模糊DEMATEL-ISM

方法概述

模糊DEMATEL-ISM 将模糊集理论与 DEMATEL、ISM 方法相结合，充分利用三角模糊数处理专家评价的模糊性和不确定性，并通过 DEMATEL 量化因素间的直接影响强度、计算中心度与原因度，再通过 ISM 构建系统的层次化结构模型。该方法弥补了单一方法的不足，既能识别关键因素及其因果属性，又能揭示系统的层级关系。

该方法的核心思想是：

  • 多位专家采用语言变量（0~4 分）对因素间的直接影响程度进行打分，语言变量映射为三角模糊数。
  • 采用 CFCS 或重心法对模糊矩阵进行去模糊化，得到精确直接影响矩阵。
  • 按照 DEMATEL 计算综合影响矩阵，进而计算影响度、被影响度、中心度、原因度，并识别核心原因与结果因素。
  • 设定阈值 λ 对综合影响矩阵二值化，得到邻接矩阵。
  • 通过布尔运算迭代或阈值二值化生成可达矩阵，进而计算可达集、前因集、交集，进行 ISM 层级划分，构建骨架矩阵并绘制层次结构图。
  • 同时输出模糊 DEMATEL 散点图（中心度-原因度图）和 ISM 层次结构图，从“重要性-原因性”和“层级结构”两个维度全面分析系统。

该方法特别适用于专家评价具有主观模糊性、因素关系复杂且需要理清层次结构的决策问题，如风险识别、供应链分析、技术创新研究等。

计算步骤

1. 构建原始数据矩阵

设有 \(n\) 个因素，\(K\) 位专家。每位专家给出一个 \(n \times n\) 的直接影响矩阵 \(X^{(k)}\)，其中元素 \(x_{ij}^{(k)}\) 表示专家 \(k\) 认为因素 \(i\) 对因素 \(j\) 的直接影响强度。通常采用 0~4 分制：0=无影响，1=影响很低，2=影响低，3=影响高，4=影响很高，且 \(x_{ii}^{(k)} = 0\)。

2. 模糊语义转换

将每位专家的清晰评分转换为三角模糊数 \((l_{ij}^{(k)}, m_{ij}^{(k)}, r_{ij}^{(k)})\)。平台提供默认的模糊语义表（可自定义），例如：

专家评价 影响数值 三角模糊数 (l, m, r)
没有影响 0 (0, 0, 0.25)
影响很低 1 (0, 0.25, 0.5)
影响低 2 (0.25, 0.5, 0.75)
影响高 3 (0.5, 0.75, 1.0)
影响很高 4 (0.75, 1.0, 1.0)

3. 聚合多个专家评价

设专家 \(k\) 的权重为 \(w_k\)（\(\sum_{k=1}^{K} w_k = 1\)），则聚合后的模糊直接影响矩阵 \(\tilde{A} = [\tilde{a}_{ij}]\) 中各元素的三角模糊数为：

\[ l_{ij} = \sum_{k=1}^{K} w_k \cdot l_{ij}^{(k)},\quad m_{ij} = \sum_{k=1}^{K} w_k \cdot m_{ij}^{(k)},\quad r_{ij} = \sum_{k=1}^{K} w_k \cdot r_{ij}^{(k)} \]

4. 去模糊化（转换为精确值）

平台支持两种去模糊化方法：

（1）CFCS 法

CFCS 法是处理三角模糊数的常用方法，计算过程如下：

设全局最小值和最大值： \[ \min l = \min_{i,j} l_{ij},\quad \max r = \max_{i,j} r_{ij},\quad \Delta = \max r - \min l \]

对于每个 \(l_{ij}, m_{ij}, r_{ij}\)：

  • 标准化：

    \[ xl_{ij} = \frac{l_{ij} - \min l}{\Delta},\quad xm_{ij} = \frac{m_{ij} - \min l}{\Delta},\quad xr_{ij} = \frac{r_{ij} - \min l}{\Delta} \]

  • 左右标准化值：

    \[ xl^s_{ij} = \frac{xm_{ij}}{1 + xm_{ij} - xl_{ij}},\quad xr^s_{ij} = \frac{xr_{ij}}{1 + xr_{ij} - xm_{ij}} \]

  • 总标准化值：

    \[ x_{ij} = \frac{xl^s_{ij}(1 - xl^s_{ij}) + (xr^s_{ij})^2}{1 - xl^s_{ij} + xr^s_{ij}} \]

  • 反标准化：

    \[ z_{ij} = \min l + x_{ij} \cdot \Delta \]

最终得到精确直接影响矩阵 \(Z = [z_{ij}]\)。

（2）重心法

重心法直接取三角模糊数的算术平均值： \[ z_{ij} = \frac{l_{ij} + m_{ij} + r_{ij}}{3} \]

5. 模糊 DEMATEL 分析

5.1 规范化直接影响矩阵

设去模糊化后的直接影响矩阵为 \(Z\)，规范化方法（与经典 DEMATEL 相同）有三种：

  • 行和最大值法：\(s = \max_i \sum_j z_{ij}\)，\(B = Z / s\)
  • 列和最大值法：\(s = \max_j \sum_i z_{ij}\)，\(B = Z / s\)
  • 行和列和最大值法：\(s = \max(\max_i \sum_j z_{ij},\; \max_j \sum_i z_{ij})\)，\(B = Z / s\)

5.2 计算综合影响矩阵

规范影响矩阵 \(B\) 满足 \(\lim_{k\to\infty} B^k = 0\)，综合影响矩阵 \(T\) 为： \[ T = B + B^2 + B^3 + \cdots = B (I - B)^{-1} \]

5.3 计算关键指标

  • 影响度：\(D_i = \sum_{j=1}^{n} t_{ij}\)
  • 被影响度：\(C_i = \sum_{j=1}^{n} t_{ji}\)
  • 中心度：\(M_i = D_i + C_i\)（值越大因素越重要）
  • 原因度：\(R_i = D_i - C_i\)（\(R_i>0\) 为原因因素，\(R_i<0\) 为结果因素）
  • 因素属性：以中心度均值为界，分为核心原因、一般原因、核心结果、一般结果。

6. 模糊 DEMATEL 到 ISM 的转换

6.1 计算阈值 λ

平台支持三种阈值计算方法：

  • 均值+标准差：\(\lambda = \text{mean}(T) + \text{sd}(T)\)
  • 均值：\(\lambda = \text{mean}(T)\)
  • 自定义：用户直接输入 \(\lambda \in [0,1]\)

6.2 生成邻接矩阵

将综合影响矩阵二值化：

\[ a_{ij} = \begin{cases} 1, & t_{ij} \ge \lambda,\; i \neq j \\ 0, & \text{otherwise} \end{cases} \]

6.3 生成可达矩阵

平台支持两种可达矩阵生成方法：

  • 布尔运算迭代（Warshall 算法）：对 \(A + I\) 进行传递闭包计算。
  • 阈值二值化：直接对 \(T + I\) 按阈值 \(\lambda\) 二值化。

6.4 ISM 层级划分

对于可达矩阵 \(R\)，计算每个因素 \(i\) 的可达集 \(R(i)\)、前因集 \(Q(i)\)、交集 \(C(i)=R(i)\cap Q(i)\)。找出满足 \(R(i)=C(i)\) 的因素作为当前层级，移除后重复，直至所有因素分层完毕。同时计算骨架矩阵（删除传递冗余关系）。

7. 结果可视化

  • 模糊 DEMATEL 图：以中心度为横坐标、原因度为纵坐标绘制散点图（或块状图），用颜色区分因素属性。
  • ISM 层次结构图：根据骨架矩阵和层级绘制有向层次图，顶层为驱动因素，底层为结果因素。

案例分析

案例背景：某企业拟分析影响产品质量的四个因素：员工技能（F1）、设备精度（F2）、原材料质量（F3）、工艺规范（F4）。邀请两位专家（权重相等）采用 0~4 分制打分，原始数据（仅示专家1）如下：

F1 F2 F3 F4
F1 0 3 2 4
F2 2 0 3 3
F3 1 2 0 1
F4 3 2 2 0

计算过程

1. 转换为三角模糊数并聚合

使用默认模糊语义表，两位专家等权聚合，得到聚合模糊矩阵（略）。

2. CFCS 去模糊化

经 CFCS 计算得到精确直接影响矩阵 \(Z\)（数值简化）：

\[ Z = \begin{bmatrix} 0 & 0.58 & 0.42 & 0.75 \\ 0.42 & 0 & 0.58 & 0.58 \\ 0.25 & 0.42 & 0 & 0.25 \\ 0.58 & 0.42 & 0.42 & 0 \end{bmatrix} \]

3. DEMATEL 计算（行和最大值法）

  • 行和：\([1.75, 1.58, 0.92, 1.42]\)，最大行和 \(s=1.75\)
  • 规范矩阵 \(B = Z / 1.75\)，计算综合影响矩阵 \(T = B(I-B)^{-1}\)（略）
  • 计算影响度 \(D\)、被影响度 \(C\)、中心度 \(M\)、原因度 \(R\)，结果如下：
因素 D C M R 属性
F1 0.62 0.48 1.10 0.14 一般原因
F2 0.58 0.52 1.10 0.06 一般原因
F3 0.42 0.65 1.07 -0.23 一般结果
F4 0.53 0.60 1.13 -0.07 一般结果

平均中心度 \(\bar{M}=1.10\)，无核心因素。

4. 阈值 λ 与邻接矩阵

取 λ = 均值+标准差 = 0.15+0.08=0.23，二值化得邻接矩阵 \(A\)：

\[ A = \begin{bmatrix} 0 & 1 & 1 & 1 \\ 1 & 0 & 1 & 1 \\ 0 & 1 & 0 & 0 \\ 1 & 1 & 1 & 0 \end{bmatrix} \]

5. ISM 分层（布尔运算迭代）

添加自反性，计算传递闭包得到可达矩阵，然后分层：

  • 第1层：F3（原材料质量）
  • 第2层：F4（工艺规范）
  • 第3层：F2（设备精度）、F1（员工技能）

6. 结果解读

  • 模糊 DEMATEL：F1、F2 为原因因素（驱动），F3、F4 为结果因素。
  • ISM：F3 为顶层结果因素，F1、F2 为底层驱动因素，F4 为中间传导因素。

常见问题

Q1: 为什么要采用模糊 DEMATEL-ISM 融合？

A: 经典 DEMATEL 和 ISM 都要求输入精确的二元或数值关系，无法处理专家评价的模糊性。模糊 DEMATEL-ISM 通过三角模糊数保留评价的不确定性，去模糊化后既能量化影响强度，又能构建层次结构，结果更符合实际。

Q2: 去模糊化方法如何选择？

A: - CFCS 法：较为复杂但精度更高，能保留三角模糊数的左右分布信息，是推荐方法。 - 重心法：简单快速，适用于对精度要求不高的场合。

Q3: 阈值 λ 如何确定？

A: 平台提供均值、均值+标准差、自定义三种方式。一般推荐“均值+标准差”，能筛选出显著影响关系；也可通过敏感性分析比较不同 λ 下的 ISM 结构稳定性。

Q4: 可达矩阵生成方法有何区别？

A: - 布尔运算迭代（Warshall）：严格遵循 ISM 理论，适合无环系统，能保证传递性。 - 阈值二值化：直接对 \(T+I\) 二值化，不进行传递闭包，适合 DEMATEL 结果已包含间接关系的情况。通常推荐布尔运算迭代。

Q5: 支持多专家吗？如何设置权重？

A: 支持。Excel 文件中每个工作表代表一位专家的直接影响矩阵，用户可多选工作表，并为每个专家设置权重（系统自动归一化）。平台默认等权重。

Q6: 模糊语义表可以自定义吗？

A: 可以。平台提供可编辑的模糊语义表，用户可修改每个评分数值对应的三角模糊数，以及增加或减少等级数量。

平台功能

模糊 DEMATEL-ISM 融合分析平台提供以下核心功能：

数据输入

  • 支持 Excel（.xlsx, .xls）格式。
  • 每个工作表为一个专家的直接影响矩阵（数值 0~4 整数），第一行和第一列为因素名称，数据区域为方阵。
  • 自动校验矩阵方阵性、对角线是否为 0、数值范围等。

参数设置

  • 规范化方法：行和最大值、列和最大值、行和列和最大值。
  • 去模糊化方法：CFCS、重心法。
  • 阈值 λ 计算方法：均值+标准差、均值、自定义。
  • 自定义阈值：当选择自定义时输入（0~1）。
  • 可达矩阵生成方法：布尔运算迭代、阈值二值化。
  • ISM 分层方法：两种等价选项。
  • 选择分析的工作表：可多选，支持多专家。
  • 专家权重设置：为每个专家分配权重（自动归一化）。
  • 对角线置为 0：强制矩阵对角线为 0。
  • 聚合专家：是否加权聚合（通常选择“是”）。
  • 模糊语义定义：可自定义等级数量及各等级对应的三角模糊数（通过可编辑表格）。

结果展示

  • 模糊 DEMATEL 结果：各因素的影响度、被影响度、中心度、原因度、权重、排序、属性分类。
  • ISM 分级结果：各因素的层级、可达集、前因集、交集。
  • 矩阵展示：直接影响矩阵、规范影响矩阵、综合影响矩阵（DEMATEL）；邻接矩阵、可达矩阵、骨架矩阵（ISM）。
  • 分层迭代过程：每一层迭代的详细数据。
  • 可视化：模糊 DEMATEL 散点图（中心度-原因度图，可切换为影响度-被影响度图）和 ISM 层次结构图，均支持丰富的绘图参数自定义（颜色、点状/块状、字体大小、图例等）。
  • AI 智能分析：基于 DeepSeek API 自动解读结果，提供关键因素识别与层级结构分析（每日限 3 次）。
  • 多格式导出：支持 Excel 和 HTML 报告下载。

使用建议

  1. 准备阶段：确定系统因素列表（建议不超过 15 个），设计问卷，明确打分尺度（0~4 分）。邀请专家独立填写。

  2. 数据收集：将每位专家的矩阵放入 Excel 的不同工作表，按模板格式填写（第一行第一列为因素名称，数据区域为数值方阵）。

  3. 参数设置：

    • 检查并调整模糊语义定义，使其符合实际语义。
    • 选择去模糊化方法（推荐 CFCS）和规范化方法（推荐行和最大值法）。
    • 选择阈值 λ 计算方法（推荐均值+标准差），或根据经验自定义。
    • 选择可达矩阵生成方法（推荐布尔运算迭代）。
    • 若有多位专家，合理设置权重。

  4. 结果解读：

    • 模糊 DEMATEL 结果：识别核心原因因素（应优先管理）和核心结果因素（应作为监测指标）。
    • ISM 层次结构：顶层因素为最终输出或结果，底层因素为根本驱动。
    • 结合两者：原因度高的底层因素是最关键的管理杠杆点。
    • 利用 AI 分析获取更深入的解读。

  5. 迭代优化：

    • 若结果不符合预期，可调整阈值 λ 或规范化方法，进行敏感性分析。
    • 对比不同专家权重组合，检验稳定性。
    • 可将融合结果作为 ANP、SD 等方法的输入。

平台界面

官方地址：https://superr.online

模糊DEMATEL-ISM融合工具界面

平台界面包含：数据上传区、参数设置区、多工作表预览、模糊语义编辑、DEMATEL 与 ISM 结果展示、双重可视化图表和 AI 分析模块

参考文献：

  1. Lin C J, Wu W W. A causal analytical method for group decision-making under fuzzy environment[J]. Expert Systems with Applications, 2008, 34(1): 205-213.
  2. Opricovic S, Tzeng G H. Defuzzification within a multicriteria decision model[J]. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 2003, 11(5): 635-652.
  3. 周德群，章玲. 集成 DEMATEL-ISM 的复杂系统因素分析[J]. 系统工程理论与实践，2011, 31(3): 481-488.
  4. 基于模糊 DEMATEL-ISM 的供应链风险因素研究[J]. 中国管理科学，2016, 24(2): 76-83.