CN104881003A - 一种计量生产设施效能评估方法 - Google Patents

Abstract

本发明公开了一种计量生产设施效能评估方法，包括以下步骤：S1，采集集中监测数据;S2，构建效能评估指标体系，所述效能评估指标体系包括指标体系和权重体系;S3，建立基于模糊评价方法的效能评估模型；S4，评估结果处理。本发明计量生产设施效能评估方法给出了一个统一的标准，对计量生产设施的效率和能力有更加公正、客观、合理的评估手段。不同网省的生产效能有了相互比较的统一标准，可作为国网考核的一部分。

Description

一种计量生产设施效能评估方法

技术领域

本发明涉及电力系统用电技术领域，尤其涉及一种计量生产设施效能评估方法。

背景技术

计量生产设施“四线一库”(单相智能电能表自动化检定流水线、三相智能电能表自动化检定流水线、低压电流互感器自动化检测流水线、用电采集终端自动化检测流水线、智能化仓储库房)各个分控系统的监测数据上送至前置采集服务器，汇总得到计量中心集中监测数据。在此基础上，开展基于模糊评价方法的效能评估模型在计量中心的应用工作。

随着“大营销”计量体系建设的推进，国家电网公司正逐渐加快各省计量中心生产场所、生产设施的建设。在大规模集中检定的运作模式下，自动化生产系统如自动化检定线、智能仓储系统、AGV控制系统等正在迅速替代传统的人工检定方式，“四线一库”检定生产设施的整体自动化水平显著提升。然而，生产全过程运行好坏缺乏合理的评判标准，生产全过程效能(效率和能力)缺少量化标准，对生产效能的改进缺乏可量化的统一标准。

发明内容

本发明提出一种计量生产设施故障在线诊断方法，可以实现对计量生产设施效率和能力的评估，使得计量专家更加直观地了解当前计量生产设施的检定生产状况。

一种计量生产设施效能评估方法，包括以下步骤：

S1，采集集中监测数据；

S2，构建效能评估指标体系，效能评估指标体系包括指标体系和权重体系；

S3，建立基于模糊评价方法的效能评估模型；

S4，评估结果处理。

步骤S1采集集中监测数据具体包括以下步骤：

分控单元采用统一的通讯规约将监测数据统一编码后上送到前置采集服务器，前置采集服务器将接收到的监测数据汇总后存储到数据库服务器中，为计量生产设施效能评估提供数据源。

指标体系为多层次指标体系。

多层次指标体系为四层指标体系，包括目标层、项目层、子项目层、指标层，指标(针对计量生产设施“四线一库”(单相智能电能表自动化检定流水线、三相智能电能表自动化检定流水线、低压电流互感器自动化检测流水线、用电采集终端自动化检测流水线、智能化仓储库房))，从资产属性、非资产属性角度分析影响生产效能的关键因素，通过应用层次分析法(AHP)构建多层次计量生产设施效能评估指标体系。

资产属性指的是计量生产设施的自身效能状况，即各个生产单元(具体生产设备)的检定生产水平；非资产属性指的是影响检定生产效能的其他因素，主要是管理因素。

应用层次分析法(AHP)构建指标体系，条理化、层次化，梳理出递阶层次结构。计量生产设施效能评估指标体系包括四个层次：目标层、项目层、子项目层、指标层。目标层，即计量生产设施效能评估；项目层，包括计量生产设施的主要组成部分；子项目层，包括每个部分的主要生产单元，以及管理因素；指标层，包括各个子项目影响检定生产效能的关键指标。

权重体系为多层次权重体系。

建立指标体系后，根据层次间、指标间的相对重要性赋予相应的权重。层次分析法(AHP)建立在专家咨询基础上，将复杂系统中各种指标划分为相互联系的有序层次，把多层次、多指标的权重赋值简化为各指标重要性的两两比较，然后进行数学处理，对各层次、各指标赋权重，构建多层次权重体系。

构建多层次权重体系具体包括以下步骤：

(201)构造判断矩阵

按应用层次分析法(AHP)计算指标体系各层次指标间两两比较的相对重要程度，从指标体系的目标层开始(从顶层开始，逐层向下)，针对某个元素，对与之相关的下一层元素进行两两对比，即隶属于同一上级指标的指标之间的相对重要性比较，从而形成判断矩阵B(表1为判断矩阵表)，判断矩阵B中包括指标B_i对于指标B_j的重要程度b_ij。重要性的比较采用改进的比例标度法。

表1 判断矩阵表

(202)判断矩阵的一致性检验

计算一致性指标CI(consistency index)，其中，λ_max是判断矩阵B的最大特征值，n指的是判断矩阵B的阶数。

根据平均随机一致性指标RI表(表3)，确定相应的平均随机一致性指标RI(random index)，根据判断矩阵不同阶数查表，得到平均随机一致性指标RI。

表3 平均随机一致性指标RI表(1000次正互反矩阵计算结果)

计算一致性比例CR(consistency ratio)并进行判断，当CR≤ρ时，认为判断矩阵的一致性是可以接受的，CR＞ρ时，认为判断矩阵不符合一致性要求，需要对判断矩阵B进行重新修正，ρ为判断矩阵一致性判断的门限值，一般取值0.1。

(203)计算判断矩阵B的权重，构建多层次权重体系

指标集U(多层次指标体系中的各个指标构成的集合)中各指标U_i对评估对象或其上级指标的影响程度是不同的，为了反映各指标的重要程度，需要计算每个指标U_i的权重ω_i，计算指标集U的判断矩阵B的特征值、特征向量，取最大特征值λ_max对应的特征向量u＝(u₁,u₂...,u_n)，归一化，即得到权重集W＝(ω₁,ω₂...,ω_n)，其中，ω_i＞0(i＝1,2,...,n)，i＝1,2,...,n，ω_i为指标集U中各指标U_i的权重。

对于多层次指标体系，分层次构造判断矩阵，并依次计算权重集，最终构成多层次权重体系，供计量生产设施效能评估模型使用。

步骤S3具体包括以下步骤：

步骤301：计算指标层各指标值

以集中监测数据为基础，计算指标层各个指标的值，例如：计划检定率＝计划检定数量/工作时间；库存周转率，指统计周期内，设备出库数量与入库数量的比率；设备空闲率＝设备空闲时间/运行时长；设备故障占比＝设备故障时间/运行时长等。

步骤302：计算相对效能指数

判断指标性质是正向指标还是逆向指标，根据指标的性质(正向指标还是逆向指标)，对指标进行归一化处理，将指标值转化成相对效能指数，消除各指标之间的量纲差异；

对指标进行归一化处理，具体方法如下：

正向指标(值越大，生产效能越高)的归一化处理：

$x_i^{*}=\frac{x_i-x_{\min }^i}{x_{\max }^i-x_{\min }^i}$

逆向指标(值越小，生产效能越高)的归一化处理：

$x_i^{*}=\frac{x_{\max }^i-x_i}{x_{\max }^i-x_{\min }^i}$

其中，x_i为第i个指标当前的实际值，为x_i归一化处理后的输出值，为第i个指标的理想最大值，表示第i个指标的理想最小值，可通过分析硬件工艺、统计历史数据，结合专家建议给出指标体系中各底层指标的理想最大值和理想最小值。

引入相对效能指数的概念来代表当前计量生产设施检定生产各指标的实际效能状况与理想效能状况之比，具体来说，就是归一化后的各指标值，它是一个定量指标，取值范围为[0，1]，相对效能指数越接近1表示生产效能越高，越接近0表示生产效能越低。

步骤303：构建模糊矩阵

将计量生产设施的生产效能状态的评估结果集定义为：

V＝{V₁,V₂,V₃,V₄}＝{良好，一般，注意，严重}；

采用三角形和半梯形相结合的分布函数，作为相对效能指数对于评估结果集中生产效能状态的隶属度函数,隶属度函数为：

${\mathrm{\&mu;}}_{v_i}\left(x\right)=\left\{\begin{array}{cc}1& x\&GreaterEqual;0.8\\ 5x-3& 0.6<x<0.8\\ 0& x\&le;0.6\end{array}\right.$

${\mathrm{\&mu;}}_{v_4}\left(x\right)=\left\{\begin{array}{cc}2-5x& 0.2<x<0.4\\ 1& x\&le;0.2\\ 0& x\&GreaterEqual;0.4\end{array}\right.$

其中，x表示指标体系中各底层指标的相对效能指数，计算得到作为指标对生产效能状态的隶属度集合。

步骤304：多层次模糊变换

指标集U中第i个指标U_i(i＝1,2,...,n)对评价结果集中第j个状态ν_j的隶属程度为r_ij(j＝1,2,3,4)，并用模糊集合表示为R_i＝(r_i1,r_i2,r_i3,r_i4)，将n个指标的模糊集合组合起来，得到模糊矩阵：

$R=\left[\begin{array}{c}{R}_1\\ R_2\\ .\\ .\\ .\\ R_n\end{array}\right]=\left[\begin{array}{cccc}{r}_{11}& r_{12}& r_{13}& r_{14}\\ r_{21}& r_{22}& r_{23}& r_{24}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ r_{n1}& r_{n2}& r_{n3}& r_{n4}\end{array}\right]$

其中，R的第i行，为第i个指标影响评估对象隶属于各个评估结果的程度；R的第j列，为所有指标影响评估对象隶属于第j个评估结果的程度；将权重集W和模糊矩阵R作模糊变换，进行综合评估，得到模糊集合C：

$C=W\&CenterDot;R=({\mathrm{\&omega;}}_1,{\mathrm{\&omega;}}_2,...,{\mathrm{\&omega;}}_n)\&CenterDot;\left[\begin{array}{cccc}{r}_{11}& r_{12}& r_{13}& r_{14}\\ r_{21}& r_{22}& r_{23}& r_{24}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ r_{n1}& r_{n2}& r_{n3}& r_{n4}\end{array}\right]=(c_1,c_2,c_3,c_4)$

其中， $c_j=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_i\&times;r_{\mathrm{ij}}(j=\mathrm{1,2,3,4});$

对于多层次指标体系，从指标层向上，通过模糊变换计算，得到整体模糊评估结果D＝{d₁,d₂,d₃,d₄}。

步骤S4具体包括以下步骤：

计量生产设施效能评估方法及其系统的目的就是在综合考虑所有指标的基础上，得出最终的评估结论，包括评估结果，薄弱生产单元以及合理化建议。

对于评估结果D＝{d₁,d₂,d₃,d₄}，采用最大隶属度法或模糊分布法来确定评估结果。分析评估结果D，若某一个状态d_j的隶属度最大，则采用最大隶属度法，评估结果为计量生产设施生产效能状况属于状态d_j；若某两种状态d_h、d_j的隶属度相差在0.1范围以内，采用最大隶属度法损失的状态信息较多，采用模糊分布法，评估结果为计量生产设施生产效能状况介于d_h、d_j两种状态之间，h,j＝1,2,3,4。

分析子项目层的各模糊集合，给出评估结果最差的生产单元，即薄弱生产单元，并分析该单元下相对效能指数较差的指标，代入效能提升专家库，给出提升该生产单元效能的合理化建议。

与现有技术相比，本发明的有益效果包括：

1、计量生产设施效能评估方法给出了一个统一的标准，对计量生产设施的效率和能力有更加公正、客观、合理的评估手段。不同网省的生产效能有了相互比较的统一标准，可作为国网考核的一部分。

2、计量生产设施效能评估方法基于模糊综合评价方法，给出的评价结果是落在四个效能状况的隶属度，比直接的定性结论更加直观、合理。

3、计量生产设施效能评估方法给出造薄弱生产单元，以及造成该生产单元效能低下的指标，结合效能提升专家库，给出优化建议，供计量专家参考。优化后计量生产设施，采用该方法得出新的效能评估结果，效能提升效果更加明显。

附图说明

附图1计量生产设施效能评估系统硬件设定示意图；

附图2计量生产设施效能评估方法的结构图；

附图3计量生产设施效能评估指标体系示例；

附图4隶属度函数；

附图5计量生产设施效能评估过程示意图。

具体实施方式

为使本发明的目的、技术方案、优点更加清楚，下面结合附图对本发明的具体实施方式进行详细说明。

以下将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整的描述和讨论，显然，这里所描述的仅仅是本发明的一部分实例，并不是全部的实例，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的前提下所获得的所有其他实施例，都属于本发明的保护范围。

如图2所示，本发明一种计量生产设施效能评估方法，包括以下步骤：

S1，采集集中监测数据；各分控单元采用统一的通讯规约将监测数据统一编码后上送到前置采集服务器，前置采集服务器将接收到的监测数据汇总后存储到数据库服务器中，为计量生产设施效能评估提供数据源。

S2，构建效能评估指标体系，效能评估指标体系包括指标体系和权重体系；

S3，建立基于模糊评价方法的效能评估模型；

S4，评估结果处理。

本实施例具体步骤如下：

步骤S1，采集集中监测数据:附图1为计量生产设施效能评估系统硬件设定示意图，集中监测层是指计量生产设施效能评估系统的前置采集服务器层,主要负责采集、汇总各个分控系统服务器的监测数据，并存储到效能评估系统的数据库服务器中；监控间隔层是指“四线一库”各个分控系统的服务器层，包括单相检定线服务器、三相检定线服务器、互感器检定线服务器、采集终端检定线服务器、仓储系统服务器；设备执行层是指“四线一库”各个分控系统下的各个生产单元层，包括工控机、PLC设备。

效能评估系统只涉及到集中监测层的前置采集服务器，监控间隔层、设备执行层由“四线一库”厂家负责。各分控系统服务器将监测数据转码成统一编码格式，采用统一通讯规约电力104规约上送到前置采集服务器，服务器接收到各分控系统监测数据后，汇总成集中监测数据存储到效能评估系统的数据库服务器中。

S2,构建效能评估指标体系，效能评估指标体系包括指标体系和权重体系；

(A)、指标体系为多层次指标体系，

多层次指标体系包括目标层、项目层、子项目层、指标层，指标(针对计量生产设施“四线一库”(单相智能电能表自动化检定流水线、三相智能电能表自动化检定流水线、低压电流互感器自动化检测流水线、用电采集终端自动化检测流水线、智能化仓储库房))，从资产属性、非资产属性角度分析影响生产效能的关键因素，通过应用层次分析法(AHP)构建多层次计量生产设施效能评估指标体系。

资产属性指的是计量生产设施的自身效能状况，即各个生产单元(具体生产设备)的检定生产水平；非资产属性指的是影响检定生产效能的其他因素，主要是管理因素。

应用层次分析法(AHP)构建指标体系，条理化、层次化，梳理出递阶层次结构。计量生产设施效能评估指标体系包括四个层次：目标层、项目层、子项目层、指标层。目标层，即计量生产设施效能评估；项目层，包括计量生产设施的主要组成部分；子项目层，包括每个部分的主要生产单元，以及管理因素；指标层，包括各个子项目影响检定生产效能的关键指标。

附图3为计量生产设施效能评估指标体系，分成四个层次结构，目标层：计量生产设施效能评估；项目层包括4个项目：单相检定线、三相检定线、互感器检定线、采集终端检定线；子项目层，单相检定线包括管理因素、输送单元、缓存单元、上下料单元、拆/码垛单元、外观检测单元、接拆线单元、耐压试验单元、多功能试验单元、编程插卡单元、误差检定单元、自动铅封单元、自动贴标单元、分拣单元；指标层，单相检定线的缓存单元包括缓存线占用率、满缓存区次数、空缓存区次数。

本实施例仅列出了单相检定线的各子项目层、指标层的内容，三相检定线、互感器检定线、采集终端检定线与单相检定线类似。

(B)权重体系为多层次权重体系；

建立指标体系后，根据层次间、指标间的相对重要性赋予相应的权重。层次分析法(AHP)建立在专家咨询基础上，将复杂系统中各种指标划分为相互联系的有序层次，把多层次、多指标的权重赋值简化为各指标重要性的两两比较，然后进行数学处理，对各层次、各指标赋权重，构建多层次权重体系。

构建多层次权重体系具体包括以下步骤:

(201)构造判断矩阵

按应用层次分析法(AHP)计算指标体系各层次指标间两两比较的相对重要程度，从指标体系的目标层开始，针对某个元素，对与之相关的下一层元素进行两两对比，即隶属于同一上级指标的指标之间的相对重要性比较，从而形成判断矩阵B(如表1判断矩阵)，判断矩阵B中包括指标B_i对于指标B_j的重要程度b_ij。重要性的比较采用改进的比例标度法(表2所示为改进的比例标度)。

表1 判断矩阵表

表2 改进的比例标度

其中，表2中5.5/4.5、6.5/3.5、7.5/2.5、8.5/1.5为相邻判断的中值；

(202)判断矩阵的一致性检验

计算一致性指标CI(consistency index)，其中，λ_max是判断矩阵B的最大特征值，n指的是判断矩阵B的阶数。

根据平均随机一致性指标RI表(表3)，确定相应的平均随机一致性指标RI(random index)，根据判断矩阵不同阶数查表，得到平均随机一致性指标RI。

表3 平均随机一致性指标RI表(1000次正互反矩阵计算结果)

计算一致性比例CR(consistency ratio)并进行判断，当CR≤0.1时，认为判断矩阵的一致性是可以接受的，CR＞0.1时，认为判断矩阵不符合一致性要求，需要对判断矩阵B进行重新修正。

(203)计算判断矩阵B的权重，构建多层次权重体系

指标集U中各指标U_i对评估对象或其上级指标的影响程度是不同的，为了反映各指标的重要程度，需要计算每个指标U_i的权重ω_i，计算指标集U的判断矩阵B的特征值、特征向量，取最大特征值λ_max对应的特征向量u＝(u₁,u₂...,u_n)，归一化，即得到权重集W＝(ω₁,ω₂...,ω_n)，其中，ω_i＞0(i＝1,2,...,n)，i＝1,2,...,n，ω_i为指标集U中各指标U_i的权重。

对于多层次指标体系，分层次构造判断矩阵，并依次计算权重集，最终构成多层次权重体系，供计量生产设施效能评估模型使用。

基于历史数据，采用层次分析法分别对项目层、子项目层、以及指标层中各元素的相对重要性进行两两比对，得出各元素权重如表4：

表4 专家对项目层各元素相对重要性的判断矩阵

基于历史数据(可以通过专家判断)，采用层次分析法，计算出项目层各元素权重为：单相检定线权重：0.477，三相检定线权重：0.198，互感器检定线权重：0.128，采集终端检定线权重：0.198。一致性比例：0.000835，小于0.1，该判断矩阵的一致性是可以接受的，因此项目层的权重集为(0.477,0.198,0.128,0.198)。

其他判断矩阵的权重计算方法同上，这里不一一列举，最终构成多层次计量生产设施效能评估权重体系。

S3，基于模糊评价方法的效能评估模型

附图5为计量生产设施效能评估过程，将集中监测数据代入生产效能评估模型，计算得到模糊综合评估结果，结合效能提升专家库，给出最终的效能评估结论。具体步骤如下：

第一步：计算指标层各指标值

以集中监测数据为基础，计算指标层各个指标的值，例如：计划检定率＝计划检定数量/工作时间；库存周转率，指统计周期内，设备出库数量与入库数量的比率；设备空闲率＝设备空闲时间/运行时长；设备故障占比＝设备故障时间/运行时长等。

第二步：计算相对效能指数

根据指标的性质(正向指标还是逆向指标)，分别代入公式，将指标值转化成相对效能指数，消除了各指标之间的量纲差异。

判断指标性质是正向指标还是逆向指标，根据指标的性质(正向指标还是逆向指标)，对指标进行归一化处理，将指标值转化成相对效能指数，消除各指标之间的量纲差异；

对指标进行归一化处理，具体方法如下：

正向指标(值越大，生产效能越高)的归一化处理：

$x_i^{*}=\frac{x_i-x_{\min }^i}{x_{\max }^i-x_{\min }^i}$

逆向指标(值越小，生产效能越高)的归一化处理：

$x_i^{*}=\frac{x_{\max }^i-x_i}{x_{\max }^i-x_{\min }^i}$

其中，x_i为第i个指标当前的实际值，为第i个指标的理想最大值，表示第i个指标的理想最小值，可通过分析硬件工艺、统计历史数据，结合专家建议给出指标体系中各底层指标的理想最大值和理想最小值；

引入相对效能指数的概念来代表当前计量生产设施检定生产各指标的实际效能状况与理想效能状况之比，具体来说，就是归一化后的各指标值，它是一个定量指标，取值范围为[0，1]，相对效能指数越接近1表示生产效能越高，越接近0表示生产效能越低。

第三步：构建模糊矩阵

将计量生产设施的生产效能状态的评估结果集定义为：

V＝{V₁,V₂,V₃,V₄}＝{良好，一般，注意，严重}；

采用三角形和半梯形相结合的分布函数，作为相对效能指数对于评估结果集中生产效能状态的隶属度函数,隶属度函数为：

${\mathrm{\&mu;}}_{v_i}\left(x\right)=\left\{\begin{array}{cc}1& x\&GreaterEqual;0.8\\ 5x-3& 0.6<x<0.8\\ 0& x\&le;0.6\end{array}\right.$

${\mathrm{\&mu;}}_{v_4}\left(x\right)=\left\{\begin{array}{cc}2-5x& 0.2<x<0.4\\ 1& x\&le;0.2\\ 0& x\&GreaterEqual;0.4\end{array}\right.$

其中，x表示指标体系中各底层指标的相对效能指数，计算得到作为指标对生产效能状态的隶属度集合；

附图4为隶属度函数，将计量生产设施效能状况分为“良好”、“一般”、“注意”、“严重”，相对效能指数越大，落在“良好”区域的值越大，落在“严重”区域的值越小。

例如：将项目单相检定线下子项目外观检测单元下4个指标的相对效能指数代入隶属度函数，计算得到4个隶属度集合，组成一个矩阵，作为子项目外观检测单元的模糊矩阵R。子项目下的其他元素，按此方法依次构建模糊矩阵。

第四步：多层次模糊变换

指标集U中第i个指标U_i(i＝1,2,...,n)对评价结果集中第j个状态ν_j的隶属程度为r_ij(j＝1,2,3,4)，并用模糊集合表示为R_i＝(r_i1,r_i2,r_i3,r_i4)，将n个指标的模糊集合组合起来，得到模糊矩阵：

$R=\left[\begin{array}{c}{R}_1\\ R_2\\ .\\ .\\ .\\ R_n\end{array}\right]=\left[\begin{array}{cccc}{r}_{11}& r_{12}& r_{13}& r_{14}\\ r_{21}& r_{22}& r_{23}& r_{24}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ r_{n1}& r_{n2}& r_{n3}& r_{n4}\end{array}\right]$

其中，R的第i行，为第i个指标影响评估对象隶属于各个评估结果的程度；R的第j列，为所有指标影响评估对象隶属于第j个评估结果的程度；将权重集W和模糊矩阵R作模糊变换，进行综合评估，得到模糊集合C：

其中， $c_j=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_i\&times;r_{\mathrm{ij}}(j=\mathrm{1,2,3,4});$

对于多层次指标体系，从指标层向上，通过模糊变换计算，得到整体模糊评估结果D＝{d₁,d₂,d₃,d₄}。

将项目单相检定线下子项目外观检测单元的模糊矩阵R与其对应的权重集W作模糊变换，得到模糊集合C，依此方法计算该项目下其他13个子项目的模糊集合，并将14个子项目的模糊集合组合成项目单相检定线的模糊矩阵F，将F与其对应的权重集Q做模糊变换，得到模糊集合G。依此方法得到项目三相检定线、互感器检定线、采集终端检定线的模糊集合分别为H、I、J。将4个模糊集合组成计量生产设施的模糊矩阵M，与项目层权重集(0.477,0.198,0.128,0.198)做模糊变换，得到最终的模糊集合D＝(d₁,d₂,d₃,d₄)，作为计量生产设施的效能评估结果。

第五步：给出评估结论

根据模糊评估结果D＝(d₁,d₂,d₃,d₄)，采用最大隶属度法或模糊分布法给出最终的评估结论。分析评估结果D，若某一个状态d_j的隶属度最大，则采用最大隶属度法，评估结果为计量生产设施生产效能状况属于状态d_j；若某两种状态d_h、d_j的隶属度相差在0.1范围以内，采用最大隶属度法损失的状态信息较多，采用模糊分布法，评估结果为计量生产设施生产效能状况介于d_h、d_j两种状态之间，h＝1,2,3,4；j＝1,2,3,4。

分析子项目层各个生产单元的效能状况，给出薄弱生产单元，指出造成该生产单元效能状况低下的指标，并结合效能提升专家库，给出提升该生产单元效能的合理化建议。

以上仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种计量生产设施效能评估方法，其特征在于，包括以下步骤：

S1，采集集中监测数据；

S2，构建效能评估指标体系，所述效能评估指标体系包括指标体系和权重体系；

S3，建立基于模糊评价方法的效能评估模型；

S4，评估结果处理。

2.根据权利要求1所述的一种计量生产设施效能评估方法，其特征在于，所述步骤S1具体包括以下步骤：

采用统一的通讯规约将监测数据统一编码后上送到前置采集服务器，前置采集服务器将接收到的监测数据汇总后存储到数据库服务器中。

3.根据权利要求1所述的一种计量生产设施效能评估方法，其特征在于，

所述指标体系为多层次指标体系；

所述多层次指标体系包括目标层、项目层、子项目层、指标层指标，通过应用层次分析法构建多层次计量生产设施效能评估指标体系。

4.根据权利要求1所述的一种计量生产设施效能评估方法，其特征在于，

所述权重体系为多层次权重体系；

所述构建多层次权重体系具体包括以下步骤：

201,构造判断矩阵

按应用层次分析法计算指标体系各层次指标间两两比较的相对重要程度，从指标体系的目标层开始，逐层向下，针对某个元素，对与所述元素相关的下一层元素进行两两对比，将隶属于同一上级指标的指标之间的相对重要程度比较，形成判断矩阵B，判断矩阵B中包括指标B_i对于指标B_j的重要程度b_ij；

202,判断矩阵的一致性检验

计算一致性指标CI，其中，λ_max是判断矩阵B的最大特征值，n为判断矩阵B的阶数；

根据平均随机一致性指标RI表，确定判断矩阵B的阶数对应的平均随机一致性指标RI，根据判断矩阵B的不同阶数查询平均随机一致性指标RI表，得到平均随机一致性指标RI；

计算一致性比例CR并进行判断；

当CR≤ρ时，判断矩阵的一致性符合要求，CR＞ρ时，判断矩阵不符合一致性要求，对判断矩阵B进行重新修正；ρ为判断矩阵一致性判断的门限值；

203,计算权重，构建多层次权重体系

计算指标集U的判断矩阵B的特征值、特征向量，获取最大特征值λ_max对应的特征向量u＝(u₁,u₂...,u_n)，归一化后，得到权重集W＝(ω₁,ω₂...,ω_n)，其中， $\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_i=1,{\mathrm{\&omega;}}_i>0,i=\mathrm{1,2},...,n,$ ω_i为指标集U中各指标U_i的权重。

5.根据权利要求1所述的一种计量生产设施效能评估方法，其特征在于，

所述步骤S3具体包括以下步骤：

301，计算指标层各指标值

以集中监测数据为基础，计算指标层各个指标的值；

302，计算相对效能指数

判断指标性质是正向指标还是逆向指标，根据指标的性质，对指标进行归一化处理，将指标值转化成相对效能指数；

对指标进行归一化处理，具体方法如下：

正向指标的归一化处理：

$x_i^{*}=\frac{x_i-x_{\min }^i}{x_{\max }^i-x_{\min }^i}$

逆向指标的归一化处理：

$x_i^{*}=\frac{x_{\max }^i-x_i}{x_{\max }^i-x_{\min }^i}$

其中，x_i为第i个指标当前的实际值，为x_i归一化处理后的输出值，为第i个指标的理想最大值，表示第i个指标的理想最小值；

303，构建模糊矩阵

将计量生产设施的生产效能状态的评估结果集定义为：

V＝{V₁,V₂,V₃,V₄}＝{良好，一般，注意，严重}；

采用三角形和半梯形相结合的分布函数，作为相对效能指数对于评估结果集中生产效能状态的隶属度函数,所述隶属度函数为：

${\mathrm{\&mu;}}_{v_1}\left(x\right)=\left\{\begin{array}{cc}1& x\&GreaterEqual;0.8\\ 5x-3& 0.6<x<0.8\\ 0& x\&le;0.6\end{array}\right.$

${\mathrm{\&mu;}}_{v_4}\left(x\right)=\left\{\begin{array}{cc}2-5x& 0.2<x<0.4\\ 1& x\&le;0.2\\ 0& x\&GreaterEqual;0.4\end{array}\right.$

其中，x表示指标体系中各底层指标的相对效能指数，计算得到作为指标对生产效能状态的隶属度集合；

304，多层次模糊变换

指标集U中第i个指标U_i对评价结果集中第j个状态ν_j的隶属程度为r_ij，并用模糊集合表示为R_i＝(r_i1,r_i2,r_i3,r_i4)，将n个指标的模糊集合组合起来，得到模糊矩阵R：

$R=\left[\begin{array}{c}{R}_1\\ R_2\\ .\\ .\\ .\\ R_n\end{array}\right]=\left[\begin{array}{cccc}{r}_{11}& r_{12}& r_{13}& r_{14}\\ r_{21}& r_{22}& r_{23}& r_{24}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ r_{n1}& r_{n2}& r_{n3}& r_{n4}\end{array}\right]$

其中，i＝1,2,...,n，j＝1,2,3,4，R的第i行，为第i个指标影响评估对象隶属于各个评估结果的程度；R的第j列，为所有指标影响评估对象隶属于第j个评估结果的程度；将权重集W和模糊矩阵R作模糊变换，进行综合评估，得到模糊集合C：

$C=W\&CenterDot;R=({\mathrm{\&omega;}}_1,{\mathrm{\&omega;}}_2,...,{\mathrm{\&omega;}}_n)\&CenterDot;\left[\begin{array}{cccc}{r}_{11}& r_{12}& r_{13}& r_{14}\\ r_{21}& r_{22}& r_{23}& r_{24}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ r_{n1}& r_{n2}& r_{n3}& r_{n4}\end{array}\right]=(c_1,c_2,c_3,c_4)$

其中， $c_j=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_i\&times;r_{\mathrm{ij}},j=\mathrm{1,2,3,4};$

对于多层次指标体系，从指标层向上，通过模糊变换计算，得到整体模糊评估结果D＝{d₁,d₂,d₃,d₄}。

6.根据权利要求1所述的一种计量生产设施效能评估方法，其特征在于，

所述步骤S4具体包括以下步骤：

对于评估结果D＝{d₁,d₂,d₃,d₄}，采用最大隶属度法或模糊分布法来确定评估结果；

分析评估结果D，若某一个状态d_j的隶属度最大，则采用最大隶属度法，评估结果为计量生产设施生产效能状况属于状态d_j；若某两种状态d_h、d_j的隶属度相差在0.1范围以内，采用最大隶属度法损失的状态信息较多，采用模糊分布法，评估结果为计量生产设施生产效能状况介于d_h、d_j两种状态之间，h＝1,2,3,4；j＝1,2,3,4。

7.根据权利要求5所述的一种计量生产设施效能评估方法，其特征在于，

所述相对效能指数为当前计量生产设施检定生产各指标的实际效能状况与理想效能状况之比，为归一化后的各指标值，取值范围为[0，1]，相对效能指数越接近1表示生产效能越高，越接近0表示生产效能越低。