隨著質(zhì)量內(nèi)涵由單一的產(chǎn)品質(zhì)量演變?yōu)榻?jīng)營“大質(zhì)量”,質(zhì)量創(chuàng)新也不再僅僅局限于產(chǎn)品質(zhì)量提升上,還延伸至領(lǐng)導(dǎo)、顧客、相關(guān)方等�，F(xiàn)有質(zhì)量創(chuàng)新研究集中于質(zhì)量與創(chuàng)新關(guān)系、產(chǎn)品質(zhì)量創(chuàng)新等方面,而從經(jīng)營“大質(zhì)量”角度對(duì)質(zhì)量創(chuàng)新評(píng)價(jià)研究較少,因此,基于企業(yè)經(jīng)營的質(zhì)量創(chuàng)新評(píng)價(jià)研究較為必要。為此本文進(jìn)行了以下主要研究工作:其一,在深入分析卓越績效評(píng)價(jià)準(zhǔn)則這個(gè)多層次、多指標(biāo)評(píng)價(jià)體系的基礎(chǔ)上,從領(lǐng)導(dǎo)、戰(zhàn)略、資源等重要管理要素出發(fā),結(jié)合質(zhì)量創(chuàng)新的內(nèi)涵,識(shí)別制造企業(yè)質(zhì)量創(chuàng)新要素,建立制造企業(yè)質(zhì)量創(chuàng)新評(píng)價(jià)體系。其二,引入D-S理論進(jìn)行質(zhì)量創(chuàng)新的評(píng)價(jià)。首先,鑒于質(zhì)量創(chuàng)新評(píng)價(jià)體系中有定性指標(biāo)也有定量指標(biāo),對(duì)于定性指標(biāo),應(yīng)用云模型進(jìn)行處理,在建立質(zhì)量創(chuàng)新評(píng)價(jià)的等級(jí)標(biāo)尺云的基礎(chǔ)上,將評(píng)語轉(zhuǎn)換為云模型,利用綜合云合成每個(gè)指標(biāo)下的多個(gè)專家的評(píng)價(jià)云模型,用云模型相似度得出每個(gè)定性指標(biāo)的mass函數(shù);對(duì)于定量指標(biāo)的處理,則根據(jù)歷年數(shù)據(jù)及同行企業(yè)的信息建立上下限,等區(qū)間劃分確定mass函數(shù)。其次,在信息合成階段,考慮到經(jīng)典的D-S合成公式存在的不足,本文提出一種基于Pignistic概率函數(shù)和信息熵的合成方法,從函數(shù)自身信息出發(fā)進(jìn)行信... 

【文章來源】：鄭州大學(xué)河南省 211工程院校

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

評(píng)價(jià)等級(jí)及確定度險(xiǎn)險(xiǎn)中等全全

5案例分析40表5.1評(píng)價(jià)等級(jí)及定性語言描述等級(jí)范圍0~0.10．05~0.30.25~0.50.45~0.70.65~0.90.85~1評(píng)價(jià)結(jié)果較差差一般好較好優(yōu)秀Ex00.1750.3750.5750.7751En0.0330.0420.0420.0420.0420.050He0.0080.0080.0080.0080.0080.008質(zhì)量創(chuàng)新評(píng)價(jià)評(píng)語云模型從左至右的評(píng)價(jià)等級(jí)依次為較差、差、一般、好、較好、優(yōu)秀，如圖5.1所示。圖5.1評(píng)價(jià)等級(jí)及確定度而對(duì)于定量指標(biāo)的mass函數(shù)生成，本文參考定性指標(biāo)也是同樣采用六個(gè)等級(jí)即差、較差、一般、好、較好、優(yōu)秀，還需要考慮效益型和成本型指標(biāo)。對(duì)于效益型指標(biāo)，先確定該指標(biāo)的最優(yōu)臨界值a和最差臨界值b（即ab），再在(b,a)區(qū)間內(nèi)部插入n等距離點(diǎn)12x,x...xn，因?yàn)樽吭娇冃гu(píng)價(jià)準(zhǔn)則有六個(gè)等級(jí)，所以本文n=5，得出該指標(biāo)隸屬于等級(jí)nH的信度；成本型的指標(biāo)的信度確定方式與效益型指標(biāo)原理類似，只是上下限不同。由此完成定量指標(biāo)的mass函數(shù)生成。首先，要進(jìn)行各個(gè)指標(biāo)的mass函數(shù)生成，對(duì)于定性指標(biāo)，邀請(qǐng)10位專家根據(jù)企業(yè)生產(chǎn)運(yùn)營的實(shí)際情況，對(duì)照標(biāo)尺云模型，對(duì)各指標(biāo)的表現(xiàn)進(jìn)行打分評(píng)價(jià)。專家的評(píng)價(jià)結(jié)果以語言評(píng)價(jià)等級(jí)給出，然后再利用云模型將其轉(zhuǎn)換為定量的評(píng)較差差一般好較好確定度優(yōu)秀

【參考文獻(xiàn)】：
期刊論文
[1]基于云模型的企業(yè)質(zhì)量績效評(píng)價(jià)[J]. 賀金鳳,王林,徐松杰.  統(tǒng)計(jì)與決策. 2018(22)
[2]基于改進(jìn)證據(jù)理論的導(dǎo)彈故障智能診斷推理方法[J]. 叢林虎,鄧建球,趙建忠,方軼.  戰(zhàn)術(shù)導(dǎo)彈技術(shù). 2018(05)
[3]基于模糊證據(jù)推理的內(nèi)河船舶航行安全狀態(tài)評(píng)價(jià)[J]. 張笛,姚厚杰,萬程鵬,梁崢,張明陽.  安全與環(huán)境學(xué)報(bào). 2018(04)
[4]基于證據(jù)推理規(guī)則的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估[J]. 程珊,鈕焱,李軍,童坤.  計(jì)算機(jī)與數(shù)字工程. 2018(08)
[5]質(zhì)量創(chuàng)新與創(chuàng)新質(zhì)量空間差異及耦合協(xié)調(diào)研究——基于中國高技術(shù)產(chǎn)業(yè)的經(jīng)驗(yàn)分析[J]. 劉偉麗,林瑋菡.  財(cái)經(jīng)問題研究. 2018(06)
[6]基于云模型和D-S理論的煤礦突水危險(xiǎn)性綜合評(píng)價(jià)模型[J]. 廖志恒.  煤礦安全. 2018(01)
[7]基于風(fēng)速云模型相似日的短期風(fēng)電功率預(yù)測(cè)方法[J]. 閻潔,許成志,劉永前,韓爽,李莉.  電力系統(tǒng)自動(dòng)化. 2018(06)
[8]證據(jù)推理方法在供應(yīng)商評(píng)估中的應(yīng)用[J]. 王廣澤,楊桂芝,胡楠楠,趙麗華.  哈爾濱理工大學(xué)學(xué)報(bào). 2017(06)
[9]基于證據(jù)推理和前景理論的區(qū)間多屬性決策方法[J]. 靳留乾,方新,徐揚(yáng).  模糊系統(tǒng)與數(shù)學(xué). 2017(06)
[10]基于權(quán)重融合和云模型的巖爆傾向性預(yù)測(cè)研究[J]. 李紹紅,王少陽,朱建東,李部,楊戒,吳禮舟.  巖土工程學(xué)報(bào). 2018(06)



本文編號(hào)：3346518