一种基于云模型的工贸企业安全管理能力评估方法

本发明涉及一种工贸企业安全管理能力评价方法，特别是涉及一种基于云模型的工贸企业安全管理能力评估方法。

背景技术：

我国大多数工贸企业安全管理水平不足，对自身风险认识不清，不能满足双重预防机制工作上的能力要求，使得企业长期暴露于高风险中。同时，工贸企业具有基数大、分布广、人数多的特点，一旦事故发生，往往给企业带来沉重的打击，甚至导致企业倒闭。

工贸企业安全管理能力是一个复杂系统。它包含大量的定性指标，具有较强的不确定性和模糊性。另外，指标彼此还存在不易辨识的包含、相关、交叉影响等作用关系。这导致一些评价方法没有得到很好地应用，在工贸企业安全管理能力评估领域的研究也较少。因此，工贸企业缺乏有效的评估指导方法和改善途径。

当下，对安全管理能力评估的方法有层次分析法、模糊综合评价、数据包络分析法、物元分析法、云模型和topsis等。现有技术大多只采用单一评价方法评估，并且对于主客权重分配过于主观，存在一定局限性和随意性，使得评估结果与实际存在偏差。

现有技术例如公开号为cn109902909a的发明申请专利《一种基于层次分析法与灰色模糊综合评价法的项目效益评估方法》公布了一种基于层次分析法与灰色模糊综合评价法的项目效益评估方法，但涉及层次分析法过于复杂，主观信息在大量重复比较中容易造成信息的模糊和丢失。再例如公开号为cn111797364a的发明申请专利《一种基于复合云模型的滑坡多层次安全评价方法》公开了一种基于复合云模型的滑坡多层次安全评价方法，包括如下步骤：建立滑坡多层次安全评价体系；划分滑坡评价等级，确定云模型转换方式；确定各指标的组合权重；确定总的综合评价值云；确定滑坡安全评价的最终等级。此发明申请专利虽采用组合权重平衡了主客观权重，但是其评价方法只能针对单一待评价对象确定评价等级，没有考虑到各待评价对象间的优劣量化比较。

技术实现要素：

为了克服现有工贸企业安全管理能力评价方法中采用单一方法以及权重分配不合理影响评价结果准确性的缺陷，本发明提供了一种基于博弈论的组合赋权和云-topsis模型的评价方法，将云模型和topsis法结合，对多个评价对象进行排序，更好地挖掘信息中的不确定性和模糊性。同时，基于博弈论思想将纳什均衡引入组合权重的计算中，保证了评价结果的客观性和准确性，使评价对象更加客观、准确地反映企业实际管理能力。

本发明至少通过如下技术方案之一实现。

一种基于云模型的工贸企业安全管理能力评估方法，包括以下步骤：

(1)、构建工贸企业安全管理能力指标评价体系；

(2)、建立评语集及确定标准云模型；

(3)、确定各待评价工贸企业安全管理能力评价指标的组合权重；

(4)、确定各待评价工贸企业安全管理能力综合云模型；

(5)、运用云模型对各工贸企业安全管理能力进行评价、排序。

优选的，所述工贸企业安全管理能力指标评价体系包括工贸企业安全管理能力目标层和指标层，所述指标层包括一级指标、二级指标及三级指标，所述目标层即工贸企业安全管理能力。

优选的所述评语集及确定标准云模型是对各待评价工贸企业的安全管理能力确定评价等级，并将评价等级定量转化为对应标准云模型。

优选的所述确定各待评价工贸企业安全管理能力评价指标的组合权重包括以下步骤：首先，运用最优最劣法计算工贸企业安全管理能力评价指标的主观权重；再利用熵权法求得工贸企业安全管理能力评价指标客观权重；最后将博弈论引入到组合权重的计算中，以nash均衡作为协调优化目标，求得工贸企业安全管理能力评价指标的组合权重。

优选的所述最优最劣法包括步骤如下：

a.在指标集x＝(x1,x2,…,xn)中选取最优指标xb和最劣指标xw，其中，xn代表第n项指标；

b.采用1-9分制来进行评分，确定最优指标xb相对于其他指标的重要性，构造比较向量cb＝(cb1,cb2,…,cbn)，其中，cb代表最优指标xb相对于其他指标比较构成的集合，cbj代表最优指标xb与指标xj相比的重要性，1代表xb和xj同等重要，9代表xb相比xj极端重要，cbj∈[1,9]，j＝1,2,...,n，且cbb＝1,cbw＝9；cbb、cbw分别代表最优指标与自己、最劣指标相比的重要性；

c.确定其他指标相对于最劣指标xw的不重要性，构建比较向量cw＝(c1w,c2w,…,cnw)^t，其中，cw代表其他指标相对于最优指标比较构成的集合，cjw代表指标xj与最劣指标xw相比的重要性，1代表xj和xw同等重要，9代表cjw相比cw极端重要，cjw∈[1,9]，j＝1,2,...,n，且cww＝1；cww代表最劣指标与自己相比的重要性；

d.由线性优化模型式(1)得到最优指标主观权重wj^*＝(w1^*,w2^*,…,wn^*)：

minz

其中：wj^*代表由最优最劣法确定的指标主观权重集合，wb^*为cb的权重；ww^*为cw的权重；wj^*为cj的权重即指标实际权重，j＝1,2,...,n，n代表指标数量；s.t.表示在式(1)的约束下，使得参数z值最小。

优选的，所述利用熵权法求得工贸企业安全管理能力评价指客观权重的步骤如下：

1)数据标准化处理：设m家待评价的工贸企业n个评价指标得到的原始数据矩阵为：x＝(xij)m×n，i＝1，2，…，m；j＝1，2，…，n：

式中：xij代表第i家工贸企业的第j个指标；

xj代表第j个评价指标；xmax代表评价指标的最大值；xmin代表评价指标的最小值；bij为指标xij经过标准化处理后的结果；

标准化后，得到规范化的指标矩阵b＝(bij)m×n

2)计算第j个指标下第i家工贸企业指标值的比重pij：

3)计算第j个指标的熵值ej：

4)计算指标差异系数hj：

hj＝1-ej(7)

5)对hj作归一化处理，求得各指标的客观权重wj′＝(w1′,w2′,…,wn′)：

其中：wj′代表由最优最劣法确定的指标主观权重集合，wj′为第j项指标的客观权重，j＝1,2,...,n，n代表指标数量。

优选的，将博弈论引入到权重的计算中，以nash均衡作为协调优化目标，求得工贸企业安全管理能力评价指标的组合权重，使得组合权重与各个基本权重之间偏差尽可能地达到最小，体步骤如下：

a.假设使用v种方法对工贸企业安全管理能力指标评价体系中的各指标进行权重确定，每种方法构造的基本权重集wk＝(wk1,wk2,…,wkn)，将其中的v个向量任意线性组合构造组合权重集：

式中：a为一种可能的组合权重集；wk为第k种方法确定的评价指标基本权重向量集，wk^t为wk转置；gk为线性组合系数；wkn表示第k种权重确定方法对第n项指标所确定的权重；

b.利用博弈论模型对上述公式中v个线性组合系数gk进行优化，使所求的组合权重集a与各基本权重集wk的偏差最小化，即：

min‖a-wk‖2,k＝1，2，…，n(10)

c.依据矩阵微分性质，上式可等价变化为最优化一阶导数的线性方程式：

式中：w1为评价指标的第一种权重向量集，wv为评价指标的第v种权重向量集，g1为第一种权重向量集对应系数，gv为第v种权重向量集对应系数，w1^t，wv^t分别为矩阵w1和wv的转置；

d.根据矩阵的乘法公式，可计算求得(g1,g2,…,gv)：

接着对(g1,g2,…,gv)进行归一化处理：

其中，gk^*为最优组合系数；

e.最后得到最优组合权重w＝[w1,w2,…,wn]^t为：

式中：wj为第j项指标的组合权重，j＝1,2,...,n，n代表指标数量。

优选的，确定各待评价工贸企业安全管理能力综合云模型，包括以下步骤：首先，对评价指标进行打分，通过逆向云发生器确定三级评价指标云模型的字特征；然后，将其结合指标对应的组合权重，得到二级评价指标云模型；以此类推，得到一级评价指标云模型和企业安全管理能力综合云模型；

所述确定三级评价指标云模型的数字特征是通过对三级指标进行打分，并遵循双边约束即给出最低分和最高分，分值区间为[0,1]，然后按照逆向云发生器算法分别计算出最低分和最高分云数字特征(ex,c^min,en,c^min,he,c^min)、(ex,c^max,en,c^max,he,c^max)，公式如下：

式中，ex、en、he分别代表云数字特征的期望、熵、和超熵；xj为第j项指标的打分值，j＝1,2,...,n，n代表指标数量；为定量数据的样本均值；s²为样本方差；

进而根据下列公式计算出每个指标的综合云模型数字特征(ex,c,en,c,he,c)：

其中，ex,c为三级指标云数字特征中的期望，en,c为三级指标云数字特征中的熵，he,c为三级指标云数字特征中的超熵；ex,c^min、ex,c^max分别代表三级指标中某一只指标的最大期望和最小期望，en,c^min、en,c^max分别代表三级指标中某一只指标的最大熵和最小熵，he,c^min、he,c^max分别代表三级指标中某一只指标的最大超熵和最小超熵；

所述利用正向云发生器得到二级评价指标云模型是通过三级评价指标云模型(ex,c,en,c,he,c)和三级指标组合权重wc运算得到二级评价指标云模型：

式中：ex,b为二级指标云数字特征中的期望，en,b为二级指标云数字特征中的熵，he,b为二级指标云数字特征中的超熵，q为二级指标所含三级指标个数；

一级评价指标云模型和目标层的企业安全管理能力综合云模型如下：

式中：ex,a为一级指标云数字特征中的期望，en,a为一级指标云数字特征中的熵，he,a为一级指标云数字特征中的超熵：ex为一级指标云数字特征中的期望，en为一级指标云数字特征中的熵，he为一级指标云数字特征中的超熵，l为一级指标所含三级指标个数，n为三级指标总个数。

优选的，所述运用云模型对各工贸企业安全管理能力评价、排序是将云模型的汉明距离与topsis相结合构建云-topsis法，通过相对贴近度大小确定各工贸企业安全管理能力的优劣顺序。

优选的，所述云-topsis法包括以下步骤：

设n个评价指标m家待评价的工贸企业，决策者对其进行综合评价，并确定各家工贸企业安全管理能力的排序：

a.根据公式(3)对数据标准化处理，得到原始数据矩阵为：b＝(bij)m×n；

b.计算加权规范化决策矩阵z：对于指标集x＝(x1,x2,…,xn)的最优组合权重矩阵为w＝[w1,w2,…,wn]^t，将进行标准化处理后的规范化矩阵b＝(bij)m×n，点乘组合权重矩阵w得到指标加权规范化矩阵z；

z＝bw(21)

c.确定被评价对象的最优理想值和最劣理想值；

最优理想解y⁺：

y⁺＝(maxexij,minenij,minheij)(22)

式中：y⁺代表由各工贸企业安全管理能力组成的最优方案；maxexij代表选取第j项指标第i家企业期望的最大值，minenij代表选取第j项指标第i家企业熵的最小值，minheij代表选取第j项指标第i家企业超熵的最小值。

最劣理想解y^-：

y^-＝(minexij,maxenij,maxheij)(23)

式中：y^-代表由各工贸企业安全管理能力组成的最劣方案；minexij代表选取第j项指标第i家企业期望的最小值，maxenij代表选取第j项指标第i家企业熵的最大值，maxheij代表选取第j项指标第i家企业超熵的最大值。

d.计算各待评价企业与最优、最劣理想解的汉明距离：

式中：yi代表某工贸企业安全管理能力云模型数字特征；代表某工贸企业安全管理能力云模型与最优理想解的汉明距离；代表某工贸企业安全管理能力云模型与最劣理想解的汉明距离。

e.根据相对距离的计算结果，最后计算相对贴近度c^*：

与现有的技术相比，本发明的有益效果为：

本发明利用组合权重对工贸企业安全管理能力评价体系的各个指标赋权，达到能力评价的客观性，同时又能够满足主观需要。首先，运用bwm法计算工贸企业安全管理能力评价指标的主观权重；再利用熵权法求得评价指标客观权重；然后，将博弈论引入到组合权重的计算中，以nash均衡作为协调优化目标，求得评价指标的组合权重；最后，运用云-topsis法对各工贸企业安全管理能力评价、排序，更好地挖掘信息中的不确定性和模糊性，为工贸企业开展安全管理能力评估提供了一种的通用地评价方法。

附图说明

图1是本发明提出的基于组合赋权和云-topsis法的工贸企业安全管理能力评估流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细的描述，显然所描述的实施例是本发明一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本实施例一种基于云模型的工贸企业安全管理能力评估方法，包括以下步骤：

(1)、构建工贸企业安全管理能力指标评价体系；

所述工贸企业安全管理能力指标评价体系是确定定性指标和定量指标相结合的一级指标、二级指标及三级指标的指标体系。

工贸企业安全管理能力是一种特殊的企业能力，是企业在安全生产过程中累积起来的专业知识与安全技能的集合。而影响企业安全管理能力的因素主要来源于人员、设备、环境以及规章制度等方面。

本实施例的企业在安全生产过程中累积起来的专业知识与安全技能的集合从安全四大要素出发，将企业安全管理能力指标划分为人、机、环、管四个维度的一级指标。同时，依据国家法律法规、标准规范对企业安全管理的要求，结合工贸行业特点进一步细分为12个二级指标、39个三级指标，即建立工贸企业安全管理能力指标层。

作为最优的实施例，所述一级指标包括人员安全能力(a1)、设备管理能力(a2)、环境保障能力(a3)与组织管理能力(a4)；

所述人员安全能力(a1)包括安全意识(b1)、安全知识(b2)、安全能力(b3)与安全行为(b4)、；

所述设备管理能力(a2)包括生产工艺设备(b5)、安全防护设备(b6)与设备维护管理(b7)；

所述环境保障能力(a3)包括自然环境(b8)与工作环境(b9)；

所述组织管理能力(a4)包括组织建设(b10)、安全投入(b11)与安全管理体系(b12)

所述安全意识(b1)包括责任意识(c1)、风险意识(c2)和团队意识(c3)；

所述安全知识(b2)包括岗位安全标准(c4)、岗位安全操作规程(c5)、现场安全管理(c6)与安全工器具掌握(c7)；

所述安全能力(b3)包括常规安全操作能力(c8)、事故应急能力(c9)与隐患辨识能力(c10)；

所述安全行为(b4)包括遵章守纪(c11)、隐患上报(c12)与合理化建议(c13)；

所述生产工艺设备(b5)包括本质安全设备占有率(c14)、设备自动化控制程度(c15)、设备的质量(c16)与工艺技术可靠性(c17)；

所述安全防护设备(b6)包括个体防护装备(c18)、物态防护(c19)与消防设施(c20)；

所述设备维护管理(b7)包括定期检查(c21)、故障报修(c22)与日常维护保养(c23)；

所述自然环境(b8)包括生产设施布局(c24)、厂内交通状况(c25)与职业健康环境(c26)；

所述工作环境(b9)包括安全教育、活动(c27)、安全文化氛围(c28)与安全标识运用(c29)；

所述组织建设(b10)包括安全组织机构与职责(30)、安全工作计划(c31)与档案、文件保存(c32)；

所述安全投入(b11)包括人员投入(c33)、技术设施投入(c34)与文明管理投入(c35)；

所述安全管理体系(b12)包括安全生产责任制(c36)、安全培训制度(c37)、安全检查制度(c38)与应急救援体系(c39)；

(2)、确定评语集及确定标准云模型；

所述确定评语集及确定标准云模型是对各待评价工贸企业的安全管理能力指标，确定评价集等级，并将其定量转化为对应标准云模型。

作为最优的实施例，所述评价集等级划分为：i-v级，分别代表企业安全管理能力差、弱、中、良、优五个等级。采用基于黄金分割比率法对评语集进行分级，取iii级的标准云模型为(0.500,0.039,0.005)，相邻评语级的数字特征之问倍数为0.618，且越靠近论域中心，熵和超熵越低。具体标准云数字特征如表1所示：

表1工贸企业安全管理能力评价集云数字特征

(3)、确定各待评价工贸企业安全管理能力评价指标的组合权重；

所述确定各待评价工贸企业安全管理能力评价指标的组合权重包括以下步骤：首先，运用最优最劣法(bestworstmethod,bwm)计算工贸企业安全管理能力评价指标的主观权重；再利用熵权法求得评价指标客观权重；最后将博弈论引入到综合权重的计算中，以nash均衡作为协调优化目标，求得评价指标的组合权重。

所述运用最优最劣法(bestworstmethod,bwm)计算工贸企业安全管理能力评价指标的主观权重，是通过选择出最优和最劣2种指标，并分别与其余指标进行比较，只需要2n-3次，相比于常用的层次分析法，大大简化了繁琐的过程，数据量也大幅度减少，降低了由于数据过多而导致的失误，更容易通过一致性检验，提高了可靠性。

所述运用最优最劣法包括步骤如下：

a.在指标集x＝(x1,x2,…,xn)中选取最优指标xb和最劣指标xw，其中，xj代表第j项指标，n代表指标数量。

b.采用1-9分制来进行评分，确定最优指标xb相对于其他指标的重要性，构造比较向量cb＝(cb1,cb2,…,cbn)，其中，cb代表最优指标xb相对于其他指标比较构成的集合，cbj代表最优指标xb与指标xj相比的重要性，1代表xb和xj同等重要，9代表xb相比xj极端重要，cbj∈[1,9]，j＝1,2,...,n，且cbb＝1,cbw＝9；cbb、cbw分别代表最优指标与自己和最劣指标相比的重要性。

c.确定其他指标相对于最劣指标xw的不重要性，构建比较向量cw＝(c1w,c2w,…,cnw)^t，其中，cw代表其他指标相对于最优指标比较构成的集合，cjw代表指标xj与最劣指标xw相比的重要性，1代表xj和xw同等重要，9代表cjw相比cw极端重要，cjw∈[1,9]，j＝1,2,...,n，且cww＝1；cbb、cbw分别代表最优指标与自己和最劣指标相比的重要性。

d.由线性优化模型式(1)得到最优指标主观权重wj^*＝(w1^*,w2^*,…,wn^*)：

minz

其中：wj^*代表由最优最劣法确定的指标主观权重集合，wb^*为xb的权重；ww^*为xw的权重；wj^*为xj的最佳权重，即指标实际权重；s.t.表示在满足式(1)的条件下，使k值最小化，k为一致性数量指标。

所述利用熵权法求得工贸企业安全管理能力评价指标的客观权重包括数据标准化处理，计算第j个指标下第i个工贸企业指标值的比重pij；计算第j个指标的熵值ej；计算指标差异系数hj；对hj作归一化处理；计算各指标的客观权重。

具体计算方法及求解步骤如下：

1)数据标准化处理：设m家待评价的工贸企业n个评价指标得到的原始数据矩阵为：x＝(xij)m×n，(i＝1，2，…，m；j＝1，2，…，n)：

式中：xij代表第i家工贸企业的第j个指标。

xj代表第j个评价指标；xmax代表评价指标的最大值；xmin代表评价指标的最小值；bij为指标xij经过标准化处理后的结果。

标准化后，得到规范化的指标矩阵b＝(bij)m×n。

2)计算第j个指标下第i个工贸企业指标值的比重pij：

3)计算第j个指标的熵值ej：

4)计算指标差异系数hj：

hj＝1-ej(7)

5)对hj作归一化处理，计算各指标的客观权重：

更进一步地，所述将博弈论引入到组合权重的计算中，以nash均衡作为协调优化目标，求得评价指标的组合权重，使得组合权重与各个基本权重之间偏差尽可能地达到最小，进而得到一个较为合理的组合权重，具体步骤如下：

1).本实施例使用主、客两种方法对工贸企业安全管理能力指标评价体系中的各指标进行权重确定，由此构造一个基本权重向量集wk＝(wk1,wk2,…,wkn)，n为评价指标数量，k代表第k种方法确定的权重，本实施例共有2种方法，将2个向量集线性组合构造一个组合权重集a：

a＝g1w1^t+g2w2^t,gk>0，k＝1,2(9)

式中：a为一种可能的组合权重集；w1、w2分别为评价指标的主观权重向量集和客权重向量集；gk为线性组合系数，k＝1,2。

2).上述公式中2个线性组合系数gk，需要利用博弈论模型进行优化，目的是使a与各个wk的偏差极小化，进而从组合权重集中找寻到最合理的权重w，因此，导出博弈模型为：

min‖a-wk‖2,k＝1，2(10)

3).通过将两个组合权重向量进行交叉组合的规划模型，依据矩阵微分性质，得到最优化一阶导数条件为：

4).由上式可求得g1＝0.8261,g2＝0.6443，接着对其进行归一化处理：

g1^*＝0.562，g2^*＝0.438

得到最优组合权重w：

w＝0.562w1+0.438w2(13)

式中，w1为最优组合下评价指标主观权重集，w2为最优组合下评价指标客观权重集。

表2工贸企业安全管理能力指标评价体系及指标权重

本实施例确定各待评价工贸企业安全管理能力综合云模型，包括以下步骤：首先，对评价指标进行打分，通过逆向云发生器确定三级评价指标云模型的数字特征；然后，将其结合指标对应的组合权重，得到二级评价指标云模型；以此类推，求得一级评价指标云模型和企业安全管理能力综合云模型。

所述确定三级评价指标云模型的数，字特征是通过对三级指标进行打分，并遵循双边约束即给出最低分和最高分，分值区间为[0,1]，然后按照公式(14)分别计算出各专家打分的最低分和最高分云数字特征(ex,c^min,en,c^min,he,c^min)、(ex,c^max,en,c^max,he,c^max)。

式中：ex,c为三级指标云数字特征中的期望，en,c为三级指标云数字特征中的熵，he,c为三级指标云数字特征中的超熵。

ex,c^min为各专家打分对一项三级指标最低分的期望，en,c^min为各专家打分对一项三级指标最低分的熵，he,c^min为各专家打分对一项三级指标最低分的超熵。ex,c^max为各专家打分对一项三级指标最高分的期望，en,c^max为各专家打分对一项三级指标最高分的熵，he,c^max为各专家打分对一项三级指标最高分的超熵，s为样本方差。根据公式(15)计算出每个指标的综合云模型数字特征(hx,c,en,c,he,c)：

更进一步地，所述确定三级评价指标云模型的数字特征是通过对三级指标进行打分，并遵循双边约束即给出最低分和最高分，分值区问为[0,1]，然后按照逆向云发生器算法分别计算出最低分和最高分云数字特征(ex,c^min,he,c^min,he,c^min)、(ex,c^max,en,c^max,he,c^max)，根据公式(16)计算出每个指标的综合云模型数字特征(ex,c,en,c,he,c)：

所述利用正向云发生器得到二级评价指标云模型是通过三级评价指标云模型(ex,c,en,c,he,c)和三级指标组合权重wc运算得到二级评价指标云模型下：

ex,b为二征中的期望，en,b为二级指标云数字特征中的熵，he,b为二级指标云数字特征中的超熵。q为二级指标所含三级指标个数。

以此类推，求得一级评价指标云模型和目标层的企业安全管理能力综合云模型，如下公式：

式中：ex,a为一级指标云数字特征中的期望，en,a为一级指标云数字特征中的熵，he,a为一级指标云数字特征中的超熵。：ex为一级指标云数字特征中的期望，en为一级指标云数字特征中的熵，he为一级指标云数字特征中的超熵。l为一级指标所含三级指标个数，n为三级指标总个数。

表3a工贸企业各级指标云模型及企业安全管理能力综合云模型

结合表1的工贸企业安全管理能力评价集云数字特征，可确定a企业安全管理能力评价结果处于iv级，安全管理能力评价结果为良。根据式(14)～式(19)同理确定b、c、d另外三家企业的云数字特征为(0.744,0.064,0.013)、(0.666,0.055,0.28)、(0.614,0.053,0.013)。

本实施例运用云-topsis模型对各待评价工贸企业安全管理能力评价、排序。

进一步地，所述运用云-topsis模型对各待评价工贸企业安全管理能力评价、排序是将云模型的汉明距离与topsis相结合构建云-topsis法，以此得到各待评价工贸企业综合云模型与最劣理想解云模型间的相对距离，进而确定各待评价工贸企业安全管理能力的优劣顺序。

更进一步地，所述各待评价工贸企业综合云模型与最劣理想解云模型间的相对距离可以通过以下定义得到。

设y1＝(ex1,en1,he1)和y2＝(ex2,en2,he2)为两朵综合云，则定义云y1和云y2的汉明距离为：

更进一步地，所述通过相对贴近度大小确定各工贸企业安全管理能力的优劣顺序是利用标准化后的原始数据，分别计算其离最优、最差理想值的汉明距离，其中，正理想解是指各指标值都达到最理想值的方案，负理想解指各指标值都达到最差理想值的方案。那么最优解是距离最优正理想值最近，且距离最差理想值最远的那一个，用贴近度来表示，贴近度越小表示方案越优。

具体步骤如下：

设39个评价指标和a、b、c、d共4家待评价的工贸企业，决策者对其进行综合评价，并确定各家工贸企业安全管理能力的排序。

a.根据公式(6)进行数据标准化处理，得到的原始数据矩阵为：b＝(bij)4×39；

b.计算加权规范化决策矩阵z：对于指标集x＝(x1,x2,…,x39)的最优组合权重矩阵为w＝[w1,w2,…,w39]^t，将进行标准化处理后的规范化矩阵b＝(bij)4×39，点乘组合权重矩阵w即可算出指标加权规范化矩阵z。

z＝bw(21)

c.确定被评价对象的最优理想解和最劣理想解：

最优理想解：

y⁺＝(0.798,0.053,0.011)

最劣理想解：

y^-＝(0.614,0.064,0.28)

d.计算各待评价企业与最优、最劣理想解的汉明距离：

e.根据相对距离的计算结果，最后计算相对贴近度：

解得

根据c^*的大小进行排序，c^*越小企业安全管理能力越优。所以，b企业>a企业>d企业>c企业，a企业安全管理能力最优。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。