基于灰色模糊算法的機床產品制造系統能效評價方法
【技術領域】
[0001] 本發明涉及一種機床產品制造系統能效評價方法，涉及機床產品綜合評價、綠色 生產研究領域。
【背景技術】
[0002] 制造業作為國民經濟的支柱產業，在創造巨大經濟財富的同時，也消耗了大量制 造資源特別是能源，并造成了對環境的嚴重影響。能源問題已成為制約經濟和社會發展的 直觀因素，從對能源利用的方向出發，節能成為重中之重。典型的機床制造系統的基本構成 要素可以分為生產環境、生產設備、生產對象、操作者四個部分。制造系統在生產過程中消 耗的能量可以分為直接能量和間接能量，直接能量是制造產品的各種過程消耗的能量，間 接能量是為了維護車間內的生產環境需要消耗的能量。
[0003] 加強企業能效評價、提尚系統制造系統能量效率已成為制造業的當務之急。能效 評價，即對企業在生產過程中的能效利用情況進行評價，促使企業改進生產工藝和管理方 式，從而有利用提高能源利用效率，節約能源。制造系統能效評價包括制造系統能量消耗狀 態及能量消耗過程的分析評價以及在此基礎上對能量效率的評價。提高能源利用效率的前 提是了解用能系統本身的用能情況，因此研究能效測評方法，建立完善的能效評估指標體 系具有現實意義。

【發明內容】

[0004] 本發明的目的在于提供一種機床產品制造系統能效評價方法，該方法避免了專家 主觀因素的影響，同時也避免了當樣本數據不夠全面的情況下，所獲得的權重將嚴重偏離 現實的問題，能為機床產品綜合評價提供依據和指導。
[0005] 為了達到上述目的，本發明所述的機床產品制造系統能效評價方法，包括如下步 驟：
[0006] 步驟一、建立機床廣品制造系統能效評價指標體系，能效評價指標體系中所有具 體指標構成評價因素集C;
[0007] 步驟二、應用粗糙集和層次分析法的組合方法確定指標的權重集合W;即利用粗糙 集與層次分析法分別獲得客觀、主觀兩個方面的指標權重值，對兩者進行綜合，獲得最后指 標權重值，得到一組最終的評價指標權重
[0008] ff=ywAi+( l~y)wBi
[0009] 其中wAi是指客觀權重值，wBi是指主觀權重值，μΕ [0, 1]，μ的取值根據具體情況而 定，μ越接近于〇表示決策越傾向于專家經驗，μ越接近于1表示決策越傾向于客觀數據；
[0010] 步驟三、應用線性比例變換的方法對機床產品制造系統原始定量指標數據進行無 量綱化處理；
[0011] 步驟四、應用分級打分法對機床產品制造系統原始定性指標數據進行定量化處 理；
[0012] 步驟五、應用三角形隸屬模型確定單因素模糊評價集；
[0013] 步驟六、根據灰色關聯法計算出一級指標評價矩陣，進而得到一級指標評價結果；
[0014] 步驟七、利用灰色關聯法綜合交互評價出多層指標。
[0015] 具體的，步驟一所述能效評價指標體系包括經濟能效指標、產品能效指標、設備能 效指標和任務流程能效指標4個一級指標，所述經濟能效指標包括的二級指標有:萬元產品 能耗、萬元增加值能耗，所述產品能效指標包括的二級指標有:單位產品綜合能耗、單位產 品節能量、產品用能水平，所述設備能效指標包括的二級指標有:機床設備能效、能源輸送 效率、能源加工轉換效率，所述任務流程能效指標包括的二級指標有:生產工藝能效、生產 資源調度能效，這10個二級指標構成評價因素集C。
[0016] 步驟三中，設第k個指標的原始數據值為4，則要經過下式進行無量綱化處理，其 中處理后的數據值α〇〇Ε(〇，ι)，
[0018] 且i = l，2-_n，k = l，2···ηι，其中m為決策指標數量，η為可選方案數量。
[0019] 步驟四把定性指標轉化為定量指標，采用分級打分法，對每級賦予一個分值。
[0020] 步驟五從單個指標出發，確定評價集元素的隸屬度;從U到F(V)的模糊映射：
[0022]式中，n,k表示m屬于Ck的隸屬度。
[0023] 步驟八根據灰色關聯法實現一級指標的綜合評價，最優指標集為：
[0024] 式中，m為決策指標數量，η為可選方案數量，<為第k個指標的最優值，為第i個 方案中第k個指標的原始值;可得出兩極最小差：

[0030]最后灰色綜合評價：
[0031] J=ffXR
[0032] 式中，W為權重矩陣，R為評價矩陣。
[0033] 步驟七實現多級灰色綜合評價:若指標有y層，則要進行y級灰色綜合評價，Ck作為 第k個評價指標，它的單指標評價集& X i? = …其中s作為指標數量;當指標 有兩層且每層有多個指標時，先對第二層指標進行單指標模糊評價，再由第二層指標對第 一層指標進行一級灰色綜合評價，再由第一層指標的一級灰色綜合評價結果對第二層指標 進行二級灰色綜合評價，評價結果即為系統評價結果。
[0034] 本發明的有益效果是:本發明首先建立了機床產品制造系統能效綜合評價指標體 系，然后采用組合賦權的思想，將粗糙集理論與層次分析法結合來確定機床產品制造系統 能效各指標的權重，實現了定性分析與定量分析的結合，使機床產品制造系統能效評價指 標權重的確定更科學、更合理。在此基礎上，本發明綜合灰色關聯理論和三角形隸屬模型， 提出了一種改進的灰色模糊能效分析方法，較好地克服了能效評價過程中的主觀性和客觀 性。該方法是科學合理的，企業通過計算能效，可以針對性地進行能效改進，推進綠色制造。
【附圖說明】
[0035]圖1是本發明的能效評價流程圖。
[0036] 圖2是本發明的綜合評價指標體系。
【具體實施方式】
[0037] 本發明主要是針對機床產品制造系統能效綜合評價提供了一種評價方法，如圖1 所示，該方法主要包括以下幾個步驟:步驟一、建立機床產品制造系統能效評價指標體系和 評價因素集C;步驟二、應用粗糙集一 AHM(層次分析法)組合方法確定指標的權重集合W;步 驟三、應用線性比例變換的方法對機床產品制造系統原始定量指標數據進行無量綱化處 理;步驟四、應用分級打分法對機床產品制造系統原始定性指標數據進行定量化處理。步驟 五、應用三角形隸屬模型確定單因素模糊評價集;步驟六、根據灰色關聯法計算出一級評價 矩陣，進而得到一級評價結果;步驟七、利用灰色關聯法綜合交互評價出多層指標。
[0038] 步驟一中：評價指標的選取必須注意評價的目的性、全面性、穩定性與可行性原 貝1J，評價指標的確定要以實際情況為基礎，這里選取經濟能效、產品能效、設備能效和任務 流程能效4個一級指標和10個二級指標建立能源評價指標體系，全面涵蓋了機床產品制造 系統、產品層、設備層和任務層各指標，而傳統的機床產品制造系統能效評價體系，忽略了 生產工藝能效和生產資源調度能效。本發明的整個指標體系的層次結構如如圖2所示。該能 效評價指標體系包括經濟能效指標B1、廣品能效指標B2、設備能效指標B3和任務流程能效 指標B4共4個一級指標，所述經濟能效指標B1包括的二級指標有:萬元產品能耗C1、萬元增 加值能耗C2,所述產品能效指標B2包括的二級指標有:單位產品綜合能耗C3、單位產品節能 量C4、產品用能水平C5，所述設備能效指標B3包括的二級指標有:機床設備能效C6、能源輸 送效率C7、能源加工轉換效率C8,所述任務流程能效指標B4包括的二級指標有:生產工藝能 效C9、生產資源調度能效C10,這10個二級指標構成評價因素集C。
[0039]步驟二利用粗糙集理論在處理不確定、不精確數據的優勢，能夠獲得較為客觀的 指標權重信息；另一方面利用AHM能夠充分利用領域專家經驗的優點，獲得專家對指標客觀 的重要性評價結果，克服傳統層次分析法在評價時對一致性檢驗要求較高的不足。
[0040] (1)基于粗糙集理論的權重計算方法：
[0041] 在決策表5=〇]，(：，0，￥彳）中，決策屬性0〇]/1)={01，02，...0 1{})相對于條件屬性集 C(U/C= ，C2，. . . Cm})的條件信息熵為：
[0043]其中U是對象集合，子集C是條件屬性集，D是決策屬性集，CflD= Φ，D矣Φ，V是屬 性值集合，f代表一個信息函數，它表示論域中每一個對象在相應屬性上所取到的屬性值。
[0044] 在決策表S=(U，C，D，V，f)中，VceC，則條件屬性(指標)C的重要度定義為
[0045] Sig(c) = I(D|C-{c}-I(D|C))
[0046] 在決策表S=(U，C，D，V，f)中，VreC，則條件屬性(指標)C的權重為
[0048] (2)基于AHM的權重計算方法：
[0049]為計算同層元素之間的相對重要性，建立判斷矩陣A= {aij}，其中aij = l/aji，aii = 1。其中是根據專家知識得到的重要度參數，&1」[{1，3,5,7,9}。將厶={叫}通過公式轉化 為測度矩陣
[0051 ] K為大于1的正整數，取β=1
[0052] 計算單層指標權重，得到每層指標相對于其上層指標的加權子集：
[0053] ff= [wi ,W2. . . wio],
[0056] n = 10〇
[0057] 計算底層元素的組合權重
[0058] wj=Wi*Wij
[0059] 其中表示第j項子目標對于總目標的組合權重，Wl表示第i項子目標的組合權重， 表示第j項子目標對第i項子目標的權重，其中第i項子目標位于第j項子目標的上一層。 組合權重主要用來分析各個指標的之間的重要性，不用于后面的計算。
[0060] (3)評價指標綜合權重計算函數構建：
[0061 ]利用粗糙集與AHM方法分別獲得客觀、主觀兩個方面的指標權重值，利用粗糙集理 論可以處理不確定、不精確的數據，克服了受專家主觀因素的影響，卻也容易受樣本數據的 選擇影響，特別是在樣本數據不夠全面的情況下，所獲得的權重將嚴重偏離現實。而AHM方 法可以充分利用專家的經驗，但是受人為影響很大，不能客觀反映樣本權重。因此對兩者進 行綜合，獲得最后指標權重值，得到一組最終的評價指標權重。
[0062] W=ywAi+( l~y)wBi
[0063]其中WAi是指客觀權重值，WBi是指主觀權重值，μ的取值根據具體情況而定，當決策 傾向專家經驗時，ye[o, 0.5)，而當決策傾向客觀數據時，μ e (0. 5，1 ]。最后計算所得到的 權重，即為由主觀和客觀權重綜合計算所得到的最后指標評價中的權重。
[0064]步驟三實現了定量指標的無量綱化處理，對于定量指標而言，由于各指標的計量 單位、量級不同，須對原始數據指標進行無量綱化處理，以減少隨機因素的干擾。設第k個指 標的原始數據值為則要經過下式進行無量綱化處理，其中處理后的數據值(^(1〇6(0， 1) 〇
[0066] 且i = l，2···η，1? = 1，2···ηι，其中m為決策指標數量，η為可選方案數量。
[0067] 步驟四把定性指標轉化為定量指標，本文采用分級打分法，對每級賦予一個分值， 若等級為"優、良、中、差"，則分值分別為"4、3、2、Γ。
[0068] 步驟五從單個指標出發，確定評價集元素的隸屬度。從U到F(V)的模糊映射：
[0070]式中，ru表示m屬于U的隸屬度。
[0071]確定隸屬函數的方法有函數推理法、二元對比排序法、模糊統計法、三分法以及模 糊分布法