CN104933627A - 机床产品制造系统的能效组合评价方法 - Google Patents

Abstract

本发明公开了一种机床产品制造系统的能效综合评价方法，本发明所采用的方法是：首先从能源资源角度建立机床产品制造能效综合评估的三层能效管理评价指标体系，然后建立机床产品制造能效动态评估的数学模型，最后针对数学模型利用层次分析法、灰色关联法和模糊综合评价法相结合对制造能效进行评估。该方法以能源利用统计数据以及历史与当前生产数据为基础，主要针对无线传感器技术、网络技术等采集的实时制造能耗，综合考虑制造系统各层级的能耗，并将定性分析和定量分析有效结合，较好地避免了企业能效评价过程中的主观性和不确定性，有效的保证了评价结果的系统性和合理性。

Description

机床产品制造系统的能效组合评价方法

技术领域

本发明涉及机床产品制造行业中制造系统的能效优化控制技术领域，具体的，涉及一种面向机床产品制造系统的能效组合评价方法。

背景技术

制造业作为国民经济的支柱产业，再创造巨大经济财富的同时，也消耗了大量制造资源特别是能源，并且对环境造成了严重的影响。特别是像中国这样的发展中国家，制造业的能耗量巨大，能量利用率更低。如作为离散加工制造系统主要组成的机床，我国的保有量世界第一，机床装备总额定功率相当于三峡电站总装机量的3倍左右。并且大量调查研究表明：机床能量平均利用率低下，平均不到30％。因此，加强企业能效评价、提高制造系统能量效率已成为制造业的党务之急。在这种环境下，需要一种良好的制造系统能效评估方法。

传感器技术、射频识别技术以及通信技术在企业制造过程的数据实时采集以及企业内部数据共享的量化实现，为制造系统能效评估提供了基础数据支持。为了降低企业制造系统的能耗，节能减排，提高经济效益，制造决策者必须对制造设备、制造工艺、任务流程等的能效进行准确的理解。快速地、动态地分析制造过程数据，进行制造系统能效的量化分析是制造过程正确决策的前提，也是降低能耗、节能减排的基础。

到目前为止，对制造系统能效评价的研究主要分为三类：一是制造系统总体能效评价；二是产品能效评价；三是制造设备和工艺能效评价。近年来，随着机械制造业能源消耗问题和环境影响问题的日益严峻，制造系统能效评价问题也引起了学术界和企业的广泛重视。美国为此就专门成立了以提高制造业生产过程的能量效率作为首要目标的工业评价中心。针对目前我国机床制造企业能效评估手段的匮乏，如何从节能减排、多角度多层次建立机床制造行业的能效评估指标体系，提供可量化的能效考核标准，为企业在节能降耗方面提供一个客观的业绩考核依据已成为一个热门研究课题。

发明内容

本发明的目的在于针对上述问题，提出一种面向机床产品制造系统的能效组合评价方法，该方法以能源利用统计数据以及历史与当前生产数据为基础，主要针对无线传感器技术、网络技术等采集的实时制造能耗，综合考虑制造系统各层级的能耗，对制造系统能效进行动态准确的评估，为企业节能减排、提高经济效益提供支持。

为了实现上述目的，本发明所述的机床产品制造系统的能效组合评价方法包括如下步骤：

步骤一、采集原始的能耗相关数据，建立机床产品制造系统能效评估A指标体系，该指标体系的准则层包括能效经济指标B₁、产品能效指标B₂、设备能效指标B₃和任务流程能效指标B₄；

具体的，对上述建立的机床产品制造能效评估指标进一步的具体化分解为指标层，其中，能效经济指标具体化分解为万元产品能耗C₁₁、万元增加值能耗C₁₂；产品能效指标具体化分解为单位产品综合能耗C₂₁、产品节能量C₂₂、产品用能水平C₂₃；设备能效指标具体化分解为机床设备能效C₃₁、能源输送效率C₃₂、能源加工转换设备C₃₃；任务流程能效指标具体化分解为生产工艺能效C₄₁、生产资源调度能效C₄₂。

步骤二、确定能效评估指标体系下各评估指标的权重向量W，W＝(w₁,w₂,…,w_i,…,w_n)，则w_i满足

$\underset{i=1}{\overset{n}{\Σ}}{w}_i=1,0\≤w_i\≤1$

w_i为步骤一中各个指标的权重；本步骤中采用层次分析法确定各评估指标的权重，构建各评估指标的判断矩阵：

其中d_ij是指标i与指标j比较后的标度值，并满足d_ij＝1/d_ji，d_ii＝1。计算矩阵D的最大特征根λ_max，将判断矩阵归一化：

$\stackrel{\‾}{d_{ij}}=\frac{d_{ij}}{\underset{k=1}{\overset{n}{\Σ}}{d}_{kj}}(i,j=1,2,\mathrm{...},n)$

将归一化后的判断矩阵按行相加：

$\stackrel{\‾}{w_i}=\underset{j=1}{\overset{n}{\Σ}}\stackrel{\‾}{d_{ij}},(j=1,2,\mathrm{...},n)$

对其归一化，即可得到各指标的权重：

$w_i=\frac{\stackrel{\‾}{w_{ij}}}{\underset{i=1}{\overset{n}{\Σ}}\stackrel{\‾}{w_i}}$

计算判断矩阵的最大特征根λ_max：

${\mathrm{\λ}}_{\max }=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\frac{{\left(DW\right)}_i}{w_i}$

W为权重向量，w_i为各个指标的权重，也即权重向量的第i个分量。

则判断矩阵的一致性检验：

$CI=\frac{{\mathrm{\λ}}_{\mathrm{ma}x}-n}{n-1}$

其中，n为指标集中的指标数量也即是矩阵阶数。通过计算一致性比率CR,判定矩阵的合理性：

$CR=\frac{CI}{RI}$

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，如果CR＜0.1，矩阵合理，认为一致性可以接受，如果CR≥0.1，则遍历上述评估指标并进行两两对比，从而重新构建各评估指标的权重矩阵。

由步骤一可知，采用多层模型，根据上述公式可计算出一级指标的权重向量W¹以及各二级指标分别对一级指标的权重向量W²。那么根据得到的一级指标的权重和二级指标的权重，可以得出二级指标对目标层的综合权重W^*＝W¹W²。

步骤三、采用灰色关联法确定最优指标集，并进行规范化处理，确定关联度系数和关联系数矩阵。由于指标相互之间具有不同的量纲和数量级，一般不能进行直接比较，因此要首先对原指标值进行规范化处理。本发明采用极值法对原指标进行规范化处理，如下：

若性能指标j为效益型，则规范化转换公式为：

$y_{ij}=\frac{d_{ij}}{d_{0j}},(i,j=1,2,\mathrm{...},n)$

若性能指标j为成本型，则规范化转换公式为：

$y_{ij}=\frac{d_{0j}}{d_{ij}},(i,j=1,2,\mathrm{...},n)$

将经过规范化处理后的最优指标集{y_0j}＝[y₀₁,y₀₂,…,y_0n]作为参考序列，本发明将第j个指标在所有北平对象中的最优值作为y_0j的值：

若性能指标j为效益型，则：

$y_{0j}=\underset{i}{max}{y}_{ij}$

若性能指标j为成本型，则：

$y_{0j}=\underset{i}{min}{y}_{ij}$

将经规范化处理后的方案指标值{y_ij}＝[y_i1,y_i2,…,y_in]作为被比较数列，综合r位专家对第i个指标的评价因素，可用如下关联度系数公式分别计算第i个指标与第j个最优指标的关联系数β_i(j)：

${\mathrm{\β}}_i\left(j\right)=\frac{\underset{i}{\min }\underset{j}{\min }|y_{0j}-y_{ij}|+\mathrm{\ρ}\underset{i}{max}\underset{j}{max}|y_{0j}-y_{ij}|}{|y_{0j}-y_{ij}|+\mathrm{\ρ}\underset{i}{max}\underset{j}{max}|y_{0j}-y_{ij}|}$

其中，和分别表示最小绝对值和最大绝对值，分辨率ρ∈[0,1]，一般取0.5。通过如上计算，得到关联系数矩阵β：

$\mathrm{\β}=\left[\begin{array}{cccc}{\mathrm{\β}}_1\left(1\right)& {\mathrm{\β}}_1\left(2\right)& \mathrm{...}& {\mathrm{\β}}_1\left(n\right)\\ {\mathrm{\β}}_2\left(1\right)& {\mathrm{\β}}_2\left(2\right)& \mathrm{...}& {\mathrm{\β}}_2\left(n\right)\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ {\mathrm{\β}}_n\left(1\right)& {\mathrm{\β}}_n\left(2\right)& \mathrm{...}& {\mathrm{\β}}_n\left(n\right)\end{array}\right]$

步骤四、采用模糊综合评价法得到最终评价结果。将步骤二中得到的权重向量W和步骤三中得到的关联系数矩阵β进行复合运算得到综合评判矩阵，则模糊评价算子Z：

Z＝W·β^T

确定评语等级论域，即确定等级矩阵V：

V＝(v₁,v₂,…v_n)^T

隶属于集合M＝{(优)1,(良)0.7,(中)0.5,(差)0.2}

利用归一化将评价向量Z进行归一化处理得到Z^*＝(z₁,z₂,…,z_n)，并对指标各评价等级进行加权平均，得到综合评价结果：

$G=\frac{\underset{i=1}{\overset{n}{\Σ}}{z}_{i}M}{\underset{1}{\overset{n}{\Σ}}{z}_i}$

所述能效综合评价结果是各指标权重的量化，越是最近的评估值，其对目前产品制造系统的能效评估指导意义越大，综合评价越高，即能效越高。

本发明提出了基于层次分析法、灰色关联法和模糊综合评价法相结合的制造系统能效评估方法。从能源资源角度建立机床产品制造能效综合评估的三层能效管理评价指标体系，并建立机床产品制造能效动态评估的数学模型。由于受企业制造设备多样性、生产复杂性和企业状态模糊性等因素的综合影响，制造系统能效的评价是一个涉及多因素、多目标的决策过程，既要最大限度地完成加工任务，又要达到节能减排，收益最大。这些因素相互关联，相互制约，同时由于某些指标的不确定性和不可预测性，使得评价本身具有较大的模糊性。以往单一的能效评估方法如层次分析法、多目标优化、遗传算法等，通常通过主观或客观对指标权重进行赋值。对于同一个评价对象，采用不同的评价方法所得到的评价结果并不完全相同，且主观赋权法的评价结果具有较强的主观性，客观赋权法所得权重不能完全体现各指标本身的重要性。因此单一的评价法的评价结果缺乏说服力和可靠性。本发明为了保证评价结果的科学性和可靠性，采用组合评价法对制造系统能效进行评估。该技术在能效评价的不同阶段选用不同的方法，层次分析法、灰色关联法和模糊综合评价法相结合，各种方法扬长避短，有效地解决了制造业能效综合评价问题。

附图说明

图1是本发明能效评价流程。

图2是机床产品制造系统能效评价指标体系。

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。

本发明设计的机床产品制造系统的能效组合评价方法，首先对制造系统能效的构成要素进行归纳分析，建立制造系统能效综合评价指标体系，然后建立制造系统能效评估的数学模型，最后针对数学模型利用层次分析法、灰色关联法和模糊综合评价法相结合对制造系统能效进行评价。

如图1所示，本发明总体包括如下步骤：

1.确定机床产品制造系统能效数据不同评估指标权重约束；

2.设定机床产品制造系统能效评估数学模型中的评估目标；

3.利用层次分析法确定综合评价指标体系下，各指标的权重；

4.利用灰色关联法确定关联度系数和关联系数矩阵；

5.利用模糊综合评价法确定机床产品制造系统能效综合评估值。

本发明的具体步骤如下：

步骤一：采集原始的能耗相关数据，建立机床产品制造系统能效评估A指标体系，如图2所示，该指标体系的准则层包括能效经济指标B₁、产品能效指标B₂、设备能效指标B₃和任务流程能效指标B₄；

对上述建立的机床产品制造能效评估指标进一步的具体化分解为指标层，其中，能效经济指标具体化分解为万元产品能耗C₁₁、万元增加值能耗C₁₂；产品能效指标具体化分解为单位产品综合能耗C₂₁、产品节能量C₂₂、产品用能水平C₂₃；设备能效指标具体化分解为机床设备能效C₃₁、能源输送效率C₃₂、能源加工转换设备C₃₃；任务流程能效指标具体化分解为生产工艺能效C₄₁、生产资源调度能效C₄₂。

步骤二：确定能效评估指标体系下各评估指标的权重向量W，W＝(w₁,w₂,…,w_i,…,w_n)，则w_i满足

$\underset{i=1}{\overset{n}{\Σ}}{w}_i=1,0\≤w_i\≤1$

w_i为步骤一中各个指标的权重。本步骤中采用层次分析法确定各评估指标的权重，构建各评估指标的判断矩阵：

$D=\left[\begin{array}{cccc}{d}_{11}& d_{12}& \mathrm{...}& d_{ln}\\ d_{21}& d_{22}& \mathrm{...}& d_{2n}\\ .& .& & .\\ .& .& d_{ij}& .\\ .& .& & .\\ d_{n1}& d_{n2}& \mathrm{...}& d_{nn}\end{array}\right]$

其中d_ij是指标i与指标j比较后的标度值，并满足d_ij＝1/d_ji，d_ii＝1。计算矩阵D的最大特征根λ_max，将判断矩阵归一化：

$\stackrel{\‾}{d_{ij}}=\frac{d_{ij}}{\underset{k=1}{\overset{n}{\Σ}}{d}_{kj}},(i,j=1,2,\mathrm{...},n)$

将归一化后的判断矩阵按行相加：

$\stackrel{\‾}{w_i}=\underset{j=1}{\overset{n}{\Σ}}\stackrel{\‾}{d_{ij}},(j=1,2,\mathrm{...},n)$

对其归一化，即可得到权重向量：

$w_i=\frac{\stackrel{\‾}{w_{ij}}}{\underset{i=1}{\overset{n}{\Σ}}\stackrel{\‾}{w_i}}$

计算判断矩阵的最大特征根λ_max：

${\mathrm{\λ}}_{\max }=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}\frac{{\left(DW\right)}_i}{w_i}$

W为权重向量，w_i为各指标的权重，即指标权重向量的第i个分量。

则判断矩阵的一致性检验：

$CI=\frac{{\mathrm{\λ}}_{\max }-n}{n-1}$

其中，n为指标集中的指标数量也即是矩阵阶数。通过计算一致性比率CR,判定矩阵的合理性：

$CR=\frac{CI}{RI}$

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，如果CR＜0.1，矩阵合理，认为一致性可以接受，如果CR≥0.1，则遍历上述评估指标并进行两两对比，从而重新构建各评估指标的权重矩阵。

由步骤一可知，采用多层模型，根据上述公式可计算出一级指标的权重向量W¹以及各二级指标分别对一级指标的权重向量W²。那么根据得到的一级指标的权重和二级指标的权重，可以得出二级指标对目标层的综合权重W^*＝W¹W²。

步骤三：采用灰色关联法确定最优指标集，并进行规范化处理，确定关联度系数和关联系数矩阵。由于指标相互之间具有不同的量纲和数量级，一般不能进行直接比较，因此要首先对原指标值进行规范化处理。本发明采用极值法对原指标进行规范化处理，如下：

若性能指标j为效益型，则规范化转换公式为：

$y_{ij}=\frac{d_{ij}}{d_{0j}},(i,j=1,2,\mathrm{...},n)$

若性能指标j为成本型，则规范化转换公式为：

$y_{ij}=\frac{d_{0j}}{d_{ij}},(i,j=1,2,\mathrm{...},n)$

将经过规范化处理后的最优指标集{y_0j}＝[y₀₁,y₀₂,…,y_0n]作为参考序列，本发明将第j个指标在所有北平对象中的最优值作为y_0j的值：

若性能指标j为效益型，则：

$y_{0j}=\underset{i}{max}{y}_{ij}$

若性能指标j为成本型，则：

$y_{0j}=\underset{i}{min}{y}_{ij}$

将经规范化处理后的方案指标值{y_ij}＝[y_i1,y_i2,…,y_in]作为被比较数列，综合r位专家对第i个指标的评价因素，可用如下关联度系数公式分别计算第i个指标与第j个最优指标的关联系数β_i(j)：

${\mathrm{\β}}_i\left(j\right)=\frac{\underset{i}{\min }\underset{j}{\min }|y_{0j}-y_{ij}|+\mathrm{\ρ}\underset{i}{\max }\underset{j}{\max }|y_{0j}-y_{ij}|}{|y_{0j}-y_{ij}|+\mathrm{\ρ}\underset{i}{\max }\underset{j}{\max }|y_{0j}-y_{ij}|}$

其中，和分别表示最小绝对值和最大绝对值，分辨率ρ∈[0,1]，一般取0.5。通过如上计算，得到关联系数矩阵β：

$\mathrm{\β}=\left[\begin{array}{cccc}{\mathrm{\β}}_1\left(1\right)& {\mathrm{\β}}_1\left(2\right)& \mathrm{...}& {\mathrm{\β}}_1\left(n\right)\\ {\mathrm{\β}}_2\left(1\right)& {\mathrm{\β}}_2\left(2\right)& \mathrm{...}& {\mathrm{\β}}_2\left(n\right)\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ {\mathrm{\β}}_n\left(1\right)& {\mathrm{\β}}_n\left(2\right)& \mathrm{...}& {\mathrm{\β}}_n\left(n\right)\end{array}\right]$

步骤四：采用模糊综合评价法得到最终评价结果。将步骤二中得到的权重向量W和步骤三中得到的关联系数矩阵β进行复合运算得到综合评判矩阵，则模糊评价算子Z：

Z＝W·β^T

确定评语等级论域，即确定等级矩阵V：

V＝(v₁,v₂,…v_n)^T

隶属于集合M＝{(优)1,(良)0.7,(中)0.5,(差)0.2}

利用归一化将评价向量Z进行归一化处理得到Z^*＝(z₁,z₂,…,z_n)，并对指标各评价等级进行加权平均，得到综合评价结果：

$G=\frac{\underset{i=1}{\overset{n}{\Σ}}{z}_{i}M}{\underset{1}{\overset{n}{\Σ}}{z}_i}$

上述技术方案中，能效综合评价结果值越大，能效就越高。

下面结合具体实例介绍本发明的具体方法：

步骤一：建立机床产品制造系统能效的评估指标架构。采用自上而下的分析方法对影响机床产品制造系统能效的要素进行总结分析。构建包括能效经济、产品能效、设备能效以及任务流程能效等部分的评价架构。

步骤二：深入调研分析与机床产品制造系统能效相关的制造过程数据，对步骤一中建立的评估指标体系架构进行进一步的具体化实例化分解，构建的综合评价指标体系如图2。

步骤三：计算评估指标体系下个评估指标的权重，根据层次分析法，针对步骤一和步骤二中构建的评价指标集进行两两对比处理，得到判断矩阵如下：

$D_{A-B}=\left[\begin{array}{cccc}1& 1/3& 1/5& 1/7\\ 3& 1& 1/5& 1/7\\ 5& 5& 1& 1/3\\ 7& 7& 3& 1\end{array}\right]D_{B_1-C}=\left[\begin{array}{cc}1& 5\\ 1/5& 1\end{array}\right]D_{B_2-C}=\left[\begin{array}{ccc}1& 1/5& 1/3\\ 5& 1& 4\\ 3& 1/4& 1\end{array}\right]D_{B_3-C}=\left[\begin{array}{ccc}1& 3& 4\\ 1/3& 1& 3\\ 1/4& 1/3& 1\end{array}\right]$

$D_{B_1-C}=\left[\begin{array}{cc}1& 8\\ 1/8& 1\end{array}\right]$

分别求得各矩阵的最大特征值以及一致性检验，如表1所示，根据权重计算公式求得判断矩阵对于的各指标权重，如表2所示。平均随机一致性指标RI查表可知，二阶判断矩阵RI＝0，三阶判断矩阵RI＝0.58，四阶判断矩阵RI＝0.9。由表1可知，一致性比率CR＜0.1，所有两两对比得到的矩阵都可接受。

表1特征值及一致性检验

表2评价指标权重

步骤四：计算灰色关联系数和模糊矩阵。根据4位专家评价的原始能效数据，如表3所示，可设最优指标集为：(7.4,7.5,8.1,8.3,6.0,9.2,9.0,8.4,9.1,9.2)，取规范后的指标数据为(1,1,1,1,1,1,1,1,1,1)作为被比较数列，则根据关联系数公式可求得关联系数矩阵β：

$\mathrm{\β}=\left[\begin{array}{cccccccccc}0.4943& 0.4613& 1& 0.788& 0.4924& 1& 0.5086& 0.7756& 1& 0.5612\\ 0.5385& 1& 0.7287& 0.3333& 1& 0.5925& 0.9193& 1& 0.5612& 0.9207\\ 1& 0.597& 0.5846& 0.6363& 0.3540& 0.8859& 1& 0.4696& 0.5351& 0.8859\\ 0.4038& 0.4972& 0.5961& 1& 0.4314& 0.9027& 0.7916& 0.8417& 0.8519& 0.7441\end{array}\right]$

表3评价样本矩阵

步骤五：计算最终综合评价结果。由前面求得的W和β，可得模糊评价算子：

Z＝W·β^T＝[0.8944,0.6304,0.6751,0.8296]

将其归一化得Z^*＝[0.5845,0.412,0.4412,0.5422]，则综合评价结果为G＝0.6071。

Claims (2)

1.机床产品制造系统的能效组合评价方法，其特征在于，包括以下步骤：

步骤一、采集原始的能耗相关数据，建立机床产品制造能效评估指标体系，其中包括能效经济指标、产品能效指标、设备能效指标和任务流程能效指标四类；

步骤二、确定能效评估指标体系下各评估指标的权重向量W，W＝(w₁,w₂,…,w_i,…,w_n)，则w_i满足

$\underset{i=1}{\overset{n}{\Σ}}{w}_i=1,0\≤w_i\≤1$

w_i为各个指标的权重；采用层次分析法确定各评估指标的权重，构建各评估指标的判断矩阵：

其中d_ij是指标i与指标j比较后的标度值，并满足d_ij＝1/d_ji，d_ii＝1；计算矩阵D的最大特征根λ_max，则判断矩阵的一致性检验：

$CI=\frac{{\mathrm{\λ}}_{max}-n}{n-1}$

其中，n为指标集中的指标数量也即是矩阵阶数；

通过计算一致性比率CR判定矩阵的合理性：

$CR=\frac{CI}{RI}$

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，如果CR＜0.1，矩阵合理，认为一致性可以接受，如果CR≥0.1，则遍历上述评估指标并进行两两对比，从而重新构建各评估指标的权重矩阵；

步骤三、采用灰色关联法确定最优指标集，并进行规范化处理，确定关联度系数和关联系数矩阵：将经过规范化处理后的最优指标集{y_0j}＝[y₀₁,y₀₂,…,y_0n]作为参考序列，经规范化处理后的方案指标值{y_ij}＝[y_i1,y_i2,…,y_in]作为被比较数列，则可用如下关联度系数公式分别计算第i个指标与第j个最优指标的关联系数β_i(j)：

${\mathrm{\β}}_i\left(j\right)\frac{\underset{i}{\min }\underset{j}{\min }|y_{0j}-y_{ij}|+\mathrm{\ρ}\underset{i}{\max }\underset{j}{\max }|y_{0j}-y_{ij}|}{|y_{0j}-y_{ij}|+\mathrm{\ρ}\underset{i}{\max }\underset{j}{\max }|y_{0j}-y_{ij}|}$

其中，和分别表示最小绝对值和最大绝对值，分辨率ρ∈[0,1]；通过如上计算，得到关联系数矩阵β：

$\mathrm{\β}=\left[\begin{array}{cccc}{\mathrm{\β}}_1\left(1\right)& {\mathrm{\β}}_1\left(2\right)& ...& {\mathrm{\β}}_1\left(n\right)\\ {\mathrm{\β}}_2\left(1\right)& {\mathrm{\β}}_2\left(2\right)& ...& {\mathrm{\β}}_2\left(n\right)\\ \·& \·& & \·\\ \·& \·& & \·\\ \·& \·& & \·\\ {\mathrm{\β}}_n\left(1\right)& {\mathrm{\β}}_n\left(2\right)& ...& {\mathrm{\β}}_n\left(n\right)\end{array}\right]$

步骤四、采用模糊综合评价法得到最终评价结果：将步骤二中得到的权重向量W和步骤三中得到的关联系数矩阵β进行复合运算得到综合评判矩阵，则模糊评价算子Z＝W·β^T；

确定评语等级论域，即确定等级矩阵V＝(v₁,v₂,…v_n)^T隶属于集合

M＝{(优)1,(良)0.7,(中)0.5,(差)0.2}

利用归一化将评价向量Z进行归一化处理得到Z^*＝(z₁,z₂,…,z_n)，并对指标各评价等级进行加权平均，得到综合评价结果：

$G=\frac{\underset{i=1}{\overset{n}{\Σ}}{z}_{i}M}{\underset{1}{\overset{n}{\Σ}}{z}_i}$

综合评价分数越高，则说明制造系统的能效越高。

2.如权利要求1所述的机床产品制造系统的能效组合评价方法，其特征在于，步骤一所述能效经济指标包括万元产品能耗、万元增加值能耗；所述产品能效指标包括单位产品综合能耗、产品节能量、产品用能水平；所述设备能效指标包括机床设备能效、能源输送效率、能源加工转换设备；所述任务流程能效指标包括生产工艺能效、生产资源调度能效。