CN104123447A - 一种基于改进数据包络分析的制造***综合评价方法 - Google Patents
一种基于改进数据包络分析的制造***综合评价方法 Download PDFInfo
- Publication number
- CN104123447A CN104123447A CN201410335163.5A CN201410335163A CN104123447A CN 104123447 A CN104123447 A CN 104123447A CN 201410335163 A CN201410335163 A CN 201410335163A CN 104123447 A CN104123447 A CN 104123447A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- upsi
- manufacturing system
- omega
- upper bound
- 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
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于改进数据包络分析的制造***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***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***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***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***。本发明提供的综合评价方法释放了制造***在生产中规模收益不变的约束,在实际生产***更具有实际意义。
Description
技术领域
本发明涉及制造***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***综合评价方法技术。
背景技术
有效评价行业内制造***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***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***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***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***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***而言,确定的DEA方法不再适用。针对制造***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***满足规模收益不变的约束。而实际的生产***往往难以满足这一约束条件。因此,本发明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***综合评价方法。
发明内容
本发明所要解决的技术问题是针对解决背景技术中的不足,提出一种基于改进数据包络分析的制造***综合评价方法。
本发明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***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***,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***的有效性边界值的排序指标,选择排序指标最高的制造***为相对最有效***。
作为本发明一种基于改进数据包络分析的制造***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:
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。
作为本发明一种基于改进数据包络分析的制造***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:
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
作为本发明一种基于改进数据包络分析的制造***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。
作为本发明一种基于改进数据包络分析的制造***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:
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。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1.本发明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***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,保证评价结果的客观性;
3.本发明提供的FDEA/AR评价决策方法释放了已有技术中对制造***规模收益不变的约束,为生产实际中规模收益可变的制造***性能评价提供了理论依据,评价决策方法在实际生产***中具有更应用价值。
附图说明
图1是本发明的评价决策方法结构图;
图2是本发明实施例的制造***排序结果图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
如图1所示,本发明公开了一种基于改进数据包络分析的制造***综合评价方法,具体步骤如下:
1.定义决策单元及决策单元的输入输出因素,计算其因素值。具体实施为:以待评价的制造***为决策单元。输入因素为制造***对资源的消耗,表现为生产成本、生产时间、占地面积;输出因素为制造***消耗资源后的产出,表现为产品质量、产量和利润。其中,成本包括设备成本、原材料成本、研发成本及管理调度成本等;时间包括产品研发时间、加工时间和销售时间。
2.建立FDEA/AR模型。
(a)在传统的BCC有效性性评价模型中,DMUi的相对有效性为Ei
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。
(b)在模型(1)中,权重ωk和υj都是变量。因此,每一个决策单元都需要为其输入和输出确定一个合适的权重。传统DEA求解通过引入一个非阿基米德无穷小量ε来排除0权重的情况,以使所有的输入和输出都能用于评价决策单元的有效性。然而,如何确定非阿基米德无穷小量成为了一个问题,不同的数值可能产生不同的结果。为此,借鉴Thompson提出的保证域(AR)概念构建DEA/AR模型以避免非阿基米德无穷小量取值影响问题。假设从专家经验和知识中得到的输出1的权重范围在LO1到UO1,输出2的权重范围为LO2到UO2。则相应的约束条件表示为:LO1/UO2≤ω1/ω2≤UO1/LO2,对于所有的输入和输出可表示为:
LOp/UOq≤ωp/ωq≤UOp/LOq,p<q=2,……,n (2a)
LIp/UIq≤υp/υq≤UIp/LIq,p<q=2,……,m (2b)
分别令, 和 则模型(1)可改写为以下包含保证域在内的形式:
(c)模型(3)中的输入和输出均为确定性的。实际上,制造***中的输入和输出因素往往难以用确定的数值进行描述。因此,利用三角模糊数表征制造***投入-产出中难以精确描述的因素。将三角模糊数表征的模糊输入量和模糊输出量代替模型(3)中的确定的输入和输出,则将其转化为FDEA/AR模型:
3.求解模糊数据包络分析/保证域模型。
(a)由模型(4)确定的相对有效性指数也应是一个模糊数,而且当输入和输出介于不同的模糊范围时将产生不同的模糊有效性指数。因此,针对模型(4)的模糊线性规划问题,引入α截集对其进行求解。
以和分别表示和的集合,则和的α截集为:
其中, 与分别表示三角模糊数的上界和下界。
由此可推出DMUi在置信水平α上的相对模糊有效性模型为:
(b)评价DMUi在置信水平α上的相对有效性,在模型(4)中取 取 且 r≠i,取 则DMUi在置信水平α上的相对有效性获得上界即
(c)评价DMUi在置信水平α上的相对有效性,在模型(4)中取 取 且 r≠i,取 则DMUi在置信水平α上的相对有效性获得下界即
对于一个给定的α值,模型(7)和(8)表示的是传统的DEA/AR模型,易于利用线性规划求解器求解。
5.计算有效性的边界值的排序指标,选择排序指标最高的决策单元相对最有效的制造***。由分析过程可知对于确定的α,DMUi的相对有效性是介于和之间的模糊数。与越接近说明相对有效性的模糊程度越低,反之,说明模糊程度越高。为了定量表征各决策单元的相对有效性,给出一种相对有效性模糊数的排序方法。DMUi在置信水平αI=I/K(I=1,2,…,K为传统取点数)排序指标为:
其中:表示DMUi的模糊有效性;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。根据计算每个DMU的排序指标,从而选择排序指标最高的DMU作为最有效的制造***。
综上,本发明由四部分组成,即评价目标、评价模型、模型求解与评价结果。
实施例:
利用汽车车灯生产行业的现有制造***评价来为例验证本发明提供方法的有效性。每种制造***的生产数据如表1所示。
表1制造***生产数据
根据专家打分法确定生产成本、占地面积和生产时间输入量的权重取值范围分别为:ω1=[0.3523,0.3835],ω2=[0.1318,0.1996]和ω3=[0.4547,0.4838],质量、产量和利润的权值取值范围分别为:U1=[0.6105,0.6895],υ2=[0.0855,0.1895]和U3=[0.2013,0.2387]。令α=0.1,0.2,…,1.0时,分别计算每种制造***的相对有效的上界和下界。表2给出了10个α离散值下8种制造***的和
表2 基于α截集的8种制造***模糊有效性
注:L为模糊有效性下界U为模糊有效性上界
由表2可知,α值越大,不确定性越低。特别地,当α=1.0时与最为接近,均为确定值;当α=0.1时,制造***1最大的有效性指数仅为0.8732,而制造***2的最小有效性指数达到0.9256,显然,制造***2相对制造***1是有效的。此外,制造***2和***6在不同的置信水平α下有效性指数都达到了1.0,它们都为置信水平α下DEA有效。为了从中寻求相对最为有效的制造***,利用公式(9)对表2中的8种制造***的有效性进行排序,结果如图2所示。计算结果表明,制造***2最为有效,其次为制造***6,而制造***1相对最无效。应用实例结果表明,本发明提供的基于改进的数据包络分析的制造***的评价决策方法是有效的。
Claims (5)
1.一种基于改进数据包络分析的制造***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***,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***的有效性边界值的排序指标,选择排序指标最高的制造***为相对最有效***。
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***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:
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***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,则基于置信水平α的模糊数据包络分析/保证域模型为:
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
4.根据权利要求3所述的一种基于改进数据包络分析的制造***综合评价方法,其特征在于,所述有效性的上界和下界的获取方法如下:
第i个决策单元的模糊相对有效性取得上界当且仅当第i个决策单元的模糊输入取下界,其模糊输出取上界;同时,其他决策单元的模糊输入取上界,模糊输出取下界;
第i个决策单元的模糊相对有效性取得上界当且仅当第i个决策单元的模糊输入取上界,其模糊输出取下界;同时,其他决策单元的模糊输入取下界,模糊输出取上界。
5.根据权利要求4所述的一种基于改进数据包络分析的制造***综合评价方法,其特征在于,第i个决策单元在置信水平αI=I/K(I=1,2,…,K为传统取点数)下排序指标为:
其中,表示第i个决策单元的模糊有效性;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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410335163.5A CN104123447A (zh) | 2014-07-14 | 2014-07-14 | 一种基于改进数据包络分析的制造***综合评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410335163.5A CN104123447A (zh) | 2014-07-14 | 2014-07-14 | 一种基于改进数据包络分析的制造***综合评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104123447A true CN104123447A (zh) | 2014-10-29 |
Family
ID=51768856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410335163.5A Pending CN104123447A (zh) | 2014-07-14 | 2014-07-14 | 一种基于改进数据包络分析的制造***综合评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104123447A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106094751A (zh) * | 2016-06-21 | 2016-11-09 | 中南大学 | 一种原料的调度方法及装置 |
CN106169001A (zh) * | 2016-07-11 | 2016-11-30 | 北京航空航天大学 | 一种基于气路性能参数图形匹配的航空发动机整机剩余寿命预测方法 |
CN106202849A (zh) * | 2015-05-06 | 2016-12-07 | 上海机电工程研究所 | 一种防空导弹武器***费效分析方法 |
CN108664700A (zh) * | 2018-04-04 | 2018-10-16 | 北京航空航天大学 | 基于不确定数据包络分析的加速退化信息融合建模方法 |
CN111090735A (zh) * | 2019-12-25 | 2020-05-01 | 成都航天科工大数据研究院有限公司 | 一种基于知识图谱的智能问答方法及其性能评价方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050288980A1 (en) * | 2003-12-31 | 2005-12-29 | Feroz Ehsan H | Application of data envelopment analysis in auditing |
CN103488853A (zh) * | 2012-06-12 | 2014-01-01 | 成刚 | 一种超效率dea模型无可行解单元超效率值的计算方法 |
CN103577888A (zh) * | 2013-09-05 | 2014-02-12 | 西安电子科技大学 | 一种改进的熵权层次分析法及其应用 |
CN103778315A (zh) * | 2012-10-26 | 2014-05-07 | 无锡南理工科技发展有限公司 | 基于最优权重和c2gs2模型的高校创新创业能力评价排序细化方法 |
-
2014
- 2014-07-14 CN CN201410335163.5A patent/CN104123447A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050288980A1 (en) * | 2003-12-31 | 2005-12-29 | Feroz Ehsan H | Application of data envelopment analysis in auditing |
CN103488853A (zh) * | 2012-06-12 | 2014-01-01 | 成刚 | 一种超效率dea模型无可行解单元超效率值的计算方法 |
CN103778315A (zh) * | 2012-10-26 | 2014-05-07 | 无锡南理工科技发展有限公司 | 基于最优权重和c2gs2模型的高校创新创业能力评价排序细化方法 |
CN103577888A (zh) * | 2013-09-05 | 2014-02-12 | 西安电子科技大学 | 一种改进的熵权层次分析法及其应用 |
Non-Patent Citations (1)
Title |
---|
王玉芳等: ""基于模糊DEA/AR的知识化制造模式评价和选择方法"", 《中国机械工程》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106202849A (zh) * | 2015-05-06 | 2016-12-07 | 上海机电工程研究所 | 一种防空导弹武器***费效分析方法 |
CN106094751A (zh) * | 2016-06-21 | 2016-11-09 | 中南大学 | 一种原料的调度方法及装置 |
CN106094751B (zh) * | 2016-06-21 | 2018-09-28 | 中南大学 | 一种原料的调度方法及装置 |
CN106169001A (zh) * | 2016-07-11 | 2016-11-30 | 北京航空航天大学 | 一种基于气路性能参数图形匹配的航空发动机整机剩余寿命预测方法 |
CN106169001B (zh) * | 2016-07-11 | 2019-06-21 | 北京航空航天大学 | 一种基于气路性能参数图形匹配的航空发动机整机剩余寿命预测方法 |
CN108664700A (zh) * | 2018-04-04 | 2018-10-16 | 北京航空航天大学 | 基于不确定数据包络分析的加速退化信息融合建模方法 |
CN111090735A (zh) * | 2019-12-25 | 2020-05-01 | 成都航天科工大数据研究院有限公司 | 一种基于知识图谱的智能问答方法及其性能评价方法 |
CN111090735B (zh) * | 2019-12-25 | 2023-03-10 | 成都航天科工大数据研究院有限公司 | 一种基于知识图谱的智能问答方法的性能评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Attardi et al. | Non-compensatory composite indicators for the evaluation of urban planning policy: The Land-Use Policy Efficiency Index (LUPEI) | |
CN104123447A (zh) | 一种基于改进数据包络分析的制造***综合评价方法 | |
CN109587713A (zh) | 一种基于arima模型的网络指标预测方法、装置及存储介质 | |
CN106127360A (zh) | 一种基于用户特性分析的多模型负荷预测方法 | |
CN103310388B (zh) | 基于信源熵的电网运行综合指数计算方法 | |
CN102541920A (zh) | 联合基于用户和项目的协同过滤提高准确度的方法及装置 | |
CN102183621A (zh) | 水产养殖溶解氧浓度在线预测方法及*** | |
CN103577888A (zh) | 一种改进的熵权层次分析法及其应用 | |
CN106875060A (zh) | 一种基于全局自动优化算法的洪水实时校正方法 | |
CN107480889A (zh) | 一种湿地生态安全预警等级评定方法 | |
CN105631228A (zh) | 一种超级多模集成应用的水文预警预报***和方法 | |
CN109490072A (zh) | 一种土木工程建筑用检测***及其检测方法 | |
CN105868534A (zh) | 一种基于多目标优化抽样的水文模型不确定性分析方法 | |
CN106447075A (zh) | 行业用电需求预测方法与*** | |
CN103761630A (zh) | 一种基于模糊逻辑处理的评估算法 | |
CN113822770A (zh) | 一种农田建设区域智能划定方法和*** | |
Alinezhad et al. | Sensitivity Analysis in the QUALIFLEX and VIKOR Methods | |
CN109615185A (zh) | 一种基于模糊层次分析法的单位质量保证能力评价方法 | |
CN116402390A (zh) | 一种基于物元模型的道路施工区交通影响评价方法及*** | |
CN116012131A (zh) | 一种用于评估用户信贷风险的方法、***、装置以及介质 | |
CN105224801B (zh) | 一种多因子水库入库流量短期预报评价方法 | |
CN105354644A (zh) | 一种基于集成经验模态分解和1-范数支持向量机分位数回归的金融时间序列预测方法 | |
CN112950024A (zh) | 基于水电站应急指挥的决策方法、存储介质及电子设备 | |
CN115187134A (zh) | 基于网格的配电网规划方法、装置及终端设备 | |
CN104484700A (zh) | 一种基于bp网络模型的负荷预测的模型输入变量优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141029 |