港口是水路交通、货物输送及贸易的平台,为社会进步、经济发展起到桥梁作用,港口企业在生产作业过程中安全问题逐渐成为社会关注的重点[1]。从世界各港口现状来看,其安全管理依然面临许多难题,世界上发生的10次重大事故中,有一半在港口内[2]。基于港口安全管理问题,我国有关部门出台了有关安全管理的政策、法规,由于隐患因素引发事故造成的严重后果给企业带来负面影响,和损失难以估量[2]。因此,对港口安全管理进行研究具有十分重要的现实意义。
港口安全管理评价方面的研究主要集中在港口、航运及装卸环节,多使用层次分析法和模糊综合评价法,如Yang等[3]提出模糊证据推理方法对港口设施安全进行定量分析设施安全风险和成本效益;Wen等[4]根据内河港口和航运管理现代化评价需求,构建基于DPSIR模型的评价指标体系,用熵权确定指标权重,为港口现代化建设和航运管理提出可行途径;Yeo等[5]用系统动力学方法证明港口安全对集装箱数量影响模拟的好处,说明提升安全管理水平有利于增加集装箱数量,并建议企业做出适当的调整,促进安全措施的有效实施;Li等[6]采用模糊综合评价法构建溢油风险模糊综合评价模型,基于隶属函数的模糊因素进行量化,以确定风险因素矩阵,通过实证分析,测算结果与实际情况相符,能及早发现港口油罐区溢油事故发生;卢新等[7]选取典型港口企业作为实例。
针对评价方法主观随意性较强,覆盖范围有限,对港口安全管理的深度分析和研究不足。借鉴软件能力管理成熟度[8]的思想,把成熟度引入其中,综合考虑各指标间相互依赖性、反馈性和模糊性等特点,构建评价指标体系,利用区间数理论、成熟度理论、熵权法和TOPSIS,构建了区间数熵权TOPSIS安全管理评价模型,通过港口安全管理成熟度实证分析,验证模型的有效性和可行性。
1 区间数和成熟度相关理论在不确定性数学方法研究中,有一种数学方法是用来区间刻画失误和现象的本质和特征,称为区间数理论[9]。二、三参数区间数阐述详见文献[9]。
美国CMU ISE提出了软件生产能力成熟度模型(capability maturity model for software,CMM)[8, 10],帮助软件企业对软件过程管理和改进,提高组织工作效率、产品质量和客户满意度,它分为初始级(混乱级)、可重复级(简单级)、已定义级(规范级)、已管理级(卓越级)和优化级5个等级,见图 1。
Download:
|
|
CMM目前已被公认为是当前最好的软件过程管理模式,广泛应用于航天科技[11-12],制造服务业[13]、政府应急管理[14]、数据管理[15]、产业发展[16]、建筑安全[17]、企业技术创新[18]、应急物流[19-20]和知识管理[21]等领域。借鉴软件成熟度模型[8, 10]并引入到港口安全管理中,提出港口安全管理成熟度模型的概念。
定义1 港口安全管理成熟度模型是评估港口企业在生产经营过程安全管理成熟度的框架,主要描述的是各方面管理水平持续增长的路径,并且能够为企业提高安全管理水平指导。
根据管理成熟度划分的等级,结合现有描述三参数区间语言的特点和TOPSIS的计算结果,将评语集分划分为5个区间,依次对应初始级至优化级(即1~5级),即[0.2~0.4]、(0.2~0.4]、(0.4~0.6]、(0.6~0.8]、(0.8~1.0],用来评价港口安全管理过程现状,有利于主管部门了解整个安全管理状态,为港口对安全管理过程中所存在的不足给予改进指导,并提供一个逐级提升的途径,具有十分重要的现实意义。
2 三参数区间数熵权TOPSIS决策模型 2.1 确定三参数区间数的权重本文根据区间数理论中的三参数区间的取值特征,考虑其指标值的相差程度通过指标的重心点与三参数区间取值的方差来刻画,由此给出三参数区间熵测度的定义。
定义2 取值为三元区间的属性Fi的熵测度为:
$ E_{i}=\rho\left(-\frac{1}{\ln n} \sum\limits_{j=1}^{n} \frac{z_{*, i j}}{\sum\limits_{j=1}^{n} z_{*, i j}} \ln \frac{z_{*, i j}}{\sum\limits_{j=1}^{n} z_{*, i j}}\right)+\\ \qquad (1-\rho)\left(-\frac{1}{\ln n} \sum\limits_{j=1}^{n} \frac{l_{i j}}{\sum\limits_{j=1}^{n} l_{i j}} \ln \frac{l_{i j}}{\sum\limits_{j=1}^{n} l_{i j}}\right), i \in M $ | (1) |
式中:lij表示决策矩阵中第i行j列元素的区间长度;0<ρ≤1为决策者对三参数区间中心点和方差影响程度的判断系数,若决策者为风险追求者,则注重发生可能性最大的重心点值,取ρ>0.5;决策者为风险厌恶者,则注重信息值的上、下限,取ρ < 0.5;决策者为风险中立者,取ρ=0.5,则求解属性Fi的权重为:
$ \omega_{i}=\left(1-E_{i}\right) /\left(n-\sum\limits_{i=1}^{m} E_{i}\right), \quad i \in M $ | (2) |
在应用中,任何2个三参数区间数的距离计算方法成为学界研究问题[22]。尽管文献[9, 23-25]提出的距离公式都考虑三参数区间数的上限、下限和重心点,且仅单纯的把重心点作为一般的端点来对待,没能体现出重心点在区间上取值可能性最大的特征。但在实践中,重心点在整个区间上权重最大,决策者根据自身经验、风险偏好对区间上的上限、重心点和下限分别赋予不同的权重,并保证重心点权重最大,因此本文提出一种距离计算方法。
定义3 设有2个三参数区间
$ \begin{aligned} d(\tilde{x}, \tilde{y})=& \alpha\left|x_{v}-y_{v}\right|+\beta\left|x_{*}-y_{*}\right|+\\ &(1-\alpha-\beta)\left|x_{u}-y_{u}\right| \end{aligned} $ | (3) |
式中:
依据前面介绍的理论知识,构建“区间数熵权TOPSIS”评价模型,与文献[2, 25-26]的方法比较,继承并保留了传统单一的熵权TOPSIS法的优点;通过引进区间数理论,请专家对指标进行评分,避免传统的主观性对评价结果的影响,结果更具可信度,拓展了熵权TOPSIS算法模型的应用范围。具体建模过程如下:
设评价方案A={A1,A2,…,An},N={1,2,…,n},U={U1,U2,…,Um},M={1,2,…,m}的决策矩阵为
1) 构造三参数区间数矩阵:
$ \boldsymbol{X} = \left[ {\begin{array}{*{20}{c}} {\left[ {{x_{v,11}},{x_{*,11}},{x_{u,11}}} \right]}&{\left[ {{x_{v,12}},{x_{*,12}},{x_{u,12}}} \right]}& \cdots &{\left[ {{x_{v,1n}},{x_{*,1n}},{x_{u,1n}}} \right]}\\ {\left[ {{x_{v,21}},{x_{*,21}},{x_{u,21}}} \right]}&{\left[ {{x_{v,22}},{x_{*,22}},{x_{u,22}}} \right]}& \cdots &{\left[ {{x_{v,2n}},{x_{*,2n}},{x_{u,2n}}} \right]}\\ \vdots & \vdots &{}& \vdots \\ {\left[ {{x_{v,m1}},{x_{*,m1}},{x_{u,m1}}} \right]}&{\left[ {{x_{v,m2}},{x_{*,m2}},{x_{u,m2}}} \right]}& \cdots &{\left[ {{x_{v,mn}},{x_{*,mn}},{x_{u,mn}}} \right]} \end{array}} \right]{\rm{ }} $ | (4) |
采用极差法处理,处理后的矩阵为Y=
2) 数据处理。
① 对于效益型属性值(数值大者为优):
$ \left\{\begin{array}{l}{y_{v, i j}=\left(x_{v, i j}-x_{\Delta {-}, i}\right) /\left(x_{\Delta+, i}-x_{\Delta-, i}\right)} \\ {y_{*, i j}=\left(x_{*, i j}-x_{\Delta-, i}\right) /\left(x_{\Delta+, i}-x_{\Delta-, i}\right)} \\ {y_{u, i j}=\left(x_{u, i j}-x_{\Delta-, i}\right) /\left(x_{\Delta+, i}-x_{\Delta {-}, i}\right)}\end{array}\right. $ | (5) |
② 对于成本性属性值(数值小者为优):
$ \left\{\begin{array}{l}{y_{v, i j}=\left(x_{\Delta+, i}-x_{v, i j}\right) /\left(x_{\Delta^{+}, i}-x_{\Delta {-}, i}\right)} \\ {y_{*, i j}=\left(x_{\Delta^{+}, i}-x_{*, i j}\right) /\left(x_{\Delta^{+}, i}-x_{\Delta-, i}\right)} \\ {y_{u, i j}=\left(x_{\Delta+, i}-x_{u, i j}\right) /\left(x_{\Delta+, i}-x_{\Delta-, i}\right)}\end{array}\right. $ | (6) |
式中:
3) 确定属性权重ωi。用式(1)、(2)确定各个属性的权重ωi,得到:
$ \omega_{i}=\left(\omega_{1}, \omega_{2}, \cdots, \omega_{m}\right) $ | (7) |
4) 确定正理想点
$ \left\{\begin{array}{l}{y_{v+, i}=\max\limits _{1 \leqslant j<n}\left(y_{v, i j}\right)} \\ {y_{*+, i}=\max\limits _{1 \leqslant j<n}\left(y_{*, i j}\right)} \\ {y_{u+, i}=\max\limits _{1 \leqslant j<n}\left(y_{u, i j}\right)}\end{array}\right. $ | (8) |
$ \left\{\begin{aligned} y_{v-, i} &=\min _{1 \leqslant j<n}\left(y_{v, i j}\right) \\ y_{*-, i} &=\min _{1 \leqslant j<n}\left(y_{*, i j}\right) \\ y_{u-, i} &=\min _{1 \leqslant j<n}\left(y_{u, i j}\right) \end{aligned}\right. $ | (9) |
则有:
① 正理想解:
$ \tilde{\boldsymbol{Y}}_{+}=\left\{\tilde{\boldsymbol{y}}_{+, 1}, \tilde{\boldsymbol{y}}_{+, 2}, \cdots, \tilde{\boldsymbol{y}}_{+, m}\right\} $ | (10) |
式中:
② 负理想解:
$ \tilde{Y}_{-}=\left\{\tilde{\boldsymbol{y}}_{-, 1}, \tilde{\boldsymbol{y}}_{-, 2}, \cdots, \tilde{\boldsymbol{y}}_{-, m}\right\} $ | (11) |
式中:
5) 计算各方案与正、负理想点的距离。
各个方案到正负理想点的距离。用式(7)求出权重向量;用式(1)求出方案Ij(j∈N)与
① 正理想解
$ D_{+, j}\left(\tilde{\boldsymbol{y}}_{+, j}, \tilde{\boldsymbol{y}}_{j}\right)=\sum\limits_{i=1}^{m} \omega_{i} d\left(\tilde{\boldsymbol{y}}_{+, i}, \tilde{\boldsymbol{y}}_{i j}\right) $ | (12) |
② 负理想解
$ D_{-, j}\left(\tilde{\boldsymbol{y}}_{-, j}, \tilde{\boldsymbol{y}}_{j}\right)=\sum\limits_{i=1}^{m} \omega_{i} d\left(\tilde{\boldsymbol{y}}_{-, i}, \tilde{\boldsymbol{y}}_{i j}\right) $ | (13) |
6) 各方案与正负理想点的相对接近程度。
构造方案Ij与正理想解的接近程度:
$ C_{j}=\frac{D_{-, j}}{D_{+, j}+D_{-, j}}, \quad j \in N $ | (14) |
7) 按Cj的大小确定各方案的成熟度等级进行分类。
3 港口安全管理成熟度实例分析以大连(以下用“PDL”表示)等9个自贸区港口为2015年数据为实例,进行管理过程的成熟度评价。参评专家及接受调查人员来源范围分布广,能为本次调查提供熟练现场操作和专业理论指导。因此,所得到的数据具有典型可代表性或与受调查人员有着直接或间接的关系。
3.1 建立指标体系参考文献[2, 27],建立港口安全管理评价指标体系见图 2。
Download:
|
|
从图 2可看出,港口安全管理成熟度是一个不确定性较强、多指标综合评价问题。在不确定性决策理论与应用研究中,常用的数学方法有模糊数学、灰色系统理论、粗糙集理论和区间数理论等[9]。由于港口安全管理系统较庞大且复杂,若对各项指标的评判采用单一模糊数值,结果容易存在较大偏差,用区间数理论中的三参数区间作为评判描述语言消除其偏差。
3.2 数据获取和处理每个港口实际发放调查问卷200份,删除严重缺失选项、题项明显规律性的问卷,表 1是各港实际回收得到有效问卷份数及通过SPSS软件Cronbach′s Alpha α信度系数法对量表进行信度检单项Cronbach′s Alpha α值均大于0.7,且具有较高的内部一致性,测得各港口企业内部一致性系数的结果。
本文以KMO和Bartlett′s球度检验结果作为量表效度评价依据,用SPSS软件对问卷进行效度检验,得到KMO的值均大于0.7,Sig.为0.00<0.01,说明问卷效度良好(限于篇幅,调查问卷不在文中列出),从测算结果看,问卷可信度较高,可用于评价,数据处理过程为:
1) 构建三参数模糊决策矩阵并进行归一化处理;
2) 确定属性权重ωi;
3) 确定整理想点
4) 求解正理想点
5) 求各自贸区港口的贴进度Cj。
经上述计算可得出自贸区港口安全管理成熟度的贴进度Cj排名,依照本文对港口安全管理成熟度的等级划分范围,将所评价的港口分成5个等级,最终划分结果见表 2。
从表 2的结果来看,对所评价的港口的安全管理成熟排序分析如下:
1) 上海港和深圳港的安全管理成熟度为5级。上海港是建设中的国际航运中心、世界金融中心,其港口安全管理成熟度等级较高,安全管理方面主动性强,对企业安全生产各个环节的工作内容已形成较为系统化的操作规范,明晰责权,并能够较好降低因外界因素对港口安全管理造成的负面影响;深圳作为南方改革开放的窗口,港口整体发展快速,在安全管理方面与时俱进,整体成熟度较高,港口生产业绩也较好;
2) 厦门和广州港的港口安全管理成熟度为4级。广州港是华南第一大港、建设中的广州国际航运中心,曾发生安全事故、需提黄埔石化基地、危险化学品监控和安全管理水平的提升,把安全管理的细节落实每个环节和人员当中;厦门港是也曾发生事故,注意集装箱、临港石化基地的危险化学品装卸、监控和安全管理水平的提升有很大空间;
3) 宁波舟山港和大连港的港口安全管理成熟度为3级。宁波舟山港有很多的危化品码头、堆场和仓库等,管理水平比上海低,如镇海炼化厂就曾发生过安全事故,需要整体提升管理水平,整体提升世界第一大货物吞吐量港形象;大连港地处渤海湾出口,辽宁自贸区大连片区自贸区港口、建设中的东北亚航运中心,港内有修造船厂和石化生产基地,和尚岛、大窑湾港区规划有危化区域曾出现安全事故,造成的损失巨大,教训非常深刻。两港的安全管理需逐项落实安全措施和反馈,进行革新性提升,学习管理技术先进港口企业的安全管理方法,提升自我;
4) 珠海港的港口安全管理成熟度为2级。珠海港地处珠三角出海口的南隅,毗邻澳门,隶属粤港澳大湾区港口群内,但港口规模相对较小,与上海和深圳港相比,整体管理水平不高,在管理成熟度里属于简单级,距现代化管理港口提升空间较大;
5) 天津港和福州港的港口安全管理成熟度为1级。本次考评的是2015年度港口安全管理水平,天津港发生了“8.12大爆炸”,造成人命丧生、财产的损失、环境污染的重大安全生产责任事故,负面影响巨大,经主管部门组织专家细查发现确实存在安全管理方面的大漏洞;福州港虽然没发生重大安全事故,但和邻近的厦门港比较,其生产作业规范程度和管理水平亟待提高。
4 结论1) 构建了港口安全管理评价指标体系,通过专家打分确定各指标评分。与文献[2]的方法比较,专家评分更科学,结果更具说服力,为我国港口安全管理提供理论支撑和政策参考。
2) 加强员工生产作业安全管理执行力和有效管理,对专家提出的意见和建议,及时落实整改;港口规划功能区域需考虑安全生产和经济社会发展,行政管理部门和港口企业对安全管理在可控性和柔性化管理基础上把安全管理制度落到实处,谨防为经济增长而罔顾生产安全;依法依规实行安全生产事故一票否决制,为港口生产和发展提供一个良性循环发展环境,实现港口绿色增长。
未来可选取更多国内外的各类港口和连续多年的数据,采用定性和定量相结合展开研究,结论更具说服力和参考价值。
[1] |
张昕伟, 谢新连. 基于EVA综合计分卡的港口经营业绩评价[J]. 大连海事大学学报, 2011, 37(4): 101-103, 108. ZHANG Xinwei, XIE Xinlian. Port operating performance evaluation based on EVA comprehensive scorecard[J]. Journal of Dalian Maritime University, 2011, 37(4): 101-103, 108. (0) |
[2] |
车程怡, 刘家国, 李健. 基于熵权-TOPSIS的港口安全评价研究[J]. 大连海事大学学报, 2016, 42(4): 47-54. CHE Chengyi, LIU Jiaguo, LI Jian. Entropy weight-TOPSIS based port safety assessment[J]. Journal of Dalian Maritime University, 2016, 42(4): 47-54. (0) |
[3] |
YANG Zaili, NG A K Y, WANG Jin. A new risk quantification approach in port facility security assessment[J]. Transportation research part A:policy and practice, 2014, 59: 72-90. DOI:10.1016/j.tra.2013.10.025 (0)
|
[4] |
WEN Xiaofeng, CHEN Ning. Studies on evaluation of modernization of the inland port and shipping management based on DPSIR Model and gray correlation evaluation model[J]. Procedia-social and behavioral sciences, 2013, 96: 1792-1800. (0)
|
[5] |
YEO G T, PAK J Y, YANG Zaili. Analysis of dynamic effects on seaports adopting port security policy[J]. Transportation research part A:policy and practice, 2013, 49: 285-301. DOI:10.1016/j.tra.2013.01.039 (0)
|
[6] |
LI Ying, WANG Wei, LIU Bingxin, et al. Research on oil spill risk of port tank zone based on fuzzy comprehensive evaluation[J]. Aquatic procedia, 2015, 3: 216-223. DOI:10.1016/j.aqpro.2015.02.214 (0)
|
[7] |
卢新, 刘文歌. DHGF模型在港口装卸作业安全管理评价中的应用[J]. 商品储运与养护, 2008, 30(5): 154-156. LU Xin, LIU Wenge. Study on the DHGF model applied in port loading & Discharging safety management assessment[J]. Storace transportation & preservation of commodities, 2008, 30(5): 154-156. (0) |
[8] |
PAULK M, CURTIS C, CHRISSIS M B, et al. Capability maturity model for software[R]. Pennsylvania: Carnegie Mellon University, Software Engineering Institute, 1991.
(0)
|
[9] |
卜广志, 张宇文. 基于三参数区间数的灰色模糊综合评价[J]. 系统工程与电子技术, 2001, 23(9): 43-45. BU Guangzhi, ZHANG Yuwen. Grey Fuzzy Comprehensive Evaluation Method Based on Interval Numbers of Three Parameters[J]. System engineering and electronics, 2001, 23(9): 43-45. DOI:10.3321/j.issn:1001-506X.2001.09.015 (0) |
[10] |
PAULK M C, CURTIS B, CHRISSIS M B, et al. Capability maturity model, Version 1.1[J]. IEEE software, 1993, 10(4): 18-27. DOI:10.1109/52.219617 (0)
|
[11] |
吴燕生. 技术成熟度及其评价方法[M]. 北京: 国防工业出版社, 2013. WU Yansheng. Technology readiness and its assessment method[M]. Beijing: National Defense Industry Press, 2013. (0) |
[12] |
周少鹏, 马宽, 刘瑜, 等. 航天制造成熟度方法及其应用研究[J]. 科技管理研究, 2014, 34(23): 115-120. ZHOU Shaopeng, MA Kuan, LIU Yu, et al. Manufacturing readiness levels of space engineering and its application[J]. Science and technology management research, 2014, 34(23): 115-120. DOI:10.3969/j.issn.1000-7695.2014.23.023 (0) |
[13] |
战德臣, 程臻, 赵曦滨, 等. 制造服务及其成熟度模型[J]. 计算机集成制造系统, 2012, 18(7): 1584-1594. ZHAN Dechen, CHENG Zhen, ZHAO Xibin, et al. Manufacturing service and its maturity model[J]. Computer integrated manufacturing systems, 2012, 18(7): 1584-1594. (0) |
[14] |
田军, 邹沁, 汪应洛. 政府应急管理能力成熟度评估研究[J]. 管理科学学报, 2014, 17(11): 97-108. TIAN Jun, ZOU Qin, WANG Yingluo. Evaluation of government's emergency management capacity maturity[J]. Journal of management sciences in China, 2014, 17(11): 97-108. (0) |
[15] |
叶兰. 研究数据管理能力成熟度模型评析[J]. 图书情报知识, 2015(2): 115-123. YE Lan. Review and analysis of capability maturity model for research data management[J]. Documentation, Information & knowledge, 2015(2): 115-123. (0) |
[16] |
王礼恒, 屠海令, 王崑声, 等. 产业成熟度评价方法研究与实践[J]. 中国工程科学, 2016, 18(4): 9-17. WANG Liheng, TU Hailing, WANG Kunsheng, et al. Assessment of industry maturity levels:research and practice[J]. Engineering science, 2016, 18(4): 9-17. DOI:10.3969/j.issn.1009-1742.2016.04.003 (0) |
[17] |
邢益瑞, 佟瑞鹏, 张孟春. 基于ANP的建筑安全管理绩效评价框架研究[J]. 中国安全科学学报, 2010, 20(4): 110-115. XING Yirui, TONG Ruipeng, ZHANG Mengchun. ANP-based research on construction safety management performance evaluation framework[J]. China safety science journal, 2010, 20(4): 110-115. DOI:10.3969/j.issn.1003-3033.2010.04.020 (0) |
[18] |
安景文, 李园春, 刘海东, 等. 企业技术创新能力成熟度评价指标体系研究[J]. 中国科技论坛, 2006(6): 15-19. AN Jingwen, LI Yuanchun, LIU Haidong, et al. Research on the evaluation index system for the maturity of enterprise innovation capability[J]. Forum on science and technology in China, 2006(6): 15-19. DOI:10.3969/j.issn.1002-6711.2006.06.004 (0) |
[19] |
闫秀霞, 孙林岩, 王侃昌. 物流能力成熟度模型研究[J]. 管理学报, 2005, 2(5): 551-554. YAN Xiuxia, SUN Linyan, WANG Kanchang. Logistics capability maturity model[J]. Chinese journal of management, 2005, 2(5): 551-554. (0) |
[20] |
聂彤彤, 韩作生. 基于贝叶斯网络的应急物流能力成熟度模型及应用研究[J]. 技术与创新管理, 2011, 32(4): 363-368, 394. NIE Tongtong, HAN Zuosheng. Research on the application and model of emergency logistics capability maturity based on Bayesian network[J]. Technology and innovation management, 2011, 32(4): 363-368, 394. DOI:10.3969/j.issn.1672-7312.2011.04.010 (0) |
[21] |
蔡韬. 知识管理成熟度模型研究初探[J]. 情报杂志, 2006, 25(4): 29-30, 33. CAI Tao. Knowledge management maturity model[J]. Journal of information, 2006, 25(4): 29-30, 33. (0) |
[22] |
闫书丽, 刘思峰, 朱建军, 等. 基于熵测度的三参数区间数信息下的TOPSIS决策方法[J]. 中国管理科学, 2013, 21(6): 145-151. YAN Shuli, LIU Sifeng, ZHU Jianjun, et al. TOPSIS decision-making method with three-parameter interval number based on entropy measure[J]. Chinese journal of management science, 2013, 21(6): 145-151. DOI:10.3969/j.issn.1003-207X.2013.06.018 (0) |
[23] |
LUO Dang, WANG Xia. The multi-attribute grey target decision method for attribute Value within three-parameter interval grey number[J]. Applied mathematical modelling, 2012, 36(5): 1957-1963. DOI:10.1016/j.apm.2011.07.074 (0)
|
[24] |
LAN Rong, FAN Jiulun. TOPSIS decision-making method for three-parameters interval-valued fuzzy sets[J]. Systems engineering-theory & practice, 2009, 29(5): 129-136. (0)
|
[25] |
王正新, 党耀国, 宋传平. 基于区间数的多目标灰色局势决策模型[J]. 控制与决策, 2009, 24(3): 388-392. WANG Zhengxin, DANG Yaoguo, SONG Chuanping. Multi-objective decision model of grey situation based on interval number[J]. Control and decision, 2009, 24(3): 388-392. DOI:10.3321/j.issn:1001-0920.2009.03.013 (0) |
[26] |
JAHANSHAHLOO G R, HOSSEINZADEH LOTFI F, DAVOODI A R. Extension of TOPSIS for decision-making problems with interval data:Interval efficiency[J]. Mathematical and computer modelling, 2009, 49(5/6): 1137-1142. (0)
|
[27] |
郭海东, 李慧民, 孟海. 基于ANP-区间数的建筑企业安全管理能力成熟度评价[J]. 中国安全科学学报, 2015, 25(4): 145-150. GUO Haidong, LI Huimin, MENG Hai. Evaluation of construction enterprise safety management capatility maturity based on ANP-interval[J]. China safety science journal, 2015, 25(4): 145-150. (0) |