任务不确定程度的属性测度方法

马续补，郭菊娥

（西安交通大学 管理学院，西安 710049）

随着高新技术的快速发展，新的科学技术日益渗透到组织管理活动过程中，组织面临的内外部环境日益复杂多变，管理者的有限理性日益凸现出来，传统的管理理论在应对新的组织管理问题的过程中面临越来越多的困难。单一的静态管理方法已经不能跟上任务变化的步伐，迫切需要根据任务特征的变化情况动态地选择与之相对应的管理机制。国内外已有研究指出，根据任务不确定性程度选择相适应的管理机制可以提高组织的执行力，使员工满意度和工作绩效得到提升，但并没有给出判断任务不确定程度的方法，只有有效地判断任务不确定程度才能澄清任务不确定程度和管理机制之间的动态匹配关系，为企业实践提供切实可行的指导。因此，本文拟基于属性测度的评价方法构建判断任务不确定程度的模型，并在企业实践中进行应用。

1 任务不确定性评价指标的选取和指标体系的建立

对任务不确定性的定义可谓是仁者见仁智者见智，本研究采用Galbraith(1977)观点从信息论角度将任务不确定性定义为执行任务需要的信息量与组织目前拥有的信息量之间的差额。任务不确定性与需要处理的组织成员之间的信息量正相关，和组织架构之间的匹配可以产生更高的绩效。

表1 任务不确定性评价指标体系

本研究选取变化性、可分析性、相依性三个构面构建评价任务不确定性的指标体系。在综合已有研究的基础上对这三个构面定义如下：变化性指任务执行任务过程中遇到的必须用不同方法或程序处理的例外事件的数量；可分析性是指任务执行任务过程中是否有清楚的程序可使工作路径明确化的程度；相依性是指任务执行过程中工作部门之间以及部门内部员工之间预期之外的相互交流程度。

本文构建的对这三个构面测量的指标及评价任务不确定性的指标体系见表1。

2 任务不确定程度的综合属性测度模型

对任务不确定程度进行定性的评价比较适合人的形象思维，模糊评价是进行此类研究的主要方法。然而文献（程乾生1997）指出模糊数学中隶属函数的构造具有随意性(不满足可加性),所计算的隶属度已失去了最原始、最直观的含意，不能比较更细微的所属类别程度，并且在计算过程中的取大取小运算损失了大批中间值的信息,其评价准则最大隶属原则不适合有序评价集的识别问题。利用模糊综合评判法进行有序评价集的评价时,会出现分级不清、结果不合理的问题。属性测度评价可以有效地解决模糊评价方法以上的不足，因此本研究采用基于属性数学的多指标综合属性测度分析来识别任务的不确定性程度。

基于属性综合评价的基本理论，将本研究的任务不确定程度综合属性评价问题描述如下：设X为识别对象空间表示所有的工作任务，其任一项任务xi的不确定程度可有3个一级指标和12个二级指标反映（具体的指标见表1），用tij表示xi的一级指标Ij的测量值，tij表示xi的二级指标Ijz的测量值，那么xi的不确定程度可以表示为一个3维向量xi=(ti1,ti2,ti3)或一个12维向量（其中后者是通过专家直接测得，前者是通过后者计算得到）。在选取5个属性评价等级 C1,C2,C3,C4,C5（见表 2，其中 C1＜C2＜C3＜C4＜C5）情况下判断任务xi的不确定程度所属的类别。

上面描述的综合属性评价问题按照单指标属性的测度分析、多指标综合属性的测度分析和属性识别分析方法三个步骤进行识别。

2.1 单指标属性的测度分析

(1)确定单指标评价分类标准

选择合理的评价分类标准是决定评价是否合理的关键因素之一，各组织实际情况不同，因此在该模型应用之前首先需要确定各指标的评价分类标准（见表2：不确定程度很低C1、不确定程度低C2、不确定程度一般 C3、不确定程度高C4、不确定程度很高C5）。可以采用抽样调查、利用组织的历史数据建立评价中心值的方法、以及专家经验等方法获得。因本研究没有足够的前期样本作为分析的依据，因此采取专家经验方法获得各指标的等级划分标准。

表2 单指标等级划分表

(2)建立单指标属性测度函数

设任务xi不确定程度的二级指标Ijz的测量值为tijz，那么xi的二级指标Ijz属于等级Ck的程度可以用属性测度函数μxjzk=μ(tijz∈Ck)表示，且满足。属性测度函数可以用三角分段函数、梯形分段函数、正态分布函数以及指数分布函数表示。本研究借鉴相关文献的方法构建属性测度函数如下：令

(3)计算单指标属性测度

对于二级指标 Ijz，其属性测度向量(μijz1,μijz2,μijz3,μijz4,μijz5)直接由属性测度函数μijzk=μ(tijz)计算得出；一级指标Ij的属性测度则由其二级指标Ijz（z=1,…，4）的多指标综合属性测度得出（具体计算方法见多指标综合属性测度）。

2.2 多指标综合属性测度

同理用 ωjz（ωjz≥0，表示任务 xi的二级指标Ijz对Ij的权重，则Ij的不确定程度属于Ck的程度可以用μijk表示，其综合属性测度向量为(μij1，μij2，μij3，μij4，μij5)。

权重可以由多种方法给出，比如层次分析法、德尔菲法等，本研究采用程乾生（1998）提出的方法构造属性层次模型（任务不确定程度的属性层次模型见图1）计算相对属性权和综合属性权。其中ωijz为指标Ijz对任务xi不确定程度的综合属性权；ωj为Ij对任务xi的相对属性权；ωjz为 Ijz对 Ij的相对属性权。

2.3 属性识别分析方法

属性识别分析的目的是由综合属性测度μik(1≤k≤5)，判断任务xi的不确定程度处于哪一个等级。本研究的评价级别具备强有序性（即不确定程度由弱到强），故采用置信度准则[12]，选取置信度 λ （0.5≤λ≤1），如果

则认为任务xi的不确定程度属于Ck0级别。

表3 任务不确定程度指标等级划分表

3 综合属性测度模型应用案例

西安市某研究所在 “十五”期间随着经营战略的调整，研究所得经营和生产性质都发生了很大的变化，逐渐转变成了多型号科研和多品种、中大批量产品交付的科研生产经营型机构，各项经济指标都取得了高速增长，但突飞猛进的发展也给领导层带来了前所未有的挑战，面对大量前所未有的管理问题，如何总结过去的管理实践，从痛苦中萃取成功的经验就成了该所亟待解决的问题。因此本研究选取该所作为研究对象，通过判断任务不确定程度以及发现任务不确定程度和管理机制之间的匹配关系，为该所的管理实践提供切实的指导。

选取5位专家组成任务确定程度识别专家小组（其中主任级领导3人、和基层员工2人，所选人员均为参与某项攻关任务的关键人选）判断任务A的不确定程度所属等级。

(1)请专家小组以该所的特定背景为依据，为表2中的ajzk赋值，利用加权平均的方法 （本研究取各专家的权重相同）整理获得结果如表3所示。

(2)按照公式（1）～（5）构建单指标属性测度函数 μijzk(t)，限于篇幅关系，这里仅给出I11,…，I14的属性测度函数（见图2），其余指标的属性测度函数同理可得。

（3）请专家小组以该所的特定背景为依据，按照层次分析法中的相对比例尺度给出二级指标Ijz相对于其准则层一级指标Ij以及一级指标Ij相对于目标层的重要程度比较，然后按照有关文献提出的属性层次模型方法（取β=2）计算指标Ijz对任务A不确定程度的综合属性权ωxjz；Ij对任务A的相对属性权ωj；Ijz对Ij的相对属性权ωjz。计算结果见表4，从中可以得出一级指标对任务不确定程度的重要性为任务可分析性I2大于任务变化性I1和任务相依性I3，在二级指标中I21和I23重要性最大。

表4 单指标属性测度及指标权重计算结果

(5)按照公式（6）计算任务A不确定程度的综合属性测度向量(μi1，μi2，μi3，μi4，μi5)，公式（7）计算 Ij的综合属性测度向量(μij1，μij2，μij3，μij4，μij5)。 并按公式（8）取置信度为 0.7 判断任务A的不确定程度等级。具体计算结果见表5。

表5 综合属性测度向量和属性测度结果

由此可以得出结论，任务A的不确定程度等级为“不确定程度很高”，同时其任务变化性、可分析性、相依性三个指标的不确定程度等级也是很高，管理者应当选取适合该不确定程度的管理机制。在对任务A的实际调研中我们同样发现该任务涉及制造部、研发部、检验部三个部门，这三个部门之间需要密切的协调工作但彼此之间的协调关系却非常不清楚，并且在任务解决的整个过程中不断出现新的意外事件，给整个任务的解决带来了很多的不确定性。调研中我们同时发现，三个部门为了能有效的解决任务A，打破现有的规章制度对员工进行授权，充分调动各部门员工的主观能动性，取得了较好的管理效果，使任务A能够得以圆满解决。这和本文利用属性综合测度模型得出的结果是一致的，表明本文提出的模型可以有效地用来识别任务的不确定程度。

4 结论

本研究将属性测度方法和属性层次模型进行结合构建了研究任务不确定程度的多指标综合属性测度模型，并将该模型在企业实际中进行了应用，取得了较好的效果，不仅识别出了任务不确定程度等级，还得出任务可分析性是影响该企业任务不确定程度最重要的因素。任务不确定程度的有效识别为下一步研究任务不确定程度和管理机制之间的匹配关系提供了研究基础。如何有效地综合专家小组的意见建立多专家综合属性测度模型是需进一步研究的问题。

[1][美]赫伯特·A·西蒙.管理行为[M].詹正茂译.北京:北京机械工业出版社,2004.

[2][美]哈耶克.法律、立法与自由(第一卷)[M].邓正来译.北京:北京三联书店,1997.

[3]席酉民,尚玉钒.和谐管理理论[M].北京:中国人民大学出版社,2002.

[4]Perrow,C.A Framework for the Comparative Analysis of Organizations[J].American Review of Sociological Review,1967,32(2).

[5]Michael Withey,Richard L.Daft,William H.Cooper.Measures of Perrow's Work Unit Technology:An Empirical Assessment and a New Scale[J].The Academy of Management Journal,1983,26(1).

[6]Jisung Kim,Richard M.Burton.The Effect of Task Uncertainty and Decentralization on Project Team Performance[J].Computational&Mathematical Organization Theory,2002,8.

[7]BartVictor,Richard S.Blackburn.Determinantsand Consequences of Task Uncertainty:A Laboratory and Field Investigation[J].Journal of Management Studies,1987,24(4).

[8]Argote L.Input Uncertainty and Organizational Coordination in Hospital Emergency Units[J].Administrative Science Quarterly,1982,27(3).

[9]Daft,R.L.,N.B.Macintosh.A Tentative Exploration intothe Amount and Equivocality of Information Processing in Organizational Work Units[J].Administrative Science Quarterly,1981,26(2).

[10]Andrew H.Van de Ven,André L.Delbecq.A Task Contingent Model of Work-unit Structure[J].Administrative Science Quarterly,1974,19(2).

[11]Goodhue,Dale L.Understanding User Evaluations of Information Systems[J].Management Science,1995,41(12).

[12]程乾生.属性集和属性综合评价系统[J].系统工程理论与实践,1997,9.

[13]程乾生.质量评价的属性数学模型和模糊数学模型[J].数理统计与管理,1997,16(6).

[14]彭春华,程乾生.基于属性理论的综合预报系统及其应用[J].系统工程理论与实践,1999,(5).

[15]程乾生.属性层次模型AHM——一种新的无结构决策方法[J].北京大学学报(自然科学版),1998,34(1).