模糊综合评价法在中式菜点质量评价中的应用

唐建华

（扬州大学 旅游烹饪学院，江苏 扬州 225127）

美国著名控制论专家L.A.ZADEH在20世纪60年代提出了模糊数学的理论[1]，被广泛运用于各个行业。烹饪行业传统上对菜点的质量评价就是对菜点从外部感官到内在质感进行综合评价[2]，一般都停留在菜肴成品的色香味形质等感官方面，以分数评判为主要方式。由于评判者的从业经验和主观因素的影响，加上感官评价的打分离散度较高，所以评价结果一般都会存在一定的局限性和误差。针对这一问题，尝试建立数学模型，采用基于语义评价的模糊综合评价方法[3]，对菜点质量进行评价，得到的结果相对会客观、公正。

1 确定评价思路

1.1 菜点质量评判员

菜点质量的评价，需要训练有素的专业评判员。评价前要求评判员能够正确理解参评菜肴的评价内容、评价指标和评价方法；评价开始时将菜肴送达评判员，评价过程中评判员之间禁止相互讨论、商量评分；评价结束后用清水漱口，进行下一个菜点的评价。由于评判员对菜点质量的评价结果具有十分重要的作用，为了确保评判结果的客观可靠，通常要求评判员在评判前2 h～3 h开始禁止接触烟酒和辛辣类刺激性较强的食物。

1.2 菜点评价等级

菜肴评价时，事先应当设定菜点的评价结果，即将菜点的评价结果分级，如4个等级：优秀、良好、合格、不合格；或6个等级：特级、优秀、良好、一般、合格、不合格等等；下文以6个等级设计评价模型。

1.3 菜点评价方法

通过建立模糊综合评价的方法来对菜点进行评价。建立模糊综合评价的具体过程是：将评价目标看成是由多种因素组成的模糊集合（称为因素集U）；再设定这些因素所能选取的评审等级，由此组成评语的模糊集合（称为评判集V）；分别求出各单一因素对各个评审等级的归属程度（称为模糊矩阵）；然后根据各个因素在评价目标中的权重分配，通过计算（称为模糊矩阵合成），求出评价的定量解值[4]。而当评价因素较多，各个因素的权重不易准确给定时，会造成评价失效。因此，本标准采用二级模糊综合评价方法进行评价。评价时，先按每一因素类的各个指标进行单级模糊综合评判，得出单个因素类的评判结果；再在单级评判结果之间进行二级模糊综合评判，从而得出最终的评判结果。

2 建立评价因素

菜肴评价前必须找到评价因素，依照评价因素建立评价标准。根据菜肴评价的惯例，将菜肴中的主要指标进行归纳，得出了衡量菜肴的质量指标主要评价内容，包括原料选择、工艺流程、成品品质等三大要素[5]。

2.1 原料选择

根据菜肴的用料特点和评价目标，原料选择项中的评价因素会涉及到原料的产地、新鲜度、色泽和形态等因素。针对评判项中的每个因素设计评价标准，如表1。

表1 原料选择评价因素表Table 1 The table of the factors on material selecting and evaluating

2.2 工艺流程

从菜肴的工艺过程来看，本项评价目标的主要因素包括材料的摘剔洗涤加工、切配优化和火候运用，见表2。

表2 工艺流程评价因素表Table 2 The table of the factors on processing and evaluating

2.3 成品品质

成品品质的评价因素主要由菜肴的色泽、香气、口味和质感构成，见表3。

表3 成品品质评价因素表Table 3 The table of the factors on quality evaluating

3 设计评判模型

3.1 建立因素集U

影响菜肴评价的因素有很多，这些因素有强相关和弱相关之分。根据前文所述，在菜点评价体系中，我们选择“原料选择”、“工艺流程”、“成品品质”为菜肴考量评价因素，分别用U1、U2、U3表示。上述3个因素又可分为若干子因素，如“原料选择”可分为“产地”、“新鲜度”、“色泽”、“气味”等单级因素，分别用u11，u12，u13，u14表示，由此可构成单级因素集合。

单级因素集合：

二级因素集合：

3.2 建立评判集V

对每个因素采用如下语义进行评判，比如用v1表示特级、v2表示优秀、v3表示良好、v4表示一般、v5表示合格、v6表示不合格。评判集合可写成：

3.3 建立权重集W

根据菜肴评价因素对菜肴评价的重要性给出不同因素的权重数。经烹饪专家和相关专业人士综合考虑，针对菜肴评价各因素及其子类分别给出权数。比如用w1表示因素u1的权数、w2表示因素u2的权数、w3表示因素u3的权数、w4表示因素u4的权数、w5表示因素u5的权数、w6表示因素u6的权数等，这样可得到U及Ui上的模糊向量，即权重集合：

单级权重集合：

二级权重集合：

说明：每个权重集合中各因素或因素子类对应权数之和为1。

3.4 建立单级评价的模糊矩阵ri和矩阵合成

就上述各因素，选择有专业性、权威性、公平性、代表性的多位评判员依因素权重给出评定分值，再进行统计。比如，对因素U1的子类u11的评价中，赞成属特级的评判员人数与评判员总人数的比值是a1%、赞成属优秀的评判员比例为b1%、赞成属良好的评判员比例为c1%、赞成属一般的评判员比例为d1%、赞成属合格的评判员比例为e1%、赞成属不合格的评判员比例为f1%等。由此知u11的评价为{a1%，b1%，c1%，d1%，e1%，f1%}；依此类推，得出单因素评价的模糊矩阵r1：

进行模糊矩阵合成时，通过wi和ri的合成可得专家对因素U1的综合评价值：其他因素Ui以此类推。

3.5 建立二级评价的模糊矩阵和矩阵合成

以U为总目标，其子类Ui的评判结果bi=[bi1bi2bi3bi4bi5bi6]T作为二级综合评判的模糊矩阵，可得R=[b1b2b3b4b5b6]，则二级模糊综合评判结果可由下式求得：

根据最大化隶属度原则，B中最大值对应的语义即为对该菜肴品质的评价。

4 评价示范

根据上述模型，我们尝试对银牙鸡丝的烹制质量进行评价。

4.1 建立因素集

单级因素集合：

U1={u11，u12，u13，u14}={产地，新鲜度，色泽，形态}；

U2={u21，u22，u23}={摘剔加工，切配优化，火候}；

U3={u31，u32，u33，u34}={色泽，香气，口味，质感}。

二级因素集合：U={U1，U2，U3}={原料选择，工艺流程，成品品质}。

4.2 建立评价集

建立6级评语以评价银牙鸡丝达到的等级水平。V={特级，优秀，良好，一般，合格，不合格}。

4.3 建立权重集

单级权重集合：w1={w11，w12，w13，w14}={0.1，0.3， 0.3， 0.3}；

w2={w21，w22，w23}={0.3，0.4，0.3}；

w3={w31，w32，w33，w34}={0.2，0.3，0.30.2}。

二级权重集合：W={W1，W2，W3}={0.2，0.3，0.5}。

上述权重集合由专家给出或通过层次分析法（AHP）给出[6]。

4.4 建立评价矩阵及矩阵合成

首先，建立单因素评价矩阵及矩阵合成：

建立二级评价矩阵及矩阵合成：

说明：合成算法采用简单矩阵相乘运算即可。

B=[0.0560.2510.3450.2270.1050.016]

由于Max{B}=0.345，从评价集可知，0.345对应的水平等级为良好。

据此，可以得出银牙鸡丝的质量等级是良好水平。

示范评价结束。

5 结语

模糊综合评价方法，相对于传统的直接依据主观意识进行打分的菜点评鉴方法，极大地消除了评判员的主观因素的影响，从而使评价结果更加客观准确。在实际的菜点评价过程中，可以将上述模型编辑成应用软件，评判员在评判时直接将单因素的得分输入软件中，即可自动计算生成结果。关键因素的权重确立对菜肴评价很重要，可以采用专家给出或层次分析法获得，使菜点的质量评价的结果更为可靠。通过对校内组织的几次学生技能比赛的菜肴质量评价证明，这一套方法具有较高的科学性和可操作性，可以在实践中加以推广应用。

[1]赵振宇,徐用懋.模糊理论和神经网络的基础与应用[M].北京：清华大学出版社，1996：1

[2]唐建华.菜肴质量评价指标及生产控制[J].扬州大学烹饪学报，2002，19(3)：40-43

[3]郭亚军.综合评价理论与方法[M].北京：科学出版社，2002：62-96

[4]张喆，张闯，朱宏.钢铁企业电子商务营销的模糊评价[J].工业工程与管理，2006(3)：58-62

[5]唐建华，周晓燕，李宾，等.试论AIC菜肴质量的二级模糊综合评价标准[J].扬州大学烹饪学报，2007，24(3)：28-31

[6]黄旬.层次分析法原理与分析法的风险量化研究[J].城市建设与商业网点，2009，6(11):24-26