制造企业信息化评价指标体系的构建与测度

摘要：本丈构建了制造企业信息化的评价指标体系，并用回归法、德尔菲法等数学统计方法 对该评价指标体系进行7浏度，具体包括数据的标准化处理、权重的确定和指标分位的计葬。

关键词：制造企业信息化指标

1 研究意义

制造业是我国国民经济的核心和工业化的原动力，我国制造业工业总产值约占全国GDP的42.5%。因此，研究制造企业的信息化评价方法对于我国整个企业信息化工作都有重大的指导意义。随着加人WTO和经济全球化，中国正在成为世界制造业的中心，中国的制造企业面临更加激烈的国际国内市场竞争，必须迅速提高企业的核心竞争力。因此，定性和定量地对制造企业信息化水平进行分析和评价具有十分重要的现实意义，对于指导我国正在进行的制造业国企改革和信息化建设也显得尤为迫切。

2 建立制造企业信息化评价指标体系的指导思想和原则

2.1 建立制造企业信息化评价指标体系的指导思想

2.1.1描述作用

能够描述制造企业信息化的发展状况与特征，以作为进行评价的基础和依据。

2.1.2 分析作用

能够反映制造企业信息化在企业某一环节或层面的应用状况与程度，是对其某个侧面的反映和认识。

2.1.3 评价作用

能够反映制造企业信息化在企业某一环节或层面的应用状况、程度与企业需要的相互关系，从而能够反映出制造企业信息化满足企业需要的程度或差距的大小。

2.1.4 导向作用

能够帮助企业及时发现企业信息化中存在的问题，并根据企业所面临的新环境和新业务，制定新的信息化战略，以适应企业发展战略。

2.2 建立制造企业信息化评价指标体系的原则

制造企业信息化的评价不仅是企业信息化建设的指南，而且是衡量企业信息化水平的尺度，是企业信息化建设中不可或缺的重要工具。因而在建立其评价指标体系或评价模型时，一般要遵循以下原则：

2.2.1科学性原则

要科学地选取评价指标及权数，采用科学合理的评价方法，使评价结果客观、真实。设计的指标要便于纵向和横向的对比，尽量减少人为因素的干扰，缩小误差，从而保证指标具有科学性和权威性。

2.2.2整体性原则

评价指标的选择应该是评价对象的各个方面，不能出现片面性，并应合理构造层次数量和指标数量。

2.2.3 操作性原则

尽量选取与目标关联最紧密的重要指标反映较全面的情况，指标设置数量要尽可能精简和概括，并且指标数据便于采集。

2.2.4 可比性原则

指标体系中同一层次的指标，应该满足可比性的原则，即具有相同的计量范围、计量口径和计量方法，指标取值宜采用相对值，尽可能不采用绝对值。这样使得指标既能反映实际情况，又便于比较优劣，查明安全薄弱环节。

2.2.5定性与定量结合的原则

应该考虑既有定性指标又有定量指标。定性指标要含义明确，并按照某种标准对其赋值，使其能够恰如其分地反映指标的性质。定性指标和定量指标都必须有明确的概念和确切的计算方法。

3 制造企业信息化指标体系

基于以上五个原则，结合制造企业的特点和实际要求，笔者从影响制造企业信息化水平的大量指标中筛选并尝试建立的制造企业信息化水平的评价指标体系如表1所示。

该指标体系以两级指标形式列出，其中一级大指标7个，二级小指标26个，荃本上可以比较全面地衡量一个制造企业的综合信息化水平。该体系分为三个层次，分别为目标层、基准层和指标层。其中，基准层也叫准则层，它是联系目标层和具体指标之间的中间层次。

在这里，为了以后列判断矩阵的方便，我们用以下字母对表中的各项予以标注:

A: 目标层，即制造企业信息化水平;

B1, B 2, B 3,B 4,B 5,B 6,B 7:分别代表准则层次的7个一级指标;

Cl, C 2, C 3,??，C26:分别代表各个具体指标，

即26个二级指标。另外 ， 表中的Z,X 1,…,X7,X1,，，.，X26分别代表目标信息力和各个指标的具体数量值，和A, B,C字母是有区别的;给出A, B, C字母只是为了以后列判断矩阵方便。

3.1 制造企业信息化评价模型的建立

在这里我们采用多元线性回归方程，利用求其数学期望值来求目标值。

假设随机变量Z与普通变量Y1,Y 2,Y 3,一多个变量之间有着某种相关关系，对于Y1, Y2, Y3,每一组确定的值，相应的随机变量Y就有一定的分布。如果Z的数学期望E(Z)存在，则它是Y的函数，记为u(Y)，即u(Y)=E(Z)，并称函数u(Y)为Z关于Y的回归。对于Z与Y之间关系的分析叫回归分析。这里，因为变量不止一个，所以叫多元回归。

用多元线性回归方程的形式，我们设Y是自变量，Z是依赖于Y的随机变量，针对上面的指标体系，可以得到如公式1的数学模型:

3.2 权重的确定

首先，采用相关分析法选择评价指标，即考虑指标的独立性(也叫弱相关性)和指标在特定意义上数量规模反映质量关系的代表性。一般规定，相关系数在0.9以上的为强相关，可以保留一个指标，其余的删除。

比如说，我们对某些选择的指标进行了相关分析，如表2。

从上面的相关关系表，我们可以看出X:与X3,X S,X7的相关系数都在0.9以上，为强相关。考虑选择X1已经能够代表X3, X5, X7的要求，所以，只保留X,，而X3, X5, X7可以删去。其他评价指标的选择方法类似。然后，用德尔菲法。一般采用问卷的形式，请研究该问题的专家进行评价，通过巧名左右的专家分别在准则层各个因素之间进行比较，得其相对重要程度，并给出具体相对值，一般是1, 2, 3, 4, 5，或者分数表示)。根据搜集到的调查样卷，将原始数据综合平均后得到我们需要的评价值，并列出表4(其中坷由专家权衡打分而得)。

为了计算方便，笔者依据下面模拟的指标体系模型进行计算，对于实际的制造企业，不管指标体系如何，计算方法完全一样权重。

确定后，我们来检验判断矩阵A-B之间是否具有一致性。根据公式结合1一10阶判断矩阵的平均随机一致性指标RI值表，我们对判断矩阵A一B之间的一致性进行检验。

根据一致性检验是否通过的条件，即CR<0 .1，而这里我们知道CR<0.06<0.1，从而通过了一致性检验，符合一致性要求。

同理，接下来确定指标层各个指标，即二级指标相对于准则层各个一级指标的权重。

3.3 制造企业信息化评价指标的计算

上面我们对各个指标的实际值进行了标准化处理，可以得到各个指标的标准值。另外，我们也通过对各个层次的分析，得到了各个指标的具体权重，根据公式2:

就可以计算出每个制造企业的综合信息化水平的具体数值。

其中，Z一代表一个制造企业的信息化水平，n为指标构成类别的个数，即一级指标的个数，m表示第i个构成要素的第三层指标个数，即每个一级指标包含的二级指标个数。Yij为指标标准化以后的值，cij是各个二级指标的权重，bi为各个一级指标的权重。评价值Z一越高，说明该制造企业的信息化水平越高，反之，则说明该企业的信息化水平越低;指标的权重越大，说明该指标在信息化建设过程中对企业的影响越大，越重要，企业在信息化建设过程中就应该充分重视起来。从而，企业就可以根据自己的实际情况，有计划、有步骤地加强企业的信息化建设。

（责编：陈广成）

责编：

TypeScript 基础类型

03 Shell 变量

NumPy 安装

04 Python 类的私有属性和私有方法