第二章 文獻探討
2.5 模糊理論(F UZZY T HEORY )
模糊理論是由 Zadeh【41】於 1965 年提出的，其定義為：令 U 為被討 論的全體對象，叫做論域(Universe of Discourse)；論域中的每個對象，叫做 元素，以 u 表示；U 上的一個模糊子集 A，是指：對於任意x∈U，都指定 了一個實數
u
a(x
)∈[ ]
0,1，稱為 x 隸屬於 A 的程度。即 ua(x)為一映射(mapping)[ ]
0,1 :) (
x U
→u
a叫做 a 的隸屬函數(Membership Function)。當 A 值域={0,1}時，ua（x）
蛻化成一個普通子集的特徵函數，a 便成一個普通子集。模糊集合的高度 (Height)是指最大的隸屬程度(Degree of Membership)，以 hgt A 表示。至少有 一元素之隸屬程度為1 的模糊集合，稱為標準化(Normalization)的模糊集合。
一、模糊數(Fuzzy Number)
模糊數為正規化且為凸集合的模糊集合。模糊數的隸屬函數須滿足 下列條件【31】：
(一) 正規化模糊子集（Normality of A Fuzzy Subset）。
(二) 凸模糊子集（Convex Fuzzy Subset）。
(三) 區段連續（Piecewise Continuous）。
二、三角模糊數（Triangular Fuzzy Number; TFN）
三角模糊數以 ~ ( , , )
c b a
M
= 表示，且a≤b≤c，如圖2.5 所示。當α ＞ 0 時，稱 M~為正三角模糊數。三角模糊數 M~
的隸屬函數
μ
M~(x
)定義如下【33】：
⎪⎪
⎪
⎩
⎪⎪
⎪
⎨
⎧
≤
− ≤
−
≤
− ≤
−
=
others c x b b c
x c
b x a a b
a x
M
x
, 0
, , )
(
μ
~圖2.5 三角模糊數 三、語意變數(Linguistic Variable)
語意變數是以自然語言中的語詞為值【41】，而不是以數據做為值 的變量。例如可以用詞組(非常重要，重要，普通，不重要，非常不重要) 來表達評估者對知識管理指標的重要性。本研究利用三角模糊數來表示
a -截集是將模糊集合轉變為明確集合的方法【42】。模糊數 M
~ 的 a -截集，定義如下：[ α α ]
α ( ) , ( )
~
b a a c c b
M
= − + − − ，其中0≤α ≤1 其中，M
~α的意義為隸屬於 M~
的程度大於或等於a 值之所有元素所 成的集合，如圖2.6 所示。
圖2.6 三角模糊數 M~
的α -截集 五、模糊數運算
依據模糊數的性質及擴張原理(【42】、【34】)，假設有兩個三角模 糊數 ~ ( , , )
1 1 1
1
a b c
M
= 及 ~ ( , , )2 2 2
2
a b c
M
= ，則其模糊代數運算如下：) ,
,
~ (
~
2 1 2 1 2 1 2
1
M a a b b c c
M
⊕ = + + +) ,
,
~ (
~
2 1 2 1 2 1 2
1
M a a b b c c
M
⊗ = × × ×) ,
,
~ (
~
2 1 2 1 2 1 2
1
M a a b b c c
M
− = − − −) / , / , /
~ (
~ /
2 1 2 1 2 1 2
1
M a a b b c c
M
=六、距離公式
假設 ~ ( , , )
1 1 1
1
a b c
M
= 及 ~ ( , , )2 2 2
2
a b c
M
= 分別為正三角模糊數，則其兩模糊數間距離 ~ )
~ , (
M
1M
2d
的運算如下【29】：[
1 2 2]
2 2 1 2 2 1 2
1 ( ) ( ) ( )
3 ) 1 , ~
(
M
~M a a b b c c
d
= − + − + −2.6 模糊層級分析法(Fuzzy AHP)
鑑於層級分析法無法克服決策時所伴隨模糊性之缺點，Laarhoved and Pedrycz【35】便將 Saaty 之傳統層級分析法加以演化，發展模糊層級分析法
（FAHP），將三角模糊數直接帶入成對比較矩陣中，以解決問題，如圖 2.7。
以處理在準則衡量、判斷等過程中所產生之模糊性問題。
⎥ ⎥
⎥
⎦
⎤
⎢ ⎢
⎢
⎣
⎡
−
−
−
−
−
−
−
−
−
) ( 33 ) ( 32 ) ( 31
) ( 23 ) ( 22 ) ( 21
) ( 13 ) ( 12 ) ( 11
R L R
L R
L
R L R
L R
L
R L R
L R
L
a a
a
a a
a
a a
a
圖2.7 模糊層級分析法之成對比較矩陣圖
Laarhoven and Pedrycz【35】有鑑於傳統層級分析法之成對比較矩陣具主 觀、不精確等特性，所以利用模糊集合理論(Fuzzy Sets Theory)及模糊運算 (FuzzyArithmetic)來解決此項不精確問題。
Buckley【28】基於傳統 AHP 法的不精確問題與 Saaty【39】所用來求取 權重方法難以被使用在模糊矩陣求算等缺失，將模糊集合理論導入傳統AHP 法 上 ， 並 將 一 致 性 的 概 念 轉 化 到 模 糊 矩 陣 中 。 其 以 梯 形 模 糊 數(Flat or Trapezoidal FuzzyNumber)，轉換專家意見將之形成模糊正倒值矩陣，再利用 幾何平均數方法(Geometric Mean Method)求算模糊權重，再經由層級串聯，
計算各替代方案的模糊權重，最後以各替代方案模糊權重的隸屬函數圖形，
排列方案的優先順序，方法嚴謹，但缺點為計算過於繁雜。
張有恆、徐村和【24】針對傳統 AHP 法具(1)決策屬性具相關性問題；(2)
Mon, Cheng, and Lin【37】針對傳統 AHP 唯有應用在確定情況下，決策 準確度才較可信賴及衡量尺度過於主觀問題等缺失，提出以熵值權重法
（Entropy Weight Method）為基礎之模糊 AHP 決策模式，並應用在國防武器 系統之評估上。雖然此模式簡單易懂，但由於各準則權重決定仍是由決策者 主觀決定，並無考慮到群體決策問題。
盧淵源【26】利用模糊集合理論結合 AHP 法，建構無人搬運車系統之設 置評估模式，提供廠商以為參考。其做法為先是每一成對比較矩陣為三角模 糊數，再利用模糊AHP 找出每一因素之模糊權重，再利用模糊排序法﹙重心 法則﹚，找出最佳模糊值或明確值，比較該值大小並予以排序，以求得各因 素之優先順序，再利用語意(Linguistic)評比，來評定欲導入廠家之準則，再 經由層級串聯求得模糊數，再將之與已成功導入廠商之模糊數進行比較，作 為廠商導入前之參考，並可藉此了解本身不足之處進行補強。
由相關研究可以發現，模糊層級分析法廣泛的使用於方案選擇與全體決 策問題，且藉由模糊理論之助，解決了傳統 AHP 所存在的問題如，比率尺 度應用上的限制、決策屬性具相關性問題、平均數問題、不精確問題、群體 決策問題等缺失。
第三章 研究設計
在「建構台灣通訊製造業知識管理效能之衡量模式」的目標下，透過知 識管理目關文獻的探討與分析，得知企業若透過健全的知識管理制度與系統 的建立，將能夠提高知識管理效能以獲得競爭優勢。鑒於知識管理活動對企 業的重要性，必須藉由一套完整的衡量工具，來評估知識管理活動實施的成 效，而過去衡量知識管理效能或績效，大都是採用認知型問卷以主觀指標來 評估，並未考量各構面與指標之相對重要權數值，而容易隨填答者產生偏差。
本研究所發展之知識管理效能衡量模式，透過文獻探討、焦點群體法與 專家意見諮詢蒐集合適之構面與指標，除了「主觀指標」之外，再加入可衡 量的「客觀指標」建立衡量模式。本研究將知識管理因素結構分為「人力」、
「創新」、「流程」、「關係」與「顧客」五個主要構面，各構面分別有其指標 共計三十個指標。在完成本研究層級架構的建立之後，隨之以層級分析法 (analytic hierarchy process, AHP)問卷透過對該研究主題有所長之業者進行構 面與指標之成對比較，以求得層級與指標之相對權重，至此完成台灣產業知 識管理效能衡量模式的建構，其詳細的建構過程將分別說明於本章各節之中。
3.1 研究流程
基於本研究之目的在於建構模糊AHP 知識管理效能衡量模式，整個研究 程序可簡單區分為兩大階段。首先是衡量模式探索階段，接下來為運用模糊 層級分析法衡量模式建構階段；最後為結論與建構。整個流程如下圖 3.1 所 示：
圖3.1 研究流程 衡量模式探索階段
文獻回顧與探討
影響知識管理效能指標集
第一次專家問卷意見諮詢
結論與建議 衡量指標建構階段
第二次 AHP 權重問卷實施
建構衡量知識管理效能之試算公式
FAHP 構面與指標之權重建立 確立影響知識管理效能指標
績效指標之優先順序
台灣通訊產業知識管理效能衡量模式之建立