中華大學 博士論文

中華大學

博士論文

題目: 以知識分享的觀點建構決策方法之遴選 機制

Selection model for the decision making method based on the knowledge sharing point

系 所 別 : 科 技 管 理 研 究 所 學號姓名 : D09203013 王 麗 幸 指導教授 : 謝 玲 芬 博 士

中 華 民 國 九 十 九 年 一 月

謝辭

經過了多年的修課與發表論文，終於可以畢業了。心情真的是非常的忐忑，

開心的是終於畢業了，擔心的是未來可是要靠自己打拼了，不能老是問老師如 何撰寫論文了。跟著謝玲芬教授學習，真得是我的福氣，從完全不知道論文如 何撰寫，何謂研究方法開始，老師永遠以鼓勵的態度仔細教導，讓我能逐漸成 長，而能投稿到國際期刊並且接受。這一連串的不可能任務，都是老師細心教 導的結果。真的非常感謝老師，跟著謝教授學習，總是有新的 IDEA，學習非常 有樂趣。當然也有困難的時候，第一次接到老師提出，要我到清大與交大研究 所修課要求，真的非常緊張，擔心修得不好臉可丟大了。上完課後真得覺得獲 益良多不須此行，想想在未來都不會再有機會了，就覺得還好老師有要求，我 才有機會學習，並了解清、交大的課程，非常感謝老師的教導。

當然也要感謝家人的體諒，老公及婆婆總是協助我照顧小孩，老公的協助 讓我無後顧之憂的研究，給我最大的空間，我才能順利的畢業。兩個可愛的女 兒，總是為我打氣，ANNA 只要到廟裡拜拜，總不忘為我祈福，口試結束當天，

兩個女兒一見到我，就馬上問我口試情形，真的非常貼心。也要感謝媽媽總是 在我忙碌的時候幫助我，在博一時，小女兒住院，幸好有媽媽協助，我才能安 心的上課，小女兒幾乎是媽媽帶大的，感謝媽媽。

還有多位學弟妹們的協助，包含立弘、牧臻、亮亮、ERIC 及小黑等等，協 助我最多的是嘉芸，沒有嘉芸，我的論文格式實在無法完成，感謝所有協助我 的人。有你們的幫助，才有現在的我。謝謝。

王麗幸 謹識於中華科技管理研究所 中華民國 98 年 12 月 10 日

摘 要

由於知識管理已普遍使用於許多的產業中，且多得到企業界的正面評價，

企業或組織應用知識管理活絡其企業組織之知識，提昇企業解決問題的能力，

與企業之競爭力。企業及組織期望藉由投入知識管理方面的努力，提升企業及 組織間的分享產生知識的力量，用以對抗目前的多變環境。而目前的多準則決 策方法，已普遍應用於各類決策問題，同時，進一步的解決許多管理層次的困 境。因此，應用完整且適合的決策方法，可使企業執行者做最貼切的決策，且 更具行政效率。但是，如何決定適當的決策方法，乃目前在選擇決策方法的關 鍵。本研究將企業目前最需要的知識分享帶入決策方法之應用上，期望經由將 決策方法整理，提供決策者選擇最適決策方法之機制，使決策方法更能推廣，

達到應用決策方法及擴散決策方法知識的目的。

多準則決策方法(Multiple Criteria Decision Making Method, MCDM)已經普 遍用在評選方案及分析方案重要程度……等。多準則方法在評選標的時，必須 審慎考慮多面向的關鍵影響因素，找出解決問題的關鍵。本研究將多準則決策 方法之各項條件，包含適用準則形式、假設條件及特性、適用範圍、及優缺點 彙整後，構建決策方法之遴選機制，並提供以知識分享的觀點建構決策方法之 遴選機制，使決策方法遴選更具效率。目前多準則決策方法區分為，多屬性決 策方法與多目標決策方法。多屬性決策方法則可再細分為決策結構、決策加權 與決策排序三方面。本研究經由決策方法分類整理後，可使決策者在應用決策 方法時，能快速且確實的決定其可應用的決策方法，且減少搜尋決策方法所需 耗費之心力。

本研究為驗證決策方法之遴選機制之實用性，則提出實際案例應用所構建 之決策方法之遴選機制。本研究將此遴選機制分別應用於兩個完全不同的領域 中，期望藉由此兩大驗證結果，證明本研究之遴選機制，確實能解決機構所提 出的疑問，達到解決問題的目的。第一個案例為本國的研究單位，期望構建評

估研究單位構建知識管理系統時，評量系統建構之完整性，並提供使用系統後 於未來調整系統用途之建議。第二個案例，則是目前最火紅的觀光營利單位，

由於目前觀光營利單位面臨經濟不景氣的環境，如何在能提升經營績效的同 時，也在兼顧成本的控制問題，找出平衡點，以提供觀光營利單位作為永續經 營的建議。經由以上兩的實例之驗證結果，證實本研究所提之決策方法之遴選 機制之研究成果。

關鍵字：決策方法之遴選機制、績效評估、多準則決策分法、關鍵成功因素、

效率與效能。

ABSTRACT

The knowledge management has been proper used in many industries, which also had positive value from many enterprises’. The enterprises or organization apply the knowledge management in order to raise the capability to face the industries’ problems. The enterprises have inputted a lots effort in knowledge management to improve their competitiveness. The Multiple Criteria Decision Making Method(MCDM) has been used in many filed of decision problems. The appropriate choosing the decision making method, which can give the decision makers the right way to solve the problem directly. Therefore, this research paper tries to apply the perspective of knowledge sharing to construct the application model for the decision making method in order to share the many decision methods.

According to MCDM need to consider multidimensional key factors in order to get the ways solving the problem. Also, the different MCDM has its own applying conditions which would make hard time choosing the appropriate method for the problem. The research including guidelines for the application in MCDM, including the assumptions, characteristics, scope, and the advantages and disadvantages of compile, In order to build decision-making methods of sharing model are providing application-sharing mechanisms of the ways in which applications to share the decision-making model more efficient.

This application model for decision making method was applied to two completely different areas, expected results by the two major validation to prove that application model in this study is indeed to solve the queries raised by institutions to achieve the purpose of solving the problem completely. By the above two examples of the validation results, that can confirm the practicability for this application model of knowledge sharing.

Keyword: Selection model for the decision making method, Performance evaluation, Multiple Criterion Decision-Making (MCDM), Key successful factor, efficiency and effectiveness.

目 次

摘 要 ... i

ABSTRACT ... iii

表 次 ... vi

圖 次 ... vii

第一章 緒論 ... 1

第一節 研究動機 ... 1

第二節 研究目的 ... 2

第三節 研究架構 ... 3

第二章 文獻探討 ... 4

第一節 知識 ... 4

第二節 知識管理 ... 5

第三節 知識分享 ... 8

第四節 決策方法 ... 10

第五節 知識分享與決策方法 ... 32

第三章 模式構建 ... 34

第一節 構建決策方法之遴選機制 ... 34

第二節 應用決策方法遴選機制 ... 39

第四章 案例分析 ... 41

第一節 非營利機構之實證-構建知識管理系統評估機制 ... 41

第二節 營利機構之實證-觀光飯店效率與效能之評估決策 ... 53

第五章 結論與建議 ... 68

第一節 結論 ... 68

第二節 建議 ... 69

參考文獻 ... 70

表 次

表 1 RI 值 ... 17

表 2 模糊尺度表 ... 31

表 3 解模糊尺度的方法 ... 32

表 4 決策方法之遴選機制-加權 ... 35

表 5 決策方法之遴選機制-多目標決策方法 ... 36

表 6 決策方法之遴選機制-結構性 ... 37

表 7 決策方法之遴選機制-排序 ... 38

表 8 知識管理系統評估模式 ... 52

表 9 相對效率與效能投入與產出數據資料 ... 56

表 10 各國際觀光旅館之相對效率、相對效能值及變數分析 ... 61

表 11 相對有效率旅館之資料 ... 65

表 12 相對有效能旅館之資料 ... 65

表 13 相對效率、相對效能下之各準則的理想解與負理想解 ... 65

表 14 效率與效能之 S_j、R_j、Q_j值 ... 66

表 15 有相對效率與效能旅館之排序 ... 67

圖 次

圖 1 研究流程 ... 3

圖 2 知識的基本操作(公務人力發展中心，2000) ... 9

圖 3 理想解與折衷解 ... 22

圖 4 決策方法之遴選機制之流程 ... 40

圖 5 知識管理系統評估基本架構 ... 43

圖 6 非營利機構之案例應用決策方法遴選機制遴選決策方法的應用流程 ... 47

圖 7 關聯矩陣 M ... 48

圖 8 可達矩陣 M* ... 49

圖 9 知識管理系統關聯性架構 ... 49

圖 10 未加權之超矩陣 ... 50

圖 11 超矩陣收斂後之結果 ... 51

圖 12 觀光飯店業評估效率與效能之模式 ... 55

圖 13 營利機構之案例應用決策方法知識遴選機制遴選決策方法的應用流程 .... 58

圖 14 相對效率與相對效能之相關圖 ... 62

圖 15 DEA 方法改進示意圖 ... 63

第一章 緒論

目前多準則的決策方法，已普遍應用於各類決策問題，同時，進一步的解 決許多管理層次的困境。因此，應用完整且適合的決策方法，可使企業執行者 做最貼切的決策，且更具行政效率。但是，如何決定正確的決策方法，將是目 前在應用決策方法的關鍵。

第一節 研究動機

現階段企業所面臨的問題乃為複雜且多變的，因此，也增加了決策者制定 決策的困難度。多準則決策(Multiple Criteria Decision Making Method, MCDM) 的方法已經普遍用在評選方案及分析方案重要程度等等。「決策分析」方法是 整合各類學問及決策科學理論、決策分析方法等等，經由問題的架構、資料收 集到決策輔助的整思維過程，提供各種決策的依據。所以，決策力已經現今企 業競爭力提升的關鍵(簡禎富，2005)。多準則評估在評選標的時，必須依據多維 度，及多面向的關鍵影響因素，找出解決問題的關鍵。許多的不確定性或是多 層次的問題，經常影響決策的制定，正確且完整的決策，所面臨的問題將迎刃 而解。但是決策錯誤，可能面臨更嚴重的困境。

如何制定正確且完整的決策，是決策者面臨最重要的課題。決策問題通常 均在於確認問題關鍵點，或是找出結構方面的問題，也有可能評選可行性的方 案，或是最佳的解決對策。在決策制定時，若能配合正確且完整的應用決策方 法，方可使決策之制定更趨近於事實所得到的評估結果，使得所研究結果反映 實際情況，同時更有說服力。然而，如何在面臨決策問題時，應用最合適的決 策方法，可能是決策者在尋求最佳解時，必須要決定的第一個課題。目前，確 實有許多的多準則決策方法被應用於不同的決策問題中。由於，多準則決策方 法的適用範圍、特性與假設條件較為複雜，以上種種都可能減低應用多準則決

策方法的機會。因此，本研究期望能以知識分享的角度，建置決策方法知識遴 選機制。此機制建置的目的，在於評選系統中經由評選決策特殊性，找出適合 且完整的決策方法，制定成功的決策，達到企業解決面臨決策問題的目的。本 研究期望能建立以知識分的觀點的，應用多準則決策方法機制，提供應用多準 則決策方法之研究者，使其能容易的找出適合且完整的多準則決策方法，此為 本論文的主要研究動機。

第二節 研究目的

由於知識管理已普遍使用於許多的產業中，且多得到企業界的正面評價，

企業或組織應用知識管理活絡其企業組織之知識，提昇企業解決問題的能力，

與企業之競爭力。目前，各類之企業及組織均對於知識管理投入努力，期望能 經由企業及組織間的分享，達成企業發展的目的。現階段，在各種的研究領域 方面，均有先進作成功且完整的研究結果，提供後進的研究者做類似或更深入 之研究。同時，所有先進的研究論文，多經由多種期刊資料庫之研究分享，由 研究者經由其研究的需求，搜尋與選擇適用的研究文獻，或研究方法以完成研 究成果。由於各類資料庫搜尋方式繁複，且必須耐心搜尋，方可找出適合研究 文獻與決策方法。以此，可能延長研究的時間。因此，本研究期望能建置完整 的決策方法之知識遴選機制，運用此機制，研究者可預先評估其研究目的，針 對所面臨問題的特性，找出問題點與需要解決關鍵後，進入本研究之決策方法 知識管理評選機制，選擇適合決策方法，方可快速且有效的完成研究。

本研究的目的為:

1. 找出現階段最常使用的決策方法。

2. 分類與分析各類決策方法之特性。

3. 建構多準則決策方法之遴選機制。

4. 經由實例分析驗證本論文所提出之多準則決策方法之遴選機制的實用性。

第三節 研究架構

本研究將針對運用決策分方法，構建以知識分享的觀點的多準則決策方法 之遴選機制，目的為提供研究者，評選需應用的決策方法時之依據，本研究的 研究架構如下圖：

圖 1 研究流程

文獻探討 確認研究問題

知識管理方面 之文獻探討

決策方法 之文獻探討

應用決策方法 遴選機制之步驟

構建決策方法 之遴選機制

非營利機構-構建知識 管理系統評估機制

營利機構-觀光飯店效 率與效能之評估決策

結論與建議 案例驗證

第二章 文獻探討

在文獻探討部份則區分為兩大部份，第一部分為知識管理、知識、與知識 分享，另一部份為各類決策方法，及決策方法之應用步驟說明。

第一節 知識

「知識」是一種廣泛並抽象的概念，因為研究領域和觀念差異所賦予解釋 大不相同，Davenport and Prusak(1987)認為知識是種流動性質的綜合體，包含結 構化的經驗、價值、文字變化等資訊，更包含專家的獨特見解，給予新的評估、

整合等資訊來提供架構，以智慧價值取勝的時代觀念下，新的經濟體系產生，

土地、勞力以及資本等傳統生產要素已轉變為次要資源，唯有知識才是整體經 濟的主要資源。更由於資訊科技及網際網路的普遍發展，使得知識資產價值被 大為提升(Lin et al., 2005)，所以知識的優勢，將成為是一種永久性的優勢(林于 萩，2000)，並且在 Microsoft Secret(Davenport, 1997)更提到，微軟最大的秘密是 其員工都是在其領域中最聰明的人，相對產出也較其他企業有更高的競爭力。

然而知識是來自人類的思想，是經過驗證的信念(Davenport, 1987)。

陳美岑(2001)也提出知識具有推演的特質，讓擁有的人能夠理解資料與訊息 的意涵。所以企業運作越來越重視知識能力及智慧財產，而其中的關鍵在於智 慧資本，而知識則為智慧資本其核心(林文寶，2001)，由此可知組織對於知識擷 取趨之若鶩。Kwan et al. (2009)則說明知識為企業的資產且為企業達到企業目標 的關鍵力量。

Lai(2007)說明知識管理應用資訊科技，使知識的取得、儲存、與擴散更加 容易。Tsai(2008)則提到知識的價值與企業的獲利有非常緊密的關係。許多研究 顯示出所謂的知識可分為內隱及外顯。內隱知識多存在於個人，在組織中常被 隱藏在員工個別的經驗、文件、例行公事或是製造過程結果中；外顯知識則是

需要去創造、溝通或應用。近年來，許多企業專注在有效管理知識的課題，主 要提升執行整合的能力(Nonaka & Takeuchi,1995 )。Mcadam(1999)在知識迴旋中 提到，將存在於個人的內隱知識作有系統的擷取，轉化成組織外顯知識，經由 知識分享的結果，將可使組織知識有倍數的成長。因此，組織中知識管理的目 的不只是能匯集個人的內隱知識轉化成為企業組織的外顯知識，Mehdi and Grupe(1996)就認為知識管理發展的目的是由領域知識中開發新的企業組織知 識，且將未被發現的群組相對關係作整合，從相似的資訊中尋求專業，也利用 知識庫使用提升專家系統制度。

Mcadam(1999)在知識迴旋中提到，將存在於個人的內隱知識作有系統的擷 取，轉化成組織外顯知識，經由知識分享的結果，將可使知識有倍數的成長。

各類的多準則決策方法可視為多種的知識，必須做完整的蒐集，分類儲存後再 應用於各種決策問題中。所以，本研究將多準則決策方法做完整的整理，經有 效分類後，依各類方法之特性建構決策方法的評選機制，以此提供決策方法應 用者，作為選擇方法的途徑，達到應用知識的目的。

第二節 知識管理

知識乃是財富的經濟基礎，Kwan et al.(2009)提到知識管理的特性在組織的 基礎上，主要是確認組織的知識是否能確實的的應用於企業中。所有良好的知 識管理則具有六大積極目的包含：(1)掌握知識的流動；(2)建構虛擬的學習系 統；(3)強化組織反應與預變的速度；(4)結合靜態與動態知識；(5)提高知識資產；

(6)擴大競爭優勢(馬曉雲，2002)。但是，一個良好的知識管理方法，除了必須 達到以上六大目的之外，還須具備必要的成功的因素。學者吳毓琳(2002)說明，

有關知識管理的成功要素則有：

1.知識管理成功的組織設計：

包含組織分享的品質、知識分享的動力、知識評選標準、知識轉移管道及

在職進修的管理。

2.知識管理人員、單位的設計與安排：

相關知識管理人員、單位的設計與安排，企業組織方可訂定完善的方針、

策略與目標。

3.知識管理的資訊技術：

資訊技術為管理的一大助力，易使知識管理更落實。

4.知識管理的組織文化：

包含良好的組織文化，由於彼此成員才能互為信賴與樂於分享，可以降低 知識管理的障礙。

Tsai(2008)知識管理必須經由開放的輔助系統，使得組織內部與外在環境互 動。Greengard(1998)則認為不同組織，將運用不同的程序執行知識管理，然而，

實施的方法不同，主要的執行策略方向卻可能一致。所提的策略包含的關鍵因 素，所決定知識管理的方向將引導企業朝向成功或是走向失敗，必須審慎決定。

組織在執行知識管理時，歸納出的七大策略方向：

1. 高階主管的支持。

2. 成立一個結合技術性與非技術性員工的跨部門專案團隊共同參與組織知識管 理的進行，避免閉門造車的情況產生，造成日後推動上的困難。

3. 知識管理需要一個設計良好的程序，這個程序包括了知識的聚集、散播、分 享等等。

4.運用資訊技術使得知識管理更廣泛的使用。

5.培養組織樂於分享的文化。

6.適時展現出知識管理的價值，並鼓勵員工參與。

7.知識管理是需要持續不斷的改進。

Davenport and Klahr(1998)認為組織文化對於管理知識資源的效率來說，若 非是一個最重要的部份，相反地，可能是最顯著的障礙。分享式的組織文化，

可促使組織的成員樂於與他人分享知識及藉由知識的分享使成員間獲得專業成 長，進而提升組織的績效(吳毓琳，2001)。Hansen, Nohria and Tierney(1999)將知 識管理策略分為「系統化策略」與「個人化策略」兩大類，其中運用系統化策 略的企業將策略重心放在電腦方面，把知識透過妥善的編碼與分類處理並儲存 於資料庫中，使公司內的所有員工都可以方便地存取及使用。而運用個人化策 略的企業會將策略重心放在公司內部的人員方面，此部份則為企業內部人員之 知識分享。由於知識是存在於個人身上，知識的發展與分享主要還是透過人和 人之間的接觸。電腦在運用個人化策略的企業中，所扮演的角色是協助人們溝 通，並非儲存知識。企業可依本身情況選擇適當的策略來執行，這兩種策略並 非只能存在一個，也可以同時運作。

Sarvary(1999) 認 為 知 識 管 理 包 含 三 個 流 程 ： (1) 組 織 學 習 (Organization Learning)：是公司獲取資訊或經驗的過程；(2)產生知識(Knowledge Production)：

是將未處理的資訊或經驗經由轉換並整合為知識的過程，所得到的知識可以協 助企業解決問題；(3)知識散佈(Knowledge Distribution)：讓企業各部門能夠輕易 取得並使用群體知識的過程，此過程為知識分享與知識散佈的結果。當企業完 成了取得與轉換的知識管理程序後，就已經建立知識資產，只要在建立機制並 可將知識快速存取運用在組織，不僅有助於對問題解讀與詮釋，亦可對知識的 創新與決策提高競爭優勢(Choo,1998)。Knapp (1998)則認為知識管理有一定的程 序，並將知識管理程序分成知識獲取、知識組織、知識分享、知識創新四個步 驟。Zack(1999)將知識管理的程序分成知識取得、提知識煉、知識儲存和取回、

知識散播、知識呈現五個步驟。知識已經是企業創造財富的核心能力。早在六○ 年代，彼得．杜拉克就提出「知識工作」與「知識工作者」的新名詞。現在，

知識經濟的時代已經確定來臨，專業知識、想法及洞察力是知識經濟的資產。

因此，如何找到知識、儲存知識、運用知識，已成為現代企業組織致勝的關鍵。

現階段，各企業組織已經運用知識管理在各項作業流程，或企業的學習成長中。

所謂知識是一種被賦予價值的產物，它可以提供企業直接應用以產生較高經濟 價值與創造企業利潤極大化，知識可以經由觀察力、經驗、想法、認知、和個 人價值判斷力結合而成，而知識是屬於動態的，必需透過互適合作與溝通才成 創造新的知識。

第三節 知識分享

Tsai(2008)提到將再次應用已重新創新且重新儲存的新知識，可將新知識應 用至另一個新的循環之中。儲存與分享各類多準則決策方法，可使學者易於檢 視與提取所需的方法，使其能更快速且正確的應用方可縮短學者研究的時間，

完成其研究。組織可經由知識的外顯建立成知識文件化並有效的將知識傳播及 分享，提升學習品質，降低教育訓練的成本。值得注意的是知識在創造以及使 用的過程中可有效提升組織的績效(Laurie, 1997)。而組織知識更能使員工增進 能力以期改善更新其產品提供更質優服務及溝通解決問題(Maquardt, 1996)。

Bock et al. (2005) 在共同研究中提出知識已經是組織競爭優勢之根本且為 最主要及最重要之決定公司價值之一大動因。呂斌南(2000)則認為學習型組織即 將成為創新管理革命的重要內容，企業必須成為學習性組織，將個人和團隊之 學習行為歸入系統化，有效的將學習行為轉化為知識創造行動更為一大重點。

企業運用學習及分享的學習性組織，將存在個人的知識外顯於企業內，經由學 習性組織，提升員工競爭力。Patton(2002)提出全球化的資產為智慧資產，而運 用智慧資產，需要高品質的學習和業界的最佳典範。高品質的學習，是追求最 有效的知識，最佳典範則是學習業界最好的技術。知識分享最重要的目的，是 能夠不斷的應用新的知識。而知識管理是創造、獲取、儲存、分享、與應用知 識的流程。知識管理的目的在於提供組織知識工作者工作，協助並管理關鍵的 生產因子，然而要發展知識管理系統，需透過制定策略進行四個基本操作，藉 以達成知識流通、發展，應用與改進知識管理的目標，如圖一所示。

圖 2 知識的基本操作

資料來源：公務人力發展中心，2001。服務型政府之知識管理-公務人員知識經 濟與服務理念訓練學員參考讀本。

Lin et al. (2006) 知識管理可以將企業的想法，經由知識分享的系統擴散給 所有的員工。知識分享不是一個新的想法，但近幾年卻成為管理上的大熱門。

知識管理與分享不只在研究中被廣泛討論，在學術界與工業界對於 KM 的興趣 更是成長的非常快速。毫無疑問的，KM 將會扮演一個重要的角色，同樣的也 是一個關鍵(Nissen, 1999)。對於知識管理與分享，更有許多學者名家皆提出各 自的解釋，比爾蓋茲 認為知識管理是提供 系統性的程序及方法(Davenport, 1997)，而 Sarvary(1999)更確切提出『知識管理是一個商業程序』的說法，並包 含三個次程序：組織學習、知識生產、知識分配。可知知識管理除了與管理一 個組織內的智慧資產有關外，並非只是管理知識，而是為一過程包含組織創造、

移轉、組合與整合知識資產。Leonard (1995)曾提出知識管理其目的即為知識的 累積與創造，其中又以知識分享與創造最其重要。不僅如此，知識分享著重於 知識庫管理及使用，如果企業組織能將知識庫用於資訊系統之中，將可提供組 織人員學習機會，將在企業日常學習中獲得新知識及創新知識的機會(Patton, 2002)，且組織成員利用知識庫的線上學習系統，將可降低學習成本(包含時間及 教育訓練成本)，也可反覆學習，提升學習效果，在知識平台中，學員可相互貢 獻知識及經驗，將使學習達最大效果，將有助於組織的存續，減低因人員流失，

競爭力消退的結果，因此，知識分享將是知識擴散最有效且快速的途徑。

知識發展

知識

知識組合 知識保存與存取

知識流通及移轉

面對資訊科技的越趨發達，知識分享須將焦點放在知識的觀點上，使知識 使用者，達到有系統的應用知識為目的，更於未來能創造知識，唯以創新取代 保守，才能塑造獨特性的價值，藉由知識管理的落實實施，能使知識使用者確 實改變(劉漢卿等，2001)。劉哲良(2004)在其針對知識分享與組織學習之績效影 響研究中認為知識分享之意願及能力都將影響組織的學習。現今知識使用者以 導入知識管理與知識分享，將所有內隱知識與知識外顯化於各類研究中，儲存 於各種知識庫，作為知識分享的貢獻。

第四節 決策方法

多準則決策方法(Multiple Criterion Decision-Making，MCDM)

決策是企業管理活動主要概念，決策分析主要在於了解決策問題的情境，

並且以科學方法追求解決問題的方案。多準則決策方法主要為Zeleny(1982)所提 出有效向量的觀念。現階段已經有許多研究及決策者應用於方案評選與績效評 量方面等問題。並且，可以幫助決策者在數目有限的可行方案中，依據每一方 案的屬性與特徵，從可行的方案之中，將方案依優、劣排序，評估和選擇符合 決策者理想的方案(Yoon & Hwang,1981)。

由於新經濟時代的來臨，決策者將面臨著複雜且多變的世界，決策問題已 經無法利用傳統單一準則之決策方法解決。決策者必須將各種準則納入考量，

據以做出審慎決策。多準則決策方法(multiple Criterion decision-Making, MCDM) 適用於管理科學以及作業研究方面。Hwang and Yoon(1981)將各類多準則決策問 題 做 分 類 。 針 對 連 續 型 評 估 問 題 稱 之 為 多 目 標 決 策 (multiple objective decision-making, MODM)，針對離散型評估問題則稱之為多屬性決策(multiple attribute decision-making, MADM)(翁予恒，2007)。

一、多屬性決策方法(Multiple Attribute Decision-Making,

MADM)

多屬性決策(Multiple Attribute Decision-Making, MADM)適用於在確定的情 況下，利用評估各屬性之相對重要性，以界定出在各個替選方案中之最佳方案。

決策者在多個目標或準則下，針對多個方案進行評估，以評定其方案之優先順 序。因此，多屬性決策方法(Multiple Attribute Decision-Making, MADM)主要應 用於方案的績效評估與選擇。以下則將多屬性決策方法區分為，多屬性決策方 法之結構性，多屬性決策方法之權重與多屬性決策分法之排序。

(一)多屬性決策方法–結構性

由於 MCDM 是針對多面相且繁複的問題，提出最適合的解決方案。但是，越 繁複的問題，總是有許多支、節，都是環環相扣的，若無法釐清問題間的結構 問題，則可能降低研究結果的可信度。因此，結構性研究則越來越受重視。以 下介紹兩種較新且日漸受到重視的有關驗證問題結構性問題的決策方法。

1.決策實驗室分析法

決策實驗室分析法( Decision Making Trial And Evaluation Laboratory ； DEMATEL )能夠分析複雜的管理問題指標之間的複雜關係與相關連性，有效的利 用分析後的結果來簡化問題的複雜度。DEMATEL 方法本源於 1971 年在日內瓦 的喬治亞大學研究中心 Battelle 協會，當時 DEMATEL 法的目標是盡可能收集 世界各地的困難問題(例：饑餓、暴力恐怖、等等…)並找出解決問題的辦法，由 於許多問題，可能基於世界各國風土民情不同，或法律之限制等影響因素，使 得各國所期待解決的問題的目標不定，因此，為使得研究能夠達到預期的理想 與目標，必須針對問題有設定限制。DEMATEL 為利用合適的科學研究方法，

使人類可以更容易，且有規則的去了解問題之間的關係。一般專家在應用 DEMATEL 方法必需要符合以下幾項限制條件：(一)問題的性質必須要明確；(二)

需要決定關連的影響程度；(三)並瞭解問題的本質特性。

DEMATML 法的理想及目標主要是希望幫助搜集世界問題，及獲得世界問 題更好的解決辦法。並可藉由此方法得到世界各地域間的知識交流。由於各種 因素的影響使得期待解決的問題目標不一致，因此，為使問題能達到預期的目 標，所以對問題解加以限制:

1.問題解必須達到一個或更多的目標，

2.這些目標必須要與大多數準則相關(胡雪琴，2003)。

因此 DEMATEL 相關的應用相當的廣泛，概括都市重劃設計、企業決策與 規劃、評估環境因素、分析氣候問題等的全球問題領域。DEMATEL 可以透過 此科學方法，得到兩兩的影響程度後，再利用矩陣搭配數學模式計算出全體元 素彼此的影響強度與因果關係，而使我們有系統且有效的瞭解，各元素與指標 之間的複雜因果關連結構，同時，DEMATEL 也可用來分析各企業各部門的問 題關連，此法是屬於在思考封閉系統中，找出因果關係決定決策的動態行為。

DEMATEL 的應用步驟：

步驟一：藉由專家對問卷內容的認定與討論後，從而得到各個指標間相互關係 矩陣 Q，其中分為 0 到 4 之間的影響強度。其中

Υ

步驟二：利用直接關係矩陣除以矩陣中最大的列和，而得直接矩陣 X，在 X 矩 陣取得直接影響關係。

步驟三：再經由直接矩陣 X 乘上單位矩陣 I 減直接矩陣 X 的反矩陣的計算結果 (1)

可以找出間接矩陣，並由此間接矩陣找出間接影響關係。

X(I-X)⁻¹ (2) 步驟四：藉由以上所算出結果，統計出每個問題中每行與每列的總和值。在此

專家把行列式運算的變數設為 D：為影響其他因素的因子，R：為被 其他因素影響的因子，D+R(中心度)：為因子間的關連強度，D-R(原 因度)：為因子影響或被影響的強度。

步驟五：最後以統計後之結果找出最重要之影響指標，並繪出因素與因素間的 影響關係圖後，即可得知指標彼此之間的影響關係。

以應用 DEMATEL 來幫助研究進行的相當的多，以國內研究為例如；胡雪 琴(2003) 將企業問題複雜度之探討與量化研究。林宗民(2005)等應用 DEMATEL 的方法建構了管理問題的因果複雜度分析模式，讓管理者可以選擇管理可行策 略方案，同時解決主要與次要之問題。由於 DEMATEL 可以處理複雜度高且關 聯性強的問題，因此，逐漸應用於許多繁複的研究。劉健哲、林春良(2005)將 DEMATEL 應用於休閒農場發展之田園景觀評估與塑造，而對岸中國大陸更將 此方法廣泛應用在各個領域，包含機械化發展影像因素辨識系統網絡安全性的 因素辨識之評價，青少年犯罪因素，社會經濟因素，綠色產品研發關鍵，與旅 遊發展阻力研究等等。

2.詮釋結構模式

詮釋結構模式(Interpretive Structural Model，簡稱ISM)是由Warfield於1973 年提出的一種社會系統工學。I.S.M.基於離散數學與圖形理論，主要在於分析就 一個集合內元素之間的關係矩陣(Relationship Matrix)，期望呈現元素間結構的階 層圖形。其結合行為科學、數學概念、團體決策(Group Discussion)及電腦輔助 等領域，藉由二維矩陣(Binary Matrices)的數學運算，呈現出一個系統內全部元 素間相互的結構關聯，至終將自動產出一個完整的多層級結構化 階 層(Multilevel Structural Hierarchy)，可協助決策者釐清問題架構，且有系統地組織複雜資訊和

想法(Warfield,1974a)。

主要目的則是彙整訊息的構造模型法，用以制定管理決策工具，以解決及 分析複雜的情境問題(李家豪，2005)。通常在進行如複雜問題、管理組織、系統 工作等研究時，通常會有多方面的影響因子，必須考慮結合成為層級之形式。

而將因素排列成階層的過程中，方可採用直觀的方式處理。但是當影響因素愈 多，或關聯程度較複雜時，要直接找出存在的關聯性非常困難。而詮釋結構模 式 卻 可 針 對 複 雜 且 具 層 次 關 聯 的 問 題 ， 提 出 找 出 結 構 關 聯 性 的 方 法 (Warfield,1973a) 。

根據 Miller(1956)的說法：「人的短期絕對判斷力與短期記憶之極限為 7 個 單元數目，其研究結論是：須將資訊集組化，以及把大量的資訊做編碼(encode) 動作與解碼(decode)動作之處理，如此一來便可減輕人的過多認知負荷，使人腦 的記憶容量能夠儲存更多的訊息、又能清楚保留更久，同時在檢索及應用時可 以更加容易與快速。」ISM 之系統設計本於科學化的思維，其理由是具有合理性 (Rationality)、證據性、實用性(Practicality)和推廣性，依據概念(Concept)而顯示其階 層性、方向性、系統化和結構化的模組，目前 ISM 的運用範圍遍及各國。

詮釋結構模式的運算程序說明如下：

步驟一： 建立基本相關準則間的相關矩陣

1 2

1 12 1

2 21 2

1 2

0

0 0

0

n n n

n m m

e e e

e D e

e

π π

π π

π π

 

 

 

=  

 

 

 







   



(3)

其中

e

π

e

e

π

π

如圖二。圖中除對角線外，矩陣中列出有直接關聯性之兩準則以 1 表 示，若無關聯則以 0 表示。

步驟二：計算可達矩陣 M*

將步驟 1 所得之相關矩陣 D 加上單位矩陣(Identity Matrix) I，如方程 式(4)，即為關聯矩陣 M，亦即加上自己對自己的關係。再以布林代數 (Boolean Algebra)運算方法，經由矩陣連續乘積，當關聯矩陣 M 達到 收斂，即可求得可達矩陣 M*，即為方程式(5)。

M = D + I (4)

M

M k

M + k

步驟三：依據可達矩陣 M*，將可計算可達集合(Reachability set),

R t ( )

A t 。所謂的可達集合 ( )

R t 是指可達矩陣 M*中的

第 i 項元素，以直向計算將關係值為 1 者所成之集合，如方程式(6)；

而先行集合 ( )

A t 則為可達矩陣 M*中之第 i 項元素以橫向計算將關係

( ) { * 1}

R t e m

i = i ji =

( ) { * 1}

A t e m i = i ij =

( ) ( ) ( )

R t A t R t i ∩ i = i

步驟四：最後應用階層矩陣圖完成 ISM 之層級構造圖。

國內學者林原宏曾經應用 ISM 於教育研究。就教育研究方面來說，ISM 的 應用相當廣，例如課程單元的決定、概念結構關係…關係結構等，都可應用 ISM 進行分析。近期 ISM 廣泛應用於各領域，鐘靜蓉與蔡秉燁(2004)將 ISM 詮釋結 構模式運用於結構化教學設計之研究。林羿吟(2005)則將 ISM 應用於評選溫泉 旅館品質，而盧誠德等(2005)卻應用 ISM 獨特的解決複雜關聯的能力而將之運 用於解釋公共工程土方爭議問題。另外，ISM 也可應用在模糊取向的概念分析，

特殊教材的結構分析及教學設計等等。

(二) 多屬性決策方法—加權

評估方法多應用在評量包含品質或評選最佳方案。由於評估方法是經由找出 評估的關鍵成功因素去評選最佳方案。因此，研究者也可以經由評估關鍵因素 的重要程度建構評估模式。在許多的決定權的決策方法，則有層級分析法、分 析網路程序法、熵權重法、簡單加權法等等。

1. 層級分析法(Analytic Hierarchical Process: AHP)

層級程序法(AHP) 是 Thomas, L. Saaty 在 l971 年發展出的一種多屬性決策 方法，屬於一種多目標多方案之決策方法，能支援個人或群體的決策(Saaty, 1980)。層級分析法主要目的為，協助群體決策的制定，常用來協助決策者找出 最佳策略方案的工具。知識管理評量準則多而複雜，而且利用 AHP 法可將複雜 問題層級簡明化，經由專家對於評量準則的偏好結果來評估績效準則的權重值。

層級程序法(AHP)的理論，提供解決非結構化的社會、經濟以及管理科學問 題。協助解決了方案選擇、資源分配、決定優先順序、解決衝突、績效衡量等 問題。針對問題設定總目標，並根據總目標發展出次目標，不斷反覆直到最後 一層元素。建構完成且藉由尺度(Scale)進行對偶比對(Pairwise Comparison)，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，

同時 Saaty 也提到運用 AHP 時，準則及構面間必須互相獨立為 AHP 的住要研究 限制(Saaty,1980)。

Saaty 開發運用 AHP 的步驟：

步驟一：定義問題及目標的限定。

步驟二：定義層級架構。

步驟三：建構成對比較矩陣。

步驟四：利用步驟 3 開發出一系列矩陣，比對矩陣呈正倒數，且對稱於對角線。

步驟五：計算比較矩陣之最大特徵值 λ ，計算 CI 值。 _max

( )(

)

C

I

n n

確定 CR 不可超過 0.1。並計算 CR 值。

CR=CI/RI (10)

表 1

RI 值

Size of matrix 1 2 3 4 5 6 7 8 9 10 Random consistenct 0 0 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49

步驟 6：確認每一層級都經過以上步驟。

AHP 也可允許作群體決策，群體決策指的是群體會員的能運用它們的經驗 或知識，將問題分層且進入 AHP 的解決步驟中。AHP 法也常使用於制定決策 時對於方案的績效評估與選擇較適用方案的評定工具(朱家勳、熊保宜， 2003)。

劉春初(1998)運用 DEA 結合 AHP 針對對象高雄市垃圾清運區隊之生產效率，並 進行效率評估。黃敬婷(2007)，將 AHP 應用於評定中醫醫療器材操作資格之認 定，以提升評選操作資格人員之品質。

2. 分析網路程序法(Analytic network Process: ANP)

分析網路程序法(ANP)也是由 Saaty 於 1996 年所提出，此方法藉由早期之 層級分析法(Analytic Hierarchy Process, AHP)所衍生而來並加以結合網路系統型 態所呈現。其 ANP 法目前應用的範圍大多在解決研發方案之選擇方面的問題。

研究指出 ANP 是針對準則因子之權重比重結果來取決於量化後的向度，並無對 多方案之間的相互關係作比較，而 ANP 適合作為群體決策及評估結果更具理論 及實用基礎之信賴度。ANP 法是從 AHP 法(Analytic Hierarchy Process，層級分 析法)發展出來的，舊有的 AHP 法，只是單純的存在單一方向的獨立關係，但 是，目前所存在之需要解決問題的問題，常常都是相互依賴的關係，類似是網 路的關係。並非是單向的影響。因此，如果單純使用 AHP 法去評估問題，可能 會忽略到問題中相互依賴的關係，而造成評估的偏差，進而使決策者的決策受 到影響。

ANP 與 AHP 最大的不同點，在於 AHP 是解決評估因素間的關係必須各自 獨立。則 AHP 將可經由兩兩比對矩陣，求出各準則及構面的權重。而 ANP 是 解決各評估因素間具有相依或回饋關係的問題。ANP 經由建立結合具關聯性準 則的超矩陣，求出各準則及構面間的權重的問題(Saaty， 2001)。

ANP 的運算步驟說明如下:

步驟一：計算各層級間評估準則的相對權重。

步驟二：一致性檢定。ANP 法的一致性檢定，與 AHP 法相同，需確保決策者

的判斷是否具一致性，以確定決策結果是否可信。

步驟三：構建超矩陣。將其極限化以求得準則間之相對權重，在 ANP 的運算步 驟中，為了要處理準則之間的回饋與相依關係，ANP 法運用超矩陣來 計算準則間的相對權重。

將具有關聯性的權重，置入超矩陣(Supermatrix)中，若此時超矩陣未符合行 隨機(Column Stochastic)性質，則由決策者加權以符合行隨機；再將加權後之超 矩陣求其極限化達到收斂後為止，則可求出各準則間的權重值。由於 ANP 之超 矩陣達到收斂時，可能產生奇數次方與偶數次方收斂數字不同的情況，或者出 現 3K+1 次方的收斂情況(Wu,2007)，此時仍須計算凱撒和(Caesar Sum)以求出準 則確切之權重。

詹宏霖(2004)將 ANP 應用於選擇企業通路型態之研究。另外，在生物科技

園區除考慮區位外，仍需加入產業群聚提升園區效益的功能，徐作聖(2004)等將 ANP 用於生物科技園區選擇之研究，使選擇結果貼近生物園區需求。近期，ANP 的應用日漸廣泛，林俊岳(2008）運用 ANP 法建構評估模式，針對半導體產業 之供應鏈構建評量指標，以提供決策者與管理者在評估整體營運績效參考依 據。陳虹遐（2003）整合 ANP 法於液晶電視生態效益之評估，將設技師與消費 者之需求為主要的依歸，整合消費者之需求於指標中，期望提供企業及設計師 更為貼切市場的環保評估標準。另外，ANP 也多方面被應用於不同產業之研究，

包含百貨業選擇大陸市場零售型態之研究，補教業企業通路研究及醫學產業之 研究等等。

3. 熵權重法

熵(Entropy)原本是由德國物理學家Rudolph Clausius在1854年所提出的，原 本是屬於熱力學(Thermodynamics)之專有名詞。在1948年時，Shannon將熵的度 量用於偶發事件或是一系列不確定的事件訊息的總合(彭康麟，2005)。而熵應用 於一般解釋為一種系統趨向混亂或衰亡的象徵。Shannon與Weaver在1947年則提 出評估準則權重之方法。主要是運用熵值在資訊理論中所代表的不確定性，來 計算準則所能傳遞決策資訊之能力。如此，便能進一步計算出準則間之相對權 重。因此藉由準則間來求取權重，其結果較為客觀，且計算不致太繁複。

熵權重值的計算步驟為：

步驟一：先假設xij為第i個方案下之第j個準則，便能求其在第j個準則下各方案的 績效值(d1j,d2j…,dnj)，其dij =

∑

= n

1 i

ij ij

/ x

x

1,...m j

, ln(n)

) ln(d - d

n

1 i

ij ij

j =

∑

=

e

(11)

步驟二：將各準則下的熵值，轉換成熵值權重，如方程式(12)所示。

∑

−

= _m −

j

e w e

1 j j j

) 1 ( 1

(12)

在應用熵值權重文獻則有：Liu et al. (2008) 運用熵值找出無均衡學習的課 程下的權重值，經由此權重值，成功推導出適合的rough set 模式，用以提升論 文的貢獻度。而翁明珠等人(2005)運用熵值權重運用於模糊規劃，以最大化熵的 原理，以解決區間配對矩陣不一致性問題。陳啟斌等人(2004)，則將熵測度值運 用於處理資產權重，以此，重新修正投資組合風險衡量模型，使模型之精確度 及解釋能力更為提升。而對於排序之研究集合則有，將熵值決定績效指標權重 後，再帶入理想解類似順序偏好法(TOPSIS)中，對上市公司績效排序，找出營 運績效最好之航運公司(王天津等人，2006)，由此得知熵權重值已廣泛運用於各 類研究中。

4. 簡單加權法(Simple Additive Weighting Method；SAW)

簡單加權法(Simple Additive Weighting Method:SAW)， 為多準則評估方法 中，被廣泛的應用之一。此法是由 Churchman and Ackoff 於 1954 年，開始進行 探討，平進一步由 MacCrimmon(1938)進行整理後，由 Hwang and Yoon(1968) 的多屬性決策分析的方法與應用予以回顧。此方法是針對須評估的決策問題，

由決策者或決策全體，對所有的評估準則的重要性加以判斷，再運用 AHP 或多 準則的評分技巧求取評估準則權重的方法。

SAW 計算步驟為(鄧振源，2002):

步驟一：預先設定評估準則

步驟二：將所有評估準則做重要性判斷決定權重 步驟三：確認權重值是否滿足以下要求

∑

j

W

1

1 0 < w

<

(13) 步驟四：利用加權合之方法求得綜合評點

∑

+

∀

= ^m

j

j j

i

w g Ai i

S

1

), (

(14) w_j為評估準則之權重

gj為所需評估的準則標準化後之得分

(三)多屬性決策方法-排序方法

1. 折衷排序法(VlseKriterijumska Optimizacija I Kompromisno Resenje；

VIKOR)

折衷排序法(VlseKriterijumska Optimizacija I Kompromisno Resenje)排 序法是由Opricovic(1998)提出，為多準則決策方法中的折衷排序法，此折 衷規劃法主要概念是考量決策者不能同時達成多個目標下，退而折衷選取 與理想解最近之方案。VIKOR多應用於方案評選或績效表現的排序上，林 俊宏等人運用VIKOR方法，針對企業資源規劃系統進行排序後評選出最佳 方案。

而VIKOR的方法及運算步驟如下：

圖3中F1*

(第一 項評估 準則的理想 值)，與 F2*

(第二 項準則之 理想 值 )不 能同時達到F^*(理 想解 )，在經過妥協其折衷 解為圓 弧線 上的點 ， 而當中 點 F^c為非劣解集合中最靠近理想解F^*，因此，最佳折衷解則為F^c=(F1c

,F2c

)。

圖 3 理想解與折衷解

至於VIKOR應用步驟如下：

步驟一：必須先決定所有評估準則的理想解f ^*與負理想解f ^-。方程式(15)、

(16)中 I1效益 準則之集合，代表數值越大越好；同理I2為成本準則 之集合，其數值越小越好。

i ij

j ij

j

i

f i I f i I

f

= [( max ∈

) , ( min ∈

)] , ∀

(15)

i ij

j ij

j

i

f i I f i I

f

= [ ( min ∈

) , ( max ∈

) ] , ∀

(16) 步驟二：計算 S_j與 R_j的值

方程式(17)、(18)中(fi*

-fij)/(fi*

-fi-

)為方案 j 之 i 準則與理想解距離比值，wi為 準則 i 所得到的權重，而將個別 j 中的準則相加總可得 j 方案下的最大化的「群 體」效益(Sj)；而 Rj為在 j 方案中挑選與理想解最大(差)距離比值準則，因此 Sj、 R_j越小表示方案 j 越佳。

( ) / (

)

1

* −

=

−

−

= ∑

i

ij i i

j

w f f f f

S

(17)

^{= max} [

⁽

⁻

^{) /(}

⁻

⁾ ] ^{, j = 1,2, … .J}

j i

w f f f f

R

步驟三：計算 Q 值

Q_j是探討在群體(S_j)、個別(R_j)兩項結合下方案 j 的效益值。其計算方式如

方程式(19)。另外，符號 v 為決策機制係數，當係數 v 大於 0.5 表示大多數的決 議，v 等於 0.5 代表大致上同意所制訂決策，相對的 v 小於 0.5 則否決此決策。

) /(

) )(

1 ( ) /(

)

( S S

S S

v R R

R R

v

Q

=

−

− + −

−

−

(19) where

S

S

S

S

R

R

R max

R

步驟四：依照 S、R 及 Q 指標值方可進行方案優劣順序之判斷。

步驟五：驗證最佳折衷解 Q(a′)是否滿足下列兩條件：

1. 可接受優勢：Q(a′′)-Q(a′)≧DQ，其中 a′′為 Q 排序中的次佳方案 a 為最佳解、

DQ = 1/ n-1, n 為方案數，其意義為最佳與次佳方案之差距不得小於方案數間 之比率，DQ 中之(n-1)乃為方案與方案彼此的間格數。

2. 可接受的決策可靠度：最佳方案 a′其 S 或 R 值也必須為最佳值。若上述兩個 條件中有一未符合，則可由下列方式構成一折衷解：

(1)如果僅有條件一不符合，則方案 a′與方案 a′′同時為折衷解。

(2)又如果條件二不符合，方案 a′, a′′, …,a^(M)同時為折衷解。

廖 彥 君 等 人 則 運 用 VIKOR 對 台灣地區國際觀光旅館經營績效進行排 序，選出標竿性旅館，以作為提升旅館經營績效的參考及學習方向。另外，則 有人運用VIKOR對員工績效進行考核，以得到公平客觀之排序(盧建川，2002)。

再則，Lee et,al.(2007)則利用VIKOR方法在找出多重回饋程序的最適解。由此得 知VIKOR已是成熟且完善的排序法。

2.理想解類似度偏好順序評估法(Technique for Order Preference by Similarity to Ideal Solution; TOPSIS)

理想解類似度偏好順序評估法(Technique for Order Preference by Similarity to Ideal Solution; TOPSIS)是由 Hwang 和 Yoon 於 1981 年所提出的多準則決策 方法，此方法是針對評估標的作優勢排序的方法。此方法主要是針對評估的指 標值，之遞增或遞減之性質作為排序之基本原則。TOPSIS 的基本觀念為，需先

界定正理想解(Positive Ideal Solution)與負理想解(Negative Ideal Solution)後，找 出距離正理項解最近，同時與負理想解最遠的評估標的。此方法的計算較簡單 易懂容易操作，因此，若需針對評估標的排序時常會使用此方法者出優勢排序 結果。在 TOPSIS 所評選出之正理想解之方案，通常為效益最大或是成本最小，

而負理想解之方案則為效益最小或是成本最大(靳炯彬，2004)。

TOPSIS 的方 法及運 算步驟如下：

步驟一：原始資料正規化(Normalization)

TOPSIS 在運算是必須確認是否所有評估指標間已完成正規化程序，此部份 之正規化需含向量正規化與指標值正規化，正規化之運算公式如下：

∑

=

i ij ij ij

X r X

1 2

(20)

I 為第 i 個標的；j 為第 j 個指標；r_ij 為向量標準化之後的指標績效值 Xij則為原始指標的績效值；n 為方案個數

步驟二：計算正理想解(A⁺)與負理想解(A^-)

( ) ^{

^}

+

=

 



 

   ∈ =

 



 ∈

=

i i

ij

j J r j J i n A A A A

r

A max , min

1 , 2 ,...,

,

,... .

...,

{

}

−

=

 



 

   =

 



 ∈

 

 



 ∈

=

i ij i

ij

j J r j H i n A A A A

r

A max , min

1 , 2 ,...,

,

,..., ,...,

^J

{ ^j

^{K j}

}

而，

^J

{ ^j

^K

}

步驟三：計算各評估標的與正理想解(Si+

)及負理想解(Si-

)之距離

( )

∑

+

+ = ^K −

j

j ij

I

r A

S

1

2 1,2,……..n (23)

_∑ ( )

=

−

− = ^k −

j

j ij

i

r A

S

1

2 i=1,2,……..n (24)

步驟四：計算各評估標的與理想解之相對接近程度(RC_i⁺)

− + + −

= +

i i

i

i

S S

RC S

0 ≤ RC

≤ 1

步驟五：針對各評估標的進行優勢排序(Outranking)

依據以上步驟所的

RC

有關 TOPSIS 的應用則有；畢威寧(2005)將 AHP 結合 TOPSIS 構建供應商 的績效評估模式，簡瑞瑩等人(2008)則運用Ｍodified TOPSIS 的方法針對綠色螺 絲供應商之競爭者做排序評估，劉意修(2007)則針對全球前十大汽車製造商運用 TOPSIS 分析營運績效。Hwang(2005)等人則應用 TOPSIS 探討職前訓練後保險 人員績效表現等等。

3.排列序列評估法(Permutation Method)

排列序列評估法(Permutation Method)則是由 Paelinck 於 1976 年所提出的多 準則評估方法，此方法的精神是將多項計畫，所有優劣順序全部進行比較，已 求得最佳的排序組合。此種方法較適用於已知評估準則的權重值(Hwang and Yoon,1981)，若計劃數很多時，此方法較不適用。

排列序列評估法計算步驟為(鄧振源，2002)：

步驟一：訂定可行計畫之集合，並預先針對所有評估求權重值。

步驟二：構建決策矩陣 D：

D = [ ] X

(26) 若評估準則屬效益準則者，則績效值越大越好，反之，若為成本準則者則 績效值越小越好。

步驟三：為便於做大小與方向性的比較，則可預先進行標準化處理。

效益準則：

( )

j j ij i

j

j C

X X

X A X

g ∀ ∈

−

=

−

−

,

(27)

成本準則：

( )

j j

j ij i

j

j C

X X

X A X

g ∀ ∈

−

− −

=

−

, 1

(28) 步驟四：將 D 矩陣準換為標準化後的矩陣 G。

G = [ g

( ) A

]

(29) 步驟五：針對所有可行計劃做優劣排序，求得成對計畫優劣關係，構建滿意指

標 矩陣 Es(S=1,2,…..,n!)。

步驟六：根據矩陣 E_s滿意指標找出 P_s排列的評比指標 R_s。

步驟七：尋求 n!中最大指標排列，並找出最大排列中的第一計畫，為最佳計畫。

湯宇達(2007)則運用 模糊理論加入 Permutation Method 方法，針對決策問 題中的決策的環境，資訊是具有複雜性或是不明確的問題，提出求得最佳方案 的方法。游志偉(2007)則針對現實環境，提出以直覺模糊集合的排列序列法，以 解決決策者在收集資訊不確定性或缺值的疑慮。林其堂(2003)則將排列序列法用 於最市場辦大樓之評選問題。

4.滿意分析法(Concordance Analysis)

滿意分析法(Concordance Analysis)是由 Voogd 於 1980 所提出的，主要是針 對在成對方案的比較具較大彈性。針對滿意與不滿意設定門檻值做為求解主要 依據。由於門檻值由決策者或群體決策訂定，可能使及偏好與專業程度而影響 求解結果，所以 Voogd 在 1983 年針對門檻值也給予建議，使其求解結果更準確。

蔡柏輝(2009)則將滿意分析法結合 AHP 構建會展產業區位選擇指標之研究。

滿意分析法之計算求解步驟(鄧振源，2002)：

步驟一：擬訂決策問題或決策全體 步驟二：依據決策結果擬訂可行計劃

步驟三：擬定評估準則與決定評估準則權重值

步驟四：衡量準則之績效值 X_ij，構建評估矩陣

D = [ ] X

步驟五：求取標準化之矩陣

G = [ g

( ) A

]

步驟六：求得成對比較方案，並進行滿意與不滿意集合比較。

步驟七：訂定尺度參數值α 值。

步驟八：找出成對比較方案中較滿意指標，並找出比較方案中較不滿意指標。

步驟九：決定門檻值。

步驟十：找出各方案得分，最大值為最佳方案。

5. 偏好序列組織法(Preference Ranking Organization Methods for Enrichment

Evaluation； PROMETHEE)

偏好序列結構法(Preference Ranking Organization Methods for Enrichment Evaluation ； PROMETHEE)，是在 1981 年由 Brans, Mareschal 與 Vincke 所開 發出來的多準則決策方法。經由強化優勢順序而組成的優劣關係排序法。在 PROMETHEE 的 評 估 方 式 是 由 三 階 段 構 成 的 ， 第 一 階 段 為 結 合 偏 好 函 數 (Preference Function) 構 建 一 般 化 準 則 ， 第 二 階 段 為 定 義 多 準 則 偏 好 指 標 (Multicriteria Preference Index)，第三階段為以流量(Flow)方式排列優劣關係。

PROMETHEE 的評估模式流程步驟如下(鄧振源，2002)：

步驟一：為求取偏好函數 Pj(a,b)、H(d)，構建一般化準則 步驟二：求取多準則偏好指標與流量

步驟三：評估計畫之優劣關係並做周延性或穩定性分析

楊清一(2002)運用 PROMETHEE 針對塑膠工廠的訂定適合工廠特性的維護 策略，以使工廠在最有利的情況下生產及作業。黃彬師(2008)結合 AHP 與 PROMETHEE 針對飲料產業委外代工之特性，找出影響委外代工決策的評估準 則，用以評選最是為外代工企業。黃敏芳(2004)則運用 PROMETHEE 就半導體 派遣人力之供應商評選，提供評選供應商之決策結果。

二、多目標決策方法(Multiple Objective Decision-Making,

MODM)