一种基于改进数据包络分析的制造系统综合评价方法技术方案

本发明专利技术公开了一种基于改进数据包络分析的制造系统综合评价方法，在传统数据包络分析模型基础上，考虑复杂制造系统中生产因素的不确定性和模糊性，引入三角模糊数对其进行表征，建立模糊数据包络分析评价模型。为了避免制造系统评价过程中对某些输入/输出因素过于依赖或被忽略，模型中引入保证域概念，保证各生产因素的权值处于合理范围，从而建立模糊数据包络分析/保证域模型。引入α截集以计算制造系统模糊有效性的上界和下界，公开一种排序方法对其上界和下界进行排序，排序指标最高即为相对最有效的制造系统。本发明专利技术提供的综合评价方法释放了制造系统在生产中规模收益不变的约束，在实际生产系统更具有实际意义。

【技术实现步骤摘要】

本专利技术涉及制造系统的综合评价方法，特别是涉及到一种基于改进数据包络分析的制造系统综合评价方法技术。
技术介绍
有效评价行业内制造系统的投入产出的相对有效性对生产企业决策具有指导意义。近年来，对于先进制造系统的评价和决策问题受到了广泛关注，主要体现在多目标数学规划、智能优化以及模糊决策等方法。上述方法需要建立精确地数学模型，因而不适用于难以建模的复杂制造系统评价。数据包络分析(Data Envelopment Analysis,DEA)是由运筹学家Charnes、Cooper和Rhodes于1978年提出的，用于多个同类型决策单元(Decision Making Unit,DMU)相对有效性评价。DEA作为一种线性规划方法，也被用于制造系统性能评价和决策问题。DEA方法结构简单，且无需建立精确的数学模型，因而在生产效率的评价中应用日趋广泛。目前，应用于制造系统中主要是确定的DEA方法。然而，对于某些输入/输出因素难以用精确数字来描述的复杂系统而言，确定的DEA方法不再适用。针对制造系统的模糊性和不确定性，已有技术中提出了模糊DEA评价方法，但其方法要求制造系统满足规模收益不变的约束。而实际的生产系统往往难以满足这一约束条件。因此，本专利技术提供一种适用于规模收益可变的基于改进数据包络分析的知识化制造系统综合评价方法。
技术实现思路
本专利技术所要解决的技术问题是针对解决
技术介绍
中的不足，提出一种基于改进数据包络分析的制造系统综合评价方法。本专利技术为解决上述技术问题采用以下技术方案：一种基于改进数据包络分析的制造系统综合评价方法，包括以下步骤：步骤1)，针对每一个待评价制造系统，将其定义为决策单元，获取其输入因素以及输出因素的参数值；步骤2)，根据每个决策单元的输入因素以及输出因素的参数值建立其模糊数据包络分析/保证域(Fuzzy Data Envelopment Analysis/Assurance Region,FDEA/AR)模型；步骤3)，分别对每个模糊数据包络分析/保证域模型进行求解；步骤4)，分别计算每个待评价制造系统的有效性边界值的排序指标，选择排序指标最高的制造系统为相对最有效系统。作为本专利技术一种基于改进数据包络分析的制造系统综合评价方法进一步的优化方案，步骤2)中第i个模糊数据包络分析/保证域模型的决策单元DMUi的FDEA/AR模型的模糊相对有效性为：E~i=maxΣk=1nωkY~ik.]]>s.t.Σj=1mυjX~ij+υ0=1,Σk=1nωkY~rk-(Σj=1mυjX~rj+υ0)≤0,r=1,2......,s,-υp+CpqLυq≤0,υp-CpqUυq≤0,∀p<q=2,......,m,-ωp+DpqLωq≤0,ωp-DpqUωq≤0,∀p<q=2,......,n,ωk,υj>0.---(I)]]>其中，表示第i个决策单元的模糊有效性；ωk为表示第k个输出因素的重要程度的权重系数；表示第i个决策单元的第j个模糊输出因素；υj为表示第j个输入重要程度的的权重系数；表示第i个决策单元的第j个模糊输入因素；υ0为无符号约束的常数；s为决策单元的数量；m、n均为大于等于2的整数；为第p个输入因素的权重下界与第q个输入因素权重上界的比值；为第p个输入因素的权重上界与第q个输入因素权重下界的比值；为第p个输出因素的权重下界与第q个输出因素权重上界的比值；为第p个输出因素的权重上界与第q个输出因素权重下界的比值。作为本专利技术一种基于改进数据包络分析的制造系统综合评价方法进一步的优化方案，所述步骤3)中引入α截集对模糊线性规划模型即式(Ⅰ)求解，则基于置信水平α的FDEA/AR模型为：E~i=maxΣk=1nωkyik.]]>s.t.Σj=1mυjxij+υ0=1,Σk=1nωkyrk-Σj=1m(υjxrj+υ0)≤0,r=1,2,...,s,-υp+CpqLυq≤0,υp-CpqUυp≤0,p<q=2,...,m,-ωp+DpqLωq≤0,ωp-DpqUωq≤0,p<q=2,...,n,(Xrj)αL≤xrj≤(Xrj)αUr=1,2,...sj=1,2,...m,(Yrk)αL≤yrk≤(Yrk)αUr=1,2,...sk=1,2,...n,ωk,υj>0.---(II)]]>其中：表示置信水平α下Xij的下界；表示置信水平α下Xij的上界；表示置信水平α下Yij的下界；表示置信水平α下Yij的上界。将模糊线性规划模型即式(Ⅱ)转化为一对传统线性规划模型以获得其有效性的上界和下界作为本专利技术一种基于改进数据包络分析的制造系统综合评价方法进一步的优化方案，所述有效性的上界和下界的获取方法如下：DMUi的模糊相对有效性取得上界当且仅当DMUi的模糊输入取下界，其模糊输出取上界；同时，其他DMU的模糊输入取上界，且其模糊输出取下界；DMUi的模糊相对有效性取得上界当且仅当DMUi的模糊输入取上界，其模糊输出取下界；同时，其他DMU的模糊输入取下界，且其模糊输出取上界。作为本专利技术一种基于改进数据包络分析的制造系统综合评价方法进一步的优化方案，DMUi在置信水平αI＝I/K(I＝1,2,…,K为传统取点数)有效性边界值的指标为：I(E~i)=ΣI=1KαI((Ei)αIL+(Ei)αIU)/2ΣI=1KαI]]>其中:表示DMUi的模糊有效性；为DMUi的模糊有效性的排序指标；αI表示置信水平；为在置信水平αI下的下界；为在置信水平αI下的上界。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：1.本专利技术针对生产实际中生产因素的不确定性和模糊性，引入模糊数表征生产因素的参数值，更符合制造系统的实际生产要求；2.为了避免评价结果过度依赖或忽略某些生产因素，根据先验知识或专家评估限定不同生产因素的权重值，使各生产因素的权重处于合理范围之内，本文档来自技高网...

【技术保护点】
一种基于改进数据包络分析的制造系统综合评价方法，其特征在于，包括以下步骤：步骤1)，针对每一个待评价制造系统，将其定义为决策单元，获取其输入因素以及输出因素的参数值；步骤2)，根据每个决策单元的输入因素以及输出因素的参数值建立其模糊数据包络分析/保证域模型；步骤3)，分别对每个模糊数据包络分析/保证域模型进行求解；步骤4)，分别计算每个待评价制造系统的有效性边界值的排序指标，选择排序指标最高的制造系统为相对最有效系统。

【技术特征摘要】
1.一种基于改进数据包络分析的制造系统综合评价方法，其特征在于，包括以下步骤：
步骤1)，针对每一个待评价制造系统，将其定义为决策单元，获取其输入因素以及输出
因素的参数值；
步骤2)，根据每个决策单元的输入因素以及输出因素的参数值建立其模糊数据包络分析/
保证域模型；
步骤3)，分别对每个模糊数据包络分析/保证域模型进行求解；
步骤4)，分别计算每个待评价制造系统的有效性边界值的排序指标，选择排序指标最高
的制造系统为相对最有效系统。
2.根据权利要求1所述的一种基于改进数据包络分析的制造系统综合评价方法，其特征
在于，步骤2)中第i个模糊数据包络分析/保证域模型的决策单元的模糊有效性为：
E~i=maxΣk=1nωkY~ik.---(I)]]>s.t.Σj=1mυjX~ij+υ0=1,Σk=1nωkY~rk-(Σj=1mυjX~rj+υ0)≤0,r=1,2......,s,-υp+CpqLυq≤0,υp-CpqUυq≤0,∀p<q=2,......,m,-ωp+DpqLωq≤0,ωp-DpqUωq≤0,∀p<q=2,......,n,ωk,υj>0.]]>其中，表示第i个决策单元的模糊有效性；ωk表示第k个输出因素的重要程度的权重
系数；表示第i个决策单元的第j个模糊输出因素；υj表示第j个输入重要程度的的权重系
数；表示第i个决策单元的第j个模糊输入因素；υ0为无符号约束的常数；s为决策单元
的数量；m、n均为大于等于2的整数；为第p个输入因素的权重下界与第q个输入因素
权重上界的比值；为第p个输入因素的权重上界与第q个输入因素权重下界的比值；为第p个输出因素的权重下界与第q个输出因素权重上界的比值；为第p个输出因素的权
重上界与第q个输出因素权重下界的比值。
3.根据权利要求2所述的一种基于改进数据包络分析的制造系统综合评价方法，其特征
在于，所述步骤3)中引入α截集对模糊线性规划模型即式(Ⅰ)求解，则基于置...

【专利技术属性】
技术研发人员：王玉芳，王志华，宋莹，杨丽，薛力红，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32