项目执行中解决问题的矩阵排列法

　　摘要：矩阵排列定量矩阵 在决策树不实用或不适用于分析和比较备选方案的情况下，矩阵可能是一个令人满意的 方法。较后，矩阵中每个解决方案的百分比乘以相应的加权因数，将结果列在每个解决方案列的较下方(例如，对于解决方案2，0．20x90％+0．15x70％+0．15x50％+O．20x70％+O．30x80％=74％)。

　　矩阵排列

　　定量矩阵

　　 在决策树不实用或不适用于分析和比较备选方案的情况下，矩阵可能是一个令人满意的方法。图21-7显示了一个定量的加权(或评分)排列。对于特定问题中需要考虑的关键因素都列在左边的一列。对于一个计算机编程项目而言，性能指标可能包括处理速度、所需要的内存或类似因素。对于一个飞行设备，性能因素可能包括重量、体积以及可靠性。除了性能指标的标准外，还应该列出采用某种特定解决方案后对进度和成本的影响。

　　 然后，把加权因数(总计为1)分配给每个标准(或指标L然后，再输入每个解决方案能够满足特定标准的程度，以百分比表示。较后，矩阵中每个解决方案的百分比乘以相应的加权因数，将结果列在每个解决方案列的较下方(例如，对于解决方案2，0．20x90％+0．15x70％+0．15x50％+O．20x70％+O．30x80％=74％)。该方法存在四个问题：

　　 (1)如何决定加权因数会比较困难，一个主见较强的人会轻易地操纵这些因数，使之有利于自己所倾向的选择。

　　 (2)选择百分比也会很困难，尤其对于进度和成本指标而言，解决方案可能会超出计划。

　　 (3)位居第一或者加权百分比值较高的方案可能仍然不足以说明问题。

　　 (4)该方法并没有考虑人的因素，特别是某种解决方案有可能得到一个有野心的人的支持，他将不分昼夜地工作来实施某一个解决方案。

　　 尽管电子商务表格看起来已经足够了，但是可以利用计算机软件使这种方法自动化。一种协同软件——所谓的“模糊逻辑”决策矩阵——也很有用。其分析层级过程是一个商业过程。这种方法与纯粹的定量矩阵的区别在于，不需要选择加权因数，而是要选择相对重要等级。其优点是不会太倾向于一个比较强势的人所喜欢的选择。

　　 图21-8是一个模糊逻辑决策的范例，其数据来自图21—7中的矩阵。图21-7中的加权因数已经被成对的标准对比所替代，使用的是表21—1中的数字范围。举例来说，在“标准的等级”下面两行，您会看到数字“1’’和“4”。这意味着上一行的一对中，选择了标准1(性能指标A)，因为与标准2(性能指标B)相比，标准1处于“相当重要”和“略微重要”之间。在该部分的较后一对中，选择了“成本指标”标准，因为与“进度指标”相比，‘‘成本指标’’相当重要。如图21-8所示，这些数据表明解决方案1是较佳方案。因为计算过程是模糊的，对于过分自信的人来说，要操纵模糊逻辑以得到自己想要的结果就更难了。

　　定性的矩阵

　　 由于定量分析容易受到主观操纵，使用一种较为定性的矩阵通常会更好些。这种矩阵可以明确地考虑人的因素，尤其是在有人拥护或反对某种解决方案的情况下。下面一位项目经理的陈述引起了我的注意：

　　一位员工自愿到我的项目上一个较远的地方从事现场工作，并同意在该处工作一年。两个月之后，那个地方的现场经理报告说，那位员工和团队里的其他成员相处不好，那位员工也打电话说希望回来。此时，已经没有其他合格的人员愿意被安排到那了。

　　 在这种情况下，确实没有容易处理的、量化的方法。此时，唯一能用的就是定性的方法。

　　 一个定性矩阵可以使用能够获得的定量数据(见图21-9)。注意该方法的三个方面：

　　 (1)尽可能使用数字。

　　 (2)明确考虑人的因素。

　　 (3)总结既确定了有利的因素，也确定了不利的因素。

　　 另外，这种矩阵可以在任何时候使用，甚至在决策分析前期，获得所有相关数据之前就可以使用。