基于FAHP-BP的企业数字化技术评价体系构建研究

王娟，魏解，王琪，张蕾，李凡，温兵兵，李松

摘要：针对模糊层次分析法对企业数字化技术评价受到专家个人主观因素影响比较大的问题，提出了基于FAHP-BP的评价模型。结合企业数字化转型实际，构建了包含16个指标的数字化技术评价指标，采用FAHP初步确定各评价指标权重，将其作为BP神经网络的训练数据集，对各评价指标权重进行优化。将提出的FAHP-BP评价模型应用于10家企业中，验证了模型的有效性，并指出当地的经济发展水平和企业数字化技术水平之间具有一定的相关性。这对电力、化工等高能耗、高污染企业实施数字化转型具有一定的参考价值。

关键词：模糊层次分析法；BP神经网络；数字化技术；评价模型

中图分类号：TP391.9

文献标志码：A文章编号：1001-5922（2023）12-0139-04

Research on construction of enterprise digital technology evaluation system based on FAHP-BP

WANG Juan1，WEI Jie2，WANG Qi2，ZHANG Lei2，LI Fan3，WEN Bingbing3，LI Song3

（1.State Grid Hubei Electric Power Co.，Ltd.，Wuhan 430077，China; 2.Marketing Service Center，Hubei Electric Power Co.，Ltd.，State Grid，Wuhan 430080，China; 3.Hubei Huazhong Electric Power Technology Development Co.，Ltd.，Wuhan 430077，China）

Abstract：To solve the problem that the evaluation of enterprise digital technology by fuzzy analytic hierarchy process is greatly affected by the subjective factors of experts，an evaluation model based on FAHP-BP was proposed.Combined with the reality of the digital transformation of chemical enterprises，a digital technology evaluation index containing 16 indicators was constructed，and the weights of each evaluation index were preliminarily determined by using FAHP，which was used as the training data set of BP neural network to optimize the weights of each evaluation index.The proposed FAHP-BP evaluation model was applied to 10 chemical enterprises，and the effectiveness of the model was verified.It was pointed out that there was a certain correlation between the level of local economic development and the level of enterprise digital technology.This has certain reference value for the implementation of digital transformation of high-energy and high-pollution enterprises such as electric power and chemical industry.

Key words：fuzzy analytic hierarchy process;BP neural network;digital technology;evaluation model

企业数字化技术评价反映了数字化技术的成熟度和有效性，构建科学化的评价体系至关重要。层次分析法是1种常见的评价方法，引起了学术界的广泛关注。构建了基于模糊层次分析法（FAHP）的高校智能办公椅设计评价体系，实现了对多因素模糊问题的定量计算。采用FAHP构建了工业缝纫机可用性评价模型，并对评价模型应用于具体的工业缝纫机中。从电网安全稳定运行的角度出发，提出了基于FAHP的电网操作方案优劣判断方法。因电力、化工等高能耗和高污染特点，实施数字化技术迫在眉睫，但数字化技术评价是1个十分复杂的问题。基于此，联合FAHP和BP神经网络，构建企业数字化技术评价体系，期待对提升电力、化工等企业数字化转型成功提供参考。

1企业数字化技术评价指标体系

企业数字化技术评价指标体系是衡量与评估企业数字化水平的关键，通过评价指标来了解企业数字化转型的成熟度、效率以及有效性。不论是电力企业还是化工企业，其实施数字化技术均可以使员工更好地掌握各种危险设备的操作，有效降低人为因素所造成的安全事故。构建企业数字化技术评价指标体系，如图1所示。

由图1可知，构建的企业数字化技术评价指标体系共包含4个二级指标，16个三级指标。从技术掌握、生产应用、研发应用、管理应用4个角度对企业数字化技术进行评价，其中技术掌握涉及4个方面，分别为计算机操作、设备使用、数据处理以及数据分析；生产应用涉及4个方面，分别为自动化控制、智能制造、运行维护、风险预警；研发应用涉及4个方面，分别为共享平台、项目管理、数据管理、项目进程；管理应用涉及4個方面，分别为人力资源、环保检测、市场销售、安全培训。

2企业数字化技术评价模型

2.1FAHP

FAHP是将定量分析和定性分析相结合的系统分析方法，可有效帮助决策者做出最佳的选择。

2.1.1建立层次结构，制定判断矩阵

按照确定的数字化技术评价指标体系结构，对每个层次中的元素，由决策者制定模糊判断矩阵。采用0.1～0.9标度法来量化2个因素的相对重要性，从而得到判断矩阵。

2.1.2模糊一致性检验

设矩阵A=aijn×n满足aij+aji=1，那么矩阵A为模糊互补判断矩阵。对模糊判断矩阵的每一行元素相乘并开方，即

ω-i=n∏nj=1aij（1）

对ω-i进行归一化，进而得到模糊互补判断矩阵A的特征向量（W），即

W=ω1ω2…ωnT（2）

其中，ωi的数学表达式：

ωi=ω-i∑ω-i（3）

计算最大特征值λmax，其数学表达式：

λmax=1n∑ni=1AWiωi（4）

2.1.3计算权重，进行综合评分

通过模糊层次分析可以得到每一个准则及备选方案的权重，其反映了该项准则在实际决策评价中的重要性。将计算得到的权重应用在各个评价指标上，从而得到最终的评价综合得分。

2.2BP网络

BP神经网络在训练学习中不断调整网络权重和偏置使输出和实际目标间误差最小化，具体步骤：

（1）前向传播。考虑到不同因素之间量化数值之间的差异，在输入网络之前对数据进行归一化处理，即

x′=x-xminxmax-xmin（5）

将归一化后数据x′传递给网络，通过一系列的权重与偏置的线性组合得到每一个神经元的输出值，即

y=f2ω2·f1ω1·x+b1+b2（6）

式中：f1为输入层和隐含层之间的神经元传递函数；f2为隐含層和输出层之间的神经元传递函数；ω1为输入层和隐含层之间的权值矩阵；ω2为隐含层和输出层之间的权值矩阵；b1为输入层和隐含层之间的偏置；b2为隐含层和输出层之间的偏置。

（2）误差计算。计算网络输出和实际目标之间的误差，常常采用损失函数来衡量误差的大小。

（3）反向传播。从输出层开始，计算误差对每个权重和偏置的梯度，并将梯度沿着网络反向传播到隐藏层和输入层。根据计算得到的梯度，使用梯度下降或其他优化算法来更新网络中的权重和偏置，以减小误差，这样网络就可以逐渐调整自身以提高预测的准确性。

2.3FAHP-BP模型

将FAHP和BP神经网络相结合，构建企业数字化技术评价模型。采用FAHP获取评价的先验样本，通过先验样本来训练BP神经网络模型。借助BP神经网络在处理非线性映射问题方面的强大能力，对各评价指标权重进行优化。通过定量分析与定性分析的有机结合，从而获取优化后的各评价指标权重。FAHP-BP的企业数字化技术评价模型如图2所示。

3结果分析

3.1初步确定指标权重

采用模糊层次分析法对企业数字化技术评价指标权重进行初步确定，通过问卷调查，借助0.1～0.9标度法对各层次的各指标之间重要性进行判别，构造模糊互补判断矩阵，分别为A、A1、A2、A3、A4，即

A=0.50.30.20.20.70.50.90.70.80.10.50.40.80.30.60.5

A1=0.50.30.80.60.70.50.90.80.20.10.50.60.40.20.40.5

A2=0.50.20.80.60.80.50.90.30.20.10.50.80.40.70.20.5

A3=0.50.20.60.10.80.50.90.40.40.10.50.20.90.60.80.5

A4=0.50.30.80.20.70.50.90.30.20.10.50.20.80.70.80.5

对判断矩阵进行模糊一致性检验，其模糊一致性评价指标（CR）分别为0.076 9、0.082 3、0.065 2、0.053 4、0.066 3，均满足CR<0.1，即所有的模糊互补判断矩阵均通过一致性检验。初步确定各层指标权重，其结果为：

W=［0.116 70.383 30.216 70.283 3］W1=［0.283 30.400 00.150 00.166 7］W2=［0.266 70.333 30.183 30.216 7］W3=［0.150 00.350 00.116 70.383 3］W4=［0.216 70.316 70.083 30.383 3］（7）

3.2指标权重优化

采用初步确定的样本指标线性加权作为样本输出，构建BP神经网络数据集。按照8∶2的比例将样本数据集划分为训练集和测试集。构建BP神经网络，输入层、隐含层以及输出层节点分别为16、6、1，设置最大训练次数为500次，学习率为0.004。BP神经网络性能如图3所示。

由图3可知，在经过446次迭代后满足结束条件。采用训练好的BP神经网络模型的输出作为节点权重，计算化工企业数字化技术评价各指标权重，计算公式：

Si=Fi，k∑Fi，k（8）

其中，Fi，k的计算公式：

Fi，k=∑qj=1Fi，j×Fj，kFi，j=ωi，j∑mi=1ωi，jFj，k=ωj，k∑qj=1ωj，k（9）

采用BP神经网络对FAHP所得到的各指标初步权重进行优化，有效降低了评价专家的个人主观因素，最终得到企业数字化技术评价指标权重，结果如表1所示。

3.3实证分析

选择10家企业作为研究对象，对企业进行编号，其所在的省份依次为浙江、安徽、青海、江苏、浙江、河南、吉林、甘肃、湖北、吉林。对企业数字化技术进行评价，结果如图4所示。

由图4可知，东南沿海地区的企业数字化技术评价得分普遍比较高；中部地区的企业数字化技术评价得分中等，而位于大西北经济欠发达地区的企业数字化技术评价得分偏低。

4结语

研究构建了包含4个一级指标和16个二级指标的企业数字化技术评价指标体系，采用模糊层次分析法初步确定各评价指标权重。在此基础上，采用BP神经网络对各评价指标权重进行优化，消除评价专家个人主观因素的影响。将构建的FAHP-BP企业数字化技术评价模型应用于10家化工企业中，分析结果表明，东南经济发达地区化工企业的数字化技术得分最高，中部经济中等发达地区化工企业的数字化技术得分一般，西部经济欠发达地区化工企业的数字化技术得分较低。

【参考文献】

[1]梁佳，宋绪丁，朱武威.模糊层次分析法在高校智能办公椅设计评价中的应用.包装工程，2023，44（6）：144-150.

[2]江涛，葛正浩，雷静，等.基于模糊层次分析法的工业缝纫机可用性评价.机械设计，2022，39（12）：119-124.

[3]朱濤，谢一工，钟少军，等.模糊层次分析法在电网操作方案选择过程中的应用.中国电力，2022，55（8）：121-128.

[4]孟然.基于BIM多元数字化协同技术赋能建筑设计发展.铁道工程学报，2023，40（4）：84-88.

[5]宫晓华，张强，李枫.模糊层次分析法在淤地坝风险评价中的应用.水资源与水工程学报，2022，33（5）：131-137.

[6]任盼，费良军，冯缠利，等.基于模糊层次分析法的节水型生态灌区综合评价.灌溉排水学报，2022，41（7）：129-139.

[7]刘彤杰，宋洪庆，张杰，等.模糊层次分析法在我国深空探测方案优选应用探究.工程科学学报，2022，44（8）：1433-1443.

[8]董志斌，庞新宇，李博，等.基于模糊层次分析法的刮板输送机中部槽中板材料选择.机械设计与制造，2021（3）：248-252.

[9]梁栋，朱兴贝，邬岚.基于模糊层次分析法的高铁货运物流方式选择.森林工程，2021，37（1）：117-121.

[10]刘文杰，余昊，陈冬梅.基于GA-BP神经网络的航空涡轮组件再制造工时预测.机械设计，2023，40（8）：69-75.

[11]邓宇轩.基于自适应PSO-BP神经网络的城轨造价预测研究.建筑经济，2023，44（S1）：92-96.

[12]余凯.建筑物基坑支护变形GA-BP神经网络预警检测研究.粘接，2023，50（8）：158-161.

[13]张谷玉，韩旭.基于BP神经网络-证据理论的产品情感评价策略.包装工程，2023，44（16）：41-47.

[14]朱云峰.基于模糊层次分析法的金箔文创产品设计研究.包装工程，2022，43（22）：341-349.

[15]孙建梅，蒋雨真.基于模糊层次分析的区块链平台决策模型.科学技术与工程，2022，22（9）：3702-3708.

[16]李梦源，董瑞科，王彦海，等.基于ISSA-BP神经网络的滑坡区输电铁塔状态预测模型.电子测量技术，2023，46（11）：74-82.

[17]生万宝，张本国，吴迪，等.基于蚁群算法-BP神经网络的漏钢预报模型研究.特种铸造及有色合金，2022，42（11）：1366-1369.

[18]龚天洋，郭柏苍，王文扬，等.视觉类次任务驾驶安全性预测模型.科学技术与工程，2019，19（11）：272-279.