CN103413020A - 一种面向车间级制造能力的动态综合评估方法 - Google Patents
一种面向车间级制造能力的动态综合评估方法 Download PDFInfo
- Publication number
- CN103413020A CN103413020A CN2013102577146A CN201310257714A CN103413020A CN 103413020 A CN103413020 A CN 103413020A CN 2013102577146 A CN2013102577146 A CN 2013102577146A CN 201310257714 A CN201310257714 A CN 201310257714A CN 103413020 A CN103413020 A CN 103413020A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- index
- workshop
- evaluation index
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向车间级制造能力的动态综合评估方法,本发明所采用的方法是:首先对车间级制造能力的构成要素进行归纳分析,建立车间级制造能力动态综合评估的指标体系,然后建立车间级制造能力动态评估的数学模型,最后针对数学模型利用熵时间赋权和层次分析法相结合对制造能力进行评估。该方法以历史制造数据为基础,主要针对传感器技术、射频识别技术等采集的实时车间制造数据,综合考虑各不同制造时间的制造数据,对车间级制造能力进行动态准确的评估,为企业的车间排产优化和协同提供支持。
Description
技术领域
本发明涉及制造能力评估技术领域,具体地指一种面向车间级制造能力的动态综合评估方法。
背景技术
随着计算机网络和信息技术的迅速发展,制造全球化已成为大势所趋。越来越多的产品是众多制造商合作生产的结果。同时也出现了许多新的制造模式,如虚拟制造、制造网格、云制造等。在网络化的环境下,新的制造模式强调合作的、高效的、低能耗的制造过程。如何选择合适的制造伙伴、制造服务提供商成为制造业的一个重要问题。在这种环境下,需要一种良好的制造车间制造能力评估方法。
传感器技术、射频识别技术在大型集团企业中制造过程的数据实时采集和企业内部数据共享已得到良好的实现,为制造决策提供了基础数据支持。为加强集团企业内各车间部门的合作和互操作性,制造决策者必须对各制造车间制造能力进行准确的理解。快速地、动态地分析车间的制造过程数据,进行制造能力的量化分析是制造过程正确决策的前提,是制造任务分解、制造订单按时快速完成的基础。此外,动态地评估各车间的制造能力也为企业的整体制造能力的提供数据支持,为企业之间的伙伴选择提供保证。
到目前为止,对制造能力的研究主要分为两个方面,其一是从宏观角度研究制造能力与企业绩效的关系,其二是微观角度分析制造能力的构成要素。其中大部分研究都集中在企业的制造能力构成要素方面,其原因在于随着制造规模的增加,新制造模式的不断涌现,制造能力的构成要素也趋于日益多样化的趋势。从上个世纪,仅从生产质量和生产成本对制造能力进行研究,发展到现在全球化制造中综合考虑产品质量、生产成本、交付速度、制造柔性、环境保护能力等多方面。由于制造能力的强弱直接影响到企业绩效,制 造能力引起了现代制造企业广泛关注,制造决策者需要最大覆盖度地掌握企业的各个部门甚至于车间级的制造能力,以应对新的制造订单需求。另外,制造能力的评估也吸引了一些研究人员,研究者深入分析具体制造企业的制造过程数据,建立制造能力与企业绩效的映射关系;其中,制造能力的准确测量、评估是制造能力与企业绩效关系研究的基础。现代制造企业中,多种传感技术以及射频识别技术的采用,制造过程的实时监测已得到良好实现,如何实时地、动态地处理不同时间感知的制造过程数据已成为一个热门研究课题。
车间级制造能力与企业级制造能力相比,既有相似点,也有不同之处。由于制造企业中制造车间的多样性,在对车间制造能力评估过程中缺乏统一的综合评估评估指标体系。制造车间相比于制造企业是粒度更小的制造单元,评估企业制造能力的评估指标体系不能简单的照搬应用到制造车间中,如企业信誉等评估指标。另外,相比于整个制造企业,在制造车间内部制造过程的实时监测下,数据的更新周期相比于整个企业的任务订单周期更短,即车间级的制造能力较企业制造能力表现出更强的动态性。传统的企业制造能力评估方法不能直接应用于车间级制造能力的评估。
参考文献R.H.Hayes,Wheelwright,S.C.Restoring our competitive edge:competing through manufacturing.Wiley,New York,1984。研究了制造能力的构成要素,指出企业的制造能力需要从生产质量、管理工程方面发展提高。参考文献Gary Cleveland,Roger G.schroeder.A theory of production competence.Decisionsciences.1989,20(4):655-668。首次提出了制造能力评估的概念,在研究中肯定制造能力对企业绩效的影响,并指出制造能力准确评估的重要性,从包括适应型制造、交付性能、物流能力等九个方面对制造能力进行评估。参考文献D.V.B.Lucía Avella.The multidimensional nature of production competence and additional evidence of its impact on business performance.International Journal of Operations and Production Management.2010,30:548-583。总结了制造能力的研究现状,并指出现代制造过程中环境保护能力的重要性,制造企业以及车间的环境保护能力应该在能力评估中进行量化计算。
在系统的评估方法研究中,层次分析法作为一种多评估指标的权重处理方法在许多领域中得到广泛应用,然而层次分析法中对比 矩阵存在较强的主观性。针对虚拟企业联盟的合作伙伴选择问题,参考文献Xie Qingsheng,Pan Weijie,Li Shaobo,Yang Guanci.Manufacturing Capability Evaluation of E-HUB Based on Harmony Theory.IITA International Conference on Services Science,Management and Engineering.2009。提出了一种基于和谐理论的企业制造能力综合评估方法,利用模糊关系和AHP(Analytic Hierarchy Process,层次分析法)方法确定了评估评估指标及其相对权重。进而采用和谐理论构建矩阵评估虚拟企业联盟是否达到“和谐”状态。在评估评估指标方面进行了历史记录和第三方评估的考虑,但没有构建历史数据和第三方对综合评估的影响模型。由于和谐理论本身的粗糙性,使得实际评估的可操作性不大。参考文献Rashidinejad.A technique for advanced manufacturing systems capability evaluation and comparison(ACEC).International Journal of Advanced Manufacturing Technology,2007,31:1044-1048。提出了一种制造系统综合能力的评估方法以辅助管理者做出正确决策。首先,根据所在产业的专家构建能力要素及其相对重要性并从中引出各“能力评估指标”,针对各“能力评估指标”利用模糊关系理论构建模糊集和映射关系,采用层次分析法计算各“能力评估指标”相对权重值,最后做出综合计算得到制造系统制造能力。然而,正如作者指出,在实际能力映射关系中,很多能力因素存在非线性的从属关系,从属关系的确定仍存在很大难度。
为测量制造系统的柔性,参考文献N.C.,Tsourveloudis and Y.A.Phillis.Manufacturing Flexibility Measurement:A Fuzzy Logic Framework.IEEE transactions on robotics and automation.1998,14:513-524。提出了一种基于知识的制造系统柔性测量方法,给出了包括设备柔性、工艺柔性、产品柔性、过程柔性等九种类型柔性,结合基于知识的IF-THEN(若-则)规则,建立功能约束关系;并且提出一种用户可自定义模糊逻辑关系的评估框架,结合约束关系中的最贴近规则,采用近似推理的方法计算制造系统的柔性值。参考文献L.-R.Yang.Key practices,manufacturing capability and attainment of manufacturing goals:The perspective of project/engineer-to-order manufacturing.International Journal of Project Management.201331:105-125。针对ETO(engineer-to-order,面向定单设计)型制造,提出了一种结合制造活动、制造能力、制 造目标三者关系的模型,研究者采用探索性因素分析(EFA)和验证性因素分析(CFA)对制造系统进行分析并指出,制造活动中如质量管理、人力资源管理等活动有利于制造企业能力的提升,从而促进制造目标的按时实现。参考文献A.Azadeh,S.F.Ghaderi,Y.Partovi Miran,V.Ebrahimipour,and K.Suzuki.An integrated framework for continuous assessment and improvement of manufacturing systems.Applied Mathematics and Computation.2007,186:1216-1233。一种基于主成分分析法的制造系统性能评估方法,研究者对制造系统中的评估评估指标分为五类评估指标,包括经济型评估指标、客户满意度、流程创新、生产工艺和组织学习增长。采用主成分分析法分析制造过程数据并建立模型,并用数值分类法对模型结果进行验证,为制造系统管理者提供持续监测和评估提供支持。参考文献K.B.Hon.Performance and Evaluation of Manufacturing Systems.CIRP Annals-Manufacturing Technology.2005,54:139-154。提出一种基于评估制造系统输入、输出的制造性能评价方法。对制造系统从成本、质量、生产能力、时间和柔性五个属性进行评价,对制造系统按设备级、单元级、生产线级、企业级以及制造网络级进行了划分,给出了一种制造系统性能评估框架,强调制造系统的评估应当结合制造环境,动态处理制造过程中的事件从而对制造系统性能给评价。
目前针对制造能力评估的研究已经取得了阶段性的成果。但在以下两个方面仍存在问题。
从制造能力的评估评估指标方面看,从研究中对产品质量、交付时间、成本的评估方面到柔性、环境等要素的考虑可以看出,制造能力的评估评估指标处在不断完善与补充的过程。此外,对于创新要素,研究者也持两种态度,一种认为单独予以考虑,作为制造能力的评估评估指标之一;另一种认为,创新性在其他制造能力中已有体现,如产品质量等,与其他评估评估指标存在包含关系。评估评估指标的不完善,不统一和对制造能力的理解上的差异,导致评估过程的侧重点不同,评估的不准确,不全面。
评估方法与评估理论上,目前研究多采用传统的调查问卷方法,多准则的综合评估方法,如层次分析法,作为一种结合定量与定性分析的综合评估方法,在确定层次化评估评估指标和对附属子评估指标的权重确定上有很强的可操作性。模糊理论在制造能力评估中 也被广泛应用,制造系统的评价中存在许多模糊关系和无法直接量化的影响因素。但由于制造能力的动态性,以及评估过程中,新的评估数据的出现,要求对企业制造能力给出动态的,实时的,精确的评估,需要寻求新的动态评估理论与评估方法。
发明内容
本发明的目的就是要提供一种面向车间级制造能力的动态综合评估方法。该方法以历史制造数据为基础,主要针对传感器技术、射频识别技术等采集的实时车间制造数据,综合考虑各不同制造时间的制造数据,对车间级制造能力进行动态准确的评估,为企业的车间排产优化和协同提供支持。
为实现此目的,本发明所设计的面向车间级制造能力的动态综合评估方法,其特征在于,它包括如下步骤:
步骤一:建立车间制造能力的评估指标架构,该评估指标架构包括生产质量评估指标、产品生产成本评估指标、产品交付速度评估指标、产品制造柔性评估指标和环境保护能力评估指标;
步骤二:对步骤一中建立的车间制造能力评估指标架构进行具体化分解,其中,生产质量评估指标具体化分解为机械加工精度评估指标、精度保持能力评估指标、产品可靠性评估指标和产品质量评估指标;产品生产成本评估指标具体化分解为产品制造过程中的消耗成本评估指标、产品维护阶段的成本评估指标;产品交付速度评估指标具体化分解为加工材料的供应速度评估指标、产品的最终交付速度评估指标、产品制造过程中的优化调度评估指标;产品制造柔性评估指标包括产品种类柔性评估指标、产品数量规模柔性评估指标;环境保护能力评估指标包括制造过程的制造材料选择的评估指标、产品包装的评估指标;
步骤三:确定车间制造数据的时间权重与步骤2中上述各个不同评估指标权重之间的约束关系,设A={a1,a2,...,ai,...,am}为待评估的制 造车间的集合,设各个车间的评估指标集合为设w={w1,w2,...,wj,...,wn}为步骤2中上述各个不同评估指标的权重,则w满足:
设T=(t1,t2,...,tk,...,tK)为上述各个不同评估指标下的时间样本点,λ={λ1,λ2,...,λk,...,λK}为不同时间下上述各个评估指标的时间权重,则
步骤四:设定车间制造能力评估模型中的评估目标,具体方法为,设为第ai号车间在评估时间点K,评估指标cj下的能力评估值,根据步骤三中确定的约束关系即各个不同评估指标的权重 和不同时间下上述各个评估指标的时间权重 得到在评估时间点K,第ai号车间的综合制造能力评估值为:
动态考虑不同评估时间的第ai号车间综合制造能力评估值,则第ai号车间的综合制造能力评估值为:
步骤五:确定评估时间权重,为保证对不同评估时间的综合制造能力评估值进行合理赋权,则评估值的重要性与各个不同评估指标下的时间样本点T=(t1,t2,...,tk,...,tK)的函数λ(t)应满足如下条件:
条件1、 其中,t0为需要进行考虑的历史制造数据的时间起始点,R代表实数;
条件2、λ(t)的一阶导数存在,且λ′(t)≥0;
类比信息熵的定义,定义车间制造能力评估完成的时间点t的能力评估值的重要性,则时间样本重要性量化的公式为:
H=(t-t0)αloga(t-t0) (5)
其中,t为车间制造能力评估完成的时间点,t0为需要进行考虑的历史制造数据的时间起始点,α为时间权重相对重要性调整因子;
设T=(t1,t2,...,tk,...,tK)为各个不同评估指标下的时间样本点,由公式5得到时间t的能力评估值的重要程度熵向量H={H1,H2,...,Hk,...,HK},经标准化处理,则评估指标j在评估时间k的时间权重为:
步骤六:确定评估指标体系下各评估指标的相对权重,本步骤中采用层次分析法确定各评估指标的相对权重,构建各评估指标的相对权重矩阵:
令γ为矩阵P的最大特征值,则一致性指数CI为:
其中,n为指标集中指标数量即矩阵阶数,P12为指标2相对于指标1的重要性度量;
在式7基础上,计算一致性比率CR,判定矩阵的合理性;
其中,RI为平均随机一致性指标,是足够多个随机发生的判断矩阵计算一致性指标的平均值,若CR<1,则矩阵的合理,予以接受;如CR≥1,则遍历上述评估指标集合中所有的指标,并对指标集合中的指标两两对比,从而重新构建各评估指标的相对权重矩阵;
步骤七:综合评估指标的时间权重向量λk和各个不同评估指标的权重向量wj,对车间制造能力进行动态评估,依据下式得到第ai号车间的制造能力评估值Di:
所述步骤五中,所述重要性是时间权重的量化,越是最近的评估值,其对目前的制造过程评估指导意义越大,所占时间权重越大, 即重要性越大。
本发明提出了基于熵时间赋权法和层次分析法的车间级制造能力的动态评估方法。与以往的制造能力评估方法相比较,该技术在评估时间动态性处理上有显著的提高。由于本发明采用熵时间赋权法和层次分析法的综合技术,既保证了车间能力评估时间的相对重要性,又使得综合评估指标体系下各指标权重能够合理分配,从而达到车间级制造能力的动态综合评估的目的。这是本发明的创新之处。其关键技术之一用类比信息熵的定义处理评估样本时间的差异性,使得到的变时间权重能够体现时间维度上的相对重要性,从而有效提高评估方法的动态性。关键技术之二是层次分析法,在时间权重确定之后,采用层次分析法对已构建的综合评估指标体系进行层析分析,使得评估指标的相对权重得到良好处理。所以,用本发明方法评估的车间级制造能力,既能保证评估时间权重的客观性,又利用层次分析法主观考虑各评估指标,主要在保证综合评估的基础上,提高了评估方法的动态性。大量的实验数据表明,该方法的动态性和有效性是可信的。
附图说明
图1为时间熵值与扩展因子的关系图;
图2为动态综合评估方法下评估结果图;
图3为传统综合评估方法下制造车间评估图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细说明:
本发明设计的面向车间级制造能力的动态综合评估方法,首先对车间级制造能力的构成要素进行归纳分析,建立车间级制造能力动态综合评估的指标体系,然后建立车间级制造能力动态评估的数学模型,最后针对数学模型利用熵时间赋权和层次分析法相结合对 制造能力进行评估。
总的来说本发明包括如下步骤:
第一步骤:确定车间制造数据的时间权重与不同评估指标权重约束;
第二步骤:设定车间制造能力评估数学模型中评估目标;
第三步骤:利用熵赋权法确定车间评估时间动态权重;
第四步骤:利用层次分析法确定综合评估指标体系下,各指标的相对权重;
第五步骤:综合熵赋权法和层次分析法,对车间级制造能力给出动态综合评估。
具体来说本发明包括如下步骤:
步骤一:建立车间制造能力的评估指标架构,该评估指标架构包括生产质量评估指标、产品生产成本评估指标、产品交付速度评估指标、产品制造柔性评估指标和环境保护能力评估指标;
步骤二:对步骤一中建立的车间制造能力评估指标架构进行具体化分解,其中,生产质量评估指标具体化分解为机械加工精度评估指标、精度保持能力评估指标、产品可靠性评估指标和产品质量评估指标;产品生产成本评估指标具体化分解为产品制造过程中的消耗成本评估指标、产品维护阶段的成本评估指标;产品交付速度评估指标具体化分解为加工材料的供应速度评估指标、产品的最终交付速度评估指标、产品制造过程中的优化调度评估指标;产品制造柔性评估指标包括产品种类柔性评估指标、产品数量规模柔性评估指标;环境保护能力评估指标包括制造过程的制造材料选择的评估指标、产品包装的评估指标;
步骤三:确定车间制造数据的时间权重与步骤2中上述各个不同评估指标权重之间的约束关系,设A={a1,a2,...,ai,...,am}为待评估的制造车间的集合,设各个车间的评估指标集合为设w={w1,w2,...,wj,...,wn}为步骤2中上述各个不同评估指标的权重,则w 满足:
设T=(t1,t2,...,tk,...,tK)为上述各个不同评估指标下的时间样本点,λ={λ1,λ2,...,λk,...,λK}为不同时间下上述各个评估指标的时间权重,则
步骤四:设定车间制造能力评估模型中的评估目标,具体方法为,设为第ai号车间在评估时间点K,评估指标cj下的能力评估值,根据步骤三中确定的约束关系即各个不同评估指标的权重 和不同时间下上述各个评估指标的时间权重 得到在评估时间点K,第ai号车间的综合制造能力评估值为:
动态考虑不同评估时间的第ai号车间综合制造能力评估值,则第ai号车间的综合制造能力评估值为:
步骤五:确定评估时间权重,为保证对不同评估时间的综合制造能力评估值进行合理赋权,则评估值的重要性与各个不同评估指 标下的时间样本点T=(t1,t2,...,tk,...,tK)的函数λ(t)应满足如下条件:
条件1、 其中,t0为需要进行考虑的历史制造数据的时间起始点,R代表实数;
条件2、λ(t)的一阶导数存在,且λ′(t)≥0;
类比信息熵的定义,定义车间制造能力评估完成的时间点t的能力评估值的重要性,则时间样本重要性量化的公式为:
H=(t-t0)αloga(t-t0) (5)
其中,t为车间制造能力评估完成的时间点,t0为需要进行考虑的历史制造数据的时间起始点,α为时间权重相对重要性调整因子;
设T=(t1,t2,...,tk,...,tK)为各个不同评估指标下的时间样本点,由公式5得到时间t的能力评估值的重要程度熵向量H={H1,H2,...,Hk,...,HK},经标准化处理,则评估指标j在评估时间k的时间权重为:
步骤六:确定评估指标体系下各评估指标的相对权重,本步骤中采用层次分析法确定各评估指标的相对权重,构建各评估指标的相对权重矩阵:
令γ为矩阵P的最大特征值,则一致性指数CI为:
其中,n为指标集中指标数量即矩阵阶数,P12为指标2相对于指标1的重要性度量,即P3n为指标n相对于指标3的重要性度量,以此类推;
在式7基础上,计算一致性比率CR,判定矩阵的合理性;
其中,RI为平均随机一致性指标,是足够多个随机发生的判断矩阵计算一致性指标的平均值,若CR<1,则矩阵的合理,予以接受;如CR≥1,则遍历上述评估指标集合中所有的指标,并对指标集合中的指标两两对比,从而重新构建各评估指标的相对权重矩阵;
步骤七:综合评估指标的时间权重向量λk和各个不同评估指标的权重向量wj,对车间制造能力进行动态评估,依据下式得到第ai号车间的制造能力评估值Di:
上述技术方案的步骤五中,所述重要性是时间权重的量化,越 是最近的评估值,其对目前的制造过程评估指导意义越大,所占时间权重越大,即重要性越大。
上述技术方案的步骤五中,时间权重相对重要性调整因子α作为一个扩展因子存在,越是最近的评估值,参考价值越大,此时α取值可以相对大一些,比如0.5、0.4;若是一般性的重要,取值可相对小点,比如0.2、0.3。
下面结合具体实例介绍本发明的具体方法;
第一步:建立车间制造能力的评估指标架构。利用自顶向下的分析方法对影响车间制造能力的要素进行总结。构建包括产品质量、生产成本、交付速度、制造柔性以及环境保护能力等部分的评价架构。
第二步:深入调研分析具体制造车间的制造过程数据,对步骤一中建立的评估指标体系架构进行分解、具体化、实例化。构建的综合评价指标体系见表一。
第三步:在具体化车间制造能力评估约束条件和评估目标的基础上,对评估数据样本进行时间权重客观赋权处理。某生产车间的制造过程数据见表二。利用时间权重计算公式
令t0=0,扩展因子α=0.4,底数a=e,根据表二中时间数据,确定上半年时间序列向量为T=(2,3,4,5,6,7),利用上式计算得到评估时间权重向量为(0.0571,0.1065,0.1508,0.1914,0.2293,0.2648),见表三。其中扩展因子在实际评估中结合制造数据评估时间的重要性修改,熵的计算值与时间序列关系图见图1。
第四步:确定评估指标体系下各评估指标的相对权重。结合层次分析法,针对第二步中构建的评价指标集进行两两对比处理,得到比较矩阵如下:
求得矩阵P的最大特征值为5.3004。计算一致性指数CI
进而由一致性指数计算一致性比率CR,查表可知,五阶判别矩阵RI=1.12
CR<1,所以,两两对比得到的矩阵P可以接受。
进而计算矩阵P对应的各指标权重向量为:(0.4317,0.1978,0.1874,0.113,0.0739)。
第五步:综合时间权重向量和多指标评估权重向量,对车间制造能力进行动态评估。利用第三步计算得到的客观时间权重向量(0.0571,0.1065,0.1508,0.1914,0.2293,0.2648)和第四步计算得到的主观多评价指标的相对权重向量(0.4317,0.1940,0.1874,0.1130,0.0739),根据下式:
可求得三个生产车间的制造能力的值向量D={0.6431,0.6544,0.6428}。对三个车间制造能力的图形化分析见图2,为对比该发明的动态综合评估效果,对比传统的静态评估方法下计算的各车间制造能力值,见图3。可看到,本方法所进行的对三个生 产车间上半年的车间级制造能力评估效果明显,车间二总体水平优于车间一和车间三。
表一 车间级制造能力综合评估指标体系
表二 某制造企业三个生产车间上半年评估数据
表三 某制造企业三个生产车间上半年时间权重
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (2)
1.一种面向车间级制造能力的动态综合评估方法,其特征在于,它包括如下步骤:
步骤一:建立车间制造能力的评估指标架构,该评估指标架构包括生产质量评估指标、产品生产成本评估指标、产品交付速度评估指标、产品制造柔性评估指标和环境保护能力评估指标;
步骤二:对步骤一中建立的车间制造能力评估指标架构进行具体化分解,其中,生产质量评估指标具体化分解为机械加工精度评估指标、精度保持能力评估指标、产品可靠性评估指标和产品质量评估指标;产品生产成本评估指标具体化分解为产品制造过程中的消耗成本评估指标、产品维护阶段的成本评估指标;产品交付速度评估指标具体化分解为加工材料的供应速度评估指标、产品的最终交付速度评估指标、产品制造过程中的优化调度评估指标;产品制造柔性评估指标包括产品种类柔性评估指标、产品数量规模柔性评估指标;环境保护能力评估指标包括制造过程的制造材料选择的评估指标、产品包装的评估指标;
步骤三:确定车间制造数据的时间权重与步骤2中上述各个不同评估指标权重之间的约束关系,设A={a1,a2,…,ai,…,am}为待评估的制造车间的集合,设各个车间的评估指标集合为Θ={c1,c2,…,cj,…,cn},设w={w1,w2,…,wj,…,wn}为步骤2中上述各个不同评估指标的权重,则w满足:
设T=(t1,t2,…,tk,…,tK)为上述各个不同评估指标下的时间样本点,λ=(λ1,λ2,…,λk,…,λK)为不同时间下上述各个评估指标的时间权重,则
步骤四:设定车间制造能力评估模型中的评估目标,具体方法为,设为第ai号车间在评估时间点K,评估指标cj下的能力评估值,根据步骤三中确定的约束关系即各个不同评估指标的权重和不同时间下上述各个评估指标的时间权重,得到在评估时间点K,第ai号车间的综合制造能力评估值为:
动态考虑不同评估时间的第ai号车间综合制造能力评估值,则第ai号车间的综合制造能力评估值为:
步骤五:确定评估时间权重,为保证对不同评估时间的综合制造能力评估值进行合理赋权,则评估值的重要性与各个不同评估指标下的时间样本点T=(t1,t2,…,tk,…tK)的函数λ(t)应满足如下条件:
条件1、 ,其中,t0为需要进行考虑的历史制造数据的时间起始点,R代表实数;
条件2、λ(t)的一阶导数存在,且λ′(t)≥0;
类比信息熵的定义,定义车间制造能力评估完成的时间点t的能力评估值的重要性,则时间样本重要性量化的公式为:
H=(t-t0)αloga(t-t0) (5)
其中,t为车间制造能力评估完成的时间点,t0为需要进行考虑的历史制造数据的时间起始点,α为时间权重相对重要性调整因子;
设T=(t1,t2,…,tk,…tK)为各个不同评估指标下的时间样本点,由公式5得到时间t的能力评估值的重要程度熵向量H={H1,H2,…,Hk,…HK},经标准化处理,则评估指标j在评估时间k的时间权重为:
步骤六:确定评估指标体系下各评估指标的相对权重,本步骤中采用层次分析法确定各评估指标的相对权重,构建各评估指标的相对权重矩阵:
令γ为矩阵P的最大特征值,则一致性指数CI为:
其中,n为指标集中指标数量即矩阵阶数,P12为指标2相对于指标1的重要性度量;
在式7基础上,计算一致性比率CR,判定矩阵的合理性;
其中,RI为平均随机一致性指标,是足够多个随机发生的判断矩阵计算一致性指标的平均值,若CR<1,则矩阵的合理,予以接受;如CR≥1,则遍历上述评估指标集合Θ={c1,c2,…,cj,…cn}中所有的指标,并对指标集合中的指标两两对比,从而重新构建各评估指标的相对权重矩阵;
步骤七:综合评估指标的时间权重向量λk和各个不同评估指标的权重向量wj,对车间制造能力进行动态评估,依据下式得到第ai号车间的制造能力评估值Di:
2.根据权利要求1所述的面向车间级制造能力的动态综合评估方法,其特征在于:所述步骤五中,所述重要性是时间权重的量化,越是最近的评估值,其对目前的制造过程评估指导意义越大,所占时间权重越大,即重要性越大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102577146A CN103413020A (zh) | 2013-06-25 | 2013-06-25 | 一种面向车间级制造能力的动态综合评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102577146A CN103413020A (zh) | 2013-06-25 | 2013-06-25 | 一种面向车间级制造能力的动态综合评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103413020A true CN103413020A (zh) | 2013-11-27 |
Family
ID=49606031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013102577146A Pending CN103413020A (zh) | 2013-06-25 | 2013-06-25 | 一种面向车间级制造能力的动态综合评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103413020A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203842A (zh) * | 2016-07-13 | 2016-12-07 | 天津大学 | 基于层次分析法和熵权法的电动汽车充电机评估方法 |
CN107248047A (zh) * | 2017-08-01 | 2017-10-13 | 西安交通大学 | 基于加工过程状态熵动态计算的加工过程状态评价方法 |
CN108256763A (zh) * | 2018-01-15 | 2018-07-06 | 苏州索及信息技术有限公司 | 基于层次分析法的非标零部件供应商制造能力分析方法及装置 |
CN108769174A (zh) * | 2018-05-22 | 2018-11-06 | 华中农业大学 | 一种基于云-端的制造信息物理系统架构 |
CN111126796A (zh) * | 2019-12-08 | 2020-05-08 | 中国航空综合技术研究所 | 模型驱动企业的能力等级评价方法 |
CN111708332A (zh) * | 2020-05-28 | 2020-09-25 | 上海航天精密机械研究所 | 一种生产线数字孪生系统 |
CN112598233A (zh) * | 2020-03-12 | 2021-04-02 | 吴敏 | 粉末冶金生产用质量安全监控管理系统 |
CN112734598A (zh) * | 2019-10-29 | 2021-04-30 | 北京国双科技有限公司 | 建立外包平台模型的方法、外包方查找方法及装置 |
CN112906977A (zh) * | 2021-03-19 | 2021-06-04 | 贵州航天云网科技有限公司 | 一种基于动态价值网络和云制造平台的协同优化方法 |
CN114091791A (zh) * | 2022-01-21 | 2022-02-25 | 科大智能物联技术股份有限公司 | 一种基于改进dea的ahp的物流绩效评估方法 |
-
2013
- 2013-06-25 CN CN2013102577146A patent/CN103413020A/zh active Pending
Non-Patent Citations (2)
Title |
---|
HUACHEN LIU 等: "《Proceedings of 4th International Conference,ICSI 2013》", 15 June 2013 * |
董楠: "《基于制造型企业的生产能力评估方法研究》", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203842A (zh) * | 2016-07-13 | 2016-12-07 | 天津大学 | 基于层次分析法和熵权法的电动汽车充电机评估方法 |
CN107248047A (zh) * | 2017-08-01 | 2017-10-13 | 西安交通大学 | 基于加工过程状态熵动态计算的加工过程状态评价方法 |
CN107248047B (zh) * | 2017-08-01 | 2020-05-22 | 西安交通大学 | 基于加工过程状态熵动态计算的加工过程状态评价方法 |
CN108256763A (zh) * | 2018-01-15 | 2018-07-06 | 苏州索及信息技术有限公司 | 基于层次分析法的非标零部件供应商制造能力分析方法及装置 |
CN108769174A (zh) * | 2018-05-22 | 2018-11-06 | 华中农业大学 | 一种基于云-端的制造信息物理系统架构 |
CN112734598A (zh) * | 2019-10-29 | 2021-04-30 | 北京国双科技有限公司 | 建立外包平台模型的方法、外包方查找方法及装置 |
CN111126796B (zh) * | 2019-12-08 | 2021-08-20 | 中国航空综合技术研究所 | 模型驱动企业的能力等级评价方法 |
CN111126796A (zh) * | 2019-12-08 | 2020-05-08 | 中国航空综合技术研究所 | 模型驱动企业的能力等级评价方法 |
CN112598233A (zh) * | 2020-03-12 | 2021-04-02 | 吴敏 | 粉末冶金生产用质量安全监控管理系统 |
CN111708332A (zh) * | 2020-05-28 | 2020-09-25 | 上海航天精密机械研究所 | 一种生产线数字孪生系统 |
CN111708332B (zh) * | 2020-05-28 | 2021-12-07 | 上海航天精密机械研究所 | 一种生产线数字孪生系统 |
CN112906977A (zh) * | 2021-03-19 | 2021-06-04 | 贵州航天云网科技有限公司 | 一种基于动态价值网络和云制造平台的协同优化方法 |
CN114091791A (zh) * | 2022-01-21 | 2022-02-25 | 科大智能物联技术股份有限公司 | 一种基于改进dea的ahp的物流绩效评估方法 |
CN114091791B (zh) * | 2022-01-21 | 2022-04-12 | 科大智能物联技术股份有限公司 | 一种基于改进dea的ahp的物流绩效评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103413020A (zh) | 一种面向车间级制造能力的动态综合评估方法 | |
Tyagi et al. | Assessment of CSR based supply chain performance system using an integrated fuzzy AHP-TOPSIS approach | |
Wu et al. | Aligning supply chain strategy with corporate environmental strategy: A contingency approach | |
Khaleie et al. | Supplier selection using a novel intuitionist fuzzy clustering approach | |
Mahmoudi et al. | Grey earned value management: theory and applications | |
Li et al. | A rough set approach for estimating correlation measures in quality function deployment | |
Zha et al. | A hybrid MCDM method using combination weight for the selection of facility layout in the manufacturing system: A case study | |
Liu et al. | An intelligent early warning system for software quality improvement and project management | |
Alamsyah et al. | Artificial neural network for Indonesian tourism demand forecasting | |
Wawale et al. | Minimizing the error gap in smart framing by forecasting production and demand using ARIMA model | |
Wang et al. | Design of a knowledge-based performance evaluation system: A case of high-tech state-owned enterprises in an emerging economy | |
Bandyopadhyay | Comparison among multi-criteria decision analysis techniques: A novel method | |
Lee et al. | Development of assessment model for demand-side management investment programs in Korea | |
Nematkhah et al. | An integrated fuzzy DEMATEL-fuzzy ANP approach to nominate diagnostic method and measuring total predictive performance score | |
Baležentis et al. | Economic and environmental decomposition of Luenberger-Hicks-Moorsteen total factor productivity indicator: Empirical analysis of Chinese textile firms with a focus on reporting infeasibilities and questioning convexity | |
Xu et al. | Ranking academic impact of world national research institutes—by the Chinese Academy of Sciences | |
Ertuğrul et al. | Performance analysis of online bookstores by using macbeth and promethee methods | |
Borland et al. | The determinants of Australian trade union membership | |
Liu et al. | Application of fuzzy ordered weighted geometric averaging (FOWGA) operator for project delivery system decision-making | |
Hongzhuan et al. | Research on complex product cost estimation based on the N‐GM (0, N) model | |
Xie et al. | Evaluating and visualizing QoS of service providers in knowledge-intensive crowdsourcing: a combined MCDM approach | |
Song et al. | Quality Risk Management Algorithm for Cold Storage Construction Based on Bayesian Networks | |
Dissanayake et al. | Soft computing approach to construction performance prediction and diagnosis | |
Liu | Big Data-Driven Macroeconomic Forecasting Model and Psychological Decision Behavior Analysis for Industry 4.0 | |
Thuan et al. | Organizational factors and quality of accounting information system in Vietnam |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131127 |
|
RJ01 | Rejection of invention patent application after publication |