航天试验装备维修保障资源配置效率评价研究*

杨 超，侯兴明，廖兴禾，秦海峰，许 庆

（航天工程大学，北京 101416）

0 引言

维修保障资源是维修保障能力生成的重要支撑，且往往表现出相对的稀缺性。航天试验装备保障资源是指可用于对航天试验装备进行维修保障人力、物力、财力、信息资源的统称［1-2］。航天试验装备维修保障资源配置效率，是指为完成航天试验装备维修保障任务，在一定的技术水平条件下，维修保障资源各投入要素在维修保障能力不同生成主体的分配所产生的效益。近年来，我国航天事业飞速发展，北斗组网、嫦娥探月、高分系列卫星等重大航天工程项目的成功，彰显了我国在探索浩瀚宇宙征途上取得的丰硕成果。同时，高密度、高强度、高标准的航天试验任务，对航天试验装备维修保障资源的配置效率提出了更高要求，对航天试验装备维修保障资源配置效率进行科学评价和分析，有助于及时发现航天试验装备维修保障资源配置中存在的问题，采取针对性措施改进提高，推进航天试验任务集约高效发展。

资源配置效率评价问题存在于各行各业，并且一直是数学、经济学和管理学领域中的研究热点。数据包络分析（Date Envelopment Analysis，DEA）法在评价资源配置效率问题上的先天优势受到了众多学者的关注，成为解决资源配置问题的一种有效工具。赵镇［3］，赵琦［4］，郑龙等［5］将DEA 方法运用于教育资源配置效率的评价分析中；黄海霞等［6］，苑清敏等［7］利用DEA 模型对科技资源配置效率进行了研究；张昕等［8］，张航等［9］运用DEA 对卫生资源配置效率进行了分析与评价等等。近年来，DEA方法逐步应用于军事领域，毛海力等［10］分析了保障效率的研究现状，指出了DEA 方法是军队保障系统评价保障效率的最优方法，并在保障效率评价中有所应用，但不够成熟；陆凯等［11］提出利用DEA 方法研究维修保障运行效率，拓展了DEA 方法的应用范畴。然而，航天试验装备维修保障系统涉及的装备种类众多、技术复杂、通用性较差、可靠性要求高［12］，维修保障资源配置效率的评价指标较多，而DEA 方法的精准性对评价指标和决策单元的数量有着严格要求［13］，不适宜用该法进行直接评价。基于此，本文首先采取主成分分析（Principal Component Analysis，PCA）法对评价指标体系进行降维优化，而后运用DEA 法对航天试验装备维修保障资源配置效率进行评价分析。

1 研究方法介绍

1.1 PCA 法

PCA 法的本质是利用降维的思想将多个指标转化为少数几个综合性的主成分指标，每个主成分都是原始变量的线性组合，能够反映原始变量的大部分信息，且各主成分之间互不相关。在对航天试验装备维修保障资源配置效率进行评价时，运用PCA 法对复杂的评价指标体系进行降维处理，找出主成分，便于进行后续的评价分析。

主成分分析法的运用可以归纳为以下3 步骤：

1）原始数据标准化处理。如果存在逆指标，先按照式（1）对逆指标进行预处理，而后对不同类型的指标数据进行标准化处理，以消除数据量纲差距，确保评价的准确性。

3）确定主成分。按照式（2）求出各主成分的贡献率，即各主成分在全部方差中的占比，贡献率越大说明主成分代表原始信息的能力越强。如果前k个主成分的累计贡献率超过85%，则说明这k 个主成分基本包含全部原始信息，用计算出的特征向量和原始数据，建立主成分分析变换后的矩阵。

1.2 DEA 法

DEA 法于1978 年由著名运筹学家Charnes、Cooper 和Rhodes 首次提出，它是根据多项投入指标和多项产出指标，利用线性规划的方法，对具有可比性的同类型单位进行相对效率评价的一种数量分析方法，是运筹学、管理科学与数理经济学交叉研究的一个新的研究领域［14］。DEA 方法的优势在于不需要在投入或产出指标之间进行相关性检验，也不需要设置投入产出权重参数，只须要求系统中的决策单元同质，即具有相同的目标、相同的外界环境、相同的输入和输出，具有量纲无关性、无假设权重等特点，该法在避免主观因素和简化算法、减少误差等方面有着巨大的优越性［15］，在各个领域得到广泛运用。在航天试验装备维修保障资源配置效率的评价中，鉴于资源要素的投入与产出不具有明确的函数关系，因此，可将DEA 方法运用到资源配置效率的评价中。

1）θ*=1 且S*+=0，S*-=0，则DMUj为DEA 有效，表示该单位此时的维修保障资源投入与能够获得最大产出，资源配置效率达到最佳。

2）θ*＜1 且至少某个S*+>0 或S*->0，则DMUj为弱DEA 有效，说明可以通过减少投入或者增加产出来提高维修资源的配置效率，S*+>0 说明产出指标不是最佳，还可以在资源投入不变的基础上增加产出，提高配置效率；S*->0 说明投入的资源没有充分利用，资源配置效率还可以提高。

3）θ*<1，则DMUj为无效。说明需要改进资源配置方案以提高资源配置效率。

1.3 基于主成分和数据包络的组合分析（PCA-DEA）法

在DEA 方法中，如果投入指标相关性较强，将导致决策单元“效率”的相对性不突出，丧失决策意义。基于此，在建立航天试验装备维修保障资源配置效率评价指标体系后，应运用PCA 法提取指标变量的主要成分，降低指标的相关性，将提取后的主成分指标作为DEA 评价模型的输入，组合分析评价的具体流程如图1 所示。

图1 基于主成分分析的数据包络组合评价流程

2 实证分析

2.1 指标体系构建

从经济学的角度来看，航天试验装备维修保障资源的配置活动同样具有投入产出的特性，根据实际情况和相关研究，本文将其投入指标分解为人力、物力、财力、信息4 个方面［16］，产出以维修效果为指标。具体评价指标的选取尤为重要，起着基础性、决定性的作用，在选取的过程中应遵循如下5个原则：1）科学性。即选取的评价指标要能够客观真实地反映航天试验装备维修保障资源配置的特点和状况。2）系统性。即各指标之间要有一定的逻辑关系衔接，能从不同的角度反映航天试验装备资源配置活动的整体状态。3）层次性。即选取的指标应层次分明，下层指标是上层指标的具体化描述，上层指标是下层指标的聚合特征。4）可操作性。即选取的指标数据尽量便于收集、计算和分析比较。5）简明性。即选取的指标数量要适度，不能过多过细、描述复杂，应简明易懂，便于获取数据。

根据上述原则，本文基于课题调研中收集的8个航天试验装备维修保障营级单位的评价数据，参考相关研究文献［17-18］，将资源配置效率评价指标体系按照投入和产出两大类指标区分为5 个二级指标和14 个三级指标，如下页表1 所示。

表1 航天试验装备维修保障资源配置效率评价指标体系

对收集处理的评价数据进行加权平均，得到各受评单位评价指标原始数据，如表2 所示。

表2 航天试验装备维修保障资源配置效率评价指标原始数据

利用SPSS 软件对原始投入指标数据进行主成分分析，基本流程为：对数据进行标准化处理，利用SPSS 软件中降维分析功能计算各指标相关系数和主成分的特征根及贡献率，提取出3 个主成分F1、F2、F3，如表3 所示。

由表3 可知，前3 个主成分的特征值均大于1，且累积贡献率为92.829 %＞85 %，说明前3 个主成分能够包含选取的13 个投入评价指标要表达的充足的信息，因此，可以选择这3 个主成分作为降维约减后的投入指标，主成分得分系数矩阵如表4 所示。

表3 主成分贡献表

表4 主成分得分系数表

用对应指标标准化后的值乘以主成分得分系数，即可得到3 个主成分F1、F2、F3 的得分，如表5所示。

表5 主成分得分

这样，运用PCA 法就得到了既能反映8 个航天试验维修保障单位资源配置效率信息的指标，又能减少指标的数量，便于开展效率评价的分析计算。

2.2 效率计算评价

在进行DEA 分析前，首先对主成分指标数据进行归一化处理，而后用MAXDEA 5 软件中DEA 的CCR 模型进行数据计算，得到运算结果如表6 所示。根据DEA 有效性判定原则，由表可知，序号为1、5、6、8 的4 个单位的资源配置效率达到最佳，对于2、3、4、7 的4 个单位为DEA 为无效，说明这些维修保障单位的资源配置效率较低，可以通过精准资源的投向投量、加强资源配置管理的质量效益等来提高资源配置效率。

表6 DEA 计算结果

同时，由上述计算分析可以折射出，在航天试验装备维修保障资源配置的过程中，并非是投入资源的量大类全、达到了维修保障的产出要求，就说明资源配置的效率高，如单位1、6，其原始指标数据相较其他单位明显偏低，但是却实现了资源配置效率的最佳，说明这是一种集约型的配置，而对于单位3 在原始指标数据大部分占优的情况下，其资源配置效率的评价却较低，说明这是一种粗放型的资源配置。

3 结论

航天试验装备维修保障资源的配置效率，是反映资源配置的决策是否科学、资源配置的方式是否合理、资源配置管理与运用的质量效益是否高效的重要参考，本文针对航天试验装备维修保障资源配置效率评价的特点，提出基于PCA-DEA 的组合分析法，通过案例进行了实证分析，证明该法能够通过复杂的指标体系，挖掘航天试验装备资源配置效率的信息，从而为提高航天试验装备维修保障的质量效益提供重要参考。