一种基于可拓学理论的复杂设备维修策略选择方法

本发明涉及复杂设备维修
技术领域：
，具体地说，涉及一种基于可拓学理论的复杂设备维修策略选择方法。
背景技术：
：不同设备在企业生产运行过程中所起的作用是不一样的，所采用的维修方式也不一样。优秀的设备维修、维护来源于杰出的设备维修策略。具有战略性的设备维修策略是提升公司资产价值的有利手段，故必须重视策略选择。设备故障不仅影响设备的运行，还会造成一定的经济损失，随着设备复杂程度日益增加，使得维修工作难度越来越大、维修资源不断增加、维修时间越来越长，因此选择一个较合适的维修策略，对尽可能降低损失起着很大的作用。目前，对设备维修策略进行评估时一般仅仅局限在某一个方面，没有综合考虑的指标体系。现有对设备维修策略进行评估时，主要分为两类：定性方法和定量方法。其中，定性的方法主观性太强，定量的方法又过于依赖数据，数据的剧烈变化对结果的影响过大。技术实现要素：本发明提供了一种基于可拓学理论的复杂设备维修策略选择方法，其能够克服现有技术的某种或某些缺陷。根据本发明的一种基于可拓学理论的复杂设备维修策略选择方法，其包括如下步骤：步骤s1、建立评价指标体系，所建立的评价指标体系包括一级指标集合a，a＝{aj|j＝1，2，……n}，其中，aj表示第j个一级指标，n取正整数；步骤s2、基于关联矩阵法，确定所有一级指标的权重矩阵w，w＝{wj|j＝1，2，……n}，wj表示第j个一级指标的权重；步骤s3、建立维修策略集合x，x＝{xi|i＝1，2，……m}，其中，xi表示第i个维修策略，m取正整数；每个维修策略xi均包含一级指标集合a中的所有一级指标，记第xi个维修策略中的所有一级指标的原始数据值的集合为原始指标数据集ai，ai＝{aij|i＝1，2，……m，j＝1，2，……n}，aij表示第i个维修策略中的第j个一级指标的原始数据；步骤s4、对所有的原始指标数据集ai进行去量纲处理，进而获取去量纲指标数据集a′i，a′i＝{vij|i＝1，2，……m，j＝1，2，……n}，vij表示第i个维修策略中的第j个一级指标的去量纲数据；步骤s5、基于可拓理论选取最优维修策略。相较于现有的定性或定量的评价方法，本发明中的方法能够结合定性和定量的优势，其能够基于关联矩阵法对各个指标的影响进行定量分析，之后能够基于开拓集理论对对策略进行定性分析，从而能够较佳地相互支撑，使得评价结果更加科学、准确。作为优选，步骤s2中，采用a·古林法(klee法)确定所有一级指标的权重矩阵w。从而能够较佳地对所有一级指标进行定量分析。作为优选，步骤s2具体包括如下步骤，步骤s21、获取每个一级指标的重要性r(aj)，r(aj)表示第j个指标的重要性，j＝1，2，……n；该步骤中，将第n个一级指标an的重要性记为1，也即r(an)＝1；并将第j个指标相对于第j+1个指标的重要性之比记为r(aj，aj+1)，之后根据公式r(aj)＝r(aj，aj+1)×r(aj+1)，即可获取所有一级指标的重要性r(aj)；步骤s22、对每个一级指标的重要性r(aj)进行归一化处理，并将归一化处理后的数值作为相应一级指标的权重wj；该步骤中，根据公式获取所有一级指标的权重wj。通过步骤s21与s22，即可较佳地获取每个一级指标的权重wj，进而能够较佳地构建权重矩阵w。作为优选，步骤s4中，对于数值越大越优的指标，相应的去量纲数据vij的计算公式如下，对于数值越小越优的指标，相应的去量纲数据vij的计算公式如下，通过上述，能够较佳地对原始数据进行去量纲，进而能够较佳地实现对所有原始数据的统一化及标准化。作为优选，步骤s5具体包括如下步骤，步骤s51、构建策略评价等级n，n＝{nt|t＝1，2，……p}，nt表示第t个策略评价等级，p取正整数；并基于可拓理论构建每个策略评价等级的经典域r以及节域rd，r＝{rt|t＝1，2，……p}，rt表示第t个策略评价等级的经典域；步骤s52、获取每个去量纲指标数据集a′i在每个经典域r中的关联度矩阵k，k＝{kijt|i＝1，2，……m，j＝1，2，……n，t＝1，2，……p}，kijt表示第i个维修策略中的第j个指标与第t个策略评价等级经典域的关联度；步骤s53、根据公式d＝w·k，获取所有维修策略的评价值矩阵d，其中，d＝{dit|i＝1，2，……m，t＝1，2，……p}，dit表示第i个维修策略与第t个策略评价等级的关联度；步骤s54、根据评价值矩阵d，获取与所需策略评价等级最接近的维修策略。通过步骤s51-s54，能够较佳地对每个维修策略与所有策略评价等级的关联度进行计算，进而根据所计算的关联度即可较佳地挑选所需的最优维修策略。作为优选，步骤s53中，第i个维修策略中的第j个指标与第t个策略评价等级经典域的关联度kijt根据如下公式进行计算，其中，ρ(vij，utj)表示去量纲数据vij与第t个策略评价等级经典域的距，d(vij，utj，ud)表示去量纲数据vij与节域的距；其中，a为取值范围utj的下限值，b为取值范围utj的上限值，即utj∈<a，b>；其中，从而能够较佳地获取关联度矩阵k。作为优选，步骤s5采用如下步骤进行，步骤s51a、将每个去量纲指标数据集a′i与所有一级指标的权重矩阵w依次进行加权计算，进而获取每个维修策略的评价值；步骤s51b、构建策略评价等级，并基于可拓理论构建每个策略评价等级的经典域以及节域；步骤s51c、采用关联度评价每个维修策略与策略评价等级的隶属度，进而选择最优维修策略。通过上述，能够较佳地简化算法。附图说明图1为实施例1中的评价指标体系的示意图；具体实施方式为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。应当理解的是，实施例仅仅是对本发明进行解释而并非限定。实施例1本实施例提供了一种基于可拓学理论的复杂设备维修策略选择方法，其包括如下步骤：步骤s1、建立评价指标体系，所建立的评价指标体系包括一级指标集合a，a＝{aj|j＝1，2，……n}，其中，aj表示第j个一级指标，n取正整数；步骤s2、基于关联矩阵法，确定所有一级指标的权重矩阵w，w＝{wj|j＝1，2，……n}，wj表示第j个一级指标的权重；步骤s3、建立维修策略集合x，x＝{xi|i＝1，2，……m}，其中，xi表示第i个维修策略，m取正整数；每个维修策略xi均包含一级指标集合a中的所有一级指标，记第xi个维修策略中的所有一级指标的原始数据值的集合为原始指标数据集ai，ai＝{aij|i＝1，2，……m，j＝1，2，……n}，aij表示第i个维修策略中的第j个一级指标的原始数据；步骤s4、对所有的原始指标数据集ai进行去量纲处理，进而获取去量纲指标数据集a′i，a′i＝{vij|i＝1，2，……m，j＝1，2，……n}，vij表示第i个维修策略中的第j个一级指标的去量纲数据；步骤s5、基于可拓理论选取最优维修策略。相较于现有的定性或定量的评价方法，本实施例中的方法能够结合定性和定量的优势，其能够基于关联矩阵法对各个指标的影响进行定量分析，之后能够基于开拓集理论对对策略进行定性分析，从而能够较佳地相互支撑，使得评价结果更加科学、准确。本实施例的步骤s1中，能够基于经验构建评价指标体系。如图1所示，本实施例作为一个具体的实施例，其以一个具体的评价指标体系为例对本发明进行说明，该评价指标体系中包括5个一级指标，分别为质量(a1)、任务量(a2)、成本(a3)、安全(a4)及环境(a5)，也即本实施例中，n为5。其中，质量(a1)表示维修质量，任务量(a2)表示维修所需花费的时间，成本(a3)表示维修所需花费的费用，安全(a4)表示维修过程中的安全性，环境(a5)表示维修的环保性。本实施例的步骤s2中，采用a·古林法(klee法)确定所有一级指标的权重矩阵w。从而能够较佳地避免某一指标出现权重为0的现象，且能够较佳地对每项一级指标的重要性进行定量评价。在本实施例中，步骤s2具体包括如下步骤：步骤s21、获取每个一级指标的重要性r(aj)，r(aj)表示第j个指标的重要性，j＝1，2，……n；该步骤中，将第n个一级指标an的重要性记为1，也即r(an)＝1；并将第j个指标相对于第j+1个指标的重要性之比记为r(aj，aj+1)，之后根据公式r(aj)＝r(aj，aj+1)×r(aj+1)，即可获取所有一级指标的重要性r(aj)；步骤s22、对每个一级指标的重要性r(aj)进行归一化处理，并将归一化处理后的数值作为相应一级指标的权重wj；该步骤中，根据公式获取所有一级指标的权重wj。通过步骤s21与s22，即可较佳地获取每个一级指标的权重wj，进而能够较佳地构建权重矩阵w。结合表1，本实施例作为一个具体的实施例，给出了本实施例中的重要性之比、重要性和权重数值间的关系。表1本实施例中所有一级指标的重要性之比、重要性和权重数值间的关系指标(aj)重要性之比(r(aj，aj+1))重要性(r(aj))权重(wj)质量(a1)r(a1，a2)＝4r(a1)＝4w1＝0.4任务量(a2)r(a2，a3)＝0.5r(a2)＝1w2＝0.1成本(a3)r(a3，a4)＝1r(a3)＝2w3＝0.2安全(a4)r(a4，a5)＝2r(a4)＝2w4＝0.2环境(a5)//r(a5)＝1w5＝0.1由上表可知，本实施例中的权重矩阵w＝[0.4，0.1，0.2，0.2，0.1]。本实施例的步骤s3中，通过建立维修策略集合x，能够较佳地将所有的备选维修策略均列出，进而进行筛选，从而能够较佳地选取出最优的维修策略。本实施例作为一个具体的实施例，其以一个维修策略集合x为例对本发明进行说明。本实施例给出3个维修策略(也即i＝3)，如表2所示，为本实施例中的3个维修策略的每个指标的原始数据。表2本实施例中3个维修策略的每个指标的原始数据质量(a1)任务量(a2)成本(a3)安全(a4)环境(a5)维修策略x1200％1000小时1000万10％50万维修策略x2100％500小时400万6％40万维修策略x350％100小时200万2％30万本实施例中，选取维修前后设备性能的提升率作为质量(a1)的原始数据，选取维修所需花费时间作为任务量(a2)的原始数据，选取维修所需花费费用作为成本(a3)的原始数据，选取维修过程中发生事故的风险率作为安全(a4)的原始数据，选取维修完成后环境维护成本作为环境(a5)的原始数据。本实施例的步骤s4中，对于数值越大越优的指标，相应的去量纲数据vij的计算公式如下，对于数值越小越优的指标，相应的去量纲数据vij的计算公式如下，通过上述，能够较佳地对原始数据进行去量纲，进而能够较佳地实现对所有原始数据的统一化及标准化。针对本实施例而言，质量(a1)为越大越优的指标，其余则为越小越优的指标。结合表3所示，为本实施例中的3个维修策略的每个指标的去量纲数据。表3本实施例中3个维修策略的每个指标的去量纲数据质量(a1)任务量(a2)成本(a3)安全(a4)环境(a5)维修策略x110.10.20.20.6维修策略x20.50.20.50.30.75维修策略x30.251111本实施例中，步骤s5具体包括如下步骤，步骤s51、构建策略评价等级n，n＝{nt|t＝1，2，……p}，nt表示第t个策略评价等级，p取正整数；并基于可拓理论构建每个策略评价等级的经典域r以及节域rd，r＝{rt|t＝1，2，……p}，rt表示第t个策略评价等级的经典域；步骤s52、获取每个去量纲指标数据集a′i在每个经典域r中的关联度矩阵k，k＝{kijt|i＝1，2，……m，j＝1，2，……n，t＝1，2，……p}，kijt表示第i个维修策略中的第j个指标与第t个策略评价等级经典域的关联度；步骤s53、根据公式d＝w·k，获取所有维修策略的评价值矩阵d，其中，d＝{dit|i＝1，2，……m，t＝1，2，……p}，dit表示第i个维修策略与第t个策略评价等级的关联度；步骤s54、根据评价值矩阵d，获取与所需策略评价等级最接近的维修策略。通过步骤s51-s54，能够较佳地对每个维修策略与所有策略评价等级的关联度进行计算，进而根据所计算的关联度即可较佳地挑选所需的最优维修策略。本实施例的步骤s51中，rt＝(nt，aj，utj)，utj表示一级指标aj在策略评价等级nt中的取值范围；rd＝(nd，aj，ud)，nd表示策略评价等级的全体，ud＝(0，1)。通过上述能够较佳地对某一级指标aj在某策略评价等级nt中的取值范围进行调整，故而能够具备较佳地灵活性及精准性。本实施例作为一个具体的实施例，以p＝3为例对本发明进行说明。也即，本实施例中，具备3个策略评价等级，分别为n1、n2和n3，其中n1表示坏，n2表示中，n3表示好。作为一个具体的实施例，本发明中经典域r及节域rd的构建如下：本实施例的步骤s53中，第i个维修策略中的第j个指标与第t个策略评价等级经典域的关联度kijt根据如下公式进行计算，其中，ρ(vij，utj)表示去量纲数据vij与第t个策略评价等级经典域的距，d(vij，utj，ud)表示去量纲数据vij与节域的距；其中，a为取值范围utj的下限值，b为取值范围utj的上限值，即utj∈<a，b>；其中，本实施例中，第x1个维修策略的关联度矩阵k1为，根据公式，d＝w·k，即可获知第x1个维修策略的价值矩阵d1为，d1＝(-0.46-0.73-0.42)。本实施例中，第x2个维修策略的关联度矩阵k2为，根据公式，d＝w·k，即可获知第x1个维修策略的价值矩阵d2为，d2＝(-0.1-0.15-0.44)。本实施例中，第x3个维修策略的关联度矩阵k3为，根据公式，d＝w·k，即可获知第x1个维修策略的价值矩阵d3为，d3＝(-0.66-0.8-0.28)。可知，本实施例的步骤s54中，在进行维修策略选择时，选择与所需策略评价等级隶属度最高的维修策略即可。其中，第i个维修策略与第t个策略评价等级的关联度dit表示的是该维修策略与对应策略评价等级的距离，也即dit的绝对值越大则与相应策略评价等级的距离越远，也就越不属于该策略评价等级。如本实施例中，在选择所需的维修策略时，在所需的策略评价等级内进行竖向筛选即可，例如，所需的策略评价等级为“好”n3时，第x3个维修策略最接近策略评价等级n3，故应当选择第x3个维修策略。再如，所需的策略评价等级为“中”n2时，则应当原则第x2个维修策略。此外，本实施例中的步骤s1中，所建立的评价指标体系中，每个一级指标能够通过至少一个二级指标对其进行评价，每个二级指标能够通过多个三级指标，以此类推。在评价指标体系中具有多级指标时，能够采用步骤s2中的方法，对每级指标的权重进行获取。并且，在获取步骤s3中的一级指标的原始数据时，能够自最下级指标进行逐层向上加权计算，进而即可较佳地获取最终的一级指标的原始数据，从而能够较佳地获取原始指标数据集ai。实施例2本实施例也提供了一种基于可拓学理论的复杂设备维修策略选择方法，其与实施例1的区别在于：步骤s5采用如下步骤进行，步骤s51a、将每个去量纲指标数据集a′i与所有一级指标的权重矩阵w依次进行加权计算，进而获取每个维修策略的评价值；步骤s51b、构建策略评价等级，并基于可拓理论构建每个策略评价等级的经典域以及节域；步骤s51c、采用关联度评价每个维修策略与策略评价等级的隶属度，进而选择最优维修策略。本实施例的方法，与实施例1的区别在于，本实施例中先对去量纲指标数据集a′i进行加权计算，而后判断与不同策略评价等级的隶属度，虽然其相较于实施例1中的方法精确度较低，但本实施例作为一个较佳实施例，其能够大大简化判断流程。以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。当前第1页12