如何评价设计方案问题描述

方案评价包括两个核心要素,即方案评价指标体系和方案评价算法。所谓方案评价指标体系,通常是由领域专家针对待评价方案,科学地挑选出的一组评价指标。这组评价指标就是专家在对备选方案进行评价时的多个角度,它帮助方案评价人员多维度、全面、综合性地衡量各项备选方案的优劣程度。虽然评价角度可以有多个,但并不意味着所有评价指标都具有相同的重要程度。为了体现评价指标之间重要程度的区别,各个指标会被赋予不同的权重,这些权重被称为“指标权重”。

所谓方案评价算法,就是对指标数据的处理过程。根据方案评价指标体系,对各项备选方案进行评价,得到评价数据。评价需要将单项备选方案在多个评价指标下的一组评价数据处理为一个值,这个值可以综合地体现该项备选方案的优劣程度,从而根据此综合评价得分值的高低从多项备选方案中评选出综合最优的方案。如何合理地对评价数据进行处理,并且兼顾指标权重的影响,就需要由科学的方案评价算法来完成。目前,被普遍认可的方案评价算法有层次分析法(AHP)、数据包络分析(DEA)和灰色关联分析(GRA)等。这些算法通过计算评价数据本身之间的差异程度,或者与假定理想值之间的差异程度等方法来对数据进行处理,并考虑指标权重,得出各项备选方案的综合评价得分,从而计算出综合最优的方案。

虽然这些方案评价方法在数据处理的理论和方式上各有优劣,但有一个共同的特点:假定评价指标是相互独立的,即评价指标彼此之间并不存在影响关系。然而,这些评价指标并非完全相互独立。比如,对枪械设计方案进行评价时,会考虑“100 m单发精度”“全枪长度”“经济成本”等评价指标。这些评价指标之间并非独立。因为提高“100 m单发精度”就会增加制造成本,导致“经济成本”提高。因此,“100 m单发精度”与“经济成本”这两个评价指标之间就存在着一定的正相关关系。如果只考虑处理评价数据本身,而忽略评价指标之间的影响关系,会对评价结果的准确性产生负面影响。因此,如何度量评价指标之间的影响关系是一个重要问题。

在学术领域,已有一些方法被用于评价指标的影响关系建模,如网络分析法(ANP)或决策实验室分析法(DEMATEL)。但这两种方法仍然存在着各自的缺点,其中最大的劣势在于,这两种方法只表达了评价指标两两之间的直接影响关系,而对评价指标之间的综合影响关系难以表达。

在实际的方案评价过程中,专家或方案评价人员通常可以依靠经验和知识储备,较容易地判断每两个评价指标,如A、B或A、C之间是否存在因果联系,并为这种影响关系赋值以表达影响关系的强弱。但由于影响关系的传递性,两个评价指标之间的相互影响关系势必会因为其他评价指标的关联而发生变化,仅靠人脑很难确定这些评价指标在彼此相互影响之后到底会形成何种综合影响关系。因此,需要用科学的方法来辅助方案评价人员对方案评价指标之间的综合影响关系进行获取和表达。由此可见,研究一种可以表达评价指标之间综合影响关系的方法成为解决问题的关键。

为了便于表述和理解,对相关问题和概念进行如下定义:

定义1:评价指标之间的影响关系问题(www.xing528.com)

评价指标之间的影响关系是指方案评价方法假定评价指标彼此独立,未能考量指标之间的影响关系,而导致评价结果有失客观的问题,简称指标影响关系问题。

定义2:评价指标之间的直接影响关系

评价指标之间的直接影响关系是指在指标体系中,只考虑评价指标两两之间的影响关系。

定义3:评价指标之间的综合影响关系

评价指标之间的综合影响关系是指在指标体系中,综合考虑评价指标之间通过影响关系的传递性而最终达到平衡状态时呈现出来的影响关系。