装备研制项目群技术风险综合评价研究*

杨春林 王瑛 谢媛

(1.空军工程大学空管领航学院，陕西 西安 710051；2.66389部队，河南 郑州 450000)

0 引言

随着装备研制技术的发展，装备研制项目群综合化程度不断提高，系统级项目越来越多，子项目间各类技术风险错综复杂。技术风险在装备研制项目全生命周期过程中均存在，是其他风险的主要来源，也是导致项目群研制失败或延误的主要风险。作为项目群风险管理的主要对象，项目群技术风险管理日益受到关注，如何科学评价项目群风险管理水平已成为目前装备研制项目群风险管理的主要工作。但目前学者的研究主要集中于单个项目风险的管理及评估，对项目群技术风险进行综合评价的研究较少，因此，有必要对项目群技术风险进行深入研究。

本文构建了社会网络分析(SNA)与犹豫模糊决策方法(TOPSIS)相结合的评价模型，对装备研制项目群技术风险的风险因子权重及子项目风险大小进行分析。该研究结果对于高效利用国防资本、提高重大装备研制项目的成功率以及指导新型装备的科学研发具有重要意义。

1 项目群技术风险综合评价指标体系构建

1.1 风险评价指标选取原则

风险评价指标的选取是进行项目群技术风险分析的基础，是进行定量技术风险评估的参考依据。综合考虑装备研制技术风险的相关性等因素，在项目群技术风险评估过程中，按以下原则选取评价指标：

(1)系统全面。评价指标必须能够全面、准确反映研制项目群各时间节点、研制阶段、研制子项目的风险指标状态以及研制项目的整体风险状态。

(2)简明科学。评价指标除应全面、准确，还应无交叉重复、无冗余，且简明扼要便于量化。

(3)协调一致。评价指标的特征量应与装备研制项目群技术风险的产生机制一致或略有超前，且能够较好地反映装备研制项目群各风险之间的影响关系。

(4)可比分析。在进行装备研制项目群风险评价时，可利用指标体系对项目群的整体风险水平进行纵向分析和比较，从而充分掌握装备研制项目群整体风险状态。

(5)联系实际。装备研制项目群风险评价指标体系的建立应联系科研项目的实际需求，切实反映研制项目所受外部环境和内部系统不确定性因素的影响过程。

1.2 风险评价指标的确定

装备研制项目群技术风险因素众多，且各风险因素间关系交错复杂。在对风险评价指标进行确定前，需充分考虑技术方案的完备性与科研人员的技术水平以及科研条件等风险因素的影响。装备研制项目群是一个庞大的科研项目群，各子项目间风险因素的相互制约、影响、传递等关系都会进一步增大科研项目群的技术风险。此外，技术方案中性能指标选取的严谨性、试验环境的科学性、项目试验数据的真实性和有效性，都会对装备研制项目群的风险评价产生较大的影响。

基于此，本文根据相关文献资料和技术风险识别规律，在咨询项目组专家意见的基础上，建立装备研制项目群技术风险类别及风险评价指标，见表1。

表1 装备研制项目群技术风险类别及风险评价指标

2 项目群技术风险综合评价模型构建

2.1 基于SNA的节点度分析及指标权重确定

确定评价指标后，本文采取基于SNA的方法进行指标权重的确定。基于图论的SNA可以分析不同风险节点之间的关系模式，识别关键风险节点以降低网络风险。而社交网络研究的关键是分析每个网络节点的中心性，以识别关键的风险节点，并研究风险交互的规则。根据文献分析结果可知，目前SNA分析方法主要应用于城市风险、疾病传播风险等研究，将SNA分析方法应用于项目群风险管理的研究较少。

基于SNA方法，分析子项目各风险因子的节点度，并根据节点度分析结果识别项目群中的主要风险因子，求解各风险因子的权重，可为改进犹豫模糊TOPSIS方法提供数据支持。

2.1.1 构建风险决策矩阵

本文采用德尔菲法分析各个风险评估指标之间的相互关系。为了减少专家主观判断造成的评价误差，只采用“有效果”和“没有效果”两个评价标准。利用风险结构矩阵(Risk Structure Matrix，RSM)表示不同风险因素间的相互作用，RSM是一个二进制0-1矩阵。RSMij=0代表风险因素i对风险因素j没有影响，RSMij=1代表风险因素i对风险因素j有影响。需要注意的是，当i=j时，RSMij=0代表风险因素对自身没有影响。

为方便下文叙述，本文做如下定义：

定义1：节点内度Ii表示风险源i受其他所有风险源的综合影响度。

定义2：节点外度Oi表示风险源i对其他所有风险源的综合影响度。

邀请装备研制部门、工业部门、军方专家根据表1的风险评价指标，对装备研制项目群各风险指标进行量化评价，计算风险结构矩阵R

式中，i=1,2,…,m；j=1,2,…,n；m为技术风险种类；n为评价指标个数。

2.1.2 节点度分析

根据风险相关性评价，计算各风险因素的节点度。在SNA方法中，节点度包括节点外度和节点内度，用于分析节点之间的交互程度。节点度量属性是对一个节点与项目群中其他节点交互的频率进行度量。基于节点度风险分析，有助于确定核心风险因素和边缘风险因素。当某一风险因素的节点外度较高时，代表该分析因素与其他风险因素发生显著交互作用的概率更大。当项目群风险因子节点内度较大时，代表该风险因素更容易受到其他风险因素的影响。其中，风险因子的节点外度和内度计算公式如下

基于SNA节点度分析可知，对于风险因子i，如果Ii>0且Oi>0，则可以认为风险因子i无论是对其他风险因子的影响还是其他风险因子对其的影响都较为显著。因此，可将其视为关键风险因素。

2.1.3 标准化决策矩阵

假设装备研制项目群有m个子项目，现为每个子项目构建决策矩阵。由于每个风险因素都有两个指标(节点内度和节点外度)，分别构造节点内度决策矩阵和节点外度决策矩阵。以节点外度决策矩阵为例，首先，构造一个m×n决策矩阵(n=8)，假设第i个评估对象的风险因子j的节点外度为oij，则节点外度决策矩阵为A，即

对决策矩阵进行标准化，得到标准化矩阵Yij

根据标准化的计算过程可知，正的理想解是Y+=(1，1，…，1)，负的理想解是Y-=(0，0，…，0)。

2.1.4 确定指标权重

确定指标权重的常用方法包括德尔菲法、AHP、熵值法、神经网络层次分析法、综合评分法、模糊评估法等，但是这些方法具有一定的主观性。基于此，本文采用客观性较强的计划模型确定不同风险因素的权重。假设8个风险因素的权重分别为w1、w2、w3、w4、w5、w6、w7、w8，则评估对象i与两个理想点之间的加权距离平方之和为

fi(w)=fi(w1,w2,…,wn)=

从理想点的定义可知，离理想点越近，效果越好。因此，当fi(w)较小时，项目的风险控制更好，从而构建以下目标函数

随后构建Lagrange函数，得到

解得

2.2 犹豫模糊TOPSIS综合评价法

在对模糊集进行扩充的基础上，犹豫模糊集允许用多个变量数值表示隶属度，以对应在处理风险数据时的犹豫模糊情形。为解决决策过程中的不确定性，Torra提出了犹豫模糊集的基本运算法则。TOPSIS是一种接近线性加权平均方法的排序方法，能够解决单个决策者的多属性决策问题。传统的TOPSIS方法主要用于求解属性值确定的问题。然而，随着装备研制项目群风险的不确定性愈发明显，用传统的精确数值解决不确定性问题存在的不足愈发突出。因此，本文在确定风险等级时，采用模糊数的形式描述风险管理者及专家的偏好，采用改进犹豫模糊TOPSIS方法识别项目群中各子项目风险，并根据计算结果识别出风险较大的子项目，以保证装备研制项目的顺利开展。

2.2.1 犹豫模糊相关概念

犹豫模糊集用于解决在同一个属性中可能存在多个评估值的问题。设非空集合N是一个给定的论域，则称H={〈n,h(n)〉,n∈N}为N中的一个犹豫模糊集。其中，h(n)={rλ,λ∈1,2,…,ξ}为其中的一个犹豫模糊元，ξ为犹豫模糊元h(n)中元素的个数，rλ∈[0,1]为非空集合N中的元素n属于犹豫模糊集H的隶属度。

在装备研制项目群风险分析中，共有m个子项目和n个评价属性，本文利用改进犹豫模糊多属性决策问题对其风险进行求解。以M={m1,m2,…,mn}表示项目群子项目，以N={n1,n2,…,nm}表示风险评价集，则子项目mj在属性nj下的评估值nj(mi)为犹豫模糊数。犹豫模糊数多属性决策矩阵见表2。

表2 犹豫模糊数多属性决策矩阵

同时，为了确保利益型属性和成本型属性之间的兼容性，本文根据相关文献所提方法对成本型属性与利益型属性进行如下转化

式中，(hij)c=∪γ∈hij{1-γ}。

本文假设决策者为风险厌恶型(Risk-AVerse)，即决策者在进行风险预测时一般比较悲观。基于此，在标准化风险决策矩阵时，如果犹豫模糊数个数较少，则添加模糊数中的最小值，直到风险决策矩阵中犹豫模糊数最多的元素个数相同。

在确定属性权重、构建多属性决策矩阵和标准化决策矩阵之后，TOPSIS算法可根据子项目与正负理想解的最优组合确定最优方案，即根据方案的相对贴近度对项目群中各子项目进行排序，由此确定项目群中子项目风险的排序。

2.2.2 犹豫模糊TOPSIS分析步骤

式中，ξ为犹豫模糊数h中的元素个数。

在项目群风险管理中，通常距离D(mi,x+)越小，表示子项目面临的风险越小；距离D(mi,x-)越大，表示子项目面临的风险相对于其他项目越大。因此，设

式中，CI(mi)≤0(i=1,2,…,m)，且贴近度值CI(mi)越小，表示子项目风险越大。

3 实例验证

3.1 风险因素节点度分析及权重确定

采用上文所建评价模型，对某装备研制项目群进行风险分析。该项目群现有A、B、C、D 4个子项目，对技术难度与复杂性风险、科研人员实力风险、试验的难度与复杂程度风险、试验设备/设施技术条件风险、试验模拟和仿真技术水平风险、外协合作研发风险、原材料或零部件供应难易程度风险、原材料或零部件的技术性能风险8个技术指标的风险等级进行评价。通过问卷调查，邀请10名专家进行0～1打分，以子项目A为例，得到不同因素之间的关系矩阵，见表3。根据表3计算A项目的节点内度和节点外度。同理，可计算得到其他三个子项目节点内度和节点外度，计算结果见表4。

表3 子项目A不同风险因素之间的关系矩阵

表4 项目群中各子项目的节点内度和节点外度

从表3可以看出，子项目A中所有风险因子的节点内度和节点外度都大于0，说明每个风险因素都会影响其他因素，并受其他因素的影响，从而具有风险的传播作用。在子项目A中，节点外度较高的三个风险因素是：试验模拟和仿真技术水平风险、外协合作研发风险、原材料或零部件供应难易程度风险。节点内度较高的三个风险因素是：技术难度与复杂性风险、科研人员实力风险、试验设备/设施技术条件风险。

节点外度分析结果表明，试验模拟和仿真技术水平、外协合作研发、原材料或零部件供应难易程度的变化容易导致子项目A发生技术风险。如果模拟仿真水平达不到试验要求、外协单位不能按期完成计划研制工作、原材料无法供应等风险因素将会影响子项目A的正常推进。从另一个角度看，节点内度的分析结果表明，A项目所发生的技术风险是由技术难度与复杂性、科研人员实力、试验设备/设施技术条件三个主要风险因素引起的，因为在实践中技术难度、科研人员实力、试验装备技术条件风险出现时，将引起内部环境的较大变动，从而影响整个项目的推进。

3.2 基于改进犹豫模糊TOPSIS的项目群风险评估

本节以某装备研制项目群中A、B、C、D 4个子项目为例，分析改进的犹豫模糊TOPSIS方法的步骤。

(1)确定决策矩阵。根据表3中4个子项目的节点内度和节点外度，可以得到节点外度和节点内度决策矩阵，即

(2)计算标准化决策矩阵。根据上述公式，将决策矩阵标准化，得到

(3)确定指标权重。计算节点外度和节点内度评价中各风险因子的权重，分别如下

O(w)=(0.312 5,0.310 3,0.326 5,0.250 0,0.333 3,0.281 3,0.324 4,0.301 9)

I(w)=(0.307 7,0.312 5,0.312 5,0.297 5,0.275 9,0.293 3,0.250 0,0.328 9)

进行归一化处理，得到

加权平均后的风险因子权重为

ωi=(0.128 6,0.129 1,0.132 5,0.113 6,0.126 2,0.120 2,0.118 5,0.130 9)

(4)犹豫模糊TOPSIS分析。根据相关专家所给评判结果，建立犹豫模糊数多属性决策信息的矩阵，得到

正理想解为

x+=[{0.6,0.4,0.3},{0.6,0.4,0.3},{0.5,0.5,0.5},{0.5,0.4,0.4},{0.5,0.4,0.3},{0.6,0.5,0.4},{0.6,0.6,0.4},{0.5,0.4,0.3}]

负理想解为

x-=[{0.4,0.3,0.2},{0.4,0.3,0.2},{0.4,0.3,0.2},{0.4,0.2,0.3},{0.4,0.3,0.3},{0.5,0.4,0.2},{0.5,0.4,0.2},{0.4,0.2,0.2}]

计算欧几里得距离分别为

D(m1,x+)=0.011，D(m2,x+)=0.009，D(m3,x+)=0.007，D(m4,x+)=0.013

D(m1,x-)=0.008，D(m2,x-)=0.613，D(m3,x-)=0.014，D(m4,x-)=0.010

计算隶属度分别为

CI(m1)=-1.59，CI(m2)=-0.34，CI(m3)=-0.98，CI(m4)=-1.79

由此得到项目群中4个子项目的风险度排序为：CI(m4)

4 结语

本文通过SNA方法确定装备研制项目群关键技术风险因子，通过构建模型求解得到项目群技术风险各风险因子评价指标权重，利用改进犹豫模糊TOPSIS方法全面评价某装备科研项目群中4个子项目的技术风险。本文所提出的项目群风险评价模型考虑了决策者的犹豫，弥补了传统评价方法中主观赋值的缺陷，使评估结果更加符合客观实际。