中 華 大 學 碩 士 論 文

87  Download (0)

Full text

(1)

中 華 大 學 碩 士 論 文

題目:建構企業與供應商知識交付之智慧價值 模式

The Establishment of Knowledge Value Model about Knowledge Delivery between Business and Supplier

系 所 別:科 技 管 理 研 究 所 學號姓名:M09403007 林 芷 郁 指導教授:鄧 維 兆 博 士

中華民國九十六年八月

(2)

建構企業與供應商知識交付之智慧價值模式

學生:林芷郁 指導教授:鄧維兆博士

摘 要

隨著高科技發展之趨勢與動態產業之競爭,企業必須適時地增購新設施 或新設備來因應生產技術的轉變或消費顧客的新需求,以维繫企業的競爭優 勢。在知識經濟時代的今日,設備專業技術與知識的充分掌握是企業建立競 爭核心資源的重要課題之ㄧ。而設備專業技術與知識的充分掌握也就是採購 設備時的「知識交付」作業。ㄧ般而言,企業若能效益完成設備採購之知識 交付活動,則其亦能效益完成競爭核心資源之建立活動。然而,過去有關企 業採購之研究文獻中,鮮少有研究論及設備採購之知識交付議題。有鑑於此,

本研究將以知識接收者角度探究完整之設備採購知識交付活動應有那些重要 關鍵因素,並利用詮釋結構模式與模糊分析網路程序法決定各重要關鍵因素 之權重,最後建構出一套知識交付智慧價值模式供企業參考使用。

研究結果顯示,總計有 15 項重要關鍵因素納入知識交付智慧價值模式 中,並可區分為五大構面:溝通協調、技術經驗、關係特質、知識能力及售 後服務。其中,溝通協調構面為企業最重視之評估構面,溝通頻率準則為企 業最重視之評估準則。另外,個案實證分析顯示,本研究所提的知識交付智 慧價值模式是合適用於評量供應商知識交付之績效的。因此,本研究所提之 知識交付智慧價值模式,將可協助企業進行其供應商「知識交付」之評估衡 量,進而判定供應商設備知識交付之可能績效表現,並為競爭核心資源建立 活動投入有價值之知識資源,最後藉由這些知識資源進而提昇企業競爭優勢。

關鍵字:知識交付、智慧價值模式、模糊分析網路程序法、詮釋結構模式

(3)

誌 謝

韶光荏苒,轉眼間兩年的研究所生涯將進入尾聲。蒙謝恩師 鄧維兆博士 於研究上悉心指導與督促,並在我遇到瓶頸時給予鼓勵及引導,使我在學習 態度、為人處世上得到諸多的啟發,另外還要謝謝陳文欽老師及莊淑惠老師,

感謝老師們一路上的栽培,同時也要感謝口試委員蔡志弘老師撥冗審閱論 文,並給予諸多寶貴的建議與指正,感恩之情難以用筆墨形容,僅在此致上 最誠摯的敬意。

在這段日子裡謝謝慧、君、琦、霖、PON、伶、筑、瑩等等你們這群朋 友的陪伴,另外也多謝研究室裡的學弟妹們在我寫論文煩悶時給予許多歡 樂;還有這段時間我心靈上的支柱 ---- 牠。

最後,謹以此文獻給我摯愛的家人。

芷郁 謹識於中華科管所 中華民國96 年 7 月

(4)

目 錄

摘 要... i

誌 謝... ii

目 錄... iii

圖目錄... v

表目錄... vi

第一章 緒論... 1

第二章 文獻探討... 4

2.1 知識交付... 4

2.1.1 知識交付之關鍵因素 ... 4

2.1.2 知識交付之障礙 ... 5

2.2 分析層級程序法(A

NALYTIC

H

IERARCHY

P

ROCESS

;AHP)... 7

2.2.1 AHP 基本性質 ... 8

2.2.2 AHP 法之優缺點 ... 9

2.3 分析網路程序法(A

NALYTIC

N

ETWORK

P

ROCESS

;ANP) ... 10

2.3.1 ANP 法之基本特性 ...11

2.3.2 ANP 法與 AHP 法基本假設的比較 ... 14

2.4 模糊分析網路程序法(F

UZZY

A

NALYTIC

N

ETWORK

P

ROCESS

;FANP) .... 15

2.4.1 模糊理論(Fuzzy Set Theory) ... 16

2.4.2 模糊分析網路程序法(Fuzzy Analytic Network Process; FANP).... 21

2.4.2.1 FANP 法執行步驟... 23

2.5 詮釋結構模式(I

NTERPRETIVE

S

TRUCTURAL

M

ODEL

;ISM) ... 30

2.5.1 詮釋結構模式執行步驟 ... 31

第三章 模式構建... 33

3.1 評估指標之選取... 33

3.2 詮釋結構模式之應用... 35

3.3 模糊分析網路程序(FANP)法之應用... 41

(5)

第四章 實證研究... 54

4.1 供應商知識交付評量方法... 54

4.2 運用供應商知識交付評鑑量表進行評量... 55

4.3 實證結果分析... 56

第五章 結論與建議... 57

5.1 研究結論... 57

5.2 研究限制與建議... 58

參考文獻... 59

附錄一 ISM 專家問卷... 66

附錄二 FANP 專家問卷... 71

(6)

圖目錄

圖1.1 研究流程... 3

圖2.1 AHP 層級結構圖... 9

圖2.2 ANP 法內、外部相依關係圖... 11

圖2.3 AHP 法與 ANP 法之結構模式... 12

圖2.4 The modified feedback system model... 13

圖2.5 超級矩陣(Super-Matrix) ... 14

圖2.6 凸模糊集合... 17

圖2.7 模糊數之示意圖... 18

圖2.8 梯形模糊數... 18

圖2.9 三角模糊數... 19

圖2.10 模糊數之展度... 20

圖2.11 網路層級架構示意圖... 24

圖2.12 語意三角模糊正、倒值... 27

圖2.13 超級矩陣示意圖... 29

圖3.1 研究架構... 34

圖3.2 相關矩陣(D) ... 38

圖3.3 關係矩陣(M) ... 39

圖3.4 可達矩陣(M*) ... 40

圖3.5 智慧價值模式... 41

圖3.6 專家成對比較矩陣... 42

圖3.7 模糊成對比較矩陣... 43

圖3.8 整合專家意見後之矩陣... 44

圖3.9 解模糊化之矩陣... 44

(7)

表目錄

表2.1 知識交付關鍵因素彙整表... 7

表2.2 ANP 法與 AHP 法基本假設的比較... 15

表2.3 FANP 法之相關文獻表 ... 22

表2.4 隨機指標(R.I.)值 ... 26

表2.5 相對重要性評估尺度... 27

表2.6 解模糊化之方法... 29

表3.1 訪談專家基本資料... 35

表3.2 知識交付之評估指標... 36

表3.3 ISM 問卷受訪人員... 36

表3.4 準則間相依次數分配表... 37

表3.5 FANP 專家團隊 ... 42

表3.6 「完整知識交付」對構面之一致性檢定... 43

表3.7 完整知識交付下構面相對重要性之特徵向量... 45

表3.8 構面間相依關係之特徵向量... 46

表3.9 構面下準則間之特徵向量... 47

表3.10 準則相依關係之特徵向量... 48

表3.11 未加權之超矩陣... 49

表3.12 加權後之超矩陣... 50

表3.13 收斂後之超矩陣... 51

表3.14 正規化後之相對權重值... 52

表3.15 供應商知識交付評鑑量表... 53

表4.1 個案公司之供應商知識交付評鑑得分表... 55

(8)

第一章 緒論

由於科技的日新月異與強烈競爭的市場環境下,科技製造業的企業唯有 提昇自我核心能力,才能夠維持企業的永續生存。因此,企業紛紛購置新設 備來提昇其企業競爭力。根據經濟部統計處之調查結果,95 年之機械設備進 口額達七億美元,年成長率為5.3%(經濟部【20】)。如此龐大金額中,不但 包括硬體設備更蘊含著大量的技術和專業知識,而此專業知識的有效吸收將 可轉換成為企業之內部核心資源,進而提昇企業競爭力。故當企業在採購案 成立後,供應商於設備交付的同時,能否完整將相關專業技術與知識交付給 企業,將決定此項採購專案是否成功與具備良好績效。另外,在知識經濟時 代的今日,設備專業技術與知識的充分掌握是企業建立競爭核心資源的重要 課題之ㄧ。而設備專業技術與知識的充分掌握也就是採購設備時的「知識交 付」作業。ㄧ般而言,企業若能效益完成設備採購之知識交付活動,則其亦 能效益完成競爭核心資源之建立活動。因此,企業要如何確保供應商於設備 知識交付上達到完整且具績效顯然成為企業重要經營課題之ㄧ。

由於目前企業在設備採購過程的知識移轉機制常被輕視,因而經常造成 日後設備無法發揮較佳效益之問題。故將知識交付列為採購專案績效考核之 評量指標,是絕對有其必要性。有鑑於傳統採購專案績效考核時,大多只針 對價格、交期、品質與維護成本為績效衡量準則(Baily and Famer【32】;池文 海等【2】;陳乃慈【14】),但並未考量其他屬於知識傳遞方面的績效指標。

而在有探討知識移轉之設備採購相關研究中,大多是在討論企業內部如何進 行知識吸收和轉換(例如,王隆嘉【1】),但並無相關研究探討與建置評量設 備知識交付完整性之機制模式。因此,本研究計畫以知識接收者的角度,來 建置一套設備知識交付智慧價值模式,以供企業用於評量其供應商之設備知 識交付完整性。

本研究透過群體專家訪談方式,來彙整與決定設備知識交付的重要關鍵 因素構面與其所屬之因素準則。接著,再運用詮釋結構模式(Interpretive Structural Model, ISM)方法來確認構面與構面間、構面與準則間和準則與準則 間之相依關係。之後,利用模糊分析網路程序法(Fuzzy Analytic Network Process, FANP)且經由相關領域專業人員進行構面和準則之成對重要性比較

(9)

式,同時也設計出供應商設備知識交付的量表,以協助企業能在採購過程中 能考量設備知識交付之重要採購績效準則,並讓企業能夠充分掌握設備專業 技術與知識,進而建立起企業的競爭核心資源且提昇企業競爭優勢。

(10)

相關文獻回顧 研究問題發掘

研究目標確立

知識交付相關研究回顧

研究方法文獻回顧

●詮釋結構模式(ISM)

●模糊分析網路程序法 (FANP)

確立知識交付之關鍵因素

專家訪談

運用詮釋結構模式(ISM) 建立關係圖

運用模糊分析網路程序法 (FANP)取得權重

實證研究

結論與建議

ISM專家問卷

FANP專家問卷 文

獻 方 法 回 顧

實證 研究 智 慧 價 值 模 式 建 立

結論與 建議

圖1.1 研究流程 資料來源:本研究整理

(11)

第二章 文獻探討

2.1 知識交付

企業在設備採購案成立後,與供應商交易過程中,設備交付的相關基本 知識要透過供應商的專案團隊和企業內部專門技術人員互動和溝通後,將此 設備相關Know-how 正確和完整的交付給企業才算完成採購案,Harem, et al.

【48】認為知識交付是指知識提供者能夠將相同知識的認知傳受給知識接收 者;Baranson【33】表示要將技術移轉是為一種知識的傳遞,使知識接收方 能夠具有製造特定產品或提供特定服務的能力。胡瑋珊【8】提出知識交付是 要由兩個活動,先要將知識傳達予接受者,而接受者要將知識加以吸收,此 知識移轉成功與否即要視接收者是否吸收完全。因此知識傳受者將如何使知 識完整且有效傳達予接受者將成為知識交付之關鍵。

2.1.1 知識交付之關鍵因素

一般知識交付之方式多半以人員之教育訓練來傳授知識(張松生,

【12】),此種方式可將知識深入員工的腦海中,Shedian【76】提出知識交 付會受到環境特性因素以及接收者與提供者的特性所影響,且技術的難易程 度和技術的移轉方式也會影響知識交付的成功與否。Ounjian and Carne【64】

也提出接收者與提供者的特性會影響知識移轉,並且也提出技術特性和溝通 管道的特徵也會對知識交付造成影響。在溝通上訊息、傳送方式及時間皆會 影響溝通品質(Wu and Lee【88】),若以知識提供者的工作年資來衡量知識 傳授者的經驗,以洪如珊【7】研究顯示,外派人員的工作年資愈久,經驗愈 豐富,對於知識移轉效果愈有正向關係。Kostova【54】、邱奕進【5】指出承 諾、認同、信任對於知識移轉方面也有正向關係;並且雙方曾經有成功的合 作經驗將影響彼此間信任的建立,且對於互動的模式有影響力,因此良好的 合作經驗則有利於雙方合作(Wilderman【86】;Mansfield【58】)。在組織和組 織間的差異程度、文化的不同以及知識傳授者的心態、知識接收者本身經驗 和資訊科技運用程度均會影響到知識接收和移轉(Simonin【78】),若能經常 溝通、開會,可使彼此間的熟悉度增加,會使默契愈好,則對於技術know-how 的移轉愈有幫助(Bresman et. al.【35】),另外還包括以系統化的知識移轉方 式,可利用群組軟體或是群組討論資料庫及遠距電子視訊會議(陳純玲

(12)

【15】),可使知識能夠透過更多的平台讓知識接收者有更多的吸收方式。因 此,韋國亮【9】將知識交付之關鍵因素分為四大部份,包括了知識的特性、

知識提供者的特質、知識移轉的途徑與方式。

Badaracco【31】則提出若要快速移轉知識,則必須要將知識明確化且要 以成套的方式移轉,在組織中要有使其中一人或團隊能夠充份瞭解且吸收,

此外知識必須要有充份的誘因使知識接受者想去瞭解,並且在移轉的過程必 須無障礙才能使知識快速的移轉。若知識提供者和知識接受者之距離遙遠 時,必須將溝通的頻率增加,及加強雙方的聯繫及分享的信念和經驗,才能 摒除距離之障礙(Clark and Marshall【46】; Daft and Legel【47】; Madhavan and Grover【57】; Nonaka【63】)。

2.1.2 知識交付之障礙

知識交付除了瞭解成功因素外,在傳答知識的過程中有許多障礙破使知 識交付無法順利進行,若能事先於計劃之初要求供應商就能避免其因素產 生,且在交付過程中能不斷監控及早加以克服。

一、Szulanski【79】認為知識擁有者若害怕失去權力地位和優越感,或者不 願意將時間花費在整理與分享其知識上,甚至不願意接受別人所發展出 來的知識。因此,在知識交付上知識的來源、知識接收者中較強調「動 機」的重要性,另外包括移轉知識的特性造成及脈絡(context)的特性,

都會使知識交付帶來障礙。

二、胡瑋珊【8】提出下列幾點影響知識移轉之障礙:

(一)信任不足

(二)文化、語言及參考架構不同 (三)缺乏時間及會面場所

(四)對工作的生產力定義狹隘 (五)地位與獎勵都歸給知識員工

(13)

(六)知識接收者缺乏吸收能力

(七)相信知識是某些特定團體的特權,有「非此處發明的」症狀。

(八)無法容忍錯誤或是需要協助的事實。

三、Carrillo【40】所提出會影響技術傳受多半技術方面之 Know-how 都難以 書文化呈現,因此,必須透過人員的移轉,以人員來傳授知識溝通就成 為重要的因素,以及語言上的差異、溝通方式和時間限制將妨礙技術傳 受會成為溝通之障礙。

四、Martin【59】所指出溝通、技術差距和提供者與接收者之能力及意願,

會阻礙知識交付的成果,因此在共同參與過程以避免接受者產生 NIH (not-invented-here)的態度或是 NHH(nothing-new-here)等情結。

由於本研究針對企業與供應商在採購設備之知識交付,當供應商在交付 知識時使企業能夠針對這些關鍵因素加以監督,使設備知識能夠更有效率的 交付給企業。因此,透過上述之文獻整理,茲將影響採購設備之知識交付關 鍵因素彙整如表2.1 所示。

(14)

表2.1 知識交付關鍵因素彙整表

知識交付關鍵因素 學者

教育訓練 張松生【12】

溝通頻率、溝通方式 Bresman, et al.【35】; Martin【59】;

Carrillo【40】; Wu and Lee【88】

承諾、認同、信任 Kostova【54】; 胡瑋珊【8】; 邱奕進

【5】; 柯怡華【6】

接收者與提供者的特性 Ounjian and Carne【64】; Simonin【78】;

韋國亮【9】

提供者意願、接收者能力 Martin【59】; 蔡淑鈴【22】

年資、經驗

洪如珊【7】; Clark and Marshall【46】;

Daft and Legel【47】; Madhavan and Grover【57】; Nonaka【63】

合作經驗 Wilderman【86】;

Mansfield【58】

組織差異程度、文化 Simonin【78】; 胡瑋珊【8】; Choi and Lee【45】

資訊科技 Simonin【78】; 樂為良【21】; Papows

【65】; 陳純玲【15】; Choi and Lee【45】

意識行動 許史金【13】

風險共享 柯怡華【6】

雙方互動品質 柯怡華【6】

資料來源:本研究整理

2.2 分析層級程序法(Analytic Hierarchy Process; AHP)

分析程序法(Analytic Hierarchy Process , AHP)是由 Thomas L. Saaty 於 1971 年為了規劃工作問題而提出之方法,主要用於不確定性情況下及具有多 個評估準則的決策問題上,並且將複雜的問題系統化,由不同的層面給予層 級分解,把各重要因素予以質化後加以綜合評估,以提供決策者選擇適當方 案的充分資訊。

(15)

及資源分配決策、新產品開發決策、產生或評估行銷組合策略上,近年來也 有學者將 AHP 結合 DEA(Data Envelopment Analysis)於倉儲操作者選擇上 (Korpela et. al.【53】)、鐵路系統改善方面(Azadeh et. al.【30】)和專利權價 值評估(Chiu and Chen【44】),此外 AHP 法更可以提供解決方案選擇、決定 優先順序、解決衝突、規劃、績效衡量等問題,針對問題訂立目標,根據目 標發展出構面,即為下層元素,反覆直到最後一層元素。層級架構建構完成 後,再藉由1~9 的尺度(Scale)進行成對比較(pairwise comparison)獲得成對比 較矩陣(pairwise comparison matrix)求出特徵向量做為評估各元素間的權重,

最後再透過綜合求得整體的優先順序,(Saaty【73】)。

由於成對比較矩陣每一數值均代表各決策者主觀性的看法,是很模糊的 觀念,因此,本研究加入模糊理論的概念以表示群體評估者對兩兩準則相對 重要程度看法的模糊性共識。

2.2.1 AHP 基本性質

AHP 的基本性質主要包括下列三項:

一、階級的呈現與分解:

AHP 法是將問題分成個別因素的層級結構,而層級結構能使複雜的 問題簡化,透過建立具有因果關係的結構層級(hierarchical structure),包 括最頂層之目標(Goal;G),再下一層為構面(Objective;O),再發展出 第 三 層 準 則(Criteria;C),如問題需評選方案時則在底層放至方案 (Alternative;A),其層級結構圖如圖 2.1 所示。

(16)

G

C1

O3

O2

O1

C7

C6

C5

C4

C3

C2 …

A1 A2 A3

Goal

Objective

Criteria

Alternative

圖2.1 AHP 層級結構圖 資料來源:本研究整理 二、優先次序的區分與綜合:

依照因素間的相對重要性來設定優先順序並加以整合。而相對重要 性即透過成對比較的方式,首先集合專家、學者及參與決策者的意見,

藉由名目尺度(nominal scale)作為要素(構面、準則、方案)間的成對比較,

加以量化,建立起成對比較矩陣(pairwise comparison matrix),繼而求得 優勢向量(priority vector)與最大特徵向值(maximum eigenvalue)。

三、合理的一致性:

要確保因素被合理的分類,並根據一定的準則來確保排序的一致 性,因此,在一致檢定中需評定成對比較矩陣與整體層級是否都符合一 致性,不符合者則予以捨棄。

2.2.2 AHP 法之優缺點

一、鄧振源與曾國雄【23】認為 AHP 法具下列優點:

(一)可將複雜問題以簡單的層級結構關係之方式來呈現,增加決策的明

(17)

(二)AHP 法理論簡單,操作容易,能有效擷取多位專家及決策者達到共 識的意見。

(三)AHP 法能配合研究目的,將影響研究目標的相關因素納入模型,不 同層級之中。

(四)在經過數學方式處理後,各相關因素皆可以具體數值顯示優先順序。

二、Wang【82】所提出 AHP 法具有下列缺點:

(一)當準則(要素)數量相當大時,在計算過程會變得相當繁雜。

(二)由於以成對比較方式來判斷,所以判斷的感覺量較模糊。

(三)標準化方法較受到質疑。

(四)評估準則(要素)間必須絕對地相互獨立。

2.3 分析網路程序法(Analytic Network Process; ANP)

在分析層級程序法(Analytic Hierarchy Process ; AHP)是假設階層屬性與 其它階層屬性或可行方案間彼此相互獨立。因此,Saaty【74】則提出分析網 路程序法(Analytic Network Process;ANP),目的是要改善傳統 AHP 層級架 構中,所可能產生的相互依存關係,及回饋(feedback)效果的問題,兩者皆以 有系統的方式達成決策制定(Saaty【74】),並透過比例尺度(Ratio Scales)來 評估所有構面、準則、方案間精確的內部關係。

在現實決策問題中有許多情況是無法以 AHP 法中以結構化階層方式表 示,由於真實情況中相同階層間屬性存在彼此相互作用且相依的問題,不再 是由上往下的線性型態而比較類似於網路型態的方式,一個階層可能同時支 配其它階層,亦可能被其它階層所支配,即所謂的回饋效果問存在。因此,

由上往下之線性型態的層級結構是無法有效處理此項複雜的決策問題。固 Saaty 則把相依性及回饋性考慮進 AHP 法中加以發展,在 1996 年時提出 ANP 法,此法則利用網路型態的概念來解決此類問題,改善層級架構中所產生的 獨立限制。

(18)

ANP 法允許群組內的相互回饋(Inner Dependence)及群組與群組之間的 相互回饋(Outer Dependence),它提供了一個完整架構其中包含群組與元素之 間的連結,並且整個問題程序可依決策者所期望的方式去研究,研究者可從 問題中找出各個元素與群組之間的相互影響關係,再推導出各方案之優先順 序比例尺度。

2.3.1 ANP 法之基本特性

Saaty 在 1996 年所提出之 ANP 法改善了 AHP 法以層級結構化方式的幾 項問題,由於ANP 法具有以下特性:

一、元素間之相互關係

ANP 法最大特性則為元素間可相互依存或依賴,由圖 2.2 可知元素 間的相互關係,在圖2.2 (a)中,Cluster A 內元素與元素間相互回饋,則 稱為內部相關(Inner Dependence);而圖 2.2 (b)中,Cluster B 內部元素不 但有相互影響關係並和 Cluster C 內之元素有相互回饋的關係,則稱 Cluster B 和 Cluster C 為外部相關(Outer Dependence)。

圖2.2 ANP 法內、外部相依關係圖

(19)

二、以非線性網路架構

ANP 法以非線性網路結構方式呈現,可以清楚表示因子間之相互作 用或是相依的關係,由圖2.3 (b)表示,弧(arcs)表示兩元素間具有相關關 係,箭線(arrows)方向代表從屬的方向(如 A→B 表示 A 決定 B 或 B 依賴 A),由此圖可知各元素 A、B、C、D 之間具有相互依存和互相依賴之關 係,且彼此間是雙向關係;而傳統AHP 法只存有單向的線性層級架構,

如圖2.3 (a)所示,A、B、C 之間有相關,且階層由上對下產生影響並具 獨立之特性。

A

B

目標

C

A

D B

C

目標

(a)AHP法線性層級結構模式 (b)ANP法非線性網路結構模式 圖2.3 AHP 法與 ANP 法之結構模式

資料來源:【75】

三、回饋機制

在現實決策問題中準則間相互依存或依賴之關係越複雜時,則越難 清楚定義出準則的真正重要性,因此,Saaty 則以回饋(feedback)之概念 來改善層級架構中所產生的獨立限制。Kinosita【52】提出 modified feedback system model,由圖 2.4 可知在準則及次準則和方案間形成一個 回饋的系統;當準則支配著次準則的同時,次準則支配著方案,且方案 也支配著準則,三者之間具有相互支配或依賴關係形成一個回饋模式,

而在次準則的群組內元素彼此也具有相互關係。

(20)

準則 Criteria

方案 Alternatives

次準則 Sub-Criteria

圖2.4 The modified feedback system model 資料來源:【52】

四、超級矩陣(Super-Matrix)運算

根據上述對ANP 之特性介紹後,方能得知元素間以網路型態呈現,

可明顯瞭解準則與準則之間的關連性,而為計算元素間的相依或依賴之 關係,則以超級矩陣的方式來表示各構面和準則間的關係與強度。在每 一個控制準則之間的影響限制(Limiting Influence)形成一個超級矩陣 (Super-Matrix),如圖 2.5 所示,而每一個超級矩陣依本身在控制層級中 的優先次序經綜合評價後被賦予適當的權重(Saaty【71】)。

超級矩陣是由多個子矩陣組合而成,而元素與元素彼此間交互比較 後所得到的特徵向量則形成子矩陣。在圖2.5 中,假設有1~

N

個群組,

C 1

代表第一個決策準則,因此共有

C N

個決策準則;而

C 1

內包含了

1 1 12

11 e e n

e

、 、"、 , 共 有

n 1

個 評 估 元 素 , 而 第 二 個 群 組

C 2

內 包 含

2 2 22

21 e e n

e

、 、"、 ,共有

n 2

個評估元素,同樣的

C 群內共有 N n 個評估 N

元素;在矩陣內

W 11

W 12

、"、

W NN

為經過成對比較計算後的特徵向量值 (eignvectors),因此,

W 11

則是

C 1

C 1

成對比較之子矩陣,經由多個子 矩陣所組合而成的超級矩陣則為ANP 法計算權重的方式。

在超級矩陣中若有空白或零,則表示群組或元素間彼此是獨立而沒 有相依性存在,其最大的優點在於可以用來評估外部(outer)及內部(inner) 二種相依性。若矩陣內元素彼此相依,透過此公式

lim

k

A

2k+1在矩陣多 次相乘後將會得到一個收斂的極值,且此極值將固定不變,再經由正規

(21)

【74】)。

圖2.5 超級矩陣(Super-Matrix) 資料來源:【74】

2.3.2 ANP 法與 AHP 法基本假設的比較

Saay 提出 ANP 法是為解決階層間屬性存在彼此相互作用且相依的問 題,故AHP 法為 ANP 法的一個特殊案例。此外,AHP 法為層級結構的線性 關係,ANP 法則為非線性的網路結構,因此,在基本假設上只有部份假設有 不同,其餘假設均相同,如下表2.2。

由ANP 法與 AHP 法基本假設的比較中,在第一項假設為 ANP 法是以複 雜的網路層級結構所表示,AHP 法則是以簡單的層級結構;而在 ANP 法的 網路結構中每一群組或是群組內每一元素都可能彼此存有相互作用或彼此相 依之關係,而AHP 法中必先假設各個要素均為獨立。因此,由九項基本假設 中,唯有第一項及第二項兩者有差異外,其餘假設都相同。

NnN N

NN N

N N N

n

N n

N

NnN N

N N n

n

e e

W W

W e C

e e

W W

W e C

e e

W W

W e C

e e

e C e

e e C e e

e C

W

#

"

#

#

#

#

#

"

#

"

"

"

"

"

2

2 1

1 2 2

22

2 22

21 21 2

1 1

12

1 12

11 11 1

2 1 2

2 22

21 2 1 1 12

11 1

=

(22)

表2.2 ANP 法與 AHP 法基本假設的比較

假設 ANP AHP

一、 各個系統可被分解成許多種類或 成分,並形成如網路之層級結 構。

各個系統可被分解成許多種類或 成分,並形成有層級式的結構。

二、 網路結構中,每一層的要素彼此 存有相互作用或是相依的關係。

層級結構中,每一層的要素均假 設具有獨立性。

三、 每一層級內的要素可用上一層內某些或所有要素作為評準,進行評 估。

四、 比較評估時可將絕對尺度換成比例尺度(ratio scale)。

五、 成對比較(pair-wise comparison)後,可以使用正倒數矩陣(positive reciprocal matrix)處理。

六、 偏好關係滿足遞移性。不單優勢關係滿足遞移性(A 優於 B,B 優於 C,則 A 優於 C),同時強度關係也滿足遞移性(A 優於 B 兩倍,B 優 於C 三倍則 A 優於 C 六倍)。

七、 完全具遞移性不容易,因此容許不具遞移性的存在,但必須測試一 致性(consistency)的性度。

八、 要素的優勢程度經由加權法則(weighting principle)而求得。

九、 任何要素中只要出現在階層結構中,不論其優勢程度如何,都被認 為與整個評估結構有關。

資料來源:【23、24】

2.4 模糊分析網路程序法(Fuzzy Analytic Network Process ; FANP)

由於在以AHP 及 ANP 法作決策時,常會因為語意上或是決策者主觀上 所產生不確定性的特性(Silvert【77】, Phillis and Andriantiatsaholiniaina【67】),

也就是屬於一種模糊性的用語。因此,為了解決一些不確定性的問題時,無 法以傳統的多屬性決策方法來處理這些模糊性的問題,則可加入模糊性的概 念來解決上述之問題。鑑於上述,本研究將模糊理論之概念套用至ANP 法中 形成模糊分析網路程序法(FANP)來協助決策者作判斷,利用 2.4.1 及 2.4.2 節 來介紹模糊理論和模糊分析網路程序法。

(23)

2.4.1 模糊理論(Fuzzy Set Theory)

美國著名的控制論專家 L. A. Zadeh 教授在 1965 年提出模糊集合(fuzzy set )的新數學理論,並引進“歸屬函數"的概念,此理論以研究對象存有模 糊性為研究前題,由於現今科學所欲研究的問題和對象之結構複雜性日益增 加,人類的認知常會因為本身的主觀意識、不同時間、不同環境、判別事件 的角度等等條件下而有所不同,因而產生模糊性的存在,將使得研究者無法 清楚研究對象的真實本質,因此模糊理論的想法應運而生。

馮正民和邱裕鈞【16】提出,模糊理論不但可用於處理人類主觀認知或 是判斷的模糊性問題,也可以運用在處理因資訊缺乏所導致之不確定的處理 上。

一、模糊集合(Fuzzy Set)

所謂集合,是由某一些同屬性之元素所組合而成,但若某集合內的 元素不是很明確的歸屬於該集合,則該集合則稱為模糊集合。模糊集合 是以隸屬函數(membership function,μ

A ~

(

x

))的關念來判斷某一元素屬於 該集合的程度。而隸屬函數(

μ A ~

(

x

))的範圍會介於 0 至 1 之間,且

μ A ~

(

x

) 愈趨近 1,則表示隸屬度愈高,愈趨近於 0,隸屬度愈低(馮正民和邱裕 鈞【16】),透過隸屬函數使模糊集合進行量化,使模糊性的資料以精確 的數學方法去處理和分析。

二、模糊集合的α 截集(α -Cut)

為了使模糊集合中介定一個明確的集合,則先設定一個α 水準值 (α -level)當作一個切割點,以便知道有那些元素屬於 A~ 集合,而α 值是 介於0 到 1 之間的數值,即α

[ ]

0,1。因此,某元素之集合超過或等於α 值 以 上 就 稱 為

A

~

α

集 合 , 此 明 確 集 合

A

~

α

可 以 表 示 為

{ μ α }

α

= ∈ ( )≥

~

x X x

A A

,則此α 水準值就稱為α 截集(α -Cut)。

三、模糊數(Fuzzy number)

所謂模糊數即為實數論域下具有某些特性的模糊集合,在日常生活

(24)

中常在話語中說到,例如:「大約晚上八點左右」或是「氣溫接近26 度」

等等的這些話語就是以實數為論域所表達的模糊概念。因此,模糊數視 為模糊集合(fuzzy set)的一種,假設集合 A~

為模糊數,則 A~

具備下列三項 特性(馮正民和邱裕鈞【16】):

(一) A~

的截集(α -Cut)為一閉區間(closed interval) (二) 至少存有一個實數

x

會滿足μ

A ~

(

x

)=1。

(三) A~

為凸集合(Convex Set)

凸模糊集合的截集必定是區間,在論域U 上之模糊集合 A~ 中,

對 任 意

x 1

,

x 2

,

x 3

U

x 1

>

x 2

>

x 3

, 其

{

( ), ( )

}

min )

(

2 ~ 1 ~ 3

~ x A x A x

A μ μ

μ

≥ ,如圖2.6。

1

) (

1

~

x μ

A

) (

2

~

x μ

A

) (

3

~

x μ

A

x

2

x

3

A~

μ

x

1

圖2.6 凸模糊集合 資料來源:本研究整理

模糊數大致可分為三種型式,在圖2.7 (a)(b)(c)為三種模糊數,(a)為三角 模糊數(triangle fuzzy number)、(b)為梯形模糊數(trapezoid fuzzy number)、(c) 為鐘形模糊數(bell-shaped fuzzy number),但常用於決策性問題的模糊數為三 角模糊數和梯形模糊數,Pedrycz【66】提出最適合用於代表決策者對於層級 結構中各準則或可選方案的相對判斷強度的為三角模糊數,因此,下列將說 明三角模糊數和梯形模糊數。

(25)

圖2.7 模糊數之示意圖 資料來源:本研究整理 (一) 梯形模糊數

梯形模糊數是將蒐集到的資料以四個數值來作為計算,如下圖 2.8,梯形模糊數 ~ ( , , , )

d c b a

A

= ,其中

a

b

c

d

,當

x

( b

a

, )時 )

(

~ x

μ A

為線性遞增;當

x

( d

c

, ) 時

μ A ~

(

x

) 則為線性遞減;假使

c

b

= 時就會使梯形模糊數成為三角模糊數,則梯形模糊數可由方程 式(2.1)表示模糊隸屬函數

μ A ~

) (

~ x

μ

A

x

圖2.8 梯形模糊數 資料來源:本研究整理

d x c

c x b

b x a

a x

c d

x d

a b

a x

A x

<

<

<

<

⎪⎪

⎪⎪

=

, , , , ,

1 0

) (

μ

~

(2.1) 1A

μ

~

1A

μ

~

1A

μ

~

(a)三角模糊數 (b)梯形模糊數 (c)鐘形模糊數

(26)

(二) 三角模糊數

三角模糊數是將資料以三個數值來作計算,如下圖2.9,三角模 糊數 ~ ( , , )

c b a

A

= ,其中

a

b

c

,此模糊數之模糊隸屬函數

μ

A~可由 方程式(2.2)表式。

1

a b c

0 ) (

~ x

μ

A

x

圖2.9 三角模糊數 資料來源:本研究整理

⎪⎪

⎪⎪⎪

<

<

<

−−

=

x c

c x b

b x a

a x b c

x c

a b

a x

A x

, , , , 0 0 )

(

μ

~

(2.2)

假使模糊數 A~

其隸屬度為 1,則向左、右兩側對稱延伸的展度 (spread),如圖 2.10 中 a 為中心值,則 s 為展度,當展度(s)愈大,

顯示此模糊數的糢糊度(fuzziness)愈高,反知,展度愈小則模糊數愈 小。若展度為0,則此模糊數成為一明確值( a)。若中心值為 0,展 度為 1 之三角對稱模糊數,則稱為標準三角模糊數(standard fuzzy number)。

(27)

1 A μ ~

a S

0

圖2.10 模糊數之展度 資料來源:【16】

(三) 模糊數之運算

假 設 有 兩 組 模 糊 數 分 別 為 A~ 及 B~

, 則 ~( , , )

3 2 1 a a a

A

) , ,

~(

3 2 1 b b b

B

的模糊數四則運算分別為下列所示(黃雪晴【18】;鄧

維兆等【25】):

1. 加法運算

) ,

, (

) , , ( ) , ,

~ (

~

B a 1 a 2 a 3 b 1 b 2 b 3 a 1 b 1 a 2 b 2 a 3 b 3

A

⊕ = ⊕ = + + +

:為模糊數加法運算

⊕ 2. 減法運算

) ,

, (

) , , ( ) , ,

~ (

~

B a 1 a 2 a 3 b 1 b 2 b 3 a 1 b 1 a 2 b 2 a 3 b 3

A

Θ = Θ = − − −

:為模糊數減法運算 Θ

3. 乘法運算

) ,

, ( ) , , ( ) , ,

~ (

~

3 3 2 2 1 1 3 2 1 3 2

1

a a b b b a b a b a b

a B

A

⊗ = ⊗ = × × ×

:為模糊數乘法運算

(28)

4. 除法運算

) / , / , / ( ) , , ( ) , ,

~ (

~

B a 1 a 2 a 3 b 1 b 2 b 3 a 1 b 1 a 2 b 2 a 3 b 3

A

☉ = ☉ =

:為模糊數除法運算

由於決策問題存在太多主觀的意識和許多不確定性,Zadeh【92】則將模 糊理論融入在決策理論上,使傳統無法解決的不確定性問題可迎刃而解 (Carlsson, et al.【39】)。因此,許多學者紛紛的將模糊理論加以整合,在考 量群體意見整合的模糊性中,則將模糊理論運用在德菲法(Delphi)上,稱為模 糊德菲法(Fuzzy Delphi Method; FDM)(Chen and Liu【41】; Murray et. al.

【62】),後續學者並加入 AHP 為模糊層級程序法(Fuzzy Analytic Hierarchy Process; FAHP)(徐村和與粘淑惠【11】;Chen et. al.【42】;Bozbura et. al.【34】) 及為了解決內部相依和回饋問題加入ANP,稱為模糊分析網路程序法(Fuzzy Analytic Network Process; FANP)(Mohanty et. al.【61】;Mikhailov and Singh

【60】)。Zadeh【92】認為模糊理論可以適當的代表語意變數,也能夠在不 確定的情況下將語意變數轉換為模糊值來計算。因此,本研究將利用模糊理 論的特性並考慮構面及準則間的相互關係,以模糊分析網路程序法來建構知 識交付之智價模式。

2.4.2 模糊分析網路程序法(Fuzzy Analytic Network Process; FANP)

成對比較矩陣每一數值均代表各決策者主觀性的看法,是很模糊的觀 念,合併分析網路程序法(ANP)和模糊理論的概念以表示群體評估者對兩兩 準則相對重要程度看法的模糊性共識(Buyukozkan et. al.【37】;Mikhailov and Singh【60】)。利用語意(Linguistic)評比及模糊運算(Fuzzy Arithmetic)的運用,

將模糊數帶入超級矩陣中,將準則衡量及判斷等過程中所產生的模糊性問題 加以解決,過去許多學者透過FANP 成功解決複雜的決策模式並且以模糊權 重評選出最佳之方案和策略,如表2.3。

(29)

表2.3 FANP 法之相關文獻表

作者 著作名稱 研究方向與應用

黃雪晴【18】 國內資訊電子業聯盟 夥伴選擇模式之研究

應用FANP 法使分析結果為一範圍 而非一定值,使國內資訊電子業廠 商在選擇聯盟夥伴時,考慮互補性 要素相互影響下,互補性要素重要 程度順序,以期能達到資源互補的 作用。

Mikhailov and Singh【60】

Fuzzy Analytic Network Process and its Application to the Development of Decision Support Systems.

此篇提出模糊擴展的ANP 法,將人 的偏好加入到ANP 法裡,提出以 α 截集技術將模糊評估值轉變為區間 值,再以區間值求取權重,發展出 一套決策支援系統。

黃啟誠【17】 科技研發專案的模糊 網絡決策分析

提出FANP 法適用於不確定性高的 業界科技專案評選,並且以最大特 徵及風險態度的模糊層級法配合α 截集和風險態度指標,可將決策者 對於風險的態度整合到模糊判斷過 程。

Mohanty et.al.

【61】

A Fuzzy ANP-based approach to R&D Project Selection: A Case Study.

以FANP 法分析 R&D 投資計劃裡風 險和不確定性,以範圍分析來求取 權重,並以模糊成本分析評選出 R&D 最佳之方案,

賴嘉宏【27】

結合模糊分析網路程 序與模糊邏輯於營建 工程環境影響評估

考慮到環境因子評估具有主觀的不 精確性,因此運用FANP 法來解決,

並且部份因子不適合採用權重法,

而是利用專家的知識來進行評估,

此外將FANP 與模糊邏輯作結合建 立環境影響因子的模糊評估模式。

資料來源:本研究整理

(30)

表2.3 FANP 法之相關文獻表(續)

徐村和、林凌仲

【10】

應用模糊分析網絡流程 於品牌形象評估

以FANP 法來解決構面和屬性 間內部相依之關係,及品牌生 命週期各階段交互影響的關 係,和品牌形象構面間所產生 的回饋問題,並建構品牌形象 管理模式。

Yu and Cheng

【90】

An integrated approach for deriving priorities in Analytic Network Process.

此篇發展一套模糊偏好程序 (FPP)結合 FANP 之方法,使 FANP 更為完整。

Promentilla et.al.

【68】

A Fuzzy Analytic Network Process for Multi-Criteria Evaluation of Contaminated Site Remedial

Countermeasures

應用FANP 法分析污染場地改 善對策之評估,以α 截集之方 式,以區間算術和樂觀指標的 模糊判斷套用到明確矩陣裡,

再以特徵質方法計算優先權 重。

資料來源:本研究整理 2.4.2.1 FANP 法執行步驟

本研究應用模糊分析網路程序法建立採購設備中知識交付的關鍵因素權 重模式。其模糊分析網路程序法步驟分述如下:

步驟一:建立問題架構

首先針對研究問題建立網路架構,透過相關研究內容的整合及群體 訪談的方式訂定出問題之構面和準則,並依照各構面和準則間的相關 性,確認每一個決策因素間的關係,以建立網路層級架構,如下圖2.11。

(31)

G

準則

1

構面 3 構面 2

構面 1

準則

7

準則

6

準則

5

準則

4

準則

3

準則

2

圖2.11 網路層級架構示意圖 資料來源:本研究整理 步驟二:建立成對比較矩陣

在每個構面考量下,每位專家利用語意變數表達他對於兩兩準則相 對重要性的評估值,依據問卷調查結果建立成對比較矩陣,將衡量值置 於成對比較矩陣的上三角部份,下三角部份之數值為上三角相對位置數 值之倒數,因此可以建構出公式2.3 之成對比較矩陣。

⎥⎥

⎥⎥

⎢⎢

⎢⎢

=

1 /

1 /

1

1 /

1 1

2 1

2 12

1 12

"

#

%

#

#

"

"

n n

n n

a a

a a

a a

A

(2.3)

步驟三:特徵值與特徵向量之計算

成對比較矩陣建立後,以數值分析理論之特徵值(eigenvalue)解法,

找出特徵向量(eigenvector)。而特徵值求取方法以行向量平均值的標準化 方式求取(簡禎富【28】),是先以各行元素以該行元素之加總為分母作為 標準化,再將各列標準化後之元素相加後除以各列元素總個數,如公式 2.4 所示。之後將特徵向量代入公式 2.5,可求出λmax以便進行一致性檢 定。

(32)

n a

a

w n

i

n

j n

i ij ij

i

1 1 , 2 , ,

1

"

=

= ∑

= (2.4)

w w

A

× =

λ

max × (2.5)

步驟四:一致性檢定

每位決策專家成對比較矩陣建立後,為判斷決策能夠前後一致,則 必須進行一致性的檢定。由於在一成對比較矩陣中,若

a ij

表示要素 i 對 要素 j 之相對重要性,

a jk

表示要素 j 對要素

k

之相對重要性,則要素 i 對 要素

k

之相對重要性

a ,必須滿足 ik a ij

=

a jk

×

a ik

的條件,方能使評估結 果具備完整的一致性,然而要滿足上述遞移性的條件是有一定的困難。

因此,可藉由Saaty【73】所提出之一致性的檢定方式,來確保決策專家 的判斷能夠具有一定程度之一致性。根據成對比較矩陣的一致性比率 (Consistency Ratio; C.R.)進行檢定,其定義如下:

. .

. . . .

R I

I R C

C

= (2.6)

. 1

.

max

= −

I n

C

λ (2.7)

一致性指標(Consistency Index, C.I.):為最大特徵值(

λ max

)與階數(n) 的差異程度,

C

.

I

.=0時,表示決策專家的前後判斷具有完全的一致性,

>0

CI

時,則表示決策專家的判斷不一致,Saaty【72】建議

C

.

I

.<0.1時 可獲得令人滿意的一致性,最大容許的誤差程度為

C

.

I

.<0.2。

隨機指標(Random Index, R.I.):當問題愈來愈複雜也就是兩兩比較 的判斷變多時,成對比較矩陣的階數也會增加,此時愈不容易維持判斷 的一致性,因此Saaty【73】另外提出隨機指標(表 2.4)以調整不同階數下 所產生不同程度的C.I.值變化,而得到一致性比率(C.R.)。

一致性比率(Consistency Ratio; C.R.):為一致性指標(C.I.)與矩陣階

(33)

度才算是令人滿意的,若

C

.

R

.>0.1則表示成對比較矩陣不符合一致性要 求,則必須修改成對比較矩陣。

表2.4 隨機指標(R.I.)值

階數 1 2 3 4 5 6 7 8 9 10 R.I. N.A. N.A. 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49 資料來源:【73】

步驟五:將成對比較矩陣轉換成模糊成對比較矩陣

由原始的成對比較矩陣將其語意變數利用正三角模糊數來表達,如 表2.5 所示,由於 Pedrycz【66】認為三角模糊數最適合用來代表決策者 對於層級結構中各準則和方案的相對判斷強度,三角模糊數為 ~9

~ 1~

,其 模糊數倒值為 ~9

/ 1

~ 1~ /

1 ,如圖2.12。若三角形三個點為(L, M, U), 則可 透過公式2.8 來表示模糊成對比較矩陣如下:

⎥⎥

⎥⎥

⎢⎢

⎢⎢

=

1 )

/ 1 , / 1 , / 1 ( ) / 1 , / 1 , / 1 (

) , , ( 1

) / 1 , / 1 , / 1 (

) , , ( )

, , ( 1

~

2 2 2

1 1 1

2 2 2 12

12 12

1 1 1 12

12 12

"

#

%

#

#

"

"

n n n

n n n

n n n

n n n

L M U

L M U

U M L L

M U

U M L U

M L

A

(2.8)

(34)

表2.5 相對重要性評估尺度

語意變數 傳統ANP 模糊數

(L, M, U)

模糊數倒值 (1/U, 1/M, 1/L)

非常重要 9 (8,9,9) (1/9,1/9,1/8)

~ 8 (7,8,9) (1/9,1/8,1/7)

很重要 7 (6,7,8) (1/8,1/7,1/6)

~ 6 (5,6,7) (1/7,1/6,1/5)

比較重要 5 (4,5,6) (1/6,1/5,1/4)

~ 4 (3,4,5) (1/5,1/4,1/3)

稍微重要 3 (2,3,4) (1/4,1/3,1/2)

~ 2 (1,2,3) (1/3,1/2,1)

同等重要 1 (1,1,1) (1,1,1)

資料來源:本研究整理

A ~

μ

1

1 3 5 7 9

1/5 1/3 1/7

1/9

三角模糊值 模糊數倒值

圖2.12 語意三角模糊正、倒值 資料來源:本研究整理 步驟六:整合專家意見

建立模糊成對比較矩陣後,為了整合各決策專家模糊意見,可以使 用中位數、最大值、最小值及混合的運算(Buckley【36】),最常被使用 的為算數平均法(Ruoning and Xiaoyan【70】;黃啟誠【17】),然而 Satty

(35)

位決策專家的判斷值為

x

,其他決策專家的判幾值為1/

x

,其求取平均值 應為1,而非[

x

+(1/

x

)]/2,因此,在計算多位決策專家之決策值時以公 式2.9 的簡單幾何運算求其均數(鄧振源、曾國雄【23】),可較不會受極 端值影響,而此均數仍為三角模糊數(Mikhailov and Singh【60】;黃啟誠

【17】),由上節“模糊數之運算"中有介紹。

若有 n 位決策專家所建立之模糊成對比較矩陣為

A A A

~

k

,

~ ,

~ ,

2

1

" ,經 由整合後可得最終矩陣 A~

,而

a

~ 亦為整合後之三角模糊數,則 A~ 形成方'ij

式如下:

⎥⎥

⎢⎢

=

~1

~ 1 ~

~

~

' 1

'1

"

#

%

#

"

n

n

a

a

A

其中,

a

~

ij n a

~

ij a

~

ij a

~

ijk

2

1

⊗ ⊗ ⊗

= " (2.9)

經過整合後的專家矩陣並無一致性的問題,根據 Buckley【36】所 提出若原始矩陣均符合一致性,則整合後之專家矩陣則不須再經過一致 性檢定便可確定其符合一致的特性。

步驟七:解模糊化(Defuzzification)

為了要能建構超級矩陣,因此必須將此模糊值轉換為明確值以利之 後的運算,此過程稱為解糊化(defuzzification)(Runkler【69】)。解模糊化 之方法有許多,如下表2.6,其中以 Teng and Tzeng【81】提出之重心法 (Center of Gravity Method)是以三角形之重心為求解的原理,亦即求得模 糊集合的中心值來代表整個模糊集合,且無須加入決策者之個人偏好,

運算過程也較為簡易。因此,較多人使用此方法來求取解模糊化之數值。

其運算方法如下式(2.10)。

設一三角模糊數為 ~ )

~ ,

~ ,

~ (

ij ij ij

ij

L M U

A

= ,其

DF ij

為解模糊權重值。

ij ij ij ij

ij

ij

U L M L L

DF

~

3

~ ) ( ~

~ ) (~

− + +

= − (2.10)

(36)

表2.6 解模糊化之方法

No. 方法 學者

1. 重心法(Center of Gravity) Teng and Tzeng,【81】

2. 最大集合法(maximizing set) Jain【50】

3. 最適化指標法(index of optimism) Kim and Park【51】

4. α 截集法(

α

cut

) Adamo【29】

5. 主觀法(subjective approach) Campos Ibanez and Gonzalez Munoz【38】

6. 距離法(distance method) Cheng【43】

7. 偏好指標法(preference index) Yeh and Deng【89】

8. 機率分配法(probability distribution) Lee and Li【56】

9. 線性凸集合法(linear convex combination

with index of optimism) Lee【55】

10. 模糊排序法(fuzzy ranking method) Buckley【36】

資料來源:【17】

步驟八:建立超級矩陣(Sup-matrix)

為處理問題中要素間的相依關係,ANP 法利用超級矩陣計算要素的 相對權重。超級矩陣是由許多子矩陣(sup-matrix)所組成,由步驟七所得 到的成對比較矩陣,若要素間無相關係,則超級矩陣內的值為 0,以圖 2.13 為例,S 為超級矩陣,此矩陣中,構面和構面無相關,以 0 表示,而 A 為準則下構面的成對比較矩陣,B 則為構面下準則之成對比較矩陣,C 為準則具有內部相依關係之成對比較矩陣,因此,超級矩陣則由許多子 矩陣組合而成。

⎥ ⎦

⎢ ⎤

= ⎡

C B S A

0

構面 準則 準則

構面

圖2.13 超級矩陣示意圖 資料來源:本研究整理

(37)

將多個子矩陣組合後成為初步的未加權之超矩陣,由於此矩陣中可 能不符合行隨機(column-stochastic)之原則,因此,必需分別乘上相對重 要性權重,使每行值都為1,即為加權超矩陣(weighted supermatrix)。再 將加權後的超矩陣求取極限化,透過此公式 2.11,將矩陣多次相乘至

1

2

k

+ 次方,矩陣會逐漸收斂,並得到各要素間的相對權重(Saaty【74】),

若極限超矩陣形成兩個或多個極限值在變動,則利用公式2.12(Huang et.

al.【49】)。收斂後之權重並未是真正的整體權重,必須先經過正規化(即 任一元素除以該群集之總和),之後才能夠將此權重作為使用。

1

lim

2 +

k k

A

(2.11)

∑ =

N

k k k

N

1)

1 A

(

lim (2.12)

步驟九:選擇最適方案

經由上述之步驟,可求得各要素間之相對權重值,而以權重值來判 定方案選取之優先順序,權重值愈大者,則表示愈重要,因此最優先被 採納,如此方可選擇出最適方案。由於本研究只針對智慧價值模式構建,

並不須要執行此步驟。

2.5 詮釋結構模式(Interpretive Structural Model; ISM)

在問題結構不明確的情況時,J. N. Warfield(【83】【84】【85】)提出一種 透過訊息彙整而來構建模型之方法,使問題能夠找出關聯架構,此方法稱為 詮釋結構模式(Interpretive Structural Modeling, ISM)法,其根據二元邏輯數之 離散數學來解釋元素間之關係性,並且利用圖形理論之基本概念,將元素間 之關係性以層級結構之方式表達。Tatsuoka【80】認為概念元素間具有一定 之關聯性存在。因此,透過人為思考後,所得之系統內元素之間具有特定前 後(因果)關係者,將其元素全部納入一個關係矩陣(subordinate)中,此關係矩 陣為一個正方的二維矩陣,其中以矩陣相乘之方式直至矩陣內的值趨於穩定 狀態,之後在建構結構模型時必須匯合與先前的關係矩陣做一比較,接著求

(38)

出結構模型。當一個系統之複雜度隨結構性增加而提高時,就更加需要詮釋 結構模式來協助模式之建構(Warfield【83】),並且林原宏【4】也認為此法 可有效分析元素之相關性的系統化方法。

Huang et. al.【49】建議將 ISM 法結合分析網路程序法來處理子系統的相 依關係和回饋問題上;盧誠德和蔡宗潔【26】將 ISM 法和模糊集合理論利用 在建構公共工程土方爭議問題架構的研究上;林羿吟【3】也將 ISM 法配合 分析網路程序法運用在溫泉旅館服務品質評估模式的構建上。由於本研究所 遇到的結構問題較為複雜,因此,本研究也將運用ISM 找出構面及準則間的 結構關係,以下將說明ISM 的研究步驟。

2.5.1 詮釋結構模式執行步驟

本研究將詮釋結構模式分為四個步驟,依序說明如下:

步驟1:建構出元素間之關係矩陣(relation matrix)

若分析的系統內有n 個元素,將元素兩兩比較其相關性,有關係的 記作“1",無關係的記作“0",將元素間之相互影響之二元關係以

n n

D

=(

π ij

)

×

表示,如下公式(2.13),藉以關係矩陣(relation matrix)D 呈現 元素間的相關性。其中

e 代表第 i 個元素, i e j

代表第j 個元素,而兩者之 間的關係則以π 表示。因此,

ij e 和 i e j

若有影響關係,則π 記為 1,反知

ij

無影響關係則記為0。

(2.13)

步驟2:計算可達矩陣(Reachability Matrix)

可達矩陣之計算方式必先計算出一個包含自己的關係矩陣,則將上 一步驟之關係矩陣D 加上一個

n

×

n

階之單位矩陣(Identity Matrix)I,可得 到此一矩陣M,如下公式(2.14)。再以布林代數(Boolean Algebra)運算,

e n

e

e 1 2

"

⎥⎥

⎥⎥

⎢⎢

⎢⎢

=

0 0

0

2 1

2 21

1 12

2 1

"

#

%

#

#

"

"

#

m m

n n

e n

e e D

π π

π π

π

π

(39)

倍的效益。接著以公式(2.15)求取矩陣 M 相乘達到收斂,即可求得可達矩 陣M*

I D

M

= + (2.14)

1

1

* = M = M + k >

M k k

(2.15)

步驟3:將可達矩陣轉換為階層矩陣(Hierarchical Matrix)

將可達矩陣M*中第i 項元素以橫向的各項目其和縱向項目交集值為 1 者抽出,作為可達集合

R

(

t i

)值,如公式(2.16);接著以縱向的各項目其 和橫向項目交集值為1 者抽出,作為先行集合

A

(

t i

),如公式(2.17),再將 上述兩集合求取交集集合,如公式(2.18)。

{

1

}

)

(

t i

=

e i m * ji

=

R

(2.16)

{

1

}

)

(

t i

=

e i m ij *

=

A

(2.17)

) ( ) ( )

(

t i A t i R t i

R

∩ = (2.18)

步驟4:以階層矩陣完成 ISM 之層級結構圖

在上述階層內找出滿足公式(2.18)之的元素,亦判斷後兩集合交集為 自己,即代表此元素為此系統之核心元素,再將

R

(

t i

)中去除此

t 所在行 i

(column),再將刪除後之

R

(

t i

)再尋找能夠滿足公式(2.18)之元素,依序求 出各個階層。最後得到全部元素以有階層性、方向性及系統化之ISM 層 級結構圖。由於本研究只需利用ISM 法來確認構面及準則間之關係性,

所以將省略尋找可達集合

R

(

t i

)和先行集合

A

(

t i

)之動作(Huang【49】)。

(40)

第三章 模式構建

本研究旨在為探討企業與供應商於設備採購時之知識交付議題,希望藉 由研究結果能引發企業對設備知識交付之重視,且提供企業ㄧ套設備知識交 付智慧價值模式以作為評量供應商於設備知識交付之完整性。而知識交付智 慧價值模式建置部份可分為三個階段。第一階段為智價模式評估指標之選 取。其主要以專家意見為基礎,利用群體訪談方式來彙整出影響企業在設備 知識交付之重要關鍵因素。第二階段為關鍵因素間相依關係之確認。其主要 運用詮釋結構模式(Interpretive Structural Model, ISM)方法來找出各關鍵因素 間之相依關聯性,進而確認出設備知識交付智慧價值模式之結構型態。第三 階段為關鍵因素相對權重之確認。其主要以專家意見調查為基礎,利用模糊 分析網路程序法(Fuzzy Analytic Network Process, FANP)來獲得設備知識交付 智慧價值模式各構面和各準則之相對權重。接著,最終之設備知識交付智慧 價值模式便建構完成。另外,為呈現本研究所提之設備知識交付智慧價值模 式具備適用性,個案實證分析將也呈現於第四章。最後於第五章提出研究結 論與未來研究建議。本研究之研究架構如圖3.1 所示。

3.1 評估指標之選取

根據文獻的蒐集及分析,初步瞭解於採購過程中知識移轉之影響因素為 何,進而透過深入的專家訪談,藉以確認影響設備採購時知識交付的評估指 標以建構智慧價值模式。因此,本研究邀請兩家國內科技大廠,針對負責設 備採購作業評估的工程技術人員及採購決策方面之管理階層專家進行群體訪 談,訪談專家基本資料如表 3.1 所示。透過這些實際於採購面有實際經驗的 專家群體能夠確實指出實務面企業採購設備時影響知識交付的關鍵要素,故 本研究訪談結果信度為可接受之水準,並歸納出本研究智慧價值模式的評估 要素,其中包括溝通協調、技術經驗、關係特質、知識能力及售後服務之五 大評估構面及15 項評估準則,其說明如表 3.2 所示。

由上述歸納出本文之智慧價值模式指標,欲瞭解各構面和準則間之相互 關係,本研究採用詮釋結構模式(ISM)法來找出之間的相關性。

(41)

第一階段

以專家訪談確認評估指標

第二階段

關係因素相依關係之確認

結論與建議 ISM專家問卷調查

應用ISM法找出 各關係因素之相關性

建構智慧價值模式 之結構型態

FANP專家問卷調查

應用FANP法確認 各關鍵因素之權重

第三階段

關鍵因素相對權重之確認

實證研究

圖3.1 研究架構 資料來源:本研究整理

(42)

表3.1 訪談專家基本資料

公司 部門 職稱

設備部 副理、課長

產品設備部 副理

網路設備部 課長

京X 電子

採購部 工程師

採購部 經理、工程師

超X 電子

製造部 經理、工程師

資料來源:本研究整理 3.2 詮釋結構模式之應用

在知識移轉的文獻中,眾多學者皆假設指標間為相互獨立的,但本研究 考慮到設備採購時,知識交付之評估因素間或許存有相互關係性。因此,本 研究運用詮釋結構模式(ISM)來確認智慧價值模式中準則間之關係性,且以專 家問卷調查之方式進行。而所聘請之七位專家,其資歷如表 3.3 所示。首先 以兩兩比較之方式設計出ISM 問卷。之後,執行正式調查且將問卷回收後,

並依照 2.5 節所介紹之詮釋結構模式執行步驟,依序找出智慧價值模式內準 則間之相依關係。其執行過程如下:

步驟1:建構出準則間之相關矩陣(relation matrix)

此階段先將回收後之專家問卷加以彙整,並建構出元素間的相關矩 陣。許多學者以幾何平均法來整合專家問卷,但在詮釋結構模式中是二 元邏輯數學之方式解釋元素間之關係,倘若以幾何平均法來整合專家意 見容易失去多數專家之意見。因此,本研究採以次數分配方式判斷各準 則間之相依關係是否成立,若次數超八成以上者視為有存在關係(累積次 數≥6)。本研究經由訪談七位專家後,將專家判定具有相關之次數呈現 於二元方陣內,如下表3.4 所示。

(43)

表3.2 知識交付之評估指標

構面 準則 說明

溝通協調 1、溝通頻率 2、溝通方式

賣方對溝通頻率安排之合適性

賣方對溝通方式選用之效用性

技術經驗

3、技術能力 4、配合意願 5、經驗

賣方在技術能力之勝任性

賣方在配合意願之程度

賣方在相關經驗之完備性

關係特質

6、信任 7、風險共享 8、承諾 9、長期合作 10、配合度

賣方會以信任基礎進行企業交易

賣方具備風險共享之共識

賣方會提供買方相關承諾

賣方具備長期合作關係建立意願

賣方對買方意見之全力配合度

知識能力

11、教育訓練

12、技術手冊與說明書 13、資訊交換平台

賣方在教育訓練課程安排之周全性

賣方在技術手冊與說明書內容敘述 之完整性

賣方在資訊交換平台提供之便利性 售後服務 14、售後服務

15、售後諮商

賣方在售後技術支援服務之勝任性

賣方在售後諮商服務之便捷性 資料來源:本研究整理

表3.3 ISM 問卷受訪人員

公司 部門 職稱

京X 電子 採購部 經理、工程師

採購部 經理

超X 電子

製造部 工程師

矽X 精密公司 製造部 經理

頎X 科技公司 製造部 經理

菱X 精密公司 製造部 課長

資料來源:本研究整理

Figure

Updating...

References

Related subjects :