大型复杂装备是指由客户定制、结构复杂、体积(容积或质量)大、技术含量高、生命周期长、高成本、高风险、管理过程复杂的大型机械装备, 如飞机、舰船,运载火箭等[1]。大型复杂装备的研制过程周期长、投资数额大、技术要求高、参研单位广、多家单位协作,大型复杂项目研制过程中存在着多种风险和不确定性[2]。大型复杂武器装备研制过程涉及到的零部件与技术参数要达到107量级,所需的通讯、导航、控制等设备的提供要涉及几十到几百家供应商,构成了一个结构复杂大型的装备研制体系,这为风险的传导提供了可能。因此对大型复杂装备研制过程中风险传导机理的研究非常有意义。风险传导发生的必要条件包含风险源、传导载体、传导路径和风险接受者[3]。因此对大型复杂装备研制过程中风险源有效的识别有利于对研制项目风险传导机理的研究和风险管控。
在项目中比较常用的风险识别方法有头脑风暴法、德尔菲法、态势分析法(SWOT分析法)、检查表法以及图解技术[4-6];Carr等认为,项目风险是时变的,检查表是对风险结构静态描述,不能够真实地反映风险的状况,并提出了基于分类的风险辨识方法[7],该方法按风险来源构造了一棵分类树,共分3层,并辅以配套的详细问卷调查表,提高了辨识的灵活性,弱化了辨识的结构性;任南等通过使用工作分解结构-风险分解结构(WBS-RBS)完成了项目风险的识别[8];王中原和魏法杰通过将专家打分,利用改进的模糊层次分析法完成了对军工企业法律风险的识别[9];张子剑基于图解技术利用WBS对复杂装备研制过程中的风险进行识别[10];许聪睿使用德尔菲法进行了三轮调研,得到了雷达型号项目的30个关键风险因素[11];周平和姜寿山针对航空研制产品,利用核对表与改进的鱼刺图建立了风险特征因子的风险识别模型[12];Haimes等提出层次全息模型,认为属于复杂系统的项目风险结构不能以单一视角、用单一模型来描述,需要通过层次全息模型将复杂系统以互补、协作的方式分解为部件、子系统等层次,并从时间维、系统维、工具维、地域维、方法维和人力资源维综合分析一个项目[13]。
综上所述,目前风险识别主要是依据专家经验按系统结构、多维度来梳理识别风险,或者是依据之前的风险表由专业人员逐条核对及联想还可能存在的风险,这些方法都对人的经验有较强的依懒性,识别结果主观性较强。
随着信息技术发展、研制单位信息系统的普及以及研制过程中会有大量的相关数据产生并存储于系统中,从数据挖掘的角度来进行风险识别,可以大大降低识别结果的主观性。并且,风险传导理论中的风险源识别与一般的风险识别相比,前者更注重风险之间的相互影响,需要识别出哪些风险源更容易导致其他风险源的发生,所以对大型复杂装备研制项目风险传导中的风险源识别还需要识别出风险源对其他风险源的影响程度。因此,本文提出一种基于关联规则(Association Rule,AR)与决策实验室分析法(Decision Making Trial and Evaluation Laboratory,DEMATEL)的大型复杂装备研制项目的风险识别方法,本方法能够客观识别出风险源并能识别风险源之间的影响及风险源的属性。
1 基本方法 1.1 关联规则关联规则理论是数据挖掘中应用非常广泛的理论之一,由Agrawal教授在20世纪90年代首次提出,目的在于挖掘海量数据中各项集直接的关联关系[14]。关联规则可以用A⇒B来表示,其中A、B是项集,I为所有项集的总和,A∈I,B∈I,A∩B=∅,A⇒B表示在数据库的事件中,包含项集A的事件同时也包含项集B的可能性。在关联规则分析中涉及2个重要的概念:支持度和置信度。
支持度是指包含A且包含B的元组数占总元组数的比例,表示了在数据库中项集A和项集B同时出现的概率,可以用式(1) 定义:
(1) |
式中:DA∪B为包含A且包含B的元组数;D表示总元组数。
置信度是指包含A且包含B的元组数占包含A的元组数(DA)的比例,表示了在出现项集A的事件中,项集B也出现的概率,可以用式(2) 定义:
(2) |
发掘关联规则的的问题可以分解为2个子问题:① 挖掘频繁项集,即寻找支持度大于最小支持度阈值的项目的组合;② 挖掘强关联规则,即在频繁项集中寻找所有可信度大于最小可信度阈值的关联规则。目前,已有专业的软件可求解,如WEKA[15]。
1.2 决策实验室分析法决策实验室分析法是进行复杂系统因素分析的一种有效方法[16],最初由美国Bastille国家重点实验室于20世纪70年代初提出,该方法运用图论与矩阵原理进行系统因素分析,通过系统中各因素之间的逻辑关系构建直接影响矩阵,计算因素的影响程度和被影响程度,进而确定因素的中心度和原因度。根据中心度确定因素的重要程度,根据原因度确定因素的属性:原因因素或结果因素。
2 风险源识别风险源识别原理及流程如图 1所示。
2.1 数据准备研制单位数据库中的数据事务一般为风险事件,从风险事件中识别出风险源应首先将风险事件描述转化为风险结果与风险因素间的关系,风险结果对应于相应的风险类型。例如对于风险事件“某类供应商提供某零部件质量不合格返厂导致研制项目XX环节延迟一个月”可以转化为时间风险与供应商风险因素、零部件质量风险因素的关系。假设对于风险事件事务数据库中的L条记录,共转化为n类风险与m个风险因素,分别记为A1, A2, …, An与B1, B2, …, Bm,并存储在表中,形式如表 1所示。
2.2 风险类型与风险因素的关联规则
在用WEKA软件求解关联规则时,将表 1的数据存储形式进行转化。以表 1第1行数据为例,将其转化为表 2的形式。选定最小支持度和最小置信度,求解关联规则。最小支持度和最小置信度的选定一般依据事务数据的量与对求解结果的具体要求。此处为了比较好地识别风险源,将支持度的值要小,置信度可依据所求解关联规则数量可大可小。所求解的关联规则表示了各风险类型与各风险因素的关系,即完成了风险源的识别。
2.3 风险源间影响程度识别
依据2.2节中风险源识别结果,对于识别出的p(p≤m)个风险源。依据关联规则的求解方式求出风险源Bi与Bj之间的置信度即关联程度定义为cij,并定义直接影响矩阵C(C=[cij]p×p)。当i=j时,cij=1。利用WEKA软件求解风险源关联程度时,去掉表 1中“风险类型”数据列,如表 1中风险因素列所示。为了尽可能地识别出风险源之间的关联性需要选取低置信度值。
矩阵C只表示了各风险源的直接影响,因此还需要考虑风险源之间的间接影响,以及由一个风险源变化而引起的波及效应。综合影响矩阵表示各风险源间直接影响和间接影响的综合累加,以确定每一个风险源的最终影响。
设综合影响矩阵为T(T=[tij]p×p),计算公式为
(3) |
基于综合影响矩阵T,将元素按行相加得到风险源的影响度fi,如式(4) 所示,影响度fi表示风险源i对其他所有风险源的综合影响,包括直接影响和间接影响;基于综合影响矩阵T,将元素按列相加得到风险源的被影响度ei,如式(5) 所示,被影响度ei表示风险源i受其他所有风险源的综合影响度。
(4) |
(5) |
影响度fi和被影响度ei相加得到其中心度Mi,如式(6) 所示,影响度fi和被影响度ei相减得到其原因度Ni,如式(7) 所示。中心度Mi为综合影响矩阵T中的第i行和与第i列和之和,表示风险源i对所有风险源的影响以及其他风险源对该风险源的影响,因此中心度Mi表示风险源i对所以风险源的重要性程度,中心度越大,其重要程度越高。原因度Ni为综合影响矩阵T中的第i行和与第i列和之差,表示风险源i对其他风险源的纯粹影响:若为正,表示该风险源对其他风险源的影响大,称为原因因素;若为负,表示该风险源受其他风险源的影响大,称为结果因素。
(6) |
(7) |
某参研单位承担着装备各子系统接口零部件的研发与生产,其产品种类繁多而复杂,数据库中存储了大量的风险事件。本文选取数据库中的1 734条风险事件(略)来进行风险源识别方法的演示。将1 734条风险事件依据该单位风险分类框架共转化为3个风险类型(研发风险A1、质量风险A2和服务风险A3)与14个风险因素(技术风险因素B1、工艺风险因素B2、标准化风险因素B3、过程控制风险因素B4、人员素质风险因素B5、与用户沟通风险因素B6、设计更改风险因素B7、原材料价格风险因素B8、设备引进风险因素B9、实验检测风险因素B10、保障体系风险因素B11、拖期交付风险因素B12、退货返修风险因素B13和响应不及时风险因素B14)。
将数据存储为表 2的形式后,利用WEKA软件求解。由于风险事件的数量有几千条、风险因素只有14个,因此为了更好地识别风险源需要低的支持度。而置信度的选择往往是从企业风险管理性价比的角度出发:置信度低时识别出的关联规则较多,会识别出一些发生概率较低的风险源;而置信度太高时识别出的关联规则较少,会漏掉一些主要风险源。经过多次选取不同置信度值求解,确定支持度(supp)与置信度(conf)分别为0.01与0.06比较符合需求。求解的关联规则如图 2所示。将图 2显示的结果进行分析即完成风险源识别,识别结果如表 3所示。
将数据存储为表 2的形式,支持度与置信度的取值分别为0.01与0.01。即使风险源之间的关联程度较低,在经过DEMATEL方法迭代计算,也会对风险源重要程度识别产生大的影响,因此置信度选择的值较低。WEKA求解风险源间关联程度,相关系数矩阵C如表 4所示。依据式(3),用MATLAB求出综合影响矩阵T,其中p=9,并进行规范化处理,数据保留2位小数,结果如表 5所示。依据式(4)~式(8) 计算出风险源的影响度、被影响度、中心度与原因度,识别出风险源的属性及重要程度,结果如表 6所示,风险源的原因-结果图如图 3所示(无标度)。
风险源 | C | ||||||||
B1 | B2 | B3 | B5 | B7 | B8 | B12 | B13 | B14 | |
B1 | 1 | 0.23 | 0.36 | 0 | 0.19 | 0 | 0.24 | 0.43 | 0.01 |
B2 | 0.21 | 1 | 0.32 | 0 | 0.27 | 0 | 0.04 | 0.12 | 0.01 |
B3 | 0.02 | 0.02 | 1 | 0 | 0.18 | 0.12 | 0.01 | 0.01 | 0 |
B5 | 0.37 | 0.29 | 0.06 | 1 | 0.22 | 0 | 0.02 | 0.02 | 0.30 |
B7 | 0.34 | 0.13 | 0.04 | 0 | 1 | 0 | 0.41 | 0.03 | 0.03 |
B8 | 0.02 | 0.01 | 0.01 | 0 | 0.05 | 1 | 0.03 | 0.01 | 0.02 |
B12 | 0 | 0 | 0 | 0 | 0 | 0.02 | 1 | 0.02 | 0.22 |
B13 | 0.16 | 0.17 | 0 | 0 | 0.05 | 0.04 | 0.39 | 1 | 0.25 |
B14 | 0 | 0 | 0 | 0.01 | 0.01 | 0.02 | 0.05 | 0.01 | 1 |
风险源 | T | ||||||||
B1 | B2 | B3 | B5 | B7 | B8 | B12 | B13 | B14 | |
B1 | 0.64 | 0.50 | 0.62 | 0.01 | 0.59 | 0.17 | 0.97 | 0.59 | 0.53 |
B2 | 0.52 | 0.44 | 0.53 | 0 | 0.52 | 0.14 | 0.75 | 0.45 | 0.37 |
B3 | 0.17 | 0.13 | 0.21 | 0 | 0.19 | 0.08 | 0.26 | 0.13 | 0.12 |
B5 | 0.76 | 0.60 | 0.70 | 0.08 | 0.71 | 0.17 | 1 | 0.62 | 0.58 |
B7 | 0.47 | 0.36 | 0.43 | 0 | 0.46 | 0.11 | 0.74 | 0.40 | 0.39 |
B8 | 0.07 | 0.05 | 0.06 | 0 | 0.07 | 0.09 | 0.11 | 0.06 | 0.06 |
B12 | 0.02 | 0.01 | 0.01 | 0 | 0.02 | 0.02 | 0.11 | 0.02 | 0.10 |
B13 | 0.33 | 0.28 | 0.30 | 0.01 | 0.30 | 0.10 | 0.59 | 0.35 | 0.38 |
B14 | 0.02 | 0.02 | 0.02 | 0 | 0.02 | 0.01 | 0.05 | 0.02 | 0.10 |
风险源 | 影响度 | 被影响度 | 中心度 | 原因度 | 中心度排序 | 属性 |
B1 | 4.62 | 3.01 | 7.63 | 1.61 | 1 | 原因因素 |
B2 | 3.74 | 2.41 | 6.15 | 1.33 | 3 | 原因因素 |
B3 | 1.29 | 2.90 | 4.19 | -1.71 | 7 | 结果因素 |
B5 | 5.24 | 0.11 | 5.35 | 5.13 | 4 | 原因因素 |
B7 | 3.38 | 2.90 | 6.28 | 0.48 | 2 | 原因因素 |
B8 | 0.57 | 0.89 | 1.46 | -0.32 | 9 | 结果因素 |
B12 | 0.32 | 4.58 | 4.90 | -4.26 | 6 | 结果因素 |
B13 | 2.66 | 2.65 | 5.31 | 0.01 | 5 | 原因因素 |
B14 | 0.28 | 2.65 | 2.83 | -2.37 | 8 | 结果因素 |
由表 6中结果可知:人员素质风险源与技术风险源是最易导致其他风险源的产生,拖期交付风险源是最容易受其他风险源激发的。在所有风险源中技术风险源是最重要的,技术风险源发生易导致其他风险源发生,同样其他风险源也容易导致技术风险源发生。因此技术风险源是最容易导致风险传导效应的发生。由图 3可知:图的上半部分为原因因素,下半部分为结果因素,右上方阴影区域为导致风险传导的主要风险源。
4 结论本文针对大型复杂装备项目研制,提出了适用于风险传导研究的风险源识别方法。
1) 该方法可以充分利用数据库中风险事件信息,用关联规则的方式完成针对风险类型的风险源识别以及风险源之间影响程度的识别,再利用决策实验室分析方法分析出风险源的影响程度、被影响程度、中心度、原因度及属性。
2) 该方法与传统风险识别方法相比,主观性明显降低。文中通过对一个实际案例进行分析,结果显示该方法对容易导致风险传导发生的风险源也能有力识别。
[1] |
王飞, 魏法杰. 大型复杂装备研发成本控制专家系统[J].
北京航空航天大学学报, 2010, 36 (4): 490–494.
WANG F, WEI F J. Expert system on cost control for complex equipment[J]. Journal of Beijing University of Aeronautics and Astronautics, 2010, 36 (4): 490–494. (in Chinese) |
[2] | MOEHRLE M G, WALTER L. Risk and uncertainty in R&D management[J]. R&D Management, 2008, 38 (5): 449–451. |
[3] |
王元明.
工程项目供应链风险传递[M]. 北京: 中国电力出版社, 2012: 18-20.
WANG Y M. Supply chain risk transmission in engineering project[M]. Beijing: China Electric Power Press, 2012: 18-20. (in Chinese) |
[4] |
郭波, 龚时雨, 谭云涛.
项目风险管理[M]. 北京: 电子工业出版社, 2012: 24-29.
GUO B, GONG S Y, TAN Y T. Project risk management[M]. Beijing: Publishing House of Electronic Idustry, 2012: 24-29. (in Chinese) |
[5] |
李勘.
武器装备研制项目风险管理研究[M]. 北京: 国防工业出版, 2011: 76-99.
LI K. Research on risk management of weapon equipment development project[M]. Beijing: National Defense Industry Press, 2011: 76-99. (in Chinese) |
[6] | RAFETERY J. Risk analysis in project management[M]. London: E&FN Spon, 1994: 40-60. |
[7] | CARR M J, KONDA S L, MONARCH I, et al.Taxonomy-based risk identification[R].Pittsburgh, PA:Carnegie-Mellon University, 1993:7-12. https://link.springer.com/chapter/10.1007/978-3-540-68255-4_20 |
[8] |
任南, 韩冰洁, 何彦昕. 基于WBS-RBS-DSM的项目风险识别与评估[J].
系统工程, 2014, 32 (11): 96–100.
REN N, HAN B J, HE Y X. Project risk identification and assessment based on WBS-RBS-DSM[J]. Systems Engieering, 2014, 32 (11): 96–100. DOI:10.3969/j.issn.1001-2362.2014.11.064 (in Chinese) |
[9] |
王中原, 魏法杰. 基于IFAHP—DEMATEL的军工企业法律风险识别研究[J].
管理评论, 2015, 27 (6): 68–77.
WANG Z Y, WEI F J. An analysis of identification of the legal risk in military enterprises based on IFAHP and DEMATEL[J]. Management Review, 2015, 27 (6): 68–77. (in Chinese) |
[10] |
张子剑. 复杂装备研制风险管理研究[D]. 天津: 天津大学, 2007: 49-72.
ZHANG Z J.Research on risk management of the development of the complex equipment[D].Tianjin:Tianjin University, 2007: 49-72(in Chinese). http://cdmd.cnki.com.cn/Article/CDMD-10056-2009071271.htm |
[11] |
许聪睿. 某型号雷达导引头研制项目风险识别与评估方法研究[D]. 北京: 中国科学院大学, 2015: 29-49.
XU C R.Risk identification and evaluation methods research of a type of radar development project[D].Beijing:University of Chinese Academy of Sciences, 2015:29-49(in Chinese). http://cdmd.cnki.com.cn/Article/CDMD-80090-1016003233.htm |
[12] |
周平, 姜寿山. 航空产品研制项目的风险识别特征—因子建模技术研究[J].
计算机集成制造系统, 2003, 9 (7): 542–545.
ZHOU P, JIANG S S. Feature—Factor modeling of risk identification for aviation product development project[J]. Computer Integrated Manufacturing Systems, 2003, 9 (7): 542–545. (in Chinese) |
[13] | HAIMES Y Y, LAMBERT J, LI D, et al.Hierarchical holographic modeling for risk identification in complex systems[C]//Proceedings of the IEEE International Conference on System, Man and Cybernetics.Piscataway, NJ:IEEE Press, 1995, 2:1027-1032. |
[14] | NGUYEN D, NGUYEN L T T, VO B, et al. A novel method for constrained class association rule mining[J]. Information Sciences, 2015, 320 (1): 107–125. |
[15] | VERYKIOS V S, PONTIKAKIS E D, THEODORIDIS Y, et al. Efficient algorithms for distortion and blocking techniques in association rule hiding[J]. Distributed and Parallel Databases, 2007, 22 (1): 85–104. DOI:10.1007/s10619-007-7013-0 |
[16] |
王瑛, 汪送, 管明露.
复杂系统风险传递与控制[M]. 北京: 国防工业出版社, 2015: 38-41.
WANG Y, WANG S, GUAN M L. Risk transmission and risk control for complex systems[M]. Beijing: National Defense Industry Press, 2015: 38-41. (in Chinese) |