亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        多目標(biāo)模糊綜合評(píng)價(jià)的數(shù)控機(jī)床元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性識(shí)別

        2022-04-29 04:01:08黃廣全肖莉明金傳喜張根保
        關(guān)鍵詞:關(guān)鍵特性專(zhuān)家

        黃廣全,肖莉明+,金傳喜,庾 輝,張根保,2

        (1.重慶大學(xué) 機(jī)械傳動(dòng)國(guó)家重點(diǎn)實(shí)驗(yàn)室,重慶 400044;2.重慶文理學(xué)院 智能制造工程學(xué)院,重慶 402160)

        0 引言

        數(shù)控機(jī)床整機(jī)質(zhì)量是由多個(gè)質(zhì)量特性共同作用的結(jié)果,在機(jī)床制造過(guò)程中,每個(gè)質(zhì)量特性必須滿(mǎn)足各自規(guī)定的特性值要求。通常機(jī)床包含多個(gè)子系統(tǒng),不同層次結(jié)構(gòu)和部件的質(zhì)量特性對(duì)整機(jī)質(zhì)量的影響強(qiáng)度不同[1]。若機(jī)床關(guān)鍵質(zhì)量特性超過(guò)指定的特征值許用要求,則會(huì)降低整機(jī)在其服役期對(duì)零件的加工質(zhì)量,影響正常生產(chǎn),甚至造成人身傷害,從而直接影響客戶(hù)的使用體驗(yàn),降低機(jī)床產(chǎn)品的競(jìng)爭(zhēng)力。因此,有必要分析并識(shí)別出數(shù)控機(jī)床關(guān)鍵質(zhì)量特性,以便工程師有針對(duì)性地實(shí)施質(zhì)量控制措施,提高機(jī)床質(zhì)量。

        目前,相關(guān)學(xué)者已對(duì)數(shù)控機(jī)床等復(fù)雜產(chǎn)品關(guān)鍵質(zhì)量特性識(shí)別工作進(jìn)行了研究。例如,尤建新等[2]應(yīng)用E-learning系統(tǒng)對(duì)產(chǎn)品關(guān)鍵質(zhì)量特性進(jìn)行識(shí)別;李岸達(dá)等[3]利用一種多目標(biāo)鯨魚(yú)優(yōu)化算法獲取產(chǎn)品的關(guān)鍵質(zhì)量特性;王寧等[4]利用最小二乘法提取出產(chǎn)品制造過(guò)程的關(guān)鍵質(zhì)量特性;LI等[1]利用一種兩階段雙目標(biāo)特征選擇法識(shí)別復(fù)雜產(chǎn)品的關(guān)鍵質(zhì)量特性。然而,這些研究都是從整機(jī)角度出發(fā)識(shí)別對(duì)產(chǎn)品有重要影響的關(guān)鍵質(zhì)量特性,識(shí)別結(jié)果均針對(duì)整機(jī)層。而數(shù)控機(jī)床作為典型的復(fù)雜機(jī)械產(chǎn)品,其包含了十幾個(gè)功能部件和幾千個(gè)零件,具體從哪些部分開(kāi)始控制和怎么控制才能使整機(jī)的質(zhì)量特性得到保障仍然是個(gè)難題。因此,可以將數(shù)控機(jī)床整機(jī)進(jìn)行分解,化繁為簡(jiǎn)地從較小的機(jī)械結(jié)構(gòu)實(shí)施關(guān)鍵質(zhì)量特性的識(shí)別和控制。

        元?jiǎng)幼鲉卧钦麢C(jī)系統(tǒng)最小的結(jié)構(gòu)化運(yùn)動(dòng)單元,數(shù)控機(jī)床是由若干元?jiǎng)幼鲉卧凑找欢ǖ捻樞蚝吞囟ǖ慕Y(jié)構(gòu)裝配而成的機(jī)械系統(tǒng)[5]。機(jī)床整機(jī)功能的實(shí)現(xiàn)依賴(lài)于各個(gè)元?jiǎng)幼鲉卧獎(jiǎng)幼鞯耐瓿?。而整機(jī)質(zhì)量特性體現(xiàn)于其功能的完成質(zhì)量,同樣元?jiǎng)幼鲉卧獎(jiǎng)幼鞯耐瓿少|(zhì)量承載著元?jiǎng)幼鲉卧馁|(zhì)量特性信息。因此,元?jiǎng)幼鲉卧馁|(zhì)量特性直接影響著整機(jī)的質(zhì)量特性,只有保證了各元?jiǎng)幼鲉卧馁|(zhì)量特性,才能進(jìn)一步保證機(jī)床整機(jī)的質(zhì)量特性。因而,整機(jī)關(guān)鍵質(zhì)量特性的篩選和控制可轉(zhuǎn)換為元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性的識(shí)別和控制。目前,相關(guān)學(xué)者對(duì)元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性的識(shí)別工作進(jìn)行了一定的研究,例如,徐人月[6]通過(guò)模糊聚類(lèi)法從可靠性、精度和精度壽命等方面識(shí)別元?jiǎng)幼鲉卧年P(guān)鍵質(zhì)量特性;孫云艷[7]通過(guò)對(duì)裝配誤差傳遞累計(jì)過(guò)程進(jìn)行建模,分析出對(duì)元?jiǎng)幼鲉卧b配質(zhì)量影響較大的質(zhì)量特性;冉琰[8]從可靠性、性能穩(wěn)定性、精度和精度壽命等4個(gè)方面出發(fā),利用質(zhì)量功能展開(kāi)法和失效模式及影響分析法對(duì)元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性進(jìn)行識(shí)別;張恒[9]以提高數(shù)控機(jī)床的精度、精度壽命和可靠性為目標(biāo)對(duì)元?jiǎng)幼鲉卧|(zhì)量特性進(jìn)行評(píng)估。然而,這些研究只從可靠性、精度、精度壽命或者穩(wěn)定性等角度實(shí)施元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性的篩選,考慮的因素較少。鑒于機(jī)床系統(tǒng)的復(fù)雜性和質(zhì)量特性的多元性,可能造成質(zhì)量特性的遺漏,影響元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性識(shí)別結(jié)果的準(zhǔn)確性。

        元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性識(shí)別本質(zhì)上是一個(gè)多目標(biāo)決策問(wèn)題。決策過(guò)程中一般涉及3個(gè)重要方面:專(zhuān)家評(píng)估值的處理、多目標(biāo)評(píng)價(jià)準(zhǔn)則的確定和關(guān)鍵質(zhì)量特性的決策。由于機(jī)床系統(tǒng)的復(fù)雜性和人類(lèi)認(rèn)知的有限性,評(píng)估前應(yīng)首先建立由經(jīng)驗(yàn)豐富的專(zhuān)家組成的專(zhuān)家團(tuán)隊(duì)。通常,專(zhuān)家組對(duì)質(zhì)量特性的評(píng)估值具有一定的模糊性和不確定性。為了消除模糊信息對(duì)決策過(guò)程的影響,目前已經(jīng)有許多方法和理論可以對(duì)專(zhuān)家給出的模糊評(píng)估信息進(jìn)行處理,例如模糊集[10]、三角模糊數(shù)[11]、直覺(jué)模糊數(shù)[12]、證據(jù)理論[13]、粗糙集[14]、梯形模糊數(shù)[15]。在這些方法中,基于模糊邏輯的不確定信息處理方法(例如模糊集、三角模糊數(shù)、梯形模糊數(shù)等)簡(jiǎn)單、易用,已成為目前最常見(jiàn)的模糊信息處理方法[16]。但這類(lèi)方法依然存在缺陷,其對(duì)先驗(yàn)知識(shí)依賴(lài)較大,例如數(shù)據(jù)分布和隸屬度函數(shù),這使得它們不能靈活地反映專(zhuān)家判斷偏好的變化和主觀性。在質(zhì)量特性評(píng)價(jià)準(zhǔn)則方面,文獻(xiàn)[6-7,9,17]僅以質(zhì)量特性對(duì)系統(tǒng)重要性為準(zhǔn)則實(shí)施關(guān)鍵質(zhì)量特性的評(píng)估,考慮的因素較少,可能造成不準(zhǔn)確的評(píng)估結(jié)果。

        在質(zhì)量特性決策方面,目前已有許多方法適用于數(shù)控機(jī)床關(guān)鍵質(zhì)量特性的評(píng)估,如逼近理想解法(Technique for Order Performance by Similarity to Ideal Solution, TOPSIS)[18]、多屬性邊界逼近區(qū)域比較法(Multi-attributive Border Approximation area Comparison, MABAC)[19]、消除和選擇轉(zhuǎn)換法(Elimination and Choice Translating Reality, ELECTRE)[20-21]、偏好順序結(jié)構(gòu)評(píng)估法(Preference Ranking Organization Method for Enrichment Evaluation, PROMETHEE)[22]、多準(zhǔn)則妥協(xié)解排序法(VIsekriterijumska Optimizacija i Kompromisno Resenje, VIKOR)[23]等。然而,這些方法都潛在地認(rèn)為專(zhuān)家在決策過(guò)程是完全合理的,忽略了他們面對(duì)收益選擇或損失選擇時(shí)的心理偏向。事實(shí)上,專(zhuān)家對(duì)模糊事件進(jìn)行判斷時(shí)并非完全理性,他們的決策行為通常受其心理偏向的影響。此外,在決策過(guò)程中,專(zhuān)家和評(píng)價(jià)因子的權(quán)重同樣對(duì)決策結(jié)果產(chǎn)生影響。目前,很多關(guān)鍵質(zhì)量特性識(shí)別方法只考慮了單一的專(zhuān)家權(quán)重或者評(píng)價(jià)因子的權(quán)重,這也會(huì)降低評(píng)價(jià)結(jié)果的準(zhǔn)確性。

        為了解決上述問(wèn)題,本文提出一種多目標(biāo)模糊評(píng)價(jià)的數(shù)控機(jī)床元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性識(shí)別方法,從多目標(biāo)角度出發(fā),通過(guò)集成粗糙數(shù)理論、云模型理論和TODIM方法(一種多準(zhǔn)則決策方法的葡萄牙語(yǔ)縮寫(xiě))對(duì)元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性進(jìn)行篩選。首先,從精度、精度壽命、可靠性、穩(wěn)定性、維修性和可用性6大方面構(gòu)建元?jiǎng)幼鲉卧|(zhì)量特性指標(biāo)體系,并結(jié)合多目標(biāo)評(píng)價(jià)準(zhǔn)則建立元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性多目標(biāo)評(píng)價(jià)體系。其次,將粗糙數(shù)理論和云模型理論相結(jié)合以處理專(zhuān)家評(píng)估信息中的多種模糊性。再次,考慮專(zhuān)家和評(píng)價(jià)因子的權(quán)重信息,利用TODIM方法對(duì)元?jiǎng)幼鲉卧|(zhì)量有重要影響的關(guān)鍵質(zhì)量特性進(jìn)行識(shí)別。最后,通過(guò)應(yīng)用實(shí)例驗(yàn)證了所提方法的有效性。

        1 預(yù)備知識(shí)

        1.1 元?jiǎng)幼骼碚?/h3>

        為解決傳統(tǒng)關(guān)鍵質(zhì)量特性識(shí)別方法均針對(duì)整機(jī)層,篩選結(jié)果難以直接應(yīng)用于較小結(jié)構(gòu)單元的問(wèn)題。本文從元?jiǎng)幼鲉卧霭l(fā),對(duì)其關(guān)鍵質(zhì)量特性進(jìn)行識(shí)別。

        1.2 粗糙數(shù)理論

        基于經(jīng)典粗糙集理論,ZHAI等[25]提出了包含粗糙上限、下限及間隔等數(shù)字特征的粗糙數(shù)理論。該理論可以直接應(yīng)用原始打分?jǐn)?shù)據(jù)來(lái)處理用戶(hù)的主觀偏好信息,且不需要額外的假設(shè)或先驗(yàn)知識(shí)。其不僅可以較好地反映用戶(hù)的真實(shí)感受,還可以綜合考慮所有的評(píng)價(jià)信息,消除客戶(hù)群體評(píng)價(jià)信息的主觀性和不精確性。考慮到不同專(zhuān)家給出的評(píng)價(jià)信息的多樣性特點(diǎn),本文使用粗糙數(shù)對(duì)評(píng)價(jià)信息進(jìn)行處理。

        定義1[26]設(shè)U為決策論域,可歸納為g個(gè)類(lèi)并形成集合Z,表示為:Z={z1,z2,…,zg}。如U中元素滿(mǎn)足關(guān)系z(mì)1

        (1)

        (2)

        (3)

        (4)

        zk對(duì)應(yīng)的粗糙數(shù)為:

        (5)

        其中:ML和MU分別為下近似和上近似中的元素個(gè)數(shù);Z(Y)為元素Y所在的類(lèi)。

        1.3 云模型

        云模型是由李德毅院士等[27]提出的一種基于概率論和模糊集理論的不確定性認(rèn)知表達(dá)方法,其能夠有效刻畫(huà)人類(lèi)思維中對(duì)概念的不確定性。傳統(tǒng)模糊集僅應(yīng)用精確的隸屬度去反映論域U中一個(gè)特定元素的不確定性,即元素屬于一個(gè)概念的不確定性是精確的,這有悖于該理論反映事物模糊性的初衷。而云模型通過(guò)允許隸屬度圍繞對(duì)應(yīng)中心值隨機(jī)的擾動(dòng)來(lái)解決該問(wèn)題。因此,云模型可以更加有效地反映信息的模糊性。

        定義2[27]假設(shè)T為一個(gè)定義在論域U中的定性概念。x(x∈X)為概念T的一個(gè)隨機(jī)值,GT(x)∈(0,1)為x對(duì)于概念T的隸屬度,其對(duì)應(yīng)于具有穩(wěn)定傾向的隨機(jī)數(shù),而不是特定的精確值。x在論域U中的分布稱(chēng)作隸屬云,簡(jiǎn)稱(chēng)云,x被稱(chēng)作一個(gè)云滴。通常,一個(gè)云可以表達(dá)為y=(Ex,En,He)的形式,其中:期望Ex表示定性概念域的中值,熵En代表定性概念T的模糊性,超熵He代表隸屬函數(shù)的不確定性和云滴的分散程度。

        定義3[27]對(duì)于一個(gè)定性概念T,屬于概念T的隨機(jī)值x滿(mǎn)足下式:

        x~N(Ex,En′2),

        (6)

        En′~N(En,He2)。

        (7)

        x對(duì)概念T的確定度滿(mǎn)足下式:

        (8):

        2 元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性多目標(biāo)評(píng)價(jià)體系

        2.1 質(zhì)量特性指標(biāo)分析

        如前所述,目前對(duì)數(shù)控機(jī)床元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性識(shí)別工作的研究大多只針對(duì)精度、可靠性或者穩(wěn)定性等方面,考慮因素較少,可能導(dǎo)致評(píng)估結(jié)果的不合理,造成關(guān)鍵質(zhì)量特性的遺漏。為解決上述問(wèn)題,本研究設(shè)計(jì)了相關(guān)的調(diào)查問(wèn)卷,對(duì)用戶(hù)和相關(guān)企業(yè)各部門(mén)管理人員進(jìn)行了調(diào)研。結(jié)果表明,除了精度、可靠性和穩(wěn)定性等屬性外,無(wú)論是企業(yè)還是用戶(hù)均對(duì)元?jiǎng)幼鲉卧褂眠^(guò)程中對(duì)初始精度的保持能力、故障發(fā)生后的維修情況以及元?jiǎng)幼鲉卧诠ぷ鬟^(guò)程中的可用性等方面表現(xiàn)出了極高的關(guān)注度。因此,本文提出從精度、精度壽命、穩(wěn)定性、可靠性、維修性、可用性6大方面出發(fā),構(gòu)建元?jiǎng)幼鲉卧|(zhì)量特性指標(biāo)體系。下面對(duì)上述6大質(zhì)量特性進(jìn)行定義,并分析其重要性。

        定義4元?jiǎng)幼鲉卧戎冈獎(jiǎng)幼鲉卧谝?guī)定的條件和時(shí)間下執(zhí)行規(guī)定移動(dòng)或轉(zhuǎn)動(dòng)動(dòng)作的精確程度[17]。該指標(biāo)反映了元?jiǎng)幼鲉卧谄浞垭A段精確地完成規(guī)定任務(wù)的能力。元?jiǎng)幼鲉卧葘?duì)機(jī)床整機(jī)精度的影響巨大,單元精度要求是保證機(jī)床整機(jī)系統(tǒng)達(dá)到精度要求的必要條件。而整機(jī)精度的高低直接決定了被加工零件的精度,也直接決定了機(jī)床的應(yīng)用范圍和檔次。

        定義5元?jiǎng)幼鲉卧葔勖冈獎(jiǎng)幼鲉卧3殖跏紶顟B(tài)精度水平的時(shí)間,即元?jiǎng)幼鲉卧獜姆坶_(kāi)始到發(fā)生精度失效(無(wú)法滿(mǎn)足設(shè)計(jì)精度要求)的間隔時(shí)間[17]。整機(jī)要達(dá)到設(shè)計(jì)的精度壽命要求,首先要保證各元?jiǎng)幼鲉卧木葔勖笥诨虻扔谡麢C(jī)的壽命要求。因此,元?jiǎng)幼鲉卧木葔勖钦麢C(jī)精度壽命的必要組成部分。單元精度壽命越長(zhǎng),則說(shuō)明其保持精確動(dòng)作的時(shí)間越長(zhǎng),對(duì)客戶(hù)越有利。

        定義6元?jiǎng)幼鲉卧煽啃灾冈獎(jiǎng)幼鲉卧谝?guī)定的條件和時(shí)間下,協(xié)調(diào)、準(zhǔn)確、及時(shí)地完成規(guī)定機(jī)械轉(zhuǎn)動(dòng)或移動(dòng)動(dòng)作的能力。該指標(biāo)可以反映元?jiǎng)幼鲉卧诜垭A段無(wú)故障地完成規(guī)定機(jī)械動(dòng)作的能力。元?jiǎng)幼鲉卧煽啃栽礁?,則其在保證各規(guī)定動(dòng)作得到精確執(zhí)行的情況下平均無(wú)故障工作時(shí)間越長(zhǎng)。

        定義7元?jiǎng)幼鲉卧阅芊€(wěn)定性指元?jiǎng)幼鲉卧诜圻^(guò)程中,在能夠滿(mǎn)足各項(xiàng)設(shè)計(jì)約束條件下,保持運(yùn)動(dòng)穩(wěn)定的能力[17]。元?jiǎng)幼鲉卧€(wěn)定運(yùn)行是整機(jī)穩(wěn)定運(yùn)行的前提。通常,元?jiǎng)幼鲉卧膶?shí)際動(dòng)作輸出數(shù)值會(huì)在理想輸出值附近波動(dòng),該波動(dòng)越小,則單元的穩(wěn)定性越好。

        定義8元?jiǎng)幼鲉卧S修性指元?jiǎng)幼鲉卧谝?guī)定的條件、程序、方法和時(shí)間等相應(yīng)條件下恢復(fù)執(zhí)行規(guī)定動(dòng)作的能力。該指標(biāo)反映了元?jiǎng)幼鲉卧诜圻^(guò)程中發(fā)生故障后,被修復(fù)為正常工作狀態(tài)的能力。維修性越高,則元?jiǎng)幼鲉卧木S修成本越低。

        定義9元?jiǎng)幼鲉卧捎眯灾冈诒WC外部資源的情況下,元?jiǎng)幼鲉卧趯?duì)規(guī)定的功能要求下有效的完成其特定的動(dòng)作。元?jiǎng)幼鲉卧捎眯允瞧涫褂眠^(guò)程中綜合性能的體現(xiàn),要保證整機(jī)的可用性,則每個(gè)元?jiǎng)幼鲉卧目捎眯员仨毷紫鹊玫奖WC。

        2.2 元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性多目標(biāo)評(píng)價(jià)體系的建立

        元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性評(píng)價(jià)體系健全與否,對(duì)元?jiǎng)幼鲉卧年P(guān)鍵質(zhì)量特性求解過(guò)程和求解結(jié)果有重要影響。質(zhì)量特性指標(biāo)過(guò)少,會(huì)導(dǎo)致評(píng)價(jià)體系不健全,使得具有重要影響的關(guān)鍵質(zhì)量特性遺失;質(zhì)量特性指標(biāo)過(guò)多,不僅會(huì)增加求解過(guò)程的復(fù)雜性,還會(huì)對(duì)關(guān)鍵質(zhì)量特性求解結(jié)果造成干擾,降低關(guān)鍵質(zhì)量特性識(shí)別結(jié)果的準(zhǔn)確性。因此,識(shí)別對(duì)元?jiǎng)幼鲉卧兄匾绊懙年P(guān)鍵質(zhì)量特性的前提是建立健全的元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性指標(biāo)體系。

        基于文獻(xiàn)[7-9,25],并結(jié)合專(zhuān)家組的建議,首先從6大方面出發(fā),構(gòu)建包含21個(gè)指標(biāo)的元?jiǎng)幼鲉卧|(zhì)量特性指標(biāo)體系,各指標(biāo)的含義如表1所示。該指標(biāo)體系可較全面地反映元?jiǎng)幼鲉卧诜燮陂g的性能表現(xiàn),刻畫(huà)各個(gè)單元在執(zhí)行其設(shè)計(jì)運(yùn)動(dòng)時(shí)的狀態(tài)。然后,以質(zhì)量特性對(duì)系統(tǒng)的重要性、服役期影響性、市場(chǎng)競(jìng)爭(zhēng)性和技術(shù)難度等4個(gè)因素為評(píng)估標(biāo)準(zhǔn),建立多目標(biāo)評(píng)估準(zhǔn)則。該準(zhǔn)則可從多個(gè)角度評(píng)估各個(gè)質(zhì)量特性的重要性,對(duì)元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性的綜合優(yōu)選有重要意義。最后,結(jié)合元?jiǎng)幼鲉卧|(zhì)量特性指標(biāo)體系和多目標(biāo)評(píng)估準(zhǔn)則,建立元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性多目標(biāo)評(píng)價(jià)體系,如圖2所示。

        表1 元?jiǎng)幼鲉卧|(zhì)量特性指標(biāo)及其含義

        續(xù)表1

        3 多目標(biāo)模糊評(píng)價(jià)的元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性識(shí)別

        在元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性評(píng)價(jià)體系構(gòu)建完成后,需邀請(qǐng)相關(guān)專(zhuān)家對(duì)質(zhì)量特性進(jìn)行重要性評(píng)價(jià)。由于機(jī)床系統(tǒng)的復(fù)雜性和人類(lèi)認(rèn)知的有限性,單個(gè)專(zhuān)家很難準(zhǔn)確地評(píng)價(jià)出多個(gè)評(píng)價(jià)指標(biāo)的重要性。為了保證評(píng)價(jià)結(jié)果的合理性,選擇多位背景不同的專(zhuān)家組建專(zhuān)家評(píng)估團(tuán)隊(duì),從多角度綜合地評(píng)估各個(gè)質(zhì)量特性的重要性。通常,在多成員參與的群體決策活動(dòng)中,個(gè)體成員評(píng)價(jià)的模糊性和群體評(píng)價(jià)結(jié)果的多樣性是普遍存在的。因此,為了保證群體評(píng)價(jià)結(jié)果的準(zhǔn)確性,本章提出一種基于粗糙數(shù)理論和云模型理論的多目標(biāo)TODIM方法,對(duì)元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性進(jìn)行識(shí)別。在群體決策環(huán)境中,粗糙數(shù)理論可以應(yīng)用粗糙數(shù)區(qū)間靈活地反映不同專(zhuān)家個(gè)體知識(shí)的有限性和評(píng)估信息的不精確性,且不需要額外的假設(shè)。而云模型可以同時(shí)處理專(zhuān)家粗糙數(shù)區(qū)間評(píng)估信息中的模糊性和隨機(jī)性。因此,所提出的基于粗糙數(shù)理論和云模型的TODIM方法可以處理關(guān)鍵質(zhì)量特性過(guò)程中的多種不確定性。此外,該方法還計(jì)算了專(zhuān)家和評(píng)價(jià)因子的權(quán)重,保證評(píng)估過(guò)程的科學(xué)性和評(píng)估結(jié)果的準(zhǔn)確性。所提方法的實(shí)施框架如圖3所示,共包含以下3個(gè)階段:

        (1)綜合考慮個(gè)體專(zhuān)家的工作相關(guān)性、經(jīng)驗(yàn)和職稱(chēng),確定專(zhuān)家成員的權(quán)重。

        (2)應(yīng)用基于粗糙數(shù)評(píng)價(jià)的聚類(lèi)方法計(jì)算評(píng)價(jià)因子的權(quán)重。

        (3)使用粗糙數(shù)理論和云模型評(píng)價(jià)元?jiǎng)幼鲉卧|(zhì)量特性的重要性,以便處理專(zhuān)家評(píng)估信息中的多種不確定性。然后,使用改進(jìn)的TODIM方法獲取質(zhì)量特性的排序結(jié)果,并提取出元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性。

        在評(píng)估過(guò)程中,假設(shè)有m個(gè)元?jiǎng)幼鲉卧|(zhì)量特性Qi(i=1,2,…,m)和n個(gè)評(píng)價(jià)因子Rj(j=1,2,…,n)。p位專(zhuān)家Ek(k=1,2,…,p)被邀請(qǐng)組成專(zhuān)家組,并實(shí)施元?jiǎng)幼鲉卧|(zhì)量特性的評(píng)估工作。

        3.1 確定專(zhuān)家權(quán)重

        專(zhuān)家權(quán)重確定具體步驟如下:

        步驟1在評(píng)價(jià)過(guò)程中,考慮到不同專(zhuān)家工作相關(guān)性、經(jīng)驗(yàn)和知識(shí)儲(chǔ)備的不同,他們對(duì)同一質(zhì)量特性會(huì)給出不一致的評(píng)價(jià)值。因此,為了保證評(píng)價(jià)結(jié)果的準(zhǔn)確性,應(yīng)賦予專(zhuān)家合理的權(quán)重。根據(jù)專(zhuān)家的工作相關(guān)性、經(jīng)驗(yàn)和職務(wù)3方面構(gòu)建的專(zhuān)家權(quán)重分?jǐn)?shù)分配如表2所示。

        表2 專(zhuān)家權(quán)重分配表

        續(xù)表2

        步驟2基于表2,不同專(zhuān)家的權(quán)重可以確定如下:

        (9)

        式中:δk表示第k個(gè)專(zhuān)家的權(quán)重;Ak表示第k個(gè)專(zhuān)家的權(quán)重總分?jǐn)?shù);p表示專(zhuān)家的總數(shù)。

        3.2 確定評(píng)價(jià)因子權(quán)重

        評(píng)價(jià)因子確定具體步驟如下:

        步驟1獲取評(píng)價(jià)因子重要性的評(píng)價(jià)值。

        基于工作經(jīng)驗(yàn)和知識(shí),專(zhuān)家們使用1~10的分?jǐn)?shù)對(duì)每個(gè)評(píng)價(jià)因子的重要性進(jìn)行評(píng)價(jià)。分?jǐn)?shù)越大,則對(duì)應(yīng)評(píng)價(jià)因子越重要。由專(zhuān)家組成員提供的評(píng)價(jià)因子Rj的重要性評(píng)價(jià)集如下:

        (10)

        步驟2精確評(píng)價(jià)值轉(zhuǎn)換為粗糙數(shù)評(píng)價(jià)值。

        (11)

        (12)

        (13)

        (14)

        (15)

        (16)

        式中:RN(RIj)表示第j個(gè)評(píng)價(jià)因子的群體粗糙數(shù)評(píng)價(jià)值;δk表示第k個(gè)專(zhuān)家的權(quán)重。

        步驟3計(jì)算評(píng)價(jià)因子的權(quán)重。

        在確定出每個(gè)評(píng)價(jià)因子重要性的粗糙數(shù)評(píng)價(jià)值之后,需要對(duì)評(píng)價(jià)值進(jìn)行歸一化處理。歸一化方法如下:

        (17)

        為了計(jì)算TODIM方法中的相對(duì)權(quán)重,需將上述粗糙數(shù)權(quán)重轉(zhuǎn)換為定值。本文采用CFCS(converting the fuzzy data into crisp scores)法[28]將粗糙數(shù)權(quán)重去模糊化,將其轉(zhuǎn)換為精確權(quán)重。轉(zhuǎn)化方法如下:

        (1)定義轉(zhuǎn)化系數(shù)

        (18)

        (2)將粗糙數(shù)評(píng)價(jià)值轉(zhuǎn)化為精確評(píng)價(jià)值

        (19)

        最后,可以計(jì)算評(píng)價(jià)因子Rj的權(quán)重如下:

        (20)

        3.3 基于粗糙數(shù)和云模型的TODIM關(guān)鍵質(zhì)量特性識(shí)別

        基于前景理論,Gomes和Lima提出了TODIM多屬性決策方法[29]。該方法可以反映決策者的心理行為,其核心是先計(jì)算每個(gè)方案對(duì)比其它方法的優(yōu)勢(shì)度,然后利用優(yōu)勢(shì)度來(lái)計(jì)算每個(gè)方案的前景值,最后根據(jù)前景值的大小對(duì)所有方法實(shí)施排序。近年來(lái),TODIM方法已成功應(yīng)用于風(fēng)險(xiǎn)評(píng)估和方案決策等領(lǐng)域。本文將粗糙數(shù)理論和云模型理論集成到TODIM方法中,使其能夠在元?jiǎng)幼鲉卧|(zhì)量特性評(píng)價(jià)過(guò)程中充分處理專(zhuān)家判斷的模糊性、主觀性和隨機(jī)性,以增加評(píng)估結(jié)果的準(zhǔn)確性和合理性。基于粗糙數(shù)和云模型的TODIM關(guān)鍵質(zhì)量特性識(shí)別方法實(shí)施步驟如下:

        步驟1構(gòu)建群體決策矩陣。

        每個(gè)專(zhuān)家使用1~10的分?jǐn)?shù)對(duì)各質(zhì)量特性的重要性進(jìn)行評(píng)價(jià)。專(zhuān)家組給出的精確決策矩陣

        R1R2…Rn

        (21)

        類(lèi)似于3.2節(jié),根據(jù)式(11)~式(16),可以將精確評(píng)估矩陣Sk轉(zhuǎn)化為粗糙數(shù)評(píng)估矩陣

        R1R2…Rn

        (22)

        (23)

        (24)

        (25)

        (26)

        (27)

        R1R2…Rn

        (28)

        步驟2計(jì)算各評(píng)價(jià)因子的相對(duì)權(quán)重。

        計(jì)算評(píng)價(jià)因子Rj相對(duì)于評(píng)價(jià)因子Rr的相對(duì)權(quán)重ωjr如下:

        j,r=1,2,…,n。

        (29)

        式中ωr=max{ωj|j=1,2,…,n}。

        步驟3獲取任意兩質(zhì)量特性之間的優(yōu)勢(shì)度。

        (30)

        φj(Qi,Qh)=

        (31)

        步驟4計(jì)算各質(zhì)量特性間的全局優(yōu)勢(shì)度。

        在所有評(píng)價(jià)因子下,Qi優(yōu)于Qh的全局優(yōu)勢(shì)度φ(Qi,Qh)可以計(jì)算如下:

        (32)

        步驟5獲取各質(zhì)量特性的可接受度并排序。

        在傳統(tǒng)的TODIM方法中,GOMES等[29]使用全局值實(shí)施方案的優(yōu)劣性評(píng)價(jià)。并為了使最終計(jì)算結(jié)果分布在[0,1]中,將得到的全局優(yōu)勢(shì)度標(biāo)準(zhǔn)化處理。標(biāo)準(zhǔn)化公式如下:

        (33)

        式中:ξi表示單元質(zhì)量特性Qi的全局值;i,h=1,2,…,m。雖然式(33)可以有效地確定所有質(zhì)量特性的重要性排序結(jié)果,但其不能很好地刻畫(huà)某一質(zhì)量特性相對(duì)其他質(zhì)量特性的總體優(yōu)勢(shì)度,也不能反映某一質(zhì)量特性相對(duì)其他質(zhì)量特性的損失和收益值,且對(duì)決策類(lèi)問(wèn)題來(lái)說(shuō),全局值分布在[0,1]中會(huì)造成識(shí)別優(yōu)等方案的困難,決策者很難分辨出哪些方案是可以接受的,哪些方案是應(yīng)該舍棄的。因此,受文獻(xiàn)[34]啟發(fā),本文提出可接受度的排序方法。基于式(32),可分別計(jì)算質(zhì)量特性Qi的優(yōu)勢(shì)度值ψ+(Qi)和劣勢(shì)度值ψ-(Qi)為:

        (34)

        (35)

        式中:ψ+(Qi)表示質(zhì)量特性Qi優(yōu)于其他質(zhì)量特性的優(yōu)勢(shì)度;ψ-(Qi)表示其他質(zhì)量特性?xún)?yōu)于質(zhì)量特性Qi的優(yōu)勢(shì)度。根據(jù)ψ+(Qi)和ψ-(Qi),可計(jì)算質(zhì)量特性Qi的重要性的可接受度?(Qi)為:

        (36)

        顯然,-1≤?(Qi)≤1;i,h=1,2,…,m。將所有?(Qi)值進(jìn)行降序排列,即可獲取所有元?jiǎng)幼鲉卧|(zhì)量特性的排名。當(dāng)質(zhì)量特性的可接受度分布在[0,1]時(shí),說(shuō)明這些質(zhì)量特性更接近最優(yōu)方案,屬于可接受方案(關(guān)鍵質(zhì)量特性)。當(dāng)備選方案的可接受度分布在[-1,0]時(shí),說(shuō)明這些備選方案更接近最劣方案,屬于可拒絕方案(非關(guān)鍵質(zhì)量特性)。

        4 實(shí)例分析

        4.1 背景

        數(shù)控機(jī)床的質(zhì)量對(duì)客戶(hù)的使用體驗(yàn)和機(jī)床制造商的競(jìng)爭(zhēng)力影響巨大。在機(jī)床的設(shè)計(jì)和制造過(guò)程中,工程師必須確保產(chǎn)品能夠滿(mǎn)足各項(xiàng)質(zhì)量要求。2019年,中西部某數(shù)控機(jī)床制造企業(yè)獲得了客戶(hù)8臺(tái)同一型號(hào)機(jī)床的訂單。該企業(yè)計(jì)劃從元?jiǎng)幼鲉卧獙用鎸?duì)機(jī)床設(shè)計(jì)制造過(guò)程進(jìn)行質(zhì)量控制。為了減少質(zhì)量控制過(guò)程中的時(shí)間成本和資金成本,企業(yè)決定對(duì)元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量屬性進(jìn)行識(shí)別,并重點(diǎn)控制。為了完成元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性識(shí)別任務(wù),項(xiàng)目組按照本文所提方法執(zhí)行了該任務(wù)流程。下面對(duì)該流程進(jìn)行詳細(xì)說(shuō)明。

        首先,對(duì)圖2中的元?jiǎng)幼鲉卧|(zhì)量特性逐個(gè)編號(hào):定位精度(Q1)、幾何精度(Q2)、重復(fù)定位精度(Q3)、精度變化極限值(Q4)、精度變化速率(Q5)、精度失效間隔時(shí)間(Q6)、精度保持性(Q7)、穩(wěn)態(tài)區(qū)間(Q8)、動(dòng)態(tài)跟蹤誤差(Q9)、振動(dòng)頻率(Q10)、振動(dòng)間隙(Q11)、平均故障間隔時(shí)間(Q12)、可靠度(Q13)、運(yùn)行比(Q14)、可靠性?xún)?chǔ)備系數(shù)(Q15)、可探測(cè)性(Q16)、維修時(shí)間(Q17)、維修難度(Q18)、易用性(Q19)、可用時(shí)間比(Q20)、可信性(Q21)。然后,從研發(fā)、質(zhì)量、制造、裝配等部門(mén)邀請(qǐng)5名工作經(jīng)驗(yàn)豐富的專(zhuān)家建立專(zhuān)家小組。根據(jù)圖2,設(shè)置質(zhì)量特性對(duì)系統(tǒng)重要性(R1)、服役期影響性(R2)、市場(chǎng)競(jìng)爭(zhēng)性(R3)和技術(shù)難度(R4)4個(gè)指標(biāo)為評(píng)價(jià)因子。專(zhuān)家組成員根據(jù)他們的經(jīng)驗(yàn)和知識(shí),在4個(gè)評(píng)價(jià)因子下分別對(duì)21個(gè)質(zhì)量特性的重要性進(jìn)行評(píng)價(jià)。

        4.2 實(shí)施過(guò)程

        由第3章可知,所提方法共分為3個(gè)階段,具體實(shí)施過(guò)程如下:

        階段1確定專(zhuān)家權(quán)重。

        根據(jù)專(zhuān)家的工作相關(guān)性、經(jīng)驗(yàn)和職務(wù),利用表1獲取5位專(zhuān)家的權(quán)重分配分?jǐn)?shù),再利用式(17)求解5位專(zhuān)家的權(quán)重,結(jié)果如表3所示。

        表3 專(zhuān)家權(quán)重

        階段2確定評(píng)價(jià)因子權(quán)重。

        步驟1獲取評(píng)價(jià)因子重要性的評(píng)價(jià)值。

        5位專(zhuān)家使用1~10分去評(píng)估每個(gè)評(píng)價(jià)因子的重要性。例如,專(zhuān)家對(duì)評(píng)價(jià)因子R1的重要性評(píng)價(jià)為RI1=(8,6,5,7,6)。

        步驟2精確評(píng)價(jià)值轉(zhuǎn)換為粗糙數(shù)評(píng)價(jià)值。

        為了處理專(zhuān)家評(píng)價(jià)信息中的主觀性和模糊性,需將對(duì)評(píng)價(jià)因子重要性的精確評(píng)價(jià)值轉(zhuǎn)換為粗糙數(shù)形式。根據(jù)式(11)~式(16),可將專(zhuān)家對(duì)評(píng)價(jià)因子R1的重要性評(píng)價(jià)值RI1轉(zhuǎn)換為對(duì)應(yīng)的粗糙數(shù)形式,過(guò)程如下:

        根據(jù)式(17),可以獲取5位專(zhuān)家對(duì)R1重要性的粗糙數(shù)評(píng)價(jià)值為:

        0.222×[5.667,6.75]+0.167×[5,6.4]+

        0.167×[6,7.5]+0.204×[5.667,6.75]=

        [5.793,7.125]。

        同理,其他評(píng)價(jià)因子重要性群體評(píng)價(jià)值也可以通過(guò)上述步驟獲取。表4提供了專(zhuān)家對(duì)4個(gè)評(píng)價(jià)因子重要性的個(gè)體評(píng)價(jià)值及群體評(píng)價(jià)值。

        表4 評(píng)價(jià)因子重要性評(píng)價(jià)值

        步驟3計(jì)算評(píng)價(jià)因子的權(quán)重。

        根據(jù)式(18)和式(19),可以計(jì)算得到每個(gè)評(píng)價(jià)因子重要性精確評(píng)價(jià)值。最后,根據(jù)式(20),可以獲取每個(gè)評(píng)價(jià)因子的精確權(quán)重,計(jì)算結(jié)果如表5所示。

        表5 評(píng)價(jià)因子的粗糙數(shù)權(quán)重和精確權(quán)重

        階段3基于粗糙數(shù)和云模型的TODIM關(guān)鍵質(zhì)量特性識(shí)別。

        步驟1構(gòu)建全體決策矩陣。

        表6 集成的群體粗糙云評(píng)估矩陣

        步驟2計(jì)算各評(píng)價(jià)因子的相對(duì)權(quán)重。

        根據(jù)式(29),可以計(jì)算得到4個(gè)評(píng)價(jià)因子的相對(duì)權(quán)重為:rωj=[1,0.652,0.536,0.673]。

        步驟3獲取任意兩質(zhì)量特性之間的優(yōu)勢(shì)度。

        根據(jù)式(30)和式(31),可以獲取質(zhì)量特性Qi在不同評(píng)價(jià)因子下超過(guò)質(zhì)量特性Qh的優(yōu)勢(shì)度。限于篇幅,本文僅給出在評(píng)價(jià)因子R1下質(zhì)量特性Qi超過(guò)質(zhì)量特性Qh的優(yōu)勢(shì)度,結(jié)果如表7所示。

        表7 在評(píng)價(jià)因子R1下質(zhì)量特性Qi超過(guò)質(zhì)量特性Qh的優(yōu)勢(shì)度

        步驟4計(jì)算各質(zhì)量特性間的全局優(yōu)勢(shì)度。

        根據(jù)式(32),可以獲取質(zhì)量特性Qi在所有評(píng)價(jià)因子下超過(guò)質(zhì)量特性Qh的優(yōu)勢(shì)度,如表8所示。

        表8 質(zhì)量特性Qi超過(guò)質(zhì)量特性Qh的全局優(yōu)勢(shì)度

        步驟5獲取各質(zhì)量特性的可接受度并排序。

        根據(jù)式(34)~式(36),可以計(jì)算得到各質(zhì)量特性的可接受度及其排名,結(jié)果如表9所示。為了驗(yàn)證所提可接受度方法的正確性,使用傳統(tǒng)TODIM方法計(jì)算各質(zhì)量特性的全局值及排名,對(duì)比可知,兩種方法的排名一致,從而說(shuō)明了所提可接受度方法的正確性。此外,雖然傳統(tǒng)TODIM方法可有效地提取出21個(gè)質(zhì)量特性的排名,但其使質(zhì)量特性的全局值分布在[0,1]中,究竟哪些是關(guān)鍵的質(zhì)量特性仍然未知。顯然,該方法無(wú)法有效地提取出重要性較高的元?jiǎng)幼鲉卧|(zhì)量特性(即關(guān)鍵質(zhì)量特性)。而所提可接受度的計(jì)算方法使各質(zhì)量特性的可接受度分布在[-1,1]中,當(dāng)質(zhì)量特性的全局值大于0時(shí),說(shuō)明該質(zhì)量特性更接近最優(yōu)解。當(dāng)質(zhì)量特性的全局值小于0時(shí),說(shuō)明該質(zhì)量特性更接近最劣解。因此,本文所提方法不僅可以有效地獲取各質(zhì)量特性的排名,還有能力提取出關(guān)鍵質(zhì)量特性,有效改進(jìn)了傳統(tǒng)TODIM方法中全局值計(jì)算的缺陷,增加了TODIM方法的可用性。根據(jù)所提方法,可以識(shí)別出元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性為:定位精度(Q1)、平均故障間隔時(shí)間(Q12)、精度失效間隔時(shí)間(Q6)、穩(wěn)態(tài)區(qū)間(Q8)、重復(fù)定位精度(Q3)、幾何精度(Q2)、維修難度(Q18)、可用時(shí)間比(Q20)。在設(shè)計(jì)、制造、裝配和質(zhì)量檢測(cè)過(guò)程中,工程師應(yīng)優(yōu)先控制這些質(zhì)量特性。

        表9 所有質(zhì)量特性的可接受度及排名

        4.3 分析與討論

        為驗(yàn)證所提方法的有效性和優(yōu)越性,選取Fuzzy-TODIM方法[35]、Rough-TOPSIS方法[36]和Cloud-MABAC方法[19]分析上述實(shí)例中21個(gè)元?jiǎng)幼鲉卧|(zhì)量特性的重要性。

        首先,為了說(shuō)明所提粗糙云方法與上述方法在不確定信息處理機(jī)制上的不同,選取5位專(zhuān)家給出的質(zhì)量特性Q3在風(fēng)險(xiǎn)因子R1下的評(píng)價(jià)值(即9,7,7,6和8)作為例子,對(duì)評(píng)價(jià)值的轉(zhuǎn)化過(guò)程進(jìn)行說(shuō)明。圖4展示了5位專(zhuān)家給出的評(píng)價(jià)值以精確值、三角模糊值、粗糙數(shù)值、正態(tài)云值和粗糙云值等不同形式呈現(xiàn)的評(píng)價(jià)區(qū)間。5位專(zhuān)家給出的初始評(píng)價(jià)值分別為9,7,7,6,8。如應(yīng)用模糊集理論,則5個(gè)評(píng)價(jià)值區(qū)間可以被轉(zhuǎn)換為[8,10]、[6,8]、[6,8]、[5,7]和[7,9],每個(gè)區(qū)間的間隔固定為2,這可能無(wú)法靈活地反映專(zhuān)家群體評(píng)價(jià)結(jié)果。利用粗糙數(shù)理論處理數(shù)據(jù),5個(gè)評(píng)價(jià)信息被分別轉(zhuǎn)換為粗糙數(shù)評(píng)價(jià)[7.4,9]、[6.67,7.75]、[6.67,7.75]、[6,7.4]和[7,8.5],評(píng)價(jià)值的間隔分別為1.6、1.08、1.08、1.4和1.5。

        如前所述,一個(gè)評(píng)價(jià)等級(jí)中99.7%的云滴應(yīng)屬于區(qū)間[Ex-3En,Ex+3En]。因此,基于文獻(xiàn)[27]中的正態(tài)云值,可以獲取5個(gè)評(píng)估值對(duì)應(yīng)得云評(píng)估間隔為[4.67,9.9]、[5.48,7.47]、[5.48,7.47]、[5.29,6.53]和[5.2,8.44],對(duì)比其他評(píng)估區(qū)間,可發(fā)現(xiàn)云評(píng)估區(qū)間的偏離較大,這是由于其采用的黃金分割法的缺陷導(dǎo)致的。同理,可計(jì)算得到5個(gè)評(píng)價(jià)值對(duì)應(yīng)粗糙云評(píng)價(jià)值的區(qū)間分別為[7.4,9]、[6.67,7.75]、[6.67,7.75]、[6,7.4]和[7,8.5],其評(píng)價(jià)間隔和粗糙數(shù)形式的評(píng)價(jià)間隔一致,說(shuō)明粗糙云可以有效地處理群體評(píng)價(jià)信息的主觀性。另外,粗糙云應(yīng)用Ex、En和He等3個(gè)特征數(shù)字表示質(zhì)量特性重要性的模糊性和隨機(jī)性,而粗糙數(shù)僅應(yīng)用區(qū)間來(lái)表示質(zhì)量特性重要性的不確定性。綜上所述,可以推斷所提粗糙云評(píng)估值可以較好地刻畫(huà)專(zhuān)家群體的評(píng)價(jià)結(jié)果和反映元?jiǎng)幼髻|(zhì)量特性相對(duì)重要程度的模糊性和隨機(jī)性,使評(píng)估結(jié)果更為準(zhǔn)確。

        利用上述3種方法求解實(shí)例中21個(gè)元?jiǎng)幼鲉卧|(zhì)量特性的重要性,并將這3種方法所獲取的結(jié)果與所提方法獲取的結(jié)果進(jìn)行對(duì)比,如圖5所示。從圖5中可以看出,所提方法與Fuzzy-TODIM方法所獲取結(jié)果的差異性較大。例如所提方法認(rèn)為Q6排名第3,而Fuzzy-TODIM方法認(rèn)為其排名第5;所提方法認(rèn)為Q4排名第15,而Fuzzy-TODIM方法認(rèn)為Q4排名第13。造成這些不同排名的最大原因?yàn)樗岱椒ú捎昧舜植谠迫ヌ幚韺?zhuān)家的評(píng)估信息,其不需要額外的假設(shè),可以直接應(yīng)用原始評(píng)價(jià)數(shù)據(jù)處理信息的模糊性。從圖4中可以看出,對(duì)比模糊評(píng)價(jià)間隔,粗糙云的間隔較小,可較準(zhǔn)確地反映質(zhì)量特性的重要性。此外,5位專(zhuān)家的粗糙云評(píng)價(jià)區(qū)間更加集中,而5個(gè)精確評(píng)價(jià)值和模糊評(píng)價(jià)值相對(duì)分散。因此,粗糙云評(píng)價(jià)值可以更有效地反映群體的決策信息,使群體決策趨向一致。綜上,對(duì)比模糊集理論、粗糙云理論可以更合理地反映專(zhuān)家的給出的評(píng)價(jià)信息。因此,可以驗(yàn)證本文所提方法獲取的結(jié)果更加合理。

        所提方法與Rough-TOPSIS方法所獲取的質(zhì)量特性排名基本一致。由于Rough-TOPSIS已經(jīng)被證明為有效的決策方法,其排名結(jié)果為有效結(jié)果,由此驗(yàn)證了本文所提方法的正確性。此外,在Rough-TOPSIS方法中,也有一些質(zhì)量特性的排名與所提方法獲取的結(jié)果不一致。不一致排名的原因可以從以下兩個(gè)方面解釋?zhuān)孩偎岱椒ǚ謩e計(jì)算了專(zhuān)家和評(píng)價(jià)因子的權(quán)重,而Rough-TOPSIS認(rèn)為專(zhuān)家和評(píng)價(jià)因子的重要性都是一樣的。考慮到專(zhuān)家經(jīng)驗(yàn)的不同和系統(tǒng)的復(fù)雜性,這可能造成某些專(zhuān)家提供的比較準(zhǔn)確的評(píng)價(jià)信息被其他不準(zhǔn)確的信息干擾,導(dǎo)致群體評(píng)價(jià)結(jié)果的不準(zhǔn)確。②本文所應(yīng)用的TODIM方法為前景理論的改進(jìn)版本,其可以有效處理專(zhuān)家在決策過(guò)程中的有限理性。而TOPSIS方法認(rèn)為專(zhuān)家做出的評(píng)價(jià)信息都是完全合理的,沒(méi)有考慮決策過(guò)程的風(fēng)險(xiǎn)偏好。這也會(huì)導(dǎo)致決策結(jié)果的不合理。

        最后,所提方法與Cloud-MABAC方法所獲取的結(jié)果也存在一些不同的排名。例如,所提方法認(rèn)為質(zhì)量特性Q12排名第2,而Cloud-MABAC方法算得Q12排名第5。這是因?yàn)樗岱椒ㄟ\(yùn)用了粗糙數(shù)理論和云模型理論處理專(zhuān)家對(duì)質(zhì)量特性的評(píng)價(jià)值,所獲取的粗糙云評(píng)價(jià)值可以同時(shí)反映專(zhuān)家評(píng)價(jià)的模糊性、主觀性和隨機(jī)性。而Cloud-MABAC方法僅應(yīng)用云模型去處理專(zhuān)家評(píng)價(jià)值的模糊性和隨機(jī)性,忽略了專(zhuān)家判斷的主觀性。從4.2節(jié)的粗糙數(shù)評(píng)價(jià)值計(jì)算結(jié)果可以看出,粗糙數(shù)理論可以減少專(zhuān)家評(píng)價(jià)信息之間的主觀擾動(dòng)。此外,所提方法改進(jìn)了傳統(tǒng)TODIM方法獲取質(zhì)量特性排名的方式,提出應(yīng)用分布于區(qū)間[-1,1]的可接受度去識(shí)別元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性,而Cloud-MABAC方法需要專(zhuān)家進(jìn)行討論確定關(guān)鍵的質(zhì)量特性,這也會(huì)對(duì)結(jié)果的準(zhǔn)確性造成影響。

        通過(guò)上述與其他方法的對(duì)比可知,所提方法具有以下優(yōu)勢(shì):

        (1)通過(guò)將粗糙數(shù)理論集成到云模型理論中,所提粗糙云方法有能力同時(shí)處理質(zhì)量特性評(píng)估過(guò)程的模糊性、主觀性和隨機(jī)性,增加了評(píng)價(jià)結(jié)果的準(zhǔn)確性。與Fuzzy-TODIM方法相比,所提方法能同時(shí)處理專(zhuān)家評(píng)價(jià)信息的多種模糊性,從而獲取更加合理的排序結(jié)果。

        (2)不同于傳統(tǒng)的基于算術(shù)幾何聚合算法的質(zhì)量特性評(píng)估方法,所提方法使用CWA算子將所有專(zhuān)家的評(píng)價(jià)值聚合為群體評(píng)價(jià)值,消除了專(zhuān)家極端評(píng)價(jià)結(jié)果對(duì)最終群體評(píng)價(jià)結(jié)果的影響。

        (3)所提方法同時(shí)考慮了專(zhuān)家和評(píng)價(jià)因子的權(quán)重,保證了質(zhì)量特性評(píng)估結(jié)果的準(zhǔn)確性。而Rough-TOPSIS方法和Cloud-MABAC方法僅計(jì)算評(píng)價(jià)因子權(quán)重,忽略了專(zhuān)家權(quán)重,這可能會(huì)導(dǎo)致評(píng)價(jià)結(jié)果失準(zhǔn)。

        (4)所提方法應(yīng)用TODIM方法獲取元?jiǎng)幼鲉卧|(zhì)量特的排序結(jié)果,充分考慮了專(zhuān)家在評(píng)估過(guò)程中的有限理性,進(jìn)一步增強(qiáng)了評(píng)價(jià)結(jié)果的準(zhǔn)確性。另外,所提方法對(duì)TODIM方法進(jìn)行了改進(jìn),提出應(yīng)用可接受度的概念去識(shí)別出關(guān)鍵質(zhì)量特性,降低了識(shí)別過(guò)程的難度,增強(qiáng)了方法的可用性。

        5 結(jié)束語(yǔ)

        本文提出一種多目標(biāo)模糊評(píng)價(jià)的數(shù)控機(jī)床元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性識(shí)別方法,其集成了粗糙數(shù)理論、云模型理論和TODIM方法的優(yōu)勢(shì)。首先,從精度、精度壽命、可靠性、穩(wěn)定性、維修性和可用性6大方面出發(fā)建立質(zhì)量特性指標(biāo)體系,并從各質(zhì)量特性對(duì)系統(tǒng)的重要性、服役影響性、市場(chǎng)競(jìng)爭(zhēng)性和技術(shù)難度等4個(gè)維度實(shí)施元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性的評(píng)估,考慮因素較全面,彌補(bǔ)了先前元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性識(shí)別方法考慮因素較少的缺陷。然后,借助粗糙數(shù)和云模型理論,所提方法可以靈活的處理專(zhuān)家評(píng)估信息中的模糊性、隨機(jī)性和主觀性,改善了依賴(lài)先驗(yàn)知識(shí)的模糊集理論只能處理單一不確定性的缺陷。接著,考慮專(zhuān)家的工作相關(guān)性、經(jīng)驗(yàn)和職稱(chēng)等信息確定了專(zhuān)家的相對(duì)重要性?;谠撝匾孕畔⒑蛯?zhuān)家評(píng)價(jià)進(jìn)一步計(jì)算了評(píng)價(jià)因子的權(quán)重,有效排除了失真評(píng)價(jià)信息的干擾,增強(qiáng)了所提方法計(jì)算結(jié)果的準(zhǔn)確性。應(yīng)用CWA算子獲取專(zhuān)家組的群體評(píng)價(jià)結(jié)果,降低了極端評(píng)價(jià)信息對(duì)最終評(píng)價(jià)結(jié)果影響。此外,使用改進(jìn)的TODIM方法對(duì)元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性進(jìn)行了篩選,有效考慮了專(zhuān)家在決策過(guò)程中面對(duì)收益和損失選擇時(shí)的心理偏向,增強(qiáng)了決策過(guò)程的準(zhǔn)確性。最后,以一個(gè)元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性識(shí)別實(shí)例為基礎(chǔ),利用3種已有方法對(duì)所提方法的性能進(jìn)行了驗(yàn)證。結(jié)果顯示,所提方法可以合理地處理群體決策過(guò)程中的多種不確定性并有效識(shí)別出對(duì)元?jiǎng)幼鲉卧兄匾绊懙年P(guān)鍵質(zhì)量特性。

        在未來(lái)的研究中,可以開(kāi)發(fā)對(duì)應(yīng)的軟件實(shí)施元?jiǎng)幼鲉卧P(guān)鍵質(zhì)量特性的識(shí)別,以降低關(guān)鍵質(zhì)量特性識(shí)別過(guò)程中的計(jì)算量,提高識(shí)別工作的標(biāo)準(zhǔn)性和工作效率。此外,元?jiǎng)幼鲉卧|(zhì)量特性之間可能存在一定的耦合關(guān)系,后續(xù)研究可將解釋結(jié)構(gòu)模型(Interpretive Structural Modeling, ISM)和決策實(shí)驗(yàn)與實(shí)驗(yàn)評(píng)估法(Decision-Making Trial and Evaluation Laboratory, DEMATEL)等解耦方法融入到所提方法中。

        猜你喜歡
        關(guān)鍵特性專(zhuān)家
        致謝審稿專(zhuān)家
        高考考好是關(guān)鍵
        谷稗的生物學(xué)特性和栽培技術(shù)
        色彩特性
        流行色(2020年9期)2020-07-16 08:08:54
        進(jìn)一步凸顯定制安裝特性的優(yōu)勢(shì) Integra DRX-5.2
        Quick Charge 4:什么是新的?
        CHIP新電腦(2017年6期)2017-06-19 09:41:44
        請(qǐng)叫我專(zhuān)家
        專(zhuān)家面對(duì)面
        獲勝關(guān)鍵
        NBA特刊(2014年7期)2014-04-29 00:44:03
        生意無(wú)大小,關(guān)鍵是怎么做?
        国产精品成人观看视频| 中文字幕有码久久高清| 草逼动态图视频免费观看网站| 中文字幕人妻熟在线影院| 大地资源中文第三页| 亚洲av中文无码乱人伦在线咪咕| 国产女人乱码一区二区三区| 国产麻豆精品精东影业av网站| 中文字幕人妻丝袜乱一区三区| 久久一日本道色综合久久大香| 一道本加勒比在线观看| 国产精品三级av一区二区 | 精品一区二区三区蜜桃麻豆| 一本久久a久久精品vr综合| 色爱区综合激情五月综合小说| 一区二区三区午夜视频在线观看| 日本一区二区三区四区高清不卡| 无码av一区二区大桥久未| 91福利国产在线观看一区二区| av资源在线永久免费观看 | 国产永久免费高清在线| 91精品福利观看| 久久精品网站免费观看| 亚洲精品国产第一综合色吧| 国产熟女露脸大叫高潮| 欧美色图50p| 日本频道一区二区三区| 亚洲日韩激情无码一区| 婷婷四房播播| av免费网站在线免费观看| 三级黄色片免费久久久| 成人免费毛片aaaaaa片| 欧美老妇与禽交| 强d漂亮少妇高潮在线观看| 亚洲一区二区三区高清在线观看| 久久久无码人妻精品无码| 午夜短视频日韩免费| 日本精品av中文字幕| 最新国产不卡在线视频| 国产丝袜在线精品丝袜| 中文字幕亚洲好看有码|