新舰维修能力评估体系赋权研究*

李铁成，张怀强，杜军岗

（海军工程大学管理工程与装备经济学院，武汉 430033）

0 引言

新舰维修能力是指舰船维修机构运用各类维修保障资源帮助新型军舰排除早期故障期故障，保障新型军舰战备完好性的能力［1-2］。新舰的入役在给部队带来战斗力提升的同时，也给新舰的维修保障工作带来压力［3］。一方面，由于在设计研发、制造工艺及技术集成等方面，新型舰船比传统舰船均有不同幅度的优化提升，因而维修保障上的难度与工作量也与传统舰船的维修任务不等同，许多舰船维修机构不具备修理新型舰船故障的能力［4-5］；另一方面，技术不成熟、建造速率过快等原因常常导致新型舰船在入役早期故障高发，不如传统舰船的故障率稳定［6］。新型舰船维修工作压力不断增加，承修单位若不具备维修能力，会极大地影响新型舰船的可用度与在航率，进而影响部队的战斗力［7-8］。因此，筛选出具备维修新型舰船能力的承修单位成为新型舰船维修工作的重中之重［9］。

当前军内外尚未有研究学者对新型舰船承修商维修能力评估展开研究，因而本文主要从舰船承修商维修能力评价体系与其使用的评价工具和方法的维度来介绍文章的研究背景。舰船承修商维修能力评价体系方面，李浩军［10］认为军方的舰船修理机构的维修能力评估应更侧重于维修工具等维修硬件设施的评估，认为军方在新舰入役初期，维修能力匮乏的原因在于备件备品及维修耗材等维修硬件设备的落后。黄栋［11］在衡量与军方合作的地方修船机构合同商维修保障能力时，采用层次分析法（简称AHP 法）应用yaahp4.0 软件计算指标权重，认为“可靠性”等维修质量指标与合同商的维修信誉非常重要，但指标体系以修理效益为主，且维修质量与维修信誉等评价指标主观性强，与其他指标的关联性强，导致指标之间的独立性减弱。潘璠［12］建立了军民船艇修理厂通用的修理能力评价体系，并用AHP 法计算指标权重，但其建立的指标体系一方面存在通用性过强的缺陷，对除舰船外其他大型装备均可以进行评价；另一方面，该指标体系同样面临着指标独立性差，指标体系互相关联存在相容性，因此，将各指标两两对比确定权重的AHP 法并不适用。

综合来看，确定指标权重时大部分学者采用了根据专家意见两两对比指标权重的AHP 法，无法克服指标体系不可避免出现的指标关联、相容的问题［13-14］。通过文献资料的收集阅读，本文发现网络分析法可以有效克服指标相容性，将指标之间的关联关系反映计算进指标权重中［15-18］。当前，为克服指标之间的关联性、相容性等问题，许多专家学者创建了包括灰色关联法［19-20］、灰色投影法［21-22］、模糊综合评价法［23-24］等多种指标融合方法，但这些方法在实践上强烈依赖样本数据的可靠性，受样本数据影响较大，往往无法反映指标融合的主观需求与实际情况。而网络分析法对指标的赋权由专家结合实际情况主观决定，不受统计样本数据变化的影响，可将指标之间的关联与影响关系直接融入指标的权重中［15］，因而，网络分析法在研究与实践中可操作性更强，在当前受到青睐。

1 网络分析法与Super Decision 软件

网络分析法由美国赛迪教授在20 世纪90 年代提出，英文名称为Analytic Network Process，简称ANP 法。

1.1 网络分析法的基本原理

网络分析法认识到在AHP 法过程中，层次结构不是简单递阶，而是在内部广泛存在着相互的反馈与依赖。为完善AHP 法，ANP 法把系统的所有元素划分为两部分。如图1 上层所示，一部分为控制层，用于明确研究目标，确立决策的准则；另一部分为网络层，由所有受控制层支配的元素组成，区别于AHP 法要求内部元素间相互独立，ANP 法网络层中的各个元素无论受哪个控制层约束，都可以互相支配与影响，形成一个互相依存与反馈的网状结构。

图1 典型的ANP 结构图

1.2 网络分析法赋权过程的公式推导

1.2.1 构建初始超矩阵

1.2.2 构建加权超矩阵

1.2.3 计算极限超矩阵

W∞的特征向量便是网络层元素对其控制准则的权重。分别以不同准则P 对网络层元素组C 的权重进行计算，得到所有网络层元素分别对于各个准则P 的权重。

1.2.4 计算指标权重

将网络层元素分别对于各个准则P 的权重乘以各个准则P 对目标的权重，便可以得到各个网络层元素对目标的权重。

1.3 Super Decision 软件简介

通过网络分析法赋权过程的公式推导发现，计算各个超矩阵十分困难，运算量很大，这导致网络分析法在创立初期没有受到广大研究学者的欢迎。但随着近年超级决策软件Super Decision 的兴起，应用Super Decision 软件计算超矩阵为网络分析法的各个超矩阵计算提供了便利，网络分析法才真正广泛应用于国内外实际研究中。

Super Decision 软件由美国Thomas Saaty 开发，主要应用于AHP 法及ANP 法。由于是量身定制的计算软件，Super Decision 软件的操作流程与ANP法的计算步骤一致。首先，需要在平台中定义生成控制层及网络层的各个变量及名称，并根据评价指标体系，设置变量之间的控制关联勾稽关系，构建成与图1 相同的网络层次结构，其次，通过输入判断矩阵，便可由软件自动生成并计算各类超矩阵，输出极限超矩阵W∞的列向量，各指标对应分向量的值即为所求的权重，具体的操作及计算流程由算例分析演示。

2 新舰维修能力指标体系

结合舰船维修单位对新型舰船的维修实践，构建修理单位新型舰船维修能力评价指标二级体系，使指标体系能够全面衡量舰船维修单位对新型舰船的维修能力。

2.1 指标构建原则

在构建指标时，应遵循的原则有：

合理与可操作性原则，即所选的指标应符合基本常识与逻辑，与舰船维修实践相契合。

代表性原则，能够精准反映出指代维度的含义，稳固指标体系计算结果的可靠性。

全面与层次性原则，要求指标应尽量覆盖评价目标的所有概念维度。为确保全面性，最好的做法就是遵循层次性原则，即从上层至下层分析指标，先确定一级指标集，再确定指标集下的二级指标，使指标体系既有层次性，又可以全面解读舰船维修能力的目标内涵。

主客观协调原则，指标体系中应以客观性指标为主，以主观性指标为辅。

双向可比性原则，所构建的指标应遵循横向可比性，即要求指标涵义具有一定程度的通用性，另外，所选用的指标在赋值时应可连续，数据可持续获取，便于指标与指标体系的纵向前后对比，便于观察评价目标跟随时间的变化规律。

2.2 舰船维修机构维修能力影响因素的分析

结合指标构建原则，重点依据舰船维修机构单位的实际工作属性、维修目标、新型舰船的特点等，分析影响舰船维修机构维修新型舰船能力的因素。综合文献计量与案例调研发现，影响维修单位维修新型舰船能力水平的因素有很多。

本文按照因素的外在表现形式划分，首先将影响维修单位对新型舰船的维修能力水平的因素分为有形因素和无形因素两大类。有形因素主要由4大类维修资源组成，涉及舰船维修需要的人力、场地、工具、材料4 大类。无形因素主要由维修技术资料与团队运营管理两方面组成。因此，拟构建指标的准则层主要由维修人员水平、维修设施水平、维修设备水平、备品保障水平、资料技术水平、维修作业与管理6 个方面决定。

图2 舰船维修机构维修新舰能力影响因素的分析图

其中，维修人员水平由专业覆盖程度、人员数量配套率、工龄水平、维修技术水平和人员绩效水平5 个评价指标构成；维修设施水平由地点适用性与地点条件两个评价指标构成；维修设备水平由设备配套率、设备完好率与设备技术能力3 个评价指标构成；维修备品水平由备品品种配套率、备品供应能力和备品质量3 个评价指标构成；技术资料水平由资料技术完备度和资料技术转化因子两个评价指标构成；维修作业与管理水平由资源调度能力水平、维修机动水平和故障监察与定位能力3 个评价指标构成。

2.3 拟构建指标集与指标

现根据评价目标需求，以及后期软件中变量设置的便利，简化了部分舰船维修机构维修能力影响因素的名称，选取包含人力资源与物力资源的6 个准则层，准则层下共18 个指标，准则名称、指标名称及指标的量化公式如下页表1 所示。

表1 指标体系表

整体来看，所建立的二级维修指标体系全面反映了维修单位对新舰维修能力的各个评价维度，指标贴合维修工作实践，客观性指标与主观性指标协调平衡，能够较好地对维修单位舰船维修能力进行评估。

3 算例分析

3.1 建立网络层

设计调查问卷，邀请10 名专家对照评价体系填写问卷，问卷样式与统计结果如表2 所示。

根据表2 将二级指标之间的关联关系在Super Decision 软件中建立起来，指标关联关系建立后，软件自动产生一级指标集之间的关联影响箭头，如图3 所示。

图3 6 个指标集之间的关联关系

3.2 录入网络层元素间的影响程度

在软件中逐个录入表2 中第1 列被影响指标的被影响程度，如图4 所示。

图4 在M1 中以M11 为标准的二级指标之间的重要程度录入图（Super Decision 软件）

以M11“人员专业”指标的关联情况录入为例，图4 中录入了“人员专业”在M1“人力资源”指标集中的被影响情况。如表2 所示，经专家评估，“人员数量”对“人员专业”的影响程度为2.75，“工龄配比”对“人员专业”的影响程度为1.7，“人员技能”对“人员专业”的影响程度为4.66，“人员出勤”对其无影响。因而，对于“人员专业”来说，“人员数量”的重要程度是“工龄配比”的1.62 倍（2.75/1.7）；“人员技能”的重要程度是“人员数量”的1.69 倍（4.66/2.75），是“工龄配比”的2.74 倍（4.66/1.7），如图4 所示。

表2 网络层各元素见互相影响的程度值表

同时，软件自动计算了该判断矩阵的一致性检验系数，当一致性检验系数小于0.1 时，该判断矩阵的一致性检验结果可以被接受。

如图5 所示，本次录入的数据一致性检验系数为0.000，远小于0.1，此结果可接受。另外可以看出，对于“人员专业”指标，在M1“人力资源”指标集内，影响它的3 个指标的影响权重分别为0.3、0.19与0.51，“人员技能”的影响程度最大。

图5 一致性检验结果（Super Decision 软件）

下一步同理，录入其他5 个指标集中的二级指标对M11“人员专业”指标的影响重要程度，表3 中第1 列M11的统计信息录入完毕。

再根据相同的计算与操作方法，录入表3 第1列指标中其他17 个指标的被影响信息，此时，所有的统计信息录入完毕，可以进行下一步操作。

将表2 中的所有统计信息在Super Decision 软件中录入完毕后，便可以利用软件开始计算指标权重，计算结果如下页图6 所示。

图6 中，左侧第1 列数据为18 个二级指标名称，第2 列数据为18 个指标在6 个指标集中的集内权重，第3 列数据为18 个指标在整个指标体系中的权重，中间为体系权重的可视化条形图。将图6中的指标权重信息整理后如表3 所示。

表3 指标权重计算结果表

图6 指标权重计算结果（Super Decision 软件）

从计算结果来看，无论是6 个一级指标还是18个二级指标，权重都比较均匀，符合调研中专家的意见态度。且本文所构建的所有指标，都对新型舰船维修能力有一定的影响。

经过计算，对新型舰船维修能力影响权重较大的一级指标集为“人力资源”（0.347 9）与“监测机动”（0.287 5），说明舰船修理机构应当更加重视维修人员的培训与素质，重视维修人力资源与物力资源的协调融合与故障监测。总体来看，相较于维修工具、备件和地点等硬指标，人力资源与维修团队协调管理能力等软指标对维修机构整体维修能力的评价更为重要，与部队在衡量自身修理能力及部队在选择舰船维修合同商时的实际考虑相符。

综合计算结果来看，借助于Super Decision 软件的网络分析法，客观反映了维修专家对于舰船维修能力评价因素权重判断的情况，应用效果良好。

4 结论

根据本文所选案例的计算结果与分析，得到以下结论。

1）与传统的层次分析法相比，借助于Super Decision 软件的网络分析法，克服了评价指标体系构建中不可避免出现的各影响因素之间相互作用与反馈的相容性，得出能客观反映专家意见的评价体系指标权重。

2）网络分析法作为良好的主观性影响因素权重确定分析方法，目前，由于计算过程复杂困难，在学术应用范围上没有简单易操作的层次分析法广阔，但随着Super Decision 软件的普及推广，今后会有越来越多的研究学者使用网络分析法。

3）对比灰色关联法、投影等其他解决指标之间内生性、相容性的指标融合方法，网络分析法不受指标样本赋值变动的影响，计算得出的指标权重更加稳定，后续所得出的目标评价结果可靠性更强。且借助于Super Decision 软件的网络分析法比其他带灰度的指标融合方法在计算上更加简单，操作性更强，在评价实践中简单易学，评价结果符合实际，具有良好的应用前景。