论文部分内容阅读
随着中国城市化进程的不断加快,住宅小区数量的不断增加,人们对小区物业服务质量的要求也在不断提高。但由于种种因素,中国物业管理行业问题频出,业主和物管公司之间矛盾日渐加深。究其原因,中国物业管理招投标制度仍不完善,业主在物业管理公司的选择上缺乏话语权。
本文发现,为解决此问题,近年许多小区,尤其是新建小区在物业管理公司的招标流程中加入了业主代表二次评标的环节。业主代表二次评标,即现有的物业管理公司招标流程结束后,不会直接宣布中标单位,而是排名前几的投标公司由业主代表进行二次打分并选择得分最高者中标。但这种做法仍然存在以下两个问题:
(1)二次评标的评价指标不是基于该小区业主需求制订,以致并不能体现该招标小区业主的真实需求。
(2)业主代表在评标过程中存在模糊性、主观性以及业主代表易受到场外因素影响而使打分具有倾向性。
为了解决第一个问题,本文以X小区为研究对象,在查阅文献和实地访谈的基础上,运用层次分析法(AHP),结合业主打分,建立起了基于该小区业主需求的物业评标指标体系并赋予各项指标权重。为了解决第二个问题,本文针对评标阶段业主代表打分模糊不确定性和主观随意性,采用聚类有效性指标函数和模糊c均值聚类算法,建立起了基于直觉模糊集的平均赋权模型和聚类中心模型。针对业主打分为确切数值的情况,本文根据隶属度大小对投标人进行排序;针对业主代表打分为区间值的情况,本文充分考虑了评分中的犹豫度,采用多属性决策方法对聚合后的结果进行讨论。
本文采用了三个算例来验证方法的可行性。算例1采用层次分析法,利用Super decisions软件,结合多名业主打分,求出了基于X小区业主需求的评价指标体系中各项指标的权重。算例2针对业主代表打分为数值的情况进行了讨论,首先通过Matlab编程,对多个聚类有效性指标函数进行分析,确定合适的聚类数,保证对打分聚类分析的合理性,然后通过直觉模糊c均值聚类算法,分别采用平均赋权模型和聚类中心模型为不同专家的评分赋予不同的权重并最终得到参评物业公司的隶属度,根据隶属度的大小来确定中标单位。算例3针对业主代表打分为区间值的情况进行讨论,首先首先通过Matlab编程求出最佳聚类数,然后通过直觉模糊c均值聚类算法,分别采用平均赋权模型和聚类中心模型为不同专家的评分赋予不同的权重,由于考虑到专家评分中的犹豫度,本文分别采用得分函数法和全区间决策法这两种多属性决策方法对业主代表评分的聚合值进行讨论并最终画出全区间决策图,使决策者获得尽量多的决策信息。
本文发现,为解决此问题,近年许多小区,尤其是新建小区在物业管理公司的招标流程中加入了业主代表二次评标的环节。业主代表二次评标,即现有的物业管理公司招标流程结束后,不会直接宣布中标单位,而是排名前几的投标公司由业主代表进行二次打分并选择得分最高者中标。但这种做法仍然存在以下两个问题:
(1)二次评标的评价指标不是基于该小区业主需求制订,以致并不能体现该招标小区业主的真实需求。
(2)业主代表在评标过程中存在模糊性、主观性以及业主代表易受到场外因素影响而使打分具有倾向性。
为了解决第一个问题,本文以X小区为研究对象,在查阅文献和实地访谈的基础上,运用层次分析法(AHP),结合业主打分,建立起了基于该小区业主需求的物业评标指标体系并赋予各项指标权重。为了解决第二个问题,本文针对评标阶段业主代表打分模糊不确定性和主观随意性,采用聚类有效性指标函数和模糊c均值聚类算法,建立起了基于直觉模糊集的平均赋权模型和聚类中心模型。针对业主打分为确切数值的情况,本文根据隶属度大小对投标人进行排序;针对业主代表打分为区间值的情况,本文充分考虑了评分中的犹豫度,采用多属性决策方法对聚合后的结果进行讨论。
本文采用了三个算例来验证方法的可行性。算例1采用层次分析法,利用Super decisions软件,结合多名业主打分,求出了基于X小区业主需求的评价指标体系中各项指标的权重。算例2针对业主代表打分为数值的情况进行了讨论,首先通过Matlab编程,对多个聚类有效性指标函数进行分析,确定合适的聚类数,保证对打分聚类分析的合理性,然后通过直觉模糊c均值聚类算法,分别采用平均赋权模型和聚类中心模型为不同专家的评分赋予不同的权重并最终得到参评物业公司的隶属度,根据隶属度的大小来确定中标单位。算例3针对业主代表打分为区间值的情况进行讨论,首先首先通过Matlab编程求出最佳聚类数,然后通过直觉模糊c均值聚类算法,分别采用平均赋权模型和聚类中心模型为不同专家的评分赋予不同的权重,由于考虑到专家评分中的犹豫度,本文分别采用得分函数法和全区间决策法这两种多属性决策方法对业主代表评分的聚合值进行讨论并最终画出全区间决策图,使决策者获得尽量多的决策信息。