CN112100915B - 一种基于层次分析及群体决策算法的器件失效率评估方法 - Google Patents

一种基于层次分析及群体决策算法的器件失效率评估方法 Download PDF

Info

Publication number
CN112100915B
CN112100915B CN202010946997.5A CN202010946997A CN112100915B CN 112100915 B CN112100915 B CN 112100915B CN 202010946997 A CN202010946997 A CN 202010946997A CN 112100915 B CN112100915 B CN 112100915B
Authority
CN
China
Prior art keywords
index
failure rate
consistency
weight
matrix
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.)
Active
Application number
CN202010946997.5A
Other languages
English (en)
Other versions
CN112100915A (zh
Inventor
徐宏伟
王永军
李涛
李鹏程
丛中笑
冉璐瑶
李金友
刘超翔
高晶
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.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou Power Grid Co Ltd
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 Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202010946997.5A priority Critical patent/CN112100915B/zh
Publication of CN112100915A publication Critical patent/CN112100915A/zh
Application granted granted Critical
Publication of CN112100915B publication Critical patent/CN112100915B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于层次分析及群体决策算法的器件失效率评估方法，本发明通过使用层次分析法(AHP)分析元器件失效率的问题，揭示影响元器件失效率不同因素之间的相互关系，使之层次化、条理化；通过专家客户端对每层因素两两之间的相对重要程度进行比较，形成定量主观评价，再利用权值来反映全部因素的相对重要程度，并利用权向量对目标可靠性进行分配。通过本方法获取元器件失效率的成本较低，实现也更为方便；同时使用范围广泛，不拘泥于特定场景；可推广至各电子产品的电子元器件失效率的计算。

Description

一种基于层次分析及群体决策算法的器件失效率评估方法
技术领域
本发明涉及电气元件的指标检测技术领域，特别涉及一种基于层次分析及群体决策算法的器件失效率评估方法。
背景技术
可靠性预计是元器件可靠性设计的主要工作项目之一，可靠性预计对预估元器件可靠性水平、定位薄弱环节、开展可靠性试验等的重要的支撑作用。可靠性预计实施的基础是建立元器件失效率预计模型，失效率预计模型通常由各种预计标准、手册等提供。目前应用较多的失效率预计模型是传统数理统计预计模型，在传统数理统计预计模型中元器件失效率由基本失效率连乘多个影响系数得到。传统数理统计预计模型中不同影响系数在连乘过程中会协同放大或缩小，但在实际应用中，元器件失效可能是由多种失效机理诱发，不同的失效机理对不同应力的敏感性不同，失效部位也有不尽相同。因此，通过传统数理统计预计模型得到的失效率与实际失效率具有较大的预计偏差。
因此有必要通过考虑一些元器件失效率获取的复杂性，在进行电子产品进行可靠性预计时对结果正确的影响。
发明内容
有鉴于此，本发明的目的是提供一种基于层次分析及群体决策算法的器件失效率评估方法。能够克服背景技术中存在的问题。
本发明的第一方面的目的是通过以下技术方案实现的：
该种基于层次分析及群体决策算法的器件失效率评估方法，包括步骤如下：
步骤S1：建立递阶层次评价指标体系；
步骤S2：构造比较判断矩阵；
步骤S3：计算指标权重
Figure BDA0002675661780000011
步骤S4：判断矩阵的一致性检验
Figure BDA0002675661780000012
步骤S5：群体决策专家相对权重的确定
Figure BDA0002675661780000013
步骤S6：综合权重的确定
Figure BDA0002675661780000021
步骤S7：将权重与元器件失效率进行相乘，得到定制元器件在生命周期内的失效率。。
特别地，所述步骤S1中，建立的评价指标体系包括目标层、准则层和方案层，其中目标层为元器件失效率，所述准则层的参数包括性能、可靠性、材料、易用性、维护性、经济性和可复用性；所述方案层包括自然环境指标、电网环境指标、电气指标、工作时间指标、负载指标、材料指标和工艺指标。
特别地，所述步骤S2中，采用标度法对方案层的n个指标建立判断矩阵Xk，具体是设置m个可做出专业判断的专家客户端，每个专家客户端对准则层每个准则建立两两比较判断矩阵Sk，采用标度法对方案层的n个指标建立判断矩阵Xk，
Figure BDA0002675661780000022
Figure BDA0002675661780000023
特别地，所述步骤S3中，用归一化向量
Figure BDA0002675661780000024
表示第k个专家客户端所求各指标的权重，其计算方法如下。
计算判断矩阵Xk的每一行元素
Figure BDA0002675661780000025
的积，
Figure BDA0002675661780000026
对
Figure BDA0002675661780000027
求n次方根，得到
Figure BDA0002675661780000028
归一化向量为
Figure 1
第k个专家所求各指标的权重为：
Figure BDA00026756617800000210
特别地，步骤S4中，判断矩阵的一致性检验具体包括以下步骤：
步骤S41：先确定判断矩阵Xk的最大特征值
Figure BDA00026756617800000211
Figure BDA00026756617800000212
步骤S42:进行一致性检验，计算一致性指标
Figure BDA00026756617800000213
Figure BDA00026756617800000214
步骤S43：计算一致性比例
Figure BDA00026756617800000215
Figure BDA00026756617800000216
式中
Figure BDA00026756617800000217
为同阶矩阵评价一致性指标，通过查表可获得。
当
Figure BDA0002675661780000031
时，Xk具有完全一致性。
当
Figure BDA0002675661780000032
时，Xk具有满意一致性；
当
Figure BDA0002675661780000033
时，Xk具有非满意一致性，此时应对Xk予以调整。
特别地，步骤S5包括：
利用一致性比例
Figure BDA0002675661780000034
构造专家权重Mk，
Figure BDA0002675661780000035
将Mk做归一化处理得到专家客户端的归一化权重
Figure BDA0002675661780000036
Figure BDA0002675661780000037
特别地，步骤S6包括：
将指标权重
Figure BDA0002675661780000038
与专家权重
Figure BDA0002675661780000039
求积，在此基础上对各专家客户端在某一指标的这些权重求和即可得到这个指标的综合权重。第i个指标的综合权重Zi为
Figure BDA00026756617800000310
最后进行归一化处理即得到该指标的综合权重
Figure BDA00026756617800000311
Figure BDA00026756617800000312
本发明第二方面的的目的是提供一种计算机装置，包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前所述的方法。
本发明第三方面的的目的是提供一种计算机可读存储介质，其上储存有计算机程序，所述计算机程序被处理器执行时实现如前所述的方法。
本发明的有益效果是：本发明通过使用层次分析法(AHP)分析元器件失效率的问题，揭示影响元器件失效率不同因素之间的相互关系，使之层次化、条理化；通过专家客户端对每层因素两两之间的相对重要程度进行比较，形成定量主观评价，再利用权值来反映全部因素的相对重要程度，并利用权向量对目标可靠性进行分配。通过本方法获取元器件失效率的成本较低，实现也更为方便；同时使用范围广泛，不拘泥于特定场景；可推广至各电子产品的电子元器件失效率的计算。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和前述的权利要求书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1为本发明的方法流程示意图；
图2为递阶层次评价指标体系的示意图。
具体实施方式
以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
通过使用层次分析法(AHP)分析元器件失效率的问题，揭示影响元器件失效率不同因素之间的相互关系，使之层次化、条理化；通过业内专家对每层因素两两之间的相对重要程度进行比较，形成定量主观评价，再利用权值来反映全部因素的相对重要程度，并利用权向量对目标可靠性进行分配。
对单个专家的指标权重进行归一化处理与群体决策专家相对权重求积，得到指标综合权重，最后利用综合权重进行可靠性分配，既可简化计算，同时降低可靠性分配结果的主观性。
如图1所示，本发明的一种基于层次分析及群体决策算法的器件失效率评估方法，包括以下步骤：
步骤S1：建立递阶层次评价指标体系；
建立的评价指标体系包括目标层、准则层和方案层，其中目标层为元器件失效率，所述准则层的参数包括性能、可靠性、材料、易用性、维护性、经济性和可复用性；所述方案层包括自然环境指标、电网环境指标、电气指标、工作时间指标、负载指标、材料指标和工艺指标。
步骤S2：构造比较判断矩阵；
本实施例中，采用标度法对方案层的n个指标建立判断矩阵Xk，具体是设置m个可做出专业判断的专家客户端，每个专家客户端对准则层每个准则建立两两比较判断矩阵Sk，采用标度法对方案层的n个指标建立判断矩阵Xk，
Figure BDA0002675661780000051
本发明所述的专家客户端包括但不限于数据库系统、人工智能系统、专家决策系统以及上述系统的组合等，每个客户端具有本领域专业技术人员的能力，能够作出比本领域普通技术人员能高层次的专业判断。
步骤S3：计算指标权重
Figure BDA0002675661780000052
本实施例中，用归一化向量
Figure BDA0002675661780000053
表示第k个客户端所求各指标的权重，其计算方法如下。
计算判断矩阵Xk的每一行元素
Figure BDA0002675661780000054
的积，
Figure BDA0002675661780000055
对
Figure BDA0002675661780000056
求n次方根，得到
Figure BDA0002675661780000057
归一化向量为
Figure 2
第k个专家所求各指标的权重为：
Figure BDA0002675661780000059
步骤S4：判断矩阵的一致性检验
Figure BDA00026756617800000510
判断矩阵的一致性检验具体包括以下步骤：
步骤S41：先确定判断矩阵Xk的最大特征值
Figure BDA00026756617800000511
Figure BDA00026756617800000512
步骤S42:进行一致性检验，计算一致性指标
Figure BDA00026756617800000513
Figure BDA00026756617800000514
步骤S43：计算一致性比例
Figure BDA00026756617800000515
Figure BDA00026756617800000516
式中
Figure BDA00026756617800000517
为同阶矩阵评价一致性指标，通过查表可获得。
当
Figure BDA00026756617800000518
时，Xk具有完全一致性。
当
Figure BDA00026756617800000519
时，Xk具有满意一致性；
当
Figure BDA00026756617800000520
时，Xk具有非满意一致性，此时应对Xk予以调整。
步骤S5：群体决策专家相对权重的确定
Figure BDA0002675661780000061
具备包括：
利用一致性比例
Figure BDA0002675661780000062
构造专家权重Mk，
Figure BDA0002675661780000063
将Mk做归一化处理得到专家客户端的归一化权重
Figure BDA0002675661780000064
Figure BDA0002675661780000065
步骤S6：综合权重的确定
Figure BDA0002675661780000066
具体包括；
将指标权重
Figure BDA0002675661780000067
与专家权重
Figure BDA0002675661780000068
求积，在此基础上对各专家客户端在某一指标的这些权重求和即可得到这个指标的综合权重。第i个指标的综合权重Zi为
Figure BDA0002675661780000069
最后进行归一化处理即得到该指标的综合权重
Figure BDA00026756617800000610
Figure BDA00026756617800000611
步骤S7：将综合权重与现有的元器件失效率进行相乘，得到定制元器件在生命周期内的失效率。现有的元器件失效率是指通过可靠性预计手册中查到的元器件失效率或通过专家评估出的元器件失效率，这个现有的元器件失效率来源一般有两个，一个是预计手册里面记载的，一个是根据专家打分得出的元器件失效率，属于可以直接使用的常识性数据。
本发明的流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器 (RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列 (PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.一种基于层次分析及群体决策算法的器件失效率评估方法，其特征在于：包括
步骤S1：建立递阶层次评价指标体系；所述步骤S1中，建立的评价指标体系包括目标层、准则层和方案层，其中目标层为元器件失效率，所述准则层的参数包括性能、可靠性、材料、易用性、维护性、经济性和可复用性；所述方案层包括自然环境指标、电网环境指标、电气指标、工作时间指标、负载指标、材料指标和工艺指标；
步骤S2：构造比较判断矩阵；所述步骤S2中，采用标度法对方案层的n个指标建立判断矩阵Xk，具体是设置m个可做出专业判断的专家客户端，每个专家客户端对准则层每个准则建立两两比较判断矩阵Sk，
Figure FDA0003709975000000011
步骤S3：计算指标权重
Figure FDA0003709975000000012
所述步骤S3中，用归一化向量
Figure FDA0003709975000000013
表示第k个客户端所求各指标的权重，其计算方法如下：
计算判断矩阵Xk的每一行元素
Figure FDA0003709975000000014
的积，
Figure FDA0003709975000000015
式中，j表示矩阵的第j列；n表示指标数；
对
Figure FDA0003709975000000016
求n次方根，得到
Figure FDA0003709975000000017
归一化向量为
Figure FDA0003709975000000018
第k个专家客户端所求各指标的权重为：
Figure FDA0003709975000000019
步骤S4：判断矩阵的一致性检验
Figure FDA00037099750000000110
判断矩阵的一致性检验具体包括以下步骤：
步骤S41：先确定判断矩阵Xk的最大特征值
Figure FDA00037099750000000111
Figure FDA00037099750000000112
步骤S42:进行一致性检验，计算一致性指标
Figure FDA00037099750000000113
Figure FDA00037099750000000114
步骤S43：计算一致性比例
Figure FDA0003709975000000021
Figure FDA0003709975000000022
式中
Figure FDA0003709975000000023
为同阶矩阵评价一致性指标，通过查表可获得：
当
Figure FDA0003709975000000024
时，Xk具有完全一致性；
当
Figure FDA0003709975000000025
时，Xk具有满意一致性；
当
Figure FDA0003709975000000026
时，Xk具有非满意一致性，此时应对Xk予以调整，即构造的XK矩阵需调整，重新构造矩阵；
步骤S5：群体决策专家相对权重的确定
Figure FDA0003709975000000027
步骤S5包括：
利用一致性比例
Figure FDA0003709975000000028
构造专家权重Mk，
Figure FDA0003709975000000029
将Mk做归一化处理得到专家客户端的归一化权重
Figure FDA00037099750000000210
Figure FDA00037099750000000211
步骤S6：综合权重的确定
Figure FDA00037099750000000212
步骤S6包括：
将指标权重
Figure FDA00037099750000000213
与专家权重
Figure FDA00037099750000000214
求积，在此基础上对各专家客户端在某一指标的这些权重求和即可得到这个指标的综合权重，第i个指标的综合权重Zi为
Figure FDA00037099750000000215
最后进行归一化处理即得到该指标的综合权重
Figure FDA00037099750000000216
Figure FDA00037099750000000217
步骤S7：将综合权重与现有的元器件失效率进行相乘，得到定制元器件在生命周期内的失效率。
2.一种计算机装置，包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现如权利要求1所述的方法。
3.一种计算机可读存储介质，其上储存有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1所述的方法。
CN202010946997.5A 2020-09-10 2020-09-10 一种基于层次分析及群体决策算法的器件失效率评估方法 Active CN112100915B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010946997.5A CN112100915B (zh) 2020-09-10 2020-09-10 一种基于层次分析及群体决策算法的器件失效率评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010946997.5A CN112100915B (zh) 2020-09-10 2020-09-10 一种基于层次分析及群体决策算法的器件失效率评估方法

Publications (2)

Publication Number Publication Date
CN112100915A CN112100915A (zh) 2020-12-18
CN112100915B true CN112100915B (zh) 2022-08-30

Family

ID=73751294

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010946997.5A Active CN112100915B (zh) 2020-09-10 2020-09-10 一种基于层次分析及群体决策算法的器件失效率评估方法

Country Status (1)

Country Link
CN (1) CN112100915B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112837177B (zh) * 2021-01-13 2024-03-19 国网湖北省电力有限公司营销服务中心(计量中心) 一种电能计量设备用关键元器件基础数据源及质量评价方法
CN114065674B (zh) * 2022-01-17 2022-04-22 北京智芯微电子科技有限公司 一种cmos器件的eos失效率的预测方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104915558A (zh) * 2015-06-05 2015-09-16 工业和信息化部电子第五研究所 Mems可靠性评估方法
CN111126775A (zh) * 2019-11-26 2020-05-08 国网浙江省电力有限公司电力科学研究院 一种基于层次分析法的居民客户价值分级模型构建方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104915558A (zh) * 2015-06-05 2015-09-16 工业和信息化部电子第五研究所 Mems可靠性评估方法
CN111126775A (zh) * 2019-11-26 2020-05-08 国网浙江省电力有限公司电力科学研究院 一种基于层次分析法的居民客户价值分级模型构建方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Evaluating critical success factors in implementing E-learning system using multicriteria;Quadri Noorulhasan Naveed 等;《PLOS ONE》;20200504;第1-25页 *
基于FAHP的弹道导弹威胁评估;王刚等;《弹箭与制导学报》;20161215;第36卷(第6期);第30-35页 *
基于GDM-AHP的模糊评价应用研究;梅昌艮 等;《污染防治技术》;20091020;第22卷(第5期);第27-29、52页 *
基于层次分析法和单相关系数法的矿井通风系统评价指标体系;周述峰 等;《现代矿业》;20090615(第6期);第76-78页 *
基于层次分析法的机械元件失效率预计;谭世勇 等;《机械设计》;20140320;第31卷(第3期);第6-9页 *
基于群组决策和层次分析法的卷烟零售户诚信指标体系构建;何儒汉 等;《计算机应用与软件》;20191212;第36卷(第12期);第81-86页 *
模糊层次分析法在接触网系统可靠性分配中的应用;陈民武 等;《中国铁路》;20080715(第7期);第34-38页 *

Also Published As

Publication number Publication date
CN112100915A (zh) 2020-12-18

Similar Documents

Publication Publication Date Title
CN112100915B (zh) 一种基于层次分析及群体决策算法的器件失效率评估方法
US5398300A (en) Neural network having expert system functionality
Li et al. OLPS: a toolbox for on-line portfolio selection
CN103853786B (zh) 数据库参数的优化方法与系统
CN111144644B (zh) 基于变分异方差高斯过程回归的短期风速预测方法
CN109584209A (zh) 血管壁斑块识别设备、系统、方法及存储介质
CN108734321A (zh) 一种基于改进ABC算法的Elman神经网络的短期负荷预测方法
CN116150897A (zh) 一种基于数字孪生的机床主轴性能测评方法及系统
CN113126019A (zh) 一种智能电表误差远程估计方法、系统、终端和存储介质
Morgan et al. Sample size and modeling accuracy of decision tree based data mining tools
CN109490228A (zh) 一种服务器机柜控制系统及控制方法
ERSOY Selecting the best normalization technique for ROV method: Towards a real life application
CN113128893A (zh) 区域防旱减灾的评估方法和装置
CN115470862A (zh) 动态自适应负荷预测模型组合方法
CN110142803B (zh) 一种移动焊接机器人系统工作状态检测方法及装置
CN111523080A (zh) 一种电力系统的pas系统综合评估方法及相关装置
CN109918237A (zh) 异常网络层确定方法及相关产品
CN115481767A (zh) 面向配电网检修的运行数据处理方法、装置和计算机设备
Boonyakunakorn et al. Forecasting of Thailand's Rice Exports Price: Based on Ridge and Lasso Regression
CN109978675A (zh) 一种税务监控方法和装置
CN113159477A (zh) 一种基于合作博弈的战备完好性评估方法及装置
CN109726084A (zh) 数据中心的故障问题的分析方法及装置
Jeihoonian et al. Modeling and comparing energy consumption in basic metal industries by neural networks and ARIMA
Lu et al. Combined model of empirical study for credit risk management
CN111091252A (zh) 海上风电场柔性直流送出系统综合效益评价方法与系统

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
GR01 Patent grant
GR01 Patent grant