MICMAC交叉影响矩阵相乘法

方法概述

MICMAC（Cross-Impact Matrix Multiplication Applied to Classification，交叉影响矩阵相乘法）是一种基于图论与矩阵运算的系统因素分析方法，由法国学者 Godet 于 1970 年代提出。该方法通过分析可达矩阵，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），并借助驱动力-依赖度散点图将因素划分为四类，从而识别系统的关键驱动因素和结果因素。

MICMAC 法的核心思想是：

  • 输入因素间的可达矩阵（通常由 ISM 或直接专家判断得到）。
  • 计算每个因素的驱动力（行和）和依赖度（列和）。
  • 以平均驱动力和平均依赖度为界，将因素划分为四个象限：
    • 驱动因素：高驱动力、低依赖度 → 系统根源，应优先管理。
    • 依赖因素：低驱动力、高依赖度 → 系统结果，需关注。
    • 关联因素：高驱动力、高依赖度 → 处于核心位置，敏感且重要。
    • 独立因素：低驱动力、低依赖度 → 相对孤立，可单独处理。
  • 识别关键因素，为系统优化和决策提供依据。

该方法结构简单、直观，常与 ISM、DEMATEL 等方法结合使用，广泛用于供应链风险、技术创新、战略管理等领域的因素分析。

计算步骤

1. 构建可达矩阵

设有 \(n\) 个因素，可达矩阵 \(R = [r_{ij}]_{n \times n}\) 表示因素间的可达关系： \[ r_{ij} = \begin{cases} 1, & \text{因素 } i \text{ 可以到达因素 } j \text{（直接或间接）} \\ 0, & \text{否则} \end{cases} \] 通常约定 \(r_{ii} = 1\)（自身可达）。可达矩阵可由 ISM 方法计算得到，也可由专家直接给出。

2. 计算驱动力与依赖度

  • 驱动力（Driving Power）：因素 \(i\) 影响其他因素的能力，即第 \(i\) 行的和：

    \[ DP_i = \sum_{j=1}^{n} r_{ij} \]

    驱动力越大，说明该因素对系统的影响越强。

  • 依赖度（Dependence）：因素 \(i\) 受其他因素影响的程度，即第 \(i\) 列的和：

    \[ DE_i = \sum_{j=1}^{n} r_{ji} \]

    依赖度越大，说明该因素越容易受其他因素制约。

3. 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。

4. 结果可视化

以驱动力为横坐标、依赖度为纵坐标（或相反，根据习惯），绘制散点图，并用不同颜色标记因素属性。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。

5. 结果解读与应用

  • 驱动因素：应作为管理重点，改善它们可带动整个系统。
  • 依赖因素：应作为监测指标，反映系统整体状态。
  • 关联因素：需要谨慎对待，它们既是原因也是结果，变动可能引发连锁反应。
  • 独立因素：可单独优化，不影响其他因素。

案例分析

案例背景：某企业拟分析影响产品质量的五个因素：员工技能（F1）、设备精度（F2）、原材料质量（F3）、工艺规范（F4）、检验流程（F5）。通过 ISM 方法得到可达矩阵 \(R\) 如下：

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

计算过程

1. 计算驱动力与依赖度

  • 驱动力（行和）：
    • F1: 5
    • F2: 4
    • F3: 3
    • F4: 2
    • F5: 1
  • 依赖度（列和）：
    • F1: 1
    • F2: 2
    • F3: 3
    • F4: 4
    • F5: 5

2. 计算均值

  • 平均驱动力 \(\overline{DP} = (5+4+3+2+1)/5 = 3\)
  • 平均依赖度 \(\overline{DE} = (1+2+3+4+5)/5 = 3\)

3. 因素分类

因素 驱动力 依赖度 与均值比较 属性
F1 5 1 DP>3, DE≤3 驱动因素
F2 4 2 DP>3, DE≤3 驱动因素
F3 3 3 DP=3, DE=3（边界） 独立/关联边界
F4 2 4 DP≤3, DE>3 依赖因素
F5 1 5 DP≤3, DE>3 依赖因素

4. 结果解读

  • 驱动因素：F1（员工技能）、F2（设备精度）是系统最根本的原因，改善它们可显著提升产品质量。
  • 依赖因素：F4（工艺规范）、F5（检验流程）是结果因素，受上游因素影响，应作为监控指标。
  • 边界因素：F3（原材料质量）处于均值附近，需结合实际情况判断。

常见问题

Q1: MICMAC 与 ISM 的关系是什么？

A: MICMAC 通常与 ISM 结合使用：ISM 用于构建层次结构图，MICMAC 则通过驱动力-依赖度散点图从另一个维度分析因素的重要性。两者均以可达矩阵为基础，ISM 关注层级，MICMAC 关注驱动力与依赖度。

Q2: 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。

Q3: 可达矩阵如何获得？

A: 用户可以直接提供可达矩阵（0/1 方阵），也可以使用平台提供的 ISM 工具先计算邻接矩阵和可达矩阵，再将结果导入 MICMAC 工具。

Q4: 因素属性分类的边界如何处理？

A: 当驱动力或依赖度恰好等于均值时，通常归入“独立因素”或“关联因素”的边界。本平台采用严格不等号：大于均值为高，小于等于为低。用户可根据实际需要调整分类标准。

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可达矩阵，用户可选择单个工作表进行分析。

平台功能

MICMAC 法分析平台提供以下核心功能：

数据输入

  • 支持 Excel（.xlsx, .xls）格式。
  • 每个工作表为一个可达矩阵，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

  • 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。

结果展示

  • 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。
  • 可达矩阵：展示用户上传的矩阵。
  • 统计分析：因素数量、平均驱动力、平均依赖度。
  • 可视化：驱动力-依赖度散点图（四象限图），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系统特征分析（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：明确系统因素，通过 ISM 或专家判断获得可达矩阵。确保矩阵为方阵、对角线为 1、元素为 0/1。

  2. 数据收集：将可达矩阵按模板格式放入 Excel 工作表（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：选择需要分析的工作表，设置小数位数即可。

  4. 结果解读：

    • 驱动因素应优先管理，改善它们可带动整个系统。
    • 依赖因素应作为监测指标，反映系统状态。
    • 关联因素敏感且重要，需谨慎处理。
    • 独立因素可单独优化，不与其他因素耦合。
    • 利用 AI 分析获得更专业的解读。

  5. 迭代优化：

    • 若结果不符合预期，可检查可达矩阵是否准确。
    • 可将 MICMAC 结果与 ISM 层次结构图结合分析，获得更全面的认识。
    • 对比不同可达矩阵（如不同专家意见）下的分类稳定性。

平台界面

官方地址：https://superr.online

MICMAC法工具界面

平台界面包含：数据上传区、参数设置区、工作表预览、分析结果展示和AI分析模块

参考文献：

  1. Godet M. Scenarios and Strategic Management[M]. Butterworths, 1987.
  2. 汪应洛. 系统工程理论、方法与应用[M]. 高等教育出版社，1998.
  3. 基于 MICMAC 的供应链风险因素分析[J]. 管理工程学报，2011, 25(3): 112-117.