CN110738402A - 一种工程机械rcm服务水平多级模糊综合评估方法 - Google Patents

一种工程机械rcm服务水平多级模糊综合评估方法 Download PDF

Info

Publication number
CN110738402A
CN110738402A CN201910914526.3A CN201910914526A CN110738402A CN 110738402 A CN110738402 A CN 110738402A CN 201910914526 A CN201910914526 A CN 201910914526A CN 110738402 A CN110738402 A CN 110738402A
Authority
CN
China
Prior art keywords
evaluation
factor
assessment
fuzzy comprehensive
comprehensive evaluation
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
Application number
CN201910914526.3A
Other languages
English (en)
Inventor
丁成业
张靓
郭彬
陆健超
於麒麟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Communications Institute of Technology
Original Assignee
Nanjing Communications Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Communications Institute of Technology filed Critical Nanjing Communications Institute of Technology
Publication of CN110738402A publication Critical patent/CN110738402A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种工程机械RCM服务水平多级模糊综合评估方法，包括以下步骤：将评估对象的影响因素分类确定因素层次、建立各层权重集、建立备择集、一级模糊综合评估、二级模糊综合评估和评估指标的处理，本发明涉及工程机械综合评估技术领域。该工程机械RCM服务水平多级模糊综合评估方法，达到了提高评估值的有效性和可靠性，实现多层次考虑评估因素的问题。

Description

一种工程机械RCM服务水平多级模糊综合评估方法
技术领域
本发明涉及工程机械综合评估技术领域，具体为一种工程机械RCM服务水平多级模糊综合评估方法。
背景技术
单因素模糊综合评估仅是一级的，是模糊综合评估的初始模型。对于比较简单的问题，通过它可得到比较合理的评估结果。但是对于比较复杂的问题，或在比较复杂的环境中评估事物时，由于要考虑的因素很多，各个因素往往具有不同的层次，许多因素还具有比较强烈的模糊性，如果仍然采用一级单因素模糊综合评估，便难以适应上述情况，得不出合理的评估结果。这是因为当因素很多时，必然存在以下的问题：(I)权数难以恰当的分配。因为权数的分配主要靠人的主观判断，因素很多时，难以准确赋值。(II)得不到有意义的评判结果。因为权数ai具有归一性，当因素很多时，权数ai必然很小。而模糊矩阵的合成运算是先取小(∧)而后取大(∨)，这样，在综合评估时，很小的权数，通过取小运算∧，便会“泯灭”大量单因素评估的信息，使综合评估得不出任何有意义的结果。(III)在复杂系统中，不仅要考虑的因素很多，而且一个因素还往往有多个层次，也即一个因素往往又是由若干个其它因素决定的。如果仅采用一级模糊综合评估，便不能考虑因素的各个层次。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种工程机械RCM服务水平多级模糊综合评估方法，解决了比较复杂的问题，或在比较复杂的环境中评估事物时，由于要考虑的因素很多，各个因素往往具有不同的层次，许多因素还具有比较强烈的模糊性，如果仍然采用一级单因素模糊综合评估，便难以适应上述情况，得不出合理的评估结果的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种工程机械RCM服务水平多级模糊综合评估方法，包括以下步骤：
步骤一、将评估对象的影响因素分类确定因素层次，设因素集为，U＝{u1，u2，…，um}，ui(i＝1，2，…，m)为第一层(也即最高层)中的第i个因素，它又由第二层次中的n个因素决定，即ui＝{ui1，ui2，…uin}(i＝1，2，…，m)，uij(i＝1，2，…，m；j＝1，2，…，n)为第二层次的因素，还可以由第三层次的因素决定，每个因素，决定它的下一层次因素的数目不一定相等，即不同的i有不同的n；
步骤二、建立各层权重集，各层中各因素的重要程度，使用层次分析法求权值，可得各个因素的权重集，第一层的类权重集：A＝(a1，a2，…，am)，ai(i＝1，2，…，m)为第一层中第i类因素的权数，第二层的因素权重集：Ai＝(ai1，ai2，…，ain)，aij(i＝1，2，…，m；j＝1，2，…，n)为第一层中ui类中的第j个因素uij权数，如果还有下一层，则可依次下推；
步骤三、建立备择集，不论因素层次有多少，备择集是只有一个的，和前面一样，备择集可一般地建立为，V＝{v1，v2，…，vp}其中，vk(k＝1，2，…，p)为总评估的第k个可能的结果；
步骤四、一级模糊综合评估，按一类中的各个因素进行综合评估，设按第i类中的第j个因素uij评估，评估对象隶属于备择集中第k个元素的隶属度为rijk(i＝1，2，…，m；j＝1，2，…，n；k＝1，2，…，p)，则一级模糊综合评估集为，
Figure BDA0002213923120000021
步骤五、二级模糊综合评估，二级模糊综合评估的单因素评估矩阵，应为一级模糊综合评估矩阵，从而可得二级模糊综合评估集为：
Figure BDA0002213923120000031
步骤六、评估指标的处理，得到评估指标bj(j＝1，2，…，p)之后，就可以用某些方法对其进行处理，以得到最终评估结果。
优选的，所述步骤六中评估指标的处理方法，加权平均法：取以bj为权数，对各个备择元素进行加权平均的值为评估结果，即：如果评估指标已经归一化，则：
Figure BDA0002213923120000032
如果评估对象是数性量(如安全系数等)，则按上两式计算的值便是对该量模糊综合评估的结果，但如果评估对象是非数性量，如工程机械RCM服务水平的评估，它是评判一个单位RCM服务水平的好坏程度，则其备择集将是：V＝{好，较好，一般，差}，此时，无法应用上述加权平均法，则需将好、较好、一般、差等非数性量数量化。
优选的，所述步骤六中评估指标的处理方法，模糊分布法：对评估指标进行归一化处理，即若B＝(b1，b2，…，bp)，则令：
从而有：B′＝{b′1 b′2 … b′p}，归一化后的各项评估指标，具体反映了评估对象在所评估的特性方面的分布状态，使评估者对评估对象有更深入的了解，例如：评估工程机械RCM服务水平的客户满意程度时，备择集将是：V＝{满意、较满意、一般、不满意}，这时评估指标将指出满意、较满意、一般、不满意的客户各占的百分比，这对管理人员来说，无疑是非常重要的决策信息，如果评估对象是某工程参数时，则评估指标将指出该参数合理的分布状态，工程设计人员可据此得出有关的结论。
优选的，所述步骤六中评估指标的处理方法，评分定级法：为了使评估结果一目了然，利于比较，对评估对象的评估结果按百分制或者是十分制思想，用分数界定评估的结果。
优选的，所述步骤六中评估指标的处理方法，最大隶属度法：取与最大评估指标bmax＝max{bj，j＝1，2，…，p}相对应的备择元素Vk为评估的结果，最大隶属度法只考虑了最大评估指标的贡献，舍去了其它指标所提供的信息，当最大评估指标不止一个时，用最大隶属度法便很难确定具体的评估结果。
(三)有益效果
本发明提供了一种工程机械RCM服务水平多级模糊综合评估方法。具备以下有益效果：
该工程机械RCM服务水平多级模糊综合评估方法，通过把影响RCM服务水平的因素按性质分为：RCM技术水平、人员素质、管理素质等若干类，再按各类再分。考虑到实际情况，本文只将工程机械RCM服务水平的评估分为两层，评估时先从各类的最低层开始按各个因素进行综合评估，然后再在类之间进行综合评估，达到了提高评估值的有效性和可靠性，实现多层次考虑评估因素的问题。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例，进一步阐述本发明。
实施例一
一种工程机械RCM服务水平多级模糊综合评估方法，包括以下步骤：
步骤一、将评估对象的影响因素分类确定因素层次，设因素集为，U＝{u1，u2，…，um}，ui(i＝1，2，…，m)为第一层(也即最高层)中的第i个因素，它又由第二层次中的n个因素决定，即ui＝{ui1，ui2，…uin}(i＝1，2，…，m)，uij(i＝1，2，…，m；j＝1，2，…，n)为第二层次的因素，还可以由第三层次的因素决定，每个因素，决定它的下一层次因素的数目不一定相等，即不同的i有不同的n；
步骤二、建立各层权重集，各层中各因素的重要程度，使用层次分析法求权值，可得各个因素的权重集，第一层的类权重集：A＝(a1，a2，…，am)，ai(i＝1，2，…，m)为第一层中第i类因素的权数，第二层的因素权重集：Ai＝(ai1，ai2，…，ain)，aij(i＝1，2，…，m；j＝1，2，…，n)为第一层中ui类中的第j个因素uij权数，如果还有下一层，则可依次下推；
步骤三、建立备择集，不论因素层次有多少，备择集是只有一个的，和前面一样，备择集可一般地建立为，V＝{v1，v2，…，vp}其中，vk(k＝1，2，…，p)为总评估的第k个可能的结果；
步骤四、一级模糊综合评估，按一类中的各个因素进行综合评估，设按第i类中的第j个因素uij评估，评估对象隶属于备择集中第k个元素的隶属度为rijk(i＝1，2，…，m；j＝1，2，…，n；k＝1，2，…，p)，则一级模糊综合评估集为，
Figure BDA0002213923120000051
步骤五、二级模糊综合评估，二级模糊综合评估的单因素评估矩阵，应为一级模糊综合评估矩阵，从而可得二级模糊综合评估集为：
Figure BDA0002213923120000061
步骤六、评估指标的处理，得到评估指标bj(j＝1，2，…，p)之后，就可以用某些方法对其进行处理，以得到最终评估结果，评估指标的处理方法，最大隶属度法：取与最大评估指标bmax＝max{bj，j＝1，2，…，p}相对应的备择元素Vk为评估的结果，最大隶属度法只考虑了最大评估指标的贡献，舍去了其它指标所提供的信息，当最大评估指标不止一个时，用最大隶属度法便很难确定具体的评估结果。
实施例二
一种工程机械RCM服务水平多级模糊综合评估方法，包括以下步骤：
步骤一、将评估对象的影响因素分类确定因素层次，设因素集为，U＝{u1，u2，…，um}，ui(i＝1，2，…，m)为第一层(也即最高层)中的第i个因素，它又由第二层次中的n个因素决定，即ui＝{ui1，ui2，…uin}(i＝1，2，…，m)，uij(i＝1，2，…，m；j＝1，2，…，n)为第二层次的因素，还可以由第三层次的因素决定，每个因素，决定它的下一层次因素的数目不一定相等，即不同的i有不同的n；
步骤二、建立各层权重集，各层中各因素的重要程度，使用层次分析法求权值，可得各个因素的权重集，第一层的类权重集：A＝(a1，a2，…，am)，ai(i＝1，2，…，m)为第一层中第i类因素的权数，第二层的因素权重集：Ai＝(ai1，ai2，…，ain)，aij(i＝1，2，…，m；j＝1，2，…，n)为第一层中ui类中的第j个因素uij权数，如果还有下一层，则可依次下推；
步骤三、建立备择集，不论因素层次有多少，备择集是只有一个的，和前面一样，备择集可一般地建立为，V＝{v1，v2，…，vp}其中，vk(k＝1，2，…，p)为总评估的第k个可能的结果；
步骤四、一级模糊综合评估，按一类中的各个因素进行综合评估，设按第i类中的第j个因素uij评估，评估对象隶属于备择集中第k个元素的隶属度为rijk(i＝1，2，…，m；j＝1，2，…，n；k＝1，2，…，p)，则一级模糊综合评估集为，
步骤五、二级模糊综合评估，二级模糊综合评估的单因素评估矩阵，应为一级模糊综合评估矩阵，从而可得二级模糊综合评估集为：
Figure BDA0002213923120000072
步骤六、评估指标的处理，得到评估指标bj(j＝1，2，…，p)之后，就可以用某些方法对其进行处理，以得到最终评估结果，评估指标的处理方法，加权平均法：取以bj为权数，对各个备择元素进行加权平均的值为评估结果，即：如果评估指标已经归一化，则：
如果评估对象是数性量，则按上两式计算的值便是对该量模糊综合评估的结果，但如果评估对象是非数性量，如工程机械RCM服务水平的评估，它是评判一个单位RCM服务水平的好坏程度，则其备择集V是：好，较好，一般，差，此时，无法应用上述加权平均法，则需将好、较好、一般、差非数性量数量化。
实施例三
一种工程机械RCM服务水平多级模糊综合评估方法，包括以下步骤：
步骤一、将评估对象的影响因素分类确定因素层次，设因素集为，U＝{u1，u2，…，um}，ui(i＝1，2，…，m)为第一层(也即最高层)中的第i个因素，它又由第二层次中的n个因素决定，即ui＝{ui1，ui2，…uin}(i＝1，2，…，m)，uij(i＝1，2，…，m；j＝1，2，…，n)为第二层次的因素，还可以由第三层次的因素决定，每个因素，决定它的下一层次因素的数目不一定相等，即不同的i有不同的n；
步骤二、建立各层权重集，各层中各因素的重要程度，使用层次分析法求权值，可得各个因素的权重集，第一层的类权重集：A＝(a1，a2，…，am)，ai(i＝1，2，…，m)为第一层中第i类因素的权数，第二层的因素权重集：Ai＝(ai1，ai2，…，ain)，aij(i＝1，2，…，m；j＝1，2，…，n)为第一层中ui类中的第j个因素uij权数，如果还有下一层，则可依次下推；
步骤三、建立备择集，不论因素层次有多少，备择集是只有一个的，和前面一样，备择集可一般地建立为，V＝{v1，v2，…，vp}其中，vk(k＝1，2，…，p)为总评估的第k个可能的结果；
步骤四、一级模糊综合评估，按一类中的各个因素进行综合评估，设按第i类中的第j个因素uij评估，评估对象隶属于备择集中第k个元素的隶属度为rijk(i＝1，2，…，m；j＝1，2，…，n；k＝1，2，…，p)，则一级模糊综合评估集为，
步骤五、二级模糊综合评估，二级模糊综合评估的单因素评估矩阵，应为一级模糊综合评估矩阵，从而可得二级模糊综合评估集为：
步骤六、评估指标的处理，得到评估指标bj(j＝1，2，…，p)之后，就可以用某些方法对其进行处理，以得到最终评估结果，评估指标的处理方法，模糊分布法：对评估指标进行归一化处理，即若B＝(b1，b2，…，bp)，则令：
Figure BDA0002213923120000092
从而有：B′＝{b′1 b′2 …b′p}，归一化后的各项评估指标，具体反映了评估对象在所评估的特性方面的分布状态，使评估者对评估对象有更深入的了解，例如：评估工程机械RCM服务水平的客户满意程度时，备择集V是：满意、较满意、一般、不满意，这时评估指标将指出满意、较满意、一般、不满意的客户各占的百分比，这对管理人员来说，是非常重要的决策信息，如果评估对象是某工程参数时，则评估指标将指出该参数合理的分布状态，工程设计人员可据此得出有关的结论。
实施例四
一种工程机械RCM服务水平多级模糊综合评估方法，包括以下步骤：
步骤一、将评估对象的影响因素分类确定因素层次，设因素集为，U＝{u1，u2，…，um}，ui(i＝1，2，…，m)为第一层(也即最高层)中的第i个因素，它又由第二层次中的n个因素决定，即ui＝{ui1，ui2，…uin}(i＝1，2，…，m)，uij(i＝1，2，…，m；j＝1，2，…，n)为第二层次的因素，还可以由第三层次的因素决定，每个因素，决定它的下一层次因素的数目不一定相等，即不同的i有不同的n；
步骤二、建立各层权重集，各层中各因素的重要程度，使用层次分析法求权值，可得各个因素的权重集，第一层的类权重集：A＝(a1，a2，…，am)，ai(i＝1，2，…，m)为第一层中第i类因素的权数，第二层的因素权重集：Ai＝(ai1，ai2，…，ain)，aij(i＝1，2，…，m；j＝1，2，…，n)为第一层中ui类中的第j个因素uij权数，如果还有下一层，则可依次下推；
步骤三、建立备择集，不论因素层次有多少，备择集是只有一个的，和前面一样，备择集可一般地建立为，V＝{v1，v2，…，vp}其中，vk(k＝1，2，…，p)为总评估的第k个可能的结果；
步骤四、一级模糊综合评估，按一类中的各个因素进行综合评估，设按第i类中的第j个因素uij评估，评估对象隶属于备择集中第k个元素的隶属度为rijk(i＝1，2，…，m；j＝1，2，…，n；k＝1，2，…，p)，则一级模糊综合评估集为，
Figure BDA0002213923120000101
步骤五、二级模糊综合评估，二级模糊综合评估的单因素评估矩阵，应为一级模糊综合评估矩阵，从而可得二级模糊综合评估集为：
Figure BDA0002213923120000102
步骤六、评估指标的处理，得到评估指标bj(j＝1，2，…，p)之后，就可以用某些方法对其进行处理，以得到最终评估结果，评估指标的处理方法，评分定级法：为了使评估结果一目了然，利于比较，对评估对象的评估结果按百分制或者是十分制思想，用分数界定评估的结果。
要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下。由语句“包括一个......限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素”。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种工程机械RCM服务水平多级模糊综合评估方法，其特征在于，包括以下步骤：
步骤一、将评估对象的影响因素分类确定因素层次，设因素集为，U＝{u1，u2，…，um}，ui(i＝1，2，…，m)为第一层中的第i个因素，它又由第二层次中的n个因素决定，即ui＝{ui1，ui2，…uin}(i＝1，2，…，m)，uij(i＝1，2，…，m；j＝1，2，…，n)为第二层次的因素，还可以由第三层次的因素决定，每个因素，决定它的下一层次因素的数目不相等，即不同的i有不同的n；
步骤二、建立各层权重集，各层中各因素的重要程度，使用层次分析法求权值，可得各个因素的权重集，第一层的类权重集：A＝(a1，a2，…，am)，ai(i＝1，2，…，m)为第一层中第i类因素的权数，第二层的因素权重集：Ai＝(ai1，ai2，…，ain)，aij(i＝1，2，…，m；j＝1，2，…，n)为第一层中ui类中的第j个因素uij权数，如果还有下一层，则可依次下推；
步骤三、建立备择集，不论因素层次有多少，备择集是只有一个的，和前面一样，备择集可一般地建立为，V＝{v1，v2，…，vp}其中，vk(k＝1，2，…，p)为总评估的第k个可能的结果；
步骤四、一级模糊综合评估，按一类中的各个因素进行综合评估，设按第i类中的第j个因素uij评估，评估对象隶属于备择集中第k个元素的隶属度为rijk(i＝1，2，…，m；j＝1，2，…，n；k＝1，2，…，p)，则一级模糊综合评估集为，
步骤五、二级模糊综合评估，二级模糊综合评估的单因素评估矩阵，应为一级模糊综合评估矩阵，从而可得二级模糊综合评估集为：
Figure FDA0002213923110000021
步骤六、评估指标的处理，得到评估指标bj(j＝1，2，…，p)之后，就可以用某些方法对其进行处理，以得到最终评估结果。
2.根据权利要求1所述的一种工程机械RCM服务水平多级模糊综合评估方法，其特征在于：所述步骤六中评估指标的处理方法，加权平均法：取以bj为权数，对各个备择元素进行加权平均的值为评估结果，即：如果评估指标已经归一化，则：
Figure FDA0002213923110000022
如果评估对象是数性量，则按上两式计算的值便是对该量模糊综合评估的结果，但如果评估对象是非数性量，如工程机械RCM服务水平的评估，它是评判一个单位RCM服务水平的好坏程度，则其备择集V是：好，较好，一般，差，此时，无法应用上述加权平均法，则需将好、较好、一般、差非数性量数量化。
3.根据权利要求1所述的一种工程机械RCM服务水平多级模糊综合评估方法，其特征在于：所述步骤六中评估指标的处理方法，模糊分布法：对评估指标进行归一化处理，即若B＝(b1，b2，…，bp)，则令：
Figure FDA0002213923110000023
从而有：B′＝{b′1 b′2 … b′p}，归一化后的各项评估指标，具体反映了评估对象在所评估的特性方面的分布状态，使评估者对评估对象有更深入的了解，例如：评估工程机械RCM服务水平的客户满意程度时，备择集V是：满意、较满意、一般、不满意，这时评估指标将指出满意、较满意、一般、不满意的客户各占的百分比，这对管理人员来说，是非常重要的决策信息，如果评估对象是某工程参数时，则评估指标将指出该参数合理的分布状态，工程设计人员可据此得出有关的结论。
4.根据权利要求1所述的一种工程机械RCM服务水平多级模糊综合评估方法，其特征在于：所述步骤六中评估指标的处理方法，评分定级法：为了使评估结果一目了然，利于比较，对评估对象的评估结果按百分制或者是十分制思想，用分数界定评估的结果。
5.根据权利要求1所述的一种工程机械RCM服务水平多级模糊综合评估方法，其特征在于：所述步骤六中评估指标的处理方法，最大隶属度法：取与最大评估指标bmax＝max{bj，j＝1，2，…，p}相对应的备择元素Vk为评估的结果，最大隶属度法只考虑了最大评估指标的贡献，舍去了其它指标所提供的信息，当最大评估指标不止一个时，用最大隶属度法便很难确定具体的评估结果。
CN201910914526.3A 2019-04-02 2019-09-25 一种工程机械rcm服务水平多级模糊综合评估方法 Pending CN110738402A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910263713 2019-04-02
CN201910263713X 2019-04-02

Publications (1)

Publication Number Publication Date
CN110738402A true CN110738402A (zh) 2020-01-31

Family

ID=69269623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910914526.3A Pending CN110738402A (zh) 2019-04-02 2019-09-25 一种工程机械rcm服务水平多级模糊综合评估方法

Country Status (1)

Country Link
CN (1) CN110738402A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102496069A (zh) * 2011-12-07 2012-06-13 山东电力集团公司青岛供电公司 基于模糊层次分析法的电缆多状态安全运行评估方法
CN107862433A (zh) * 2017-09-29 2018-03-30 国家电网公司 一种特高压直流输电线路带电作业安全评估方法和系统
CN109377024A (zh) * 2018-09-30 2019-02-22 北京航空航天大学 一种基于层次分析和灰色模糊综合的恢复能力评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102496069A (zh) * 2011-12-07 2012-06-13 山东电力集团公司青岛供电公司 基于模糊层次分析法的电缆多状态安全运行评估方法
CN107862433A (zh) * 2017-09-29 2018-03-30 国家电网公司 一种特高压直流输电线路带电作业安全评估方法和系统
CN109377024A (zh) * 2018-09-30 2019-02-22 北京航空航天大学 一种基于层次分析和灰色模糊综合的恢复能力评估方法

Similar Documents

Publication Publication Date Title
WO2021184630A1 (zh) 基于知识图谱定位排污对象的方法及相关设备
CN109543737B (zh) 一种基于fahp_fca组合赋权的信息系统健康度评估方法
CN106096830B (zh) 基于广义证据理论的继电保护状态评价方法及系统
CN112001572B (zh) 一种工单智能分派方法
CN106650807B (zh) 一种海洋环境下混凝土强度劣化预测评价方法
CN108470022A (zh) 一种基于运维管理的智能工单质检方法
CN107895100B (zh) 一种流域水质综合评价方法及系统
CN1144139C (zh) 在生产线模拟器中的估计值计算系统和方法
CN105335902A (zh) 电力通信网的可靠性确定方法及装置
CN103745454A (zh) 一种基于排序学习的图像处理算法或系统的评价方法
CN113407644A (zh) 一种基于深度学习算法的企业行业二级行业多标签分类器
CN107483240A (zh) 基于网络资源关联关系的电力通信网业务健康度分析方法
CN115470962A (zh) 一种基于LightGBM的企业失信风险预测模型构建方法
CN114862267A (zh) 一种输油气管道报警管理体系的评价方法及系统
CN106548284B (zh) 一种面向运行调控的自适应模块化电网安全评价方法
CN113327047A (zh) 基于模糊综合模型的电力营销服务渠道决策方法及系统
CN112785156B (zh) 一种基于聚类与综合评价的产业领袖识别方法
CN110738402A (zh) 一种工程机械rcm服务水平多级模糊综合评估方法
CN106709522B (zh) 一种基于改进模糊三角数的高压电缆施工缺陷分级方法
CN117217531A (zh) 基于人工智能的工厂安全运行风险数据处理方法
CN107808245A (zh) 基于改进决策树方法的管网调度系统
CN103886512A (zh) 基于灰度聚类的火电机组经济指标评价方法
CN114820074A (zh) 基于机器学习的目标用户群体预测模型构建方法
CN114841563A (zh) 一种多目标水资源配置方案综合评价方法
CN112116238A (zh) 一种基于指标权重体系设计的满意度评估方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200131

RJ01 Rejection of invention patent application after publication