ISM-MICMAC

方法概述

ISM-MICMAC 将解释结构模型（Interpretive Structural Modeling, ISM）与交叉影响矩阵乘法（Cross-Impact Matrix Multiplication Applied to Classification, MICMAC）相结合，从两个维度全面分析系统因素间的结构关系。ISM 通过可达矩阵和层级划分，构建因素的层次结构图，揭示因素间的递阶关系；MICMAC 则基于同一可达矩阵，计算每个因素的驱动力（影响其他因素的能力）和依赖度（受其他因素影响的程度），并通过驱动力-依赖度散点图将因素划分为驱动、依赖、关联、独立四类。

该方法的核心思想是：

  • 输入因素间的邻接矩阵（直接二元关系）。
  • 通过 Warshall 算法计算传递闭包，得到可达矩阵。
  • 利用可达矩阵计算可达集、前因集和交集，通过迭代分层构建 ISM 层次结构图。
  • 同时基于可达矩阵计算驱动力（行和）和依赖度（列和），以均值为界绘制 MICMAC 四象限图。
  • 将 ISM 的层次结构与 MICMAC 的因素分类结果结合，全面识别系统的驱动因素、结果因素及层级位置。

该方法特别适用于因素关系明确、需要同时理清层次结构和因素重要性的决策问题，如供应链风险、技术创新、战略管理等。

计算步骤

1. 构建邻接矩阵

设有 \(n\) 个因素，根据专家判断或数据分析确定因素间的直接影响关系。邻接矩阵 \(A = [a_{ij}]_{n \times n}\) 定义如下：

\[ a_{ij} = \begin{cases} 1, & \text{因素 } i \text{ 直接影响因素 } j \\ 0, & \text{否则} \end{cases} \]

通常约定 \(a_{ii} = 0\)（因素不直接影响自身）。

2. ISM 计算可达矩阵

ISM 需要可达矩阵 \(R\) 表示因素间是否存在直接或间接的路径。采用 Warshall 算法计算传递闭包：

  • 先令 \(R = A\)，并添加自反性：\(r_{ii} = 1\)。
  • 迭代计算：\(R = R \lor (R \circ R)\)，直到矩阵不再变化。
  • 最终 \(r_{ij} = 1\) 表示因素 \(i\) 可以（通过若干步）到达因素 \(j\)。

3. ISM 层级划分

对于可达矩阵 \(R\)，计算每个因素 \(i\) 的可达集 \(R(i)\)（第 \(i\) 行中值为 1 的列集合）、前因集 \(Q(i)\)（第 \(i\) 列中值为 1 的行集合）和交集 \(C(i) = R(i) \cap Q(i)\)。

层级划分的迭代过程：

  • 当前层级：找出满足 \(R(i) = C(i)\) 的因素（即该因素的可达集等于交集），这些因素属于当前层级。
  • 从系统中移除这些因素，在剩余子系统中重复上述过程，直到所有因素都被分配层级。
  • 最终得到从顶层（第 1 层）到底层（第 L 层）的序列。顶层因素通常是最终结果或输出，底层因素是根本驱动。

4. 计算骨架矩阵（可选）

骨架矩阵（缩减矩阵）删除可达矩阵中的传递冗余关系，只保留必要的直接关系。计算方法：对于任意 \(i \neq j\)，若 \(r_{ij}=1\) 且存在 \(k \neq i,j\) 使得 \(r_{ik}=1\) 且 \(r_{kj}=1\)，则 \(i\) 到 \(j\) 的关系是传递冗余的，在骨架矩阵中置为 0；否则保留为 1。骨架矩阵通常用于绘制 ISM 层次结构图，使图形简洁。

5. MICMAC 计算驱动力与依赖度

基于可达矩阵 \(R\) 计算： - 驱动力 \(DP_i\)：因素 \(i\) 影响其他因素的能力，即第 \(i\) 行的和： \[ DP_i = \sum_{j=1}^{n} r_{ij} \] - 依赖度 \(DE_i\)：因素 \(i\) 受其他因素影响的程度，即第 \(i\) 列的和： \[ DE_i = \sum_{j=1}^{n} r_{ji} \]

6. MICMAC 因素分类

计算所有因素的平均驱动力 \(\overline{DP}\) 和平均依赖度 \(\overline{DE}\)，以这两个均值为界，将因素分为四类：

驱动力 依赖度 属性 含义
>均值 ≤均值 驱动因素 系统根源，应优先干预。
≤均值 >均值 依赖因素 系统结果，需通过改善上游因素提升。
>均值 >均值 关联因素 核心因素，既驱动又依赖，敏感且重要。
≤均值 ≤均值 独立因素 相对孤立，可单独处理。

7. 结果可视化

  • ISM 层次结构图：根据骨架矩阵和层级绘制有向层次图，顶层位于图的上方，底层位于下方，用箭头表示直接影响关系。
  • MICMAC 散点图：以驱动力为横坐标、依赖度为纵坐标绘制散点图，用不同颜色标记因素属性，并添加平均驱动力和平均依赖度的参考线，将平面划分为四个象限。

8. 结果综合解读

  • 将 ISM 的顶层因素与 MICMAC 的依赖因素对照：顶层结果因素通常是依赖度高的因素。
  • 将 ISM 的底层因素与 MICMAC 的驱动因素对照：底层驱动因素是系统的根本原因。
  • 关联因素（高驱动力、高依赖度）在 ISM 中通常处于中间层级，需谨慎管理。

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）。根据专家判断得到邻接矩阵 \(A\)：

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

计算过程

1. 计算可达矩阵

添加自反性后，用 Warshall 算法计算传递闭包，得到可达矩阵 \(R\)：

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

2. ISM 层级划分

计算可达集、前因集和交集：

因素 可达集 R(i) 前因集 Q(i) 交集 C(i) 是否 R(i)=C(i)
F1 {1,2,3,4} {1} {1} 否
F2 {2,3,4} {1,2} {2} 否
F3 {3,4} {1,2,3} {3} 否
F4 {4} {1,2,3,4} {4} 是
  • 第 1 层：F4（满足 R=C），移除 F4。
  • 剩余 F1,F2,F3，更新可达集、前因集（略），继续分层：
    • 第 2 层：F3
    • 第 3 层：F2
    • 第 4 层：F1

最终 ISM 层次：第 1 层 F4，第 2 层 F3，第 3 层 F2，第 4 层 F1。

3. 骨架矩阵

删除传递冗余后，骨架矩阵 \(S\) 为（仅保留直接关系）：

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

4. MICMAC 驱动力与依赖度

  • 驱动力（行和）：F1=4, F2=3, F3=2, F4=1
  • 依赖度（列和）：F1=1, F2=2, F3=3, F4=4
  • 平均值：\(\overline{DP}=2.5\), \(\overline{DE}=2.5\)

因素分类：

  • F1：驱动力>2.5，依赖度≤2.5 → 驱动因素
  • F2：驱动力>2.5，依赖度≤2.5 → 驱动因素
  • F3：驱动力≤2.5，依赖度>2.5 → 依赖因素
  • F4：驱动力≤2.5，依赖度>2.5 → 依赖因素

5. 综合解读

  • ISM 底层（F1、F2）对应 MICMAC 驱动因素，是系统的根本原因，应优先管理。
  • ISM 顶层（F4）对应 MICMAC 依赖因素，是系统结果，需通过改善上游因素提升。
  • 中间层 F3 是依赖因素，受 F1、F2 影响，也是 F4 的直接前因。

常见问题

Q1: ISM-MICMAC 融合与单独使用 ISM 或 MICMAC 有何优势？

A: 单独 ISM 能给出层次结构，但无法量化因素的重要程度（驱动力、依赖度）；单独 MICMAC 能给出因素分类，但无法显示层级关系。融合方法同时提供层次结构和因素分类，更全面地支持决策。

Q2: 邻接矩阵如何获得？

A: 通常通过专家问卷调查，由专家判断两两因素之间是否存在直接影响关系（0/1 打分）。也可从历史数据或理论推导得到。

Q3: ISM 分层方法有几种？平台支持几种？

A: 平台支持两种分层方法的逻辑，但核心算法均基于可达集等于交集的准则。具体选项为“a_i 为当前层级元素”和“R(a_i) 当前层级元素”，两者在数学上等价，可任选。

Q4: 驱动力和依赖度的计算是否需要考虑权重？

A: 基础 MICMAC 方法不考虑权重，直接使用可达矩阵的 0/1 值。若需要区分影响强度，可考虑使用加权可达矩阵（如模糊 MICMAC），但本平台暂未实现。

Q5: 支持多工作表吗？

A: 支持。Excel 文件中每个工作表可存放一个邻接矩阵，用户可选择单个工作表进行分析。

平台功能

ISM-MICMAC 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。
  • 每个工作表为一个邻接矩阵，第一行和第一列为因素名称，数据区域为方阵，元素为 0 或 1。
  • 自动校验矩阵方阵性、元素是否为 0/1 等。

参数设置

  • ISM 分层方法：两种等价选项。
  • 小数位数：控制结果精度（默认 4 位）。
  • 选择分析的工作表：从上传的工作表中选择一个进行分析。
  • ISM 绘图参数：可自定义图形标题、字体大小、节点大小、层间距、节点间距、箭头大小、边线颜色、节点颜色等。
  • MICMAC 绘图参数：可自定义图形标题、坐标轴标签、颜色、点状/块状、字体大小、图例等。

结果展示

  • ISM 因素分级结果：各因素的层级、可达集、前因集、交集。
  • MICMAC 驱动力-依赖度结果：各因素的驱动力、依赖度、权重、排序、属性分类。
  • 矩阵展示：邻接矩阵、可达矩阵、骨架矩阵。
  • ISM 分层迭代过程：每一层迭代时的可达集、前因集、交集等详细信息。
  • 统计分析：ISM 因素数量、分层方法、总层数；MICMAC 平均驱动力、平均依赖度。
  • 可视化：ISM 层次结构图（基于骨架矩阵绘制）和 MICMAC 散点图（四象限图），均支持交互式调整绘图参数并实时更新。
  • AI 智能分析：基于 DeepSeek API 自动解读结果，提供系统层次结构与关键因素综合分析（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：确定系统边界，筛选出关键要素（一般不超过 15 个）。设计专家问卷，明确“直接影响”的判断标准。

  2. 数据收集：邀请专家独立填写邻接矩阵（0/1 打分），汇总后可采用“多数决”或“加权平均”得到最终邻接矩阵。将矩阵按模板格式放入 Excel 工作表。

  3. 参数设置：

    • 选择合适的分层方法（默认即可）。
    • 根据需要调整 ISM 和 MICMAC 的绘图参数，使图形清晰易读。

  4. 结果解读：

    • ISM 顶层因素是系统的最终输出或结果，应作为监测指标；底层因素是根本原因或驱动力量，是管理干预的重点。
    • MICMAC 驱动因素应优先管理；依赖因素应作为监测指标；关联因素敏感且重要，需谨慎处理；独立因素可单独优化。
    • 结合两者：驱动因素通常位于 ISM 底层，依赖因素位于 ISM 顶层。
    • 利用 AI 分析获得更专业的解读和管理建议。

  5. 迭代优化：

    • 若结果不符合预期，可重新审视邻接矩阵的合理性，或与专家讨论修正。
    • 可将 ISM-MICMAC 结果与 DEMATEL、ANP 等方法结合使用。

平台界面

官方地址：https://superr.online

ISM-MICMAC融合工具界面

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

参考文献：

  1. Warfield J N. Developing interconnection matrices in structural modeling[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1974, SMC-4(1): 81-87.
  2. Godet M. Scenarios and Strategic Management[M]. Butterworths, 1987.
  3. 汪应洛. 系统工程理论、方法与应用[M]. 高等教育出版社，1998.
  4. 基于 ISM 和 MICMAC 的供应链风险因素分析[J]. 管理工程学报，2011, 25(3): 112-117.