运营卓越背景下改进举措筛选与优先级排序的模糊决策支持模型(Fuzzy Decision Support Model for Selecting and Prioritising Improvement Initiatives in the Context of Operational Excellence)：矿业公司应用案例

《Scientific African》：A fuzzy decision support model for selecting and prioritising improvement initiatives in the context of operational excellence: Application to a mining company

　　

摘要：在当今工业环境中，企业不断寻求提升运营绩效并增强竞争力，然而改进举措(improvement initiatives)的筛选与优先级排序对决策者而言仍是一项复杂任务。需考虑标准的多样性、涉及主体的多重性以及判断的主观性，使该过程属于典型的的多准则决策(Multi-Criteria Decision-Making, MCDM)问题。本文提出一种基于模糊逻辑(fuzzy logic)的决策支持模型，用以帮助企业筛选与优先排序改进举措。该模型依据五项输入指标——效率(efficiency)、可行性(feasibility)、成本(cost)、实施时间(implementation time)及原创性(originality)——计算每项举措的整体相关性得分(overall relevance score)来评估各举措。通过一家矿业公司的案例研究对该方法的适用性进行说明，并将所得结果与该公司现行方法得到的结果进行对比，以评估所提出的模糊模型相对于现有实践的一致性与适用性。结果表明，采用模糊逻辑进行改进举措筛选与优先级排序具有合理性。所开发的模型能够更好地处理管理决策固有的不确定性与主观性，是一种可有效支持企业持续改进与运营卓越(operational excellence)倡议的灵活决策工具。

论文解读：运营卓越背景下基于模糊逻辑的改进举措筛选与优先级排序决策支持模型研究

该研究发表于《Scientific African》。

一、研究背景与目的

在工业竞争加剧的背景下，企业为追求运营卓越(operational excellence)持续识别改进举措(improvement initiatives)，但受限于资源约束无法同时实施所有提案。传统的Impact–Effort矩阵或简单加权法依赖定性判断，难以整合多维度相互依赖的准则，且无法妥善处理人类判断中模糊与不确定的语义描述（如"较好效率""合理成本"）。传统多准则决策(multi-criteria decision-making, MCDM)方法如层次分析法(Analytic Hierarchy Process, AHP)、最佳最差法(Best-Worst Method, BWM)、逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution, TOPSIS)多要求精确数值输入，对主观模糊信息处理能力不足。现有模糊MCDM方法常较泛化，缺乏针对真实工业环境含异质竞争准则的改进举措优先级专用框架。因此，Nidal Mansouri、Mhammed El Bakkali与Aziz Soulhi研究人员开展本研究，构建基于模糊逻辑(fuzzy logic)的结构化决策支持模型，通过五维指标量化评估改进举措整体相关性(overall relevance score)并排序，以摩洛哥南部某矿业公司为案例验证，并与企业现行方法对照，探究模糊模型在降低主观性、提升决策一致性方面的价值。

二、主要关键技术方法

研究人员设计基于Mamdani型模糊推理系统(Fuzzy Inference System, FIS)的决策支持模型：输入变量为效率(efficiency)、可行性(feasibility)、成本(cost)、实施时间(implementation time)、原创性(originality)，输出为行动相关性(action relevance / overall relevance score)。各变量由领域专家定义三角(triangular)与梯形(trapezoidal)隶属函数(membership functions)将 linguistic variables（如低/中/高）模糊化(fuzzification)；建立72条IF–THEN模糊规则（采用AND算子联结多输入条件）表达专家知识；经模糊推理后采用重心法(center of gravity / centroid method)解模糊化(defuzzification)得精确数值得分用于排序。案例数据来源于矿业公司运营卓越内部征集的六项改进举措，由委员会依现行Impact–Effort矩阵选前三为优先，研究人员用同一数据集代入模糊模型计算得分并排名对比。

三、研究结果

Use case 1

固定成本、实施时间与原创性为中(medium)水平，分析效率与可行性双变量对行动相关性的影响。结果显示行动相关性随效率与可行性同步升高而显著上升，低效率低可行性区得分最低，确认模型赋予高效益且易实施举措更高权重。

Use case 2

固定可行性、实施时间与原创性为中，分析效率与成本对行动相关性的影响。结果表明低成本下高效率显著提升相关性；随成本升高效率正面作用减弱且相关性渐降，反映模型对高成本举措予以惩罚，符合资源受限环境下的理性决策。

Use case 3

固定效率、可行性与原创性为中，分析实施时间与成本对行动相关性的共同影响。模型显示低成本短周期举措相关性最高，长周期高成本举措相关性明显下降，即模型倾向快速、经济可承受的改进方案。

Use case 4

固定效率、成本与实施时间为中，分析原创性与可行性对行动相关性的影响。结果显示相关性随可行性提高而升，中高原创性进一步强化该趋势；高原创性但低可行性举措得分偏低，表明模型更重视可行性，高相关性需创新与可执行性兼备。

Overall Analysis and Discussion

四组响应面表明模糊模型逻辑自洽，再现准则间现实关系。可行性(feasibility)与效率(efficiency)为最关键决定因素；成本(cost)与实施时间(implementation time)具次一级影响且模型偏好低成本短周期方案；原创性(originality)为互补因素——仅当高效且技术经济可行时方提升高创新性方案相关性。模型均衡整合运营、财务、时间及创新维度。

Evaluation of the presented model

六份改进举措经模糊模型算得整体相关性得分并排名，与企业Impact–Effort矩阵选出之前三名（Initiatives 2、3、4）完全一致，模糊模型前三顺位即此三项。证实模糊模型可复现专家判断并提供更细致梯度排序，差异源于模型额外纳入原创性准则。模型可作为传统筛选方法的有效补充决策工具。

四、讨论与结论翻译

结论部分翻译如下：

在追求运营卓越与竞争力的工业背景下，企业力图识别并实施改进举措以提升绩效，但筛选最相关举措因各提案在效率、可行性、成本、实施时间及原创性方面存在差异，加之多重准则与判断主观性交织而十分复杂。鉴于此，须具备能同时处理若干定性与定量准则、并容纳决策者判断固有不确定性与主观性的决策工具。在此背景下，研究人员提出基于模糊逻辑(fuzzy logic)之决策支持模型，依五项输入指标——效率(efficiency)、可行性(feasibility)、成本(cost)、实施时间(implementation time)及原创性(originality)——计算整体相关性得分(overall relevance score)对改进举措分类排序，提供更细腻结构化评估以使筛选过程更契合企业战略目标。经矿业公司案例验证，模糊方法可处理人为主观不确定性并在与企业现行方法对比中给出连贯可解释的优先级排序。模型依赖评价准则定义、隶属函数及专家规则基——反映特定企业战略优先序；虽仅限少量举措验证，但为进一步拓展奠基。未来工作可包括敏感性分析、与AHP/TOPSIS/BWM等经典MCDM方法对照实验，并推广至其他工业场景及更大样本量以评估其适应性与普适性。