基于F-ANP的建筑材料质量风险评价研究

2015-04-14朱连滨孔祥荣

计算机工程与应用 2015年1期

关键词：建筑材料准则矩阵

朱连滨，孔祥荣，吴宪

1.北京工业大学经济与管理学院，北京 100022

2.北京市质量技术监督局，北京 100029

3.北京建筑材料科学研究总院有限公司，北京 100041

1 引言

20世纪90年代美国学者Saaty等在层次分析法（Analytical Hierarchy Process，AHP）的基础上，提出了针对系统间元素的交叉作用，以独立单元和反馈为内容提出了网络分析法（Analysis Network Process，ANP[1]，是一种新的决策科学方法。它是在AHP的基础上，针对决策问题的结构具有依赖性和反馈性的情况，考虑到各因素或相邻层次之间的相互影响，利用“超矩阵”对各相互作用并影响的因素进行综合分析得出其混合权重，以解决相互依赖的问题。模糊网络分析法（Fuzzy-Analysis Network Process，F-ANP）用超矩阵的形式来定量地表示影响程度的大小，使得F-ANP比AHP更能反映客观实际问题的复杂性[2-10]。杜红兵在分析三角模糊数学和ANP原理的基础上，针对空管安全风险因素相互影响的特点，建立基于F-ANP的空管安全风险评估模型[10]。

随着我国城镇化的迅猛发展，建材产品质量风险日益突出，迫切需要建立一套科学、量化的风险监控评估方法。建材产品质量风险是一个涉及多方面因素的复杂系统，各影响因素间存在相互影响和依赖的网络关系。朱连滨等对北京市主要建筑保温材料进行了全生命周期和环境效益评价[11]，本文将基于网络分析法和模糊综合评价方法的应用特点，构建了基于模糊网络评价理论的建材产品质量风险评价模型，通过Super Decision（SD）软件计算各指标的权重值，实现了F-ANP模型在建材行业质量风险评价的成功应用。

2 风险评价体系建立

2.1 建材质量风险的多层次、多级别风险评价指标

建筑材料质量风险评价的目的是，通过风险分析，实现风险的有效控制。根据评价目标及评价对象的特征，分别征询专家对所设计的评价指标的意见，参考国内外历史突发事件数据和北京市建筑材料产品质量信息统计数据，根据已经发生或者可能发生的事件，对风险事件进行整理与分类，确定建材质量风险的多层次、多级别风险评价指标。主要包括：

（1）质量风险属性层评价指标

从产品质量功能实现方面，识别建筑材料质量风险表现形式，对已识别的属性分别从可能性和后果进行评价。根据历史数据、专家意见以及产品标准对质量的规定，其质量风险指标包括：结构损害、防火功能损害、隔热功能损害、隔音功能损害、防水功能损害、装饰功能损害、化学损害、辐射损害、其他损害共9个评价指标。

（2）质量风险控制体系评价指标

质量风险控制体系指标为影响产品质量风险发生的控制因素，管理风险包括环境风险、技术风险、规则风险、市场风险、经济风险、组织管理风险6方面一级风险评价指标以及20个二级评价指标，详见表1。

表1 建材质量风险的多层次、多级别风险评价指标

2.2 基于网络分析法的建材产品质量风险评价模型

ANP的典型结构由控制层和网络层两部分构成。控制层是典型的AHP递阶层次结构，设定决策目标与决策准则，每个准则还可以有子准则。控制层中若有两个以上的准则，则这些准则对上隶属于目标，对下分别控制一个网络结构（若有子准则，向下类推）。若控制层中只有一个准则，这个准则实际上即为目标，此时模型便只有网络层。其次，构造网络层次，确定元素集，分析网络结构和影响关系[12-15]。实际问题往往是复杂问题，面临的几乎都是既有内部依存，又有循环的ANP网络层次结构的情况，元素集包含的元素之间是有相互依赖和相互影响的，存在ANP网络循环，这是ANP网络分析法中最为复杂的情况。利用ANP来构建建筑材料风险等级评价模型构建建材产品质量风险的ANP评价模型，如图1所示。

图1 建材产品质量风险评价的ANP模型

3 基于F-ANP的建筑材料质量风险评价方法

3.1 构建项目风险因素集

基于建筑材料质量的评价指标体系，建立风险因素集，即第一层，总风险因素集：

3.2 构建项目风险评价集

评价集是对各层次评价指标的一种语言描述，是专家、评审人对各评价指标所给出的评语集合，研究从各种风险对建筑材料产品质量影响程度的大小考虑，将风险评价分为五个等级：

3.3 确定模糊关系矩阵

建立模糊关系矩阵，进行单因素评价：

3.4 F-ANP法确定指标的权重

由于F-ANP模型是一种网状模型，对于模型的计算如超矩阵、极限矩阵计算等尤为复杂，若不借助于计算机软件，很难将F-ANP模型应用到实际决策问题中去。SD软件的出现，成功实现了F-ANP计算的程序化，为F-ANP的实用推广奠定了坚实的应用基础[9-10，12]。应用SD软件，可以对各个风险因素相互影响的关系以及大小进行判断。首先建立各个风险因素集，以影响主要风险来源的6个方面作为评价的准则层，其下又分为若干元素，对元素进行两两比较；再进行一致性指标判断得到如图2的F-ANP评价SD模型。

图2 F-ANP评价SD模型

构造判断矩阵的方法与步骤如下：

（1）在元素集C1（环境风险）中，以元素r11（资源）为准则，元素集C1中的元素r11（资源）、r12（地理）、r13（气候），按照其对r11的影响大小进行间接优势度比较，即构造模糊判断矩阵。判断矩阵中各元素确定的标度如表2所示。

表2 判断矩阵中各元素确定的标度

以元素r12（地理）为准则，元素集C1中的元素r11（资源）、r12（地理）、r13（气候），按照其对r12的影响大小进行间接优势度比较，构造模糊判断矩阵。

以元素r13（气候）为准则，元素集C1中的元素r11（资源）、r12（地理）、r13（气候），按照其对r13的影响大小进行间接优势度比较，构造模糊判断矩阵：

从以上3个特征向量，可以得到元素集C1（环境风险）结构的定量表示，即模糊判断矩阵W11。

（2）重复以上步骤，得到元素集C2（技术风险），C3（制度规则风险），C4（市场风险），C5（经济风险），C6（组织管理风险）结构的定量表达，即模糊判断矩阵W22、W33、W44、W55、W66。

（3）依此类推，得到模糊判断矩阵W12、W13、W14、W15、W16、W21、W23、W24、W25、W26、W31、W32、W34、W35、W36、W41、W42、W43、W45、W46、W51、W52、W53、W54、W56、W61、W62、W63、W64、W65，最终求出二级结构的定量表达，模糊超矩阵：

（5）构造模糊加权超矩阵计算权重：

3.5 评估建筑产品质量风险指数

在建立模糊评价矩阵和权重向量后，通过使用模糊复合算子M（·，⊕），对每个风险属性进行评估，最后，应用模糊评价向量的正交化计算风险指数。计算结果可用于建材产品多种质量属性风险级别的判断与比较。

4 实例验证

建筑用聚苯板为目前用量最大的建筑墙体保温材料之一，根据历史的抽样检验数据，建筑聚苯板的主要质量风险表现在材料的防火属性方面。以建筑聚苯板的防火属性的质量风险对本文提出的建材质量风险评价体系进行实例验证，具有一定的代表性。

4.1 建立模糊判断矩阵

为了综合评价基于聚苯板防火性能的风险因素，邀请建材行业涉及工程技术、行业监管等方面的专家20人组成评审团，以问卷调查的形式，对建筑材料质量体系中综合评价体系第二层元素进行单因素评价，通过对调查表的回收、整理、统计，得到评价结果的统计表如表3所示。

根据表3建立模糊关系矩阵，即从U到V的模糊关系矩阵R，即对单因素进行评价。

R1=(0.9，0.1，0，0，0)

R2=(0.95，0，0.05，0，0)

R3=(0.9，0，0.1，0，0)

R4=(0.5，0.3，0.2，0，0)

R5=(0，0.65，0.35，0，0)

R6=(0.45，0.15，0.35，0，0.05)

R7=(0.5，0.25，0.25，0，0)

R8=(0.5，0.3，0.1，0.1，0)

R9=(0.6，0.25，0.1，0.05，0)

R10=(0.55，0.4，0.05，0，0)

R11=(0.65，0.2，0.1，0.05，0)

R12=(0.55，0.4，0.05，0，0)

R13=(0.5，0.5，0，0，0)

表3 防火功能损害风险因素评价调查结果统计表

R14=(0.65，0.3，0.05，0，0)

R15=(0.6，0.35，0.05，0，0)

R16=(0.55，0.45，0，0，0)

R17=(0.45，0.45，0.1，0，0)

R18=(0，0，0.25，0.45，0.3)

R19=(0，0.8，0.2，0，0)

R20=(0.55，0.3，0.1，0.05，0)

由此得到模糊评价判断矩阵为：

4.2 F-ANP法确定权重

根据4.1节的模糊评判矩阵，用SD软件构造超矩阵、加权超矩阵、极限超矩阵，最终可得综合优势度。

SD软件基于专家打分的环境风险中各影响因素重要性判断矩阵及特征向量为（0.636 99，0.104 73，0.258 28），其中，一致性指标为0.037 03<0.1，符合一致性检验。

技术风险中各影响因素的判断矩阵，其判断矩阵的特征向量为（0.328 47，0.671 53），其中，一致性指标为0<0.1。

规则风险中各影响因素的判断矩阵，其判断矩阵的特征向量为（0.250 00，0.750 00），其中，一致性指标为0<0.1。

市场风险中各影响因素的判断矩阵，其判断矩阵的特征向量为（0.033 62，0.100 79，0.175 77，0.310 19，0.379 62），其中，一致性指标为0.034 35<0.1，符合一致性检验。

管理风险中各影响因素的判断矩阵，其判断矩阵的特征向量为（0.116 40，0.103 14，0.155 30，0.225 65，0.074 75，0.025 91，0.298 86），其中，一致性指标为 0.079 03<0.1，符合一致性检验。从极限矩阵中计算得出优先级排序结果，如表4所示。

表4 风险评级及排序

从表4可以看出，现场管理、招投标管理、成本管理、进度管理、资金、规则完备性、规则合理性、技术成熟度、技术可行性对聚苯板产品防火属性风险的影响较大。

4.3 综合评价

综合评价合成算子选择M（·，⊕）型，即加权平均型算子，因为加权平均型算子适用于兼顾考虑整体因素的综合评价。

整体风险指数为：

根据风险等级被定义为集合E，E={1，2，3，4，5}，这里面的数字 1、2、3、4、5分别表示的级别是很低、低、中等、高和很高。4.143 274接近很高风险水平，说明聚苯板的防火风险属性属于较高级别风险。

5 结论

本文提出了适合建筑材料的F-ANP质量风险评价体系，并以聚苯板为例进行了相关验证，其评价结果与现行国务院《关于加强和改进消防工作的意见》（国发[2011]46号）以及住房和城乡建设部下发的《关于贯彻落实国务院关于加强和改进消防工作的意见的通知》（建科[2012]16号）文中对外墙外保温有机保温材料加强防火质量要求的相吻合，这表明该F-ANP建筑材料质量风险评价体系具有较好的科学性、客观性、实用性和优越性，将为建筑材料质量风险评价提供一种较为合理的评价方法。

[1]Saaty T L.Multicriteria decision making[M].Pittsburgh，PA：RWS Publications，1990.

[2]聂相田，罗刚.基于模糊网络分析法的水利工程施工风险分析[J].人民黄河，2011，33（5）：113-114.

[3]卢亚琼，章恒全.基于改进的网络分析法的国际工程风险评价[J].项目管理技术，2014，14（4）：78-82.

[4]陈相杰，杨乃定，刘效广.研发项目复杂性指标权重确定的FANP法[J].计算机工程与应用，2014，50（13）：42-46.

[5]唐文彬，张飞涟，李晶晶.基于模糊网络分析法的城际铁路建设项目风险评价研究[J].铁道科学与工程学报，2011，8（4）：68-73.

[6]马珺杰.基于模糊网络分析法的地铁站应急疏散能力综合评价[J].中处企业家，2014（2）：194-196.

[7]周晓光，高学东.基于FANP模型的建设项目选择方法与应用[J].系统工程理论与实践，2012，32（11）：2459-2466.

[8]许永平，朱延广，杨峰，等.基于ANP和模糊积分的多准则决策方法及其应用[J].系统工程理论与实践，2010，30（6）：1099-1105.

[9]雷晓刚，李江.基于ANP-FCE模型的大型航天研发项目风险评估[J].科学技术与工程，2011（26）：6502-6506.

[10]杜红兵，李晖，袁乐平，等.基于Fuzzy-ANP的空管安全风险评估研究[J].中国安全科学学报，2010（12）：122-126.

[11]朱连滨，孔祥荣，吴宪.北京市主要建筑保温材料生命周期与环境经济效益评价[J].生态学报，2014，34（8）：2155-2163.

[12]李玉琳，高志刚，韩延玲.模糊综合评价中权值确定和合成算子选择[J].计算机工程与应用，2006，42（23）：38-42.