一个非常具有现实意义的课题。
　　
　　构建敏捷性评价指标体系
　　
　　为了对企业进行敏捷性评价，首先必须建立指标体系。很明显，在快速变化和不可预测的市场环境下，用多长时间来响应变化并进行调整是衡量敏捷性的关键因素；但是只有时间一个指标不能体现真正的敏捷性，如果在很短的时间内做出了响应和调整，却花费了大量的人力物力财力，也不能说明一个系统是敏捷的；而如果在高速、低成本地适应变化后系统本身处于不稳定的状态，这样的系统也不是敏捷的；另外，变化本身是一个连续不断的过程，系统的结构应该使其本身具有针对变化进行调整的能力，这种能力可以用适应性这个指标来衡量。
　　综上所述，一个系统如果要有效地适应环境变化，即达到敏捷性的要求，就必须从时间、成本、健壮性、适应性四个方面进行衡量。因此,从构造上看,Rick Dove 的CTRS 敏捷性评价体系具有明确的物理意义,易于理解和量化评价，我们由此构造了基于CTRS的企业敏捷性评价指标体系，如图1所示。
　　
　　运用层次分析法与贝叶斯网络进行敏捷评价
　　
　　第一，用层次分析法（AHP）各指标对于敏捷性的权重。AHP是Saaty教授于20世纪70年代提出的一种用于解决多层次多准则综合评价问题的有效方法。
　　基本步骤为:建立递阶层次结构模型，一般分为目标层、准则层、方案层。本文所建立的敏捷性评价指标体系正是这样一种递阶层次结构模型；构造两两比较判断矩阵，在这里我们采用被普遍接受的9标度法作为进行两两比较的标度；每层各元素相对排序权重的计算，本文采用特征根法这种应用广泛且具有良好性能的计算排序权重的方法；对判断矩阵进行一致性检验，包括每层各元素排序时的一致性检验和各层元素相对于目标层总排序时的一致性检验；求得最底层即方案层各元素关于目标层的合成排序权重wi，本文中的方案层各元素就是指的表1中所列最底层的S1-S21这21个指标。

　　第二，利用贝叶斯（BN）敏捷性的概率。BN是近20年来人工智能领域流行的一种方法，在获取、表达不确定知识以及在不确定环境下进行概率推理具有独到的优势，目前已被广泛应用于预测、分类、因果分析和诊断分析等任务。BN由定性部分（以有向无环图表示的网络拓扑结构）和定量部分（图中每个节点上的条件概率表）组成。其基本的推理任务，是在给定对一个变量集合的观测证据时，计算出另一个被调查的变量集合的后验概率分布。本文利用基于Matlab的Bayes Net Toolbox (BNT)软件包进行BN的建模和推理分析。
　　BN模型由图2所示的网络拓扑结构，以及S_i上的边缘概率P(S_i)和C_ij上的条件概率P(C_ij IS_i)构成。其中变量S_i有Hi和Lo两个状态，分别表示在影响因素i中，企业落入高敏捷性分类或低敏捷性分类的情形；变量C_ij有c1,c2,…,cm个状态，分别表示在影响因素i中，第j个专家认为该企业落入某一决策准则的情形。
　　对于P(S_i)，可取P (S_i =Hi)=P (S_i=Lo)=1/2 ，因为我们关注的是更新后的P(S_i)而并非是初始的P(S_i)。对于P(C_ij IS_i)，由于变量C_ij有多个状态c1,c2,…,cm，直接得到P(C_ij IS_i)相当困难，于是可先由专家给出P(S_i IC_ij )，再利用贝叶斯定理计算出P(C_ij IS_i)。从而完成贝叶斯网络的建模。
　　构建出本评价问题的贝叶斯网络模型后，对于选定的某一目标企业，逐步利用各个专家给出的对该企业在各个影响因素上的判据，对每一个P(S_i =Hi )进行更新，直到所有专家的证据都被利用。这样，随着越来越多的专家证据被加入到贝叶斯网络模型中，得到的P(S_i =Hi )便趋于合理。可以看出，贝叶斯网络模型可以有效集结多个专家的不同意见，并且在有的专家没有给出判据（数据缺失）的情形也能有效处理。
　　
　　第三，利用前面计算得到的影响因素权重wi，以及逐步更新得到的P(S_i =Hi)，便可计算出企业属于高敏捷性的总概率P(S=Hi)，如下所示：
　　P(S=Hi)=w₁P(S₁=Hi)+w₂P(S₂=Hi)+Λ+w₁ P(S₁ =Hi)
　　式中l是指方案层元素的总数。如果所评价企业的P(S=Hi)≥0.7，则该企业属于高敏捷性级别；若0.4
　　
　　结论
　　
　　本文首先构建了一个敏捷性评价指标体系，然后提出了一种将层次分析法（AHP）与贝叶斯网络（BN）相结合以有效集结专家知识和经验进行综合评价的方法，通过该方法，可以有效处理专家意见不一致的情况，并能够在某些专家意见缺失的情况下得到合理的结果，该方法的另一个优点是易于对所得到的评价结果进行分析，从而提出合理化建议。最后我们将该方法应用于一个企业的敏捷性评价，得到了合理而有效的评价结果。这些都说明我们所提出的这一方法是可行并且合理的。
　　
　　：
　　1.Nagal R, Dove R. 21st Century Manufacturing Enterprises Strategy: An Industry - Led View & Infrastructure. Iacocca Institute, Lehigh UniverS_ity, 1991
　　2.Saaty TL. The analytic hierarchy process. New York: McGraw-Hill;1980
　　3.Kevin Murphy. Bayes Net Toolbox for Matlab. http: //www.cs.ubc.ca/~murphyk/Software/BNT/bnt.html