王娟，魏解，王琪，張蕾，李凡，溫兵兵，李松

摘要：針對模糊層次分析法對企業(yè)數(shù)字化技術(shù)評價受到專家個人主觀因素影響比較大的問題，提出了基于FAHP-BP的評價模型。結(jié)合企業(yè)數(shù)字化轉(zhuǎn)型實(shí)際，構(gòu)建了包含16個指標(biāo)的數(shù)字化技術(shù)評價指標(biāo)，采用FAHP初步確定各評價指標(biāo)權(quán)重，將其作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)集，對各評價指標(biāo)權(quán)重進(jìn)行優(yōu)化。將提出的FAHP-BP評價模型應(yīng)用于10家企業(yè)中，驗(yàn)證了模型的有效性，并指出當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展水平和企業(yè)數(shù)字化技術(shù)水平之間具有一定的相關(guān)性。這對電力、化工等高能耗、高污染企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型具有一定的參考價值。

關(guān)鍵詞：模糊層次分析法；BP神經(jīng)網(wǎng)絡(luò)；數(shù)字化技術(shù)；評價模型

中圖分類號：TP391.9

文獻(xiàn)標(biāo)志碼：A文章編號：1001-5922（2023）12-0139-04

Research on construction of enterprise digital technology evaluation system based on FAHP-BP

WANG Juan1，WEI Jie2，WANG Qi2，ZHANG Lei2，LI Fan3，WEN Bingbing3，LI Song3

（1.State Grid Hubei Electric Power Co.，Ltd.，Wuhan 430077，China;?2.Marketing Service Center，Hubei Electric Power Co.，Ltd.，State Grid，Wuhan 430080，China;?3.Hubei Huazhong Electric Power Technology Development Co.，Ltd.，Wuhan 430077，China）

Abstract：To solve the problem that the evaluation of enterprise digital technology by fuzzy analytic hierarchy process is greatly affected by the subjective factors of experts，an evaluation model based on FAHP-BP was proposed.Combined with the reality of the digital transformation of chemical enterprises，a digital technology evaluation index containing 16 indicators was constructed，and the weights of each evaluation index were preliminarily determined by using FAHP，which was used as the training data set of BP neural network to optimize the weights of each evaluation index.The proposed FAHP-BP evaluation model was applied to 10 chemical enterprises，and the effectiveness of the model was verified.It was pointed out that there was a certain correlation between the level of local economic development and the level of enterprise digital technology.This has certain reference value for the implementation of digital transformation of high-energy and high-pollution enterprises such as electric power and chemical industry.

Key words：fuzzy analytic hierarchy process;BP neural network;digital technology;evaluation model

企業(yè)數(shù)字化技術(shù)評價反映了數(shù)字化技術(shù)的成熟度和有效性，構(gòu)建科學(xué)化的評價體系至關(guān)重要。層次分析法是1種常見的評價方法，引起了學(xué)術(shù)界的廣泛關(guān)注。構(gòu)建了基于模糊層次分析法（FAHP）的高校智能辦公椅設(shè)計評價體系，實(shí)現(xiàn)了對多因素模糊問題的定量計算。采用FAHP構(gòu)建了工業(yè)縫紉機(jī)可用性評價模型，并對評價模型應(yīng)用于具體的工業(yè)縫紉機(jī)中。從電網(wǎng)安全穩(wěn)定運(yùn)行的角度出發(fā)，提出了基于FAHP的電網(wǎng)操作方案優(yōu)劣判斷方法。因電力、化工等高能耗和高污染特點(diǎn)，實(shí)施數(shù)字化技術(shù)迫在眉睫，但數(shù)字化技術(shù)評價是1個十分復(fù)雜的問題?；诖?，聯(lián)合FAHP和BP神經(jīng)網(wǎng)絡(luò)，構(gòu)建企業(yè)數(shù)字化技術(shù)評價體系，期待對提升電力、化工等企業(yè)數(shù)字化轉(zhuǎn)型成功提供參考。

1企業(yè)數(shù)字化技術(shù)評價指標(biāo)體系

企業(yè)數(shù)字化技術(shù)評價指標(biāo)體系是衡量與評估企業(yè)數(shù)字化水平的關(guān)鍵，通過評價指標(biāo)來了解企業(yè)數(shù)字化轉(zhuǎn)型的成熟度、效率以及有效性。不論是電力企業(yè)還是化工企業(yè)，其實(shí)施數(shù)字化技術(shù)均可以使員工更好地掌握各種危險設(shè)備的操作，有效降低人為因素所造成的安全事故。構(gòu)建企業(yè)數(shù)字化技術(shù)評價指標(biāo)體系，如圖1所示。

由圖1可知，構(gòu)建的企業(yè)數(shù)字化技術(shù)評價指標(biāo)體系共包含4個二級指標(biāo)，16個三級指標(biāo)。從技術(shù)掌握、生產(chǎn)應(yīng)用、研發(fā)應(yīng)用、管理應(yīng)用4個角度對企業(yè)數(shù)字化技術(shù)進(jìn)行評價，其中技術(shù)掌握涉及4個方面，分別為計算機(jī)操作、設(shè)備使用、數(shù)據(jù)處理以及數(shù)據(jù)分析；生產(chǎn)應(yīng)用涉及4個方面，分別為自動化控制、智能制造、運(yùn)行維護(hù)、風(fēng)險預(yù)警；研發(fā)應(yīng)用涉及4個方面，分別為共享平臺、項目管理、數(shù)據(jù)管理、項目進(jìn)程；管理應(yīng)用涉及4個方面，分別為人力資源、環(huán)保檢測、市場銷售、安全培訓(xùn)。

2企業(yè)數(shù)字化技術(shù)評價模型

2.1FAHP

FAHP是將定量分析和定性分析相結(jié)合的系統(tǒng)分析方法，可有效幫助決策者做出最佳的選擇。

2.1.1建立層次結(jié)構(gòu)，制定判斷矩陣

按照確定的數(shù)字化技術(shù)評價指標(biāo)體系結(jié)構(gòu)，對每個層次中的元素，由決策者制定模糊判斷矩陣。采用0.1～0.9標(biāo)度法來量化2個因素的相對重要性，從而得到判斷矩陣。

2.1.2模糊一致性檢驗(yàn)

設(shè)矩陣A=aijn×n滿足aij+aji=1，那么矩陣A為模糊互補(bǔ)判斷矩陣。對模糊判斷矩陣的每一行元素相乘并開方，即

ω-i=n∏nj=1aij（1）

對ω-i進(jìn)行歸一化，進(jìn)而得到模糊互補(bǔ)判斷矩陣A的特征向量（W），即

W=ω1ω2…ωnT（2）

其中，ωi的數(shù)學(xué)表達(dá)式：

ωi=ω-i∑ω-i（3）

計算最大特征值λmax，其數(shù)學(xué)表達(dá)式：

λmax=1n∑ni=1AWiωi（4）

2.1.3計算權(quán)重，進(jìn)行綜合評分

通過模糊層次分析可以得到每一個準(zhǔn)則及備選方案的權(quán)重，其反映了該項準(zhǔn)則在實(shí)際決策評價中的重要性。將計算得到的權(quán)重應(yīng)用在各個評價指標(biāo)上，從而得到最終的評價綜合得分。

2.2BP網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練學(xué)習(xí)中不斷調(diào)整網(wǎng)絡(luò)權(quán)重和偏置使輸出和實(shí)際目標(biāo)間誤差最小化，具體步驟：

（1）前向傳播?？紤]到不同因素之間量化數(shù)值之間的差異，在輸入網(wǎng)絡(luò)之前對數(shù)據(jù)進(jìn)行歸一化處理，即

x′=x-xminxmax-xmin（5）

將歸一化后數(shù)據(jù)x′傳遞給網(wǎng)絡(luò)，通過一系列的權(quán)重與偏置的線性組合得到每一個神經(jīng)元的輸出值，即

y=f2ω2·f1ω1·x+b1+b2（6）

式中：f1為輸入層和隱含層之間的神經(jīng)元傳遞函數(shù)；f2為隱含層和輸出層之間的神經(jīng)元傳遞函數(shù)；ω1為輸入層和隱含層之間的權(quán)值矩陣；ω2為隱含層和輸出層之間的權(quán)值矩陣；b1為輸入層和隱含層之間的偏置；b2為隱含層和輸出層之間的偏置。

（2）誤差計算。計算網(wǎng)絡(luò)輸出和實(shí)際目標(biāo)之間的誤差，常常采用損失函數(shù)來衡量誤差的大小。

（3）反向傳播。從輸出層開始，計算誤差對每個權(quán)重和偏置的梯度，并將梯度沿著網(wǎng)絡(luò)反向傳播到隱藏層和輸入層。根據(jù)計算得到的梯度，使用梯度下降或其他優(yōu)化算法來更新網(wǎng)絡(luò)中的權(quán)重和偏置，以減小誤差，這樣網(wǎng)絡(luò)就可以逐漸調(diào)整自身以提高預(yù)測的準(zhǔn)確性。

2.3FAHP-BP模型

將FAHP和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，構(gòu)建企業(yè)數(shù)字化技術(shù)評價模型。采用FAHP獲取評價的先驗(yàn)樣本，通過先驗(yàn)樣本來訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型。借助BP神經(jīng)網(wǎng)絡(luò)在處理非線性映射問題方面的強(qiáng)大能力，對各評價指標(biāo)權(quán)重進(jìn)行優(yōu)化。通過定量分析與定性分析的有機(jī)結(jié)合，從而獲取優(yōu)化后的各評價指標(biāo)權(quán)重。FAHP-BP的企業(yè)數(shù)字化技術(shù)評價模型如圖2所示。

3結(jié)果分析

3.1初步確定指標(biāo)權(quán)重

采用模糊層次分析法對企業(yè)數(shù)字化技術(shù)評價指標(biāo)權(quán)重進(jìn)行初步確定，通過問卷調(diào)查，借助0.1～0.9標(biāo)度法對各層次的各指標(biāo)之間重要性進(jìn)行判別，構(gòu)造模糊互補(bǔ)判斷矩陣，分別為A、A1、A2、A3、A4，即

A=0.50.30.20.20.70.50.90.70.80.10.50.40.80.30.60.5

A1=0.50.30.80.60.70.50.90.80.20.10.50.60.40.20.40.5

A2=0.50.20.80.60.80.50.90.30.20.10.50.80.40.70.20.5

A3=0.50.20.60.10.80.50.90.40.40.10.50.20.90.60.80.5

A4=0.50.30.80.20.70.50.90.30.20.10.50.20.80.70.80.5

對判斷矩陣進(jìn)行模糊一致性檢驗(yàn)，其模糊一致性評價指標(biāo)（CR）分別為0.076 9、0.082 3、0.065 2、0.053 4、0.066 3，均滿足CR<0.1，即所有的模糊互補(bǔ)判斷矩陣均通過一致性檢驗(yàn)。初步確定各層指標(biāo)權(quán)重，其結(jié)果為：

W=［0.116 70.383 30.216 70.283 3］W1=［0.283 30.400 00.150 00.166 7］W2=［0.266 70.333 30.183 30.216 7］W3=［0.150 00.350 00.116 70.383 3］W4=［0.216 70.316 70.083 30.383 3］（7）

3.2指標(biāo)權(quán)重優(yōu)化

采用初步確定的樣本指標(biāo)線性加權(quán)作為樣本輸出，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集。按照8∶2的比例將樣本數(shù)據(jù)集劃分為訓(xùn)練集和測試集。構(gòu)建BP神經(jīng)網(wǎng)絡(luò)，輸入層、隱含層以及輸出層節(jié)點(diǎn)分別為16、6、1，設(shè)置最大訓(xùn)練次數(shù)為500次，學(xué)習(xí)率為0.004。BP神經(jīng)網(wǎng)絡(luò)性能如圖3所示。

由圖3可知，在經(jīng)過446次迭代后滿足結(jié)束條件。采用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型的輸出作為節(jié)點(diǎn)權(quán)重，計算化工企業(yè)數(shù)字化技術(shù)評價各指標(biāo)權(quán)重，計算公式：

Si=Fi，k∑Fi，k（8）

其中，F(xiàn)i，k的計算公式：

Fi，k=∑qj=1Fi，j×Fj，kFi，j=ωi，j∑mi=1ωi，jFj，k=ωj，k∑qj=1ωj，k（9）

采用BP神經(jīng)網(wǎng)絡(luò)對FAHP所得到的各指標(biāo)初步權(quán)重進(jìn)行優(yōu)化，有效降低了評價專家的個人主觀因素，最終得到企業(yè)數(shù)字化技術(shù)評價指標(biāo)權(quán)重，結(jié)果如表1所示。

3.3實(shí)證分析

選擇10家企業(yè)作為研究對象，對企業(yè)進(jìn)行編號，其所在的省份依次為浙江、安徽、青海、江蘇、浙江、河南、吉林、甘肅、湖北、吉林。對企業(yè)數(shù)字化技術(shù)進(jìn)行評價，結(jié)果如圖4所示。

由圖4可知，東南沿海地區(qū)的企業(yè)數(shù)字化技術(shù)評價得分普遍比較高；中部地區(qū)的企業(yè)數(shù)字化技術(shù)評價得分中等，而位于大西北經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)的企業(yè)數(shù)字化技術(shù)評價得分偏低。

4結(jié)語

研究構(gòu)建了包含4個一級指標(biāo)和16個二級指標(biāo)的企業(yè)數(shù)字化技術(shù)評價指標(biāo)體系，采用模糊層次分析法初步確定各評價指標(biāo)權(quán)重。在此基礎(chǔ)上，采用BP神經(jīng)網(wǎng)絡(luò)對各評價指標(biāo)權(quán)重進(jìn)行優(yōu)化，消除評價專家個人主觀因素的影響。將構(gòu)建的FAHP-BP企業(yè)數(shù)字化技術(shù)評價模型應(yīng)用于10家化工企業(yè)中，分析結(jié)果表明，東南經(jīng)濟(jì)發(fā)達(dá)地區(qū)化工企業(yè)的數(shù)字化技術(shù)得分最高，中部經(jīng)濟(jì)中等發(fā)達(dá)地區(qū)化工企業(yè)的數(shù)字化技術(shù)得分一般，西部經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)化工企業(yè)的數(shù)字化技術(shù)得分較低。

【參考文獻(xiàn)】

[1]梁佳，宋緒丁，朱武威.模糊層次分析法在高校智能辦公椅設(shè)計評價中的應(yīng)用.包裝工程，2023，44（6）：144-150.

[2]江濤，葛正浩，雷靜，等.基于模糊層次分析法的工業(yè)縫紉機(jī)可用性評價.機(jī)械設(shè)計，2022，39（12）：119-124.

[3]朱濤，謝一工，鐘少軍，等.模糊層次分析法在電網(wǎng)操作方案選擇過程中的應(yīng)用.中國電力，2022，55（8）：121-128.

[4]孟然.基于BIM多元數(shù)字化協(xié)同技術(shù)賦能建筑設(shè)計發(fā)展.鐵道工程學(xué)報，2023，40（4）：84-88.

[5]宮曉華，張強(qiáng)，李楓.模糊層次分析法在淤地壩風(fēng)險評價中的應(yīng)用.水資源與水工程學(xué)報，2022，33（5）：131-137.

[6]任盼，費(fèi)良軍，馮纏利，等.基于模糊層次分析法的節(jié)水型生態(tài)灌區(qū)綜合評價.灌溉排水學(xué)報，2022，41（7）：129-139.

[7]劉彤杰，宋洪慶，張杰，等.模糊層次分析法在我國深空探測方案優(yōu)選應(yīng)用探究.工程科學(xué)學(xué)報，2022，44（8）：1433-1443.

[8]董志斌，龐新宇，李博，等.基于模糊層次分析法的刮板輸送機(jī)中部槽中板材料選擇.機(jī)械設(shè)計與制造，2021（3）：248-252.

[9]梁棟，朱興貝，鄔嵐.基于模糊層次分析法的高鐵貨運(yùn)物流方式選擇.森林工程，2021，37（1）：117-121.

[10]劉文杰，余昊，陳冬梅.基于GA-BP神經(jīng)網(wǎng)絡(luò)的航空渦輪組件再制造工時預(yù)測.機(jī)械設(shè)計，2023，40（8）：69-75.

[11]鄧宇軒.基于自適應(yīng)PSO-BP神經(jīng)網(wǎng)絡(luò)的城軌造價預(yù)測研究.建筑經(jīng)濟(jì)，2023，44（S1）：92-96.

[12]余凱.建筑物基坑支護(hù)變形GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)警檢測研究.粘接，2023，50（8）：158-161.

[13]張谷玉，韓旭.基于BP神經(jīng)網(wǎng)絡(luò)-證據(jù)理論的產(chǎn)品情感評價策略.包裝工程，2023，44（16）：41-47.

[14]朱云峰.基于模糊層次分析法的金箔文創(chuàng)產(chǎn)品設(shè)計研究.包裝工程，2022，43（22）：341-349.

[15]孫建梅，蔣雨真.基于模糊層次分析的區(qū)塊鏈平臺決策模型.科學(xué)技術(shù)與工程，2022，22（9）：3702-3708.

[16]李夢源，董瑞科，王彥海，等.基于ISSA-BP神經(jīng)網(wǎng)絡(luò)的滑坡區(qū)輸電鐵塔狀態(tài)預(yù)測模型.電子測量技術(shù)，2023，46（11）：74-82.

[17]生萬寶，張本國，吳迪，等.基于蟻群算法-BP神經(jīng)網(wǎng)絡(luò)的漏鋼預(yù)報模型研究.特種鑄造及有色合金，2022，42（11）：1366-1369.

[18]龔天洋，郭柏蒼，王文揚(yáng)，等.視覺類次任務(wù)駕駛安全性預(yù)測模型.科學(xué)技術(shù)與工程，2019，19（11）：272-279.