CN112884312A - 一种基于owa算子赋权的化工装置风险评估方法 - Google Patents

一种基于owa算子赋权的化工装置风险评估方法 Download PDF

Info

Publication number
CN112884312A
CN112884312A CN202110157739.3A CN202110157739A CN112884312A CN 112884312 A CN112884312 A CN 112884312A CN 202110157739 A CN202110157739 A CN 202110157739A CN 112884312 A CN112884312 A CN 112884312A
Authority
CN
China
Prior art keywords
risk factor
risk
data set
level
factor index
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
CN202110157739.3A
Other languages
English (en)
Inventor
刘勇军
牛宪涛
韩媛媛
于庆杰
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.)
Xiamen Biao'an Technology Co ltd
Original Assignee
Xiamen Biao'an Technology 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 Xiamen Biao'an Technology Co ltd filed Critical Xiamen Biao'an Technology Co ltd
Priority to CN202310724550.7A priority Critical patent/CN116703163A/zh
Priority to CN202110157739.3A priority patent/CN112884312A/zh
Publication of CN112884312A publication Critical patent/CN112884312A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q50/04—Manufacturing
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

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

Abstract

本发明公开一种基于OWA算子赋权的化工装置风险评估方法，根据化工风险因素的分析，获取工艺装置评价风险因素的一级风险因素指标和二级风险因素指标；对一级风险因素指标的影响程度进行评定，对应给出各一级风险因素指标的一级决策数据集；每个一级决策数据集排序并编号，计算每个一级决策数据集中各加权向量、绝对权重值、相对权重值；对风险因素指标细分的二级风险因素指标影响程度进行评定，对应给出二级风险因素指标的各二级决策数据集；每个二级决策数据集排序并编号，计算每个二级决策数据集中各加权向量、绝对权重值、相对权重值；用各一级风险因素指标相对权重值和对应的二级风险因素指标相对权重值，计算得出二级风险因素指标的权重值。

Description

一种基于OWA算子赋权的化工装置风险评估方法
技术领域
本发明涉及技术领域，特别涉及一种基于OWA算子赋权的化工装置风险评估方法。
背景技术
石油化工生产无论是原材料，还是产品，大都具有易燃易爆、易挥发、腐蚀性及毒性等特性，这使得石油化工企业全流程无论在生产过程中，还是储存过程中均存在较多的潜在安全风险因素，这些风险因素时时刻刻威胁着周围人的生命与财产安全，如果不加强管理，就会酿成事故。因此需要提出一种简单易行的化工装置预警评估方法，对这些潜在风险因素进行分析与评估，从而提高生产工艺装置及储存设施的安全性。
目前确定权重最常用的方法为调查统计法、复杂度分析法、层次分析法(AHP)等，这些方法一方面是直接对专家所赋的权值进行加权处理，未考虑专家的主观偏好；另一方面，计算过程复杂，计算过程中产生的计算误差对分析评价结果产生误差较大，可能使评价结果与真实结果有一定的偏差，从而改变评价结果。因此，提出一种既可以降低决策数据极端值对赋权结果造成的负面影响，又适合处理不确定型决策问题，且计算过程简单，计算误差对结果影响较小，评估结果科学且合理的风险评估方法是急切而必要的。
申请号为CN202010664598.X的中国专利，提出了一种基于OWA算子的输电线路抗冰风能力状态评估方法。其是使用OWA算子算法对输电线路抗冰风能力的评估。而在化工装置领域，暂无此类对于化工生产全流程的安全性评估方法。
发明内容
本发明的目的在于提供一种基于连续区间的改进OWA算子算法的方法，克服上述缺陷，准确评估化工生产的安全性。
为达成上述目的，本发明的解决方案为：一种基于OWA算子赋权的化工装置风险评估方法，包括：
根据化工风险因素的分析，获取工艺装置评价风险因素的一级风险因素指标和二级风险因素指标；
对一级风险因素指标的影响程度进行评定，对应给出各一级风险因素指标的一级决策数据集；
对每一个一级决策数据集排序并编号，计算每一个一级决策数据集中各加权向量；
通过加权向量对一级决策数据集加权，得各一级风险因素指标的绝对权重值；对各一级风险因素指标的绝对权重值进行归一化处理，计算各一级风险因素指标的相对权重值；
对一级风险因素指标细分的二级风险因素指标影响程度进行评定，对应给出二级风险因素指标的各二级决策数据集；
对每一个二级决策数据集排序并编号，计算每一个二级决策数据集中各加权向量；
通过加权向量对二级决策数据集加权，得各二级风险因素指标的绝对权重值；对各二级风险因素指标的绝对权重值进行归一化处理，计算各二级风险因素指标的相对权重值；
用各一级风险因素指标相对权重值和对应的二级风险因素指标相对权重值，计算得出二级风险因素指标的权重值；
对所涉及到的所有风险因素进行比较分析，总结归纳出影响现有化工装置的风险因素优先级，进行定性评价，在实际生产中进行优先落实。
优选的，所述一级风险因素指标包括物料风险F1、工艺风险F2、设备风险F3和过程管理风险F4；
所述物料风险F1的二级风险因素指标包括燃烧性V1、***性V2、生态毒性V3、外界温度V4和外界湿度V5；
所述工艺风险F2的二级风险因素指标包括反应危险度V6、温度过程控制V7、压力过程控制V8、液位过程控制V9、流量过程控制V10、安全仪表***V11和人员干扰V12；
所述设备风险F3的二级风险因素指标包括设备可靠性V13、设备/管道完整性V14、公用工程设施V15、设备故障率V16和安全防护设施配备率V17；
所述过程管理风险F4的二级风险因素指标包括开停车管理V18、岗位操作培训V19、特殊作业培训V20、异常工况检测管理V21、应急管理V22和隐患排查与治理V23。
优选的，所述风险因素的决策数据集分别记为(a1,a2,…,an),(b1,b2,…,bn)…(n1,n2…,nn)，其中a1,a2,…,an,b1,b2,…,bn,n1,n2…,nn代表n位专家对各风险因素指标十分制下的影响程度评定分值，评定分值的取值范围在区间[0，10]之内，取值越大表示该指标对化工装置风险的影响程度越大。
优选的，所述决策数据集从大到小排序并编号的方法具体为：对每一个决策数据集(Ea1,Ea2,…,Ean)，(Eb1,Eb2,…,Ebn)…(En1,En2,…,Enn)从大到小排序并从0开始编号至n-1，得到新数据集ei：(ea0,ea1,…,ean-1)，(eb0,eb1,…,ebn-1)…(en0,en1,…,enn-1)，式中，ea0≥ea1≥ea2≥…≥ean-1，eb0≥eb1≥eb2≥…≥ebn-1,en0≥en1≥en2≥…≥enn-1。
优选的，所述决策数据集的各加权向量记为(e1，e2，...，ei)，借助排列组合数计算新数据集ei的权值，从而得到相应加权向量w为：
Figure BDA0002935088890000031
其中，
Figure BDA0002935088890000032
为在n-1个数据中选择i个数据后的组合数。
优选的，将新数据集中数据与对应的加权向量w进行数据加权，从而得到一级风险因素指标的绝对权重值
Figure BDA0002935088890000033
Figure BDA0002935088890000034
其中，w∈[0，1]，i∈[0，n-1]。
优选的，利用一级风险因素指标绝对权重值
Figure BDA0002935088890000041
计算一级风险因素指标的相对权值wi的计算；
Figure BDA0002935088890000042
其中i＝0，1，…，n；
得一级风险因素指标权重，完成一级风险因素指标体系权重的确定。
优选的，二级风险因素指标的权重值xij；
xij＝wi·wij
其中，j为一级风险因素指标所对应的二级风险因素指标数；二级风险因素指标的权重值为xij，即一级风险因素指标与二级风险因素指标相对权重值的乘积。
优选的，对所得到的二级风险因素指标归一化权重值进行放大处理；
xij'＝xij×104。
采用上述方案后，本发明的有益效果在于：
(1)通过对原始数据按照一定的顺序进行二次排序,并根据排序结果做进一步加权处理。对数据实行有差别的区分，可以在一定程度上弱化极值产生的负面作用。
(2)该方法计算过程较为简单，能降低决策数据极端值对赋权结果造成的负面影响，适合处理不确定型决策问题，可以较好反应决策者的风险偏好，保证赋权结果的科学合理性。
(3)通过定量的方法展现化工厂区工艺装置状态，在进行风险评估中可以获得化工装置风险因素优先级，以便能够对事故风险因素进行分析和整改方案提供决策层支持，并对整改效果进行预估。
附图说明
图1是本发明的评估流程图。
具体实施方式
以下结合附图及具体实施例对本发明做详细的说明。
如图1所示，一种基于OWA算子赋权的化工装置风险评估方法，包括：根据化工风险因素的分析，获取工艺装置评价风险因素的一级风险因素指标和二级风险因素指标；
对一级风险因素指标的影响程度进行评定，对应给出各一级风险因素指标的一级决策数据集；
对每一个一级决策数据集排序并编号，计算每一个一级决策数据集中各加权向量；
通过加权向量对一级决策数据集加权，得各一级风险因素指标的绝对权重值；对各一级风险因素指标的绝对权重值进行归一化处理，计算各一级风险因素指标的相对权重值；
对一级风险因素指标细分的二级风险因素指标影响程度进行评定，对应给出二级风险因素指标的各二级决策数据集；
对每一个二级决策数据集排序并编号，计算每一个二级决策数据集中各加权向量；
通过加权向量对二级决策数据集加权，得各二级风险因素指标的绝对权重值；对各二级风险因素指标的绝对权重值进行归一化处理，计算各二级风险因素指标的相对权重值；
用各一级风险因素指标相对权重值和对应的二级风险因素指标相对权重值，计算得出二级风险因素指标的权重值；
对所涉及到的所有风险因素进行比较分析，总结归纳出影响现有化工装置的风险因素优先级，进行定性评价，在实际生产中进行优先落实。
本发明实施的是一种基于OWA算子赋权的化工装置风险评估方法方法，具体包括如下步骤：
步骤S1，以人员伤亡为评价标准，以工厂数据为基础，根据风险因素发生时造成损失严重度的不同，选取容易量化和容易监测，分层级确定工艺装置中的风险评估指标如下表1所示。
表1化工装置风险因素评估指标体系划分结果
Figure BDA0002935088890000061
步骤S2，邀请5名专家组成专家组对一级风险因素指标进行评分，评定分值的取值范围在区间[0，10]之内，分值越大表明指标对化工装置风险影响程度越大，得出指标的一级风险因素指标初始决策数据为aF1＝(9,8,8.5,8,9)，aF2＝(10,9,9,9.5,10)，aF3＝(8,7.5,7,8,8.5)，aF4＝(6,7.5,7,7,7.5)。
遵循降序的规则对初始数据从0开始再次排列,得到一级风险因素指标新数据集eF1＝(9,9,8.5,8,8)，eF2＝(10,10,9.5,9,9)，eF3＝(8.5,8,8,7.5,7)，eF4＝(7.5,7.5,7,7,6)。
步骤S3，所述决策数据集的各加权向量记为(e1，e2，...，ei)，借助排列组合数计算一级风险因素指标数据集ei的权值，从而计算一级风险因素指标相应加权向量w。
Figure BDA0002935088890000062
其中，
Figure BDA0002935088890000071
为在n-1个数据中选择i个数据后的组合数。
得到相应加权向量w为w＝(0.0625,0.25,0.375,0.25,0.0625)。
步骤S4，将新数据集中数据与对应的加权向量w进行数据加权，利用改性OWA算子权重法计算4个一级风险因素指标的绝对权重值
Figure BDA0002935088890000072
Figure BDA0002935088890000073
其中，w∈[0，1]，i∈[0，n-1]
得到4个一级风险因素指标的绝对权重值
Figure BDA0002935088890000074
步骤S5，利用一级风险因素指标绝对权重值
Figure BDA0002935088890000075
计算一级风险因素指标相对权值wi。
Figure BDA0002935088890000076
其中i＝0，1，…，n；
得到4个一级风险因素指标的相对权重值wi为w1＝0.2581，w2＝0.2884，w3＝0.2381，w4＝0.2154。完成一级风险因素指标体系权重的确定。
步骤S6，邀请5名专家组成专家组对所有二级风险因素指标进行评分，满分为10，分值越大表明指标越重要，得出指标的初始决策数据为aV1＝(10,9,9,9.5,10)，aV2＝(10,10,10,10,10)，aV3＝(8,8.5,9,8,8.5)，aV4＝(7.5,7,7,6,6.5)，aV5＝(2,1,1,1.5,2.5)，aV6＝(10,10,10,10,10)，aV7＝(10,10,10,10,10)，aV8＝(10,10,10,9.5,10)，aV9＝(8,8,7.5,8,8.5)，aV10＝(8,8,8.5,8,8.5)，aV11＝(8.5,9,9,8,8.5)，aV12＝(9,8,9,8.5,8.5)，aV3＝(6.5,7,7,6,7)，aV14＝(7,6,6,7,8)，aV15＝(7.5,8,7,8,7)，aV16＝(6,6,7,7,6.5)，aV17＝(7,8,7,8,8)，aV18＝(8,8,7,8,8.5)，aV19＝(8,8,8.5,7,8)，aV20＝(9,8,8,8.5,8)，aV21＝(7,7.5,8,7,7)，aV22＝(8,8,8,8.5,8)，aV23＝(6,7,8,8.5,8)。
遵循降序的规则对初始数据从0开始再次排列,得到二级风险因素指标新数据集eV1＝(10,10,9.5,9,9),eV2＝(10,10,10,10,10),eV3＝(9,8.5,8,8,8),eV4＝(7.5,7,7,6.5,6),eV5＝(2.5,2,1.5,1,1),eV6＝(10,10,10,10,10),eV7＝(10,10,10,10,10),eV8＝(10,10,10,10,9.5),eV9＝(8.5,8,8,8,7.5),eV10＝(8.5,8.5,8,8,8),eV11＝(9,9,8.5,8.5,8),eV12＝(9,9,8,8.5,8.5),eV13＝(7,7,7,6.5,6),eV14＝(8,7,7,6,6),eV15＝(8,8,7.5,7,7),eV16＝(7,7,6.5,6,6),eV17＝(8,8,8,7,7),eV18＝(8.5,8,8,8,7),eV19＝(8.5,8,8,8,7),eV20＝(9,8.5,8,8,8),eV21＝(8,7.5,7,7,7),eV22＝(8.5,8,8,8,8),eV23＝(8.5,8,8,7,6)。
步骤S7，借助排列组合数计算二级风险因素指标数据集ei的权值，从而计算二级风险因素指标相应加权向量w。
Figure BDA0002935088890000081
其中，
Figure BDA0002935088890000082
为在n-1个数据中选择i个数据后的组合数。
得到二级风险因素指标相应加权向量w为w＝(0.0625,0.25,0.375,0.25,0.0625)。
步骤S8，利用改性OWA算子权重法计算23个二级风险因素指标的绝对权重值
Figure BDA0002935088890000083
Figure BDA0002935088890000084
其中，w∈[0，1]，i∈[0，n-1]
得到23个二级风险因素指标的绝对权重值
Figure BDA0002935088890000085
Figure BDA0002935088890000086
Figure BDA0002935088890000087
Figure BDA0002935088890000088
步骤S9，利用二级风险因素指标绝对权重值
Figure BDA0002935088890000089
计算二级风险因素指标相对权值wi。
Figure BDA00029350888900000810
其中i＝0，1，…，n
得到23个二级风险因素指标的相对权重值wi为w1＝0.2634，w2＝0.2773，w3＝0.2270，w4＝0.1898，w5＝0.0425，w6＝0.1582，w7＝0.1582，w8＝0.1577，w9＝0.1265，w10＝0.1290，w11＝0.1364，w12＝0.1340，w13＝0.1933，w14＝0.1915，w15＝0.2128，w16＝0.1844，w17＝0.2181，w18＝0.1695，w19＝0.1695，w20＝0.1742，w21＝0.1529，w22＝0.1709，w23＝0.1629。
步骤S10，利用各一级风险因素指标相对权重值wi和对应的二级风险因素指标相对权重值wij，得二级风险因素指标的权重值xij。
xij＝wi·wij
其中，j为一级风险因素指标所对应的二级风险因素指标数。二级风险因素指标的权重值为xij，即一级风险因素指标与二级风险因素指标相对权重值的乘积。
得到23个二级风险因素指标的相对权重值xij为x1＝0.0680，x2＝0.0716，x3＝0.0586，x4＝0.0490，x5＝0.0110，x6＝0.0456，x7＝0.0456，x8＝0.0455，x9＝0.0365，x10＝0.0372，x11＝0.0394，x12＝0.0386，x13＝0.0460，x14＝0.0456，x15＝0.0507，x16＝0.0439，x17＝0.0519，x18＝0.0365，x19＝0.0365，x20＝0.0375，x21＝0.0329，x22＝0.0368，x23＝0.0351。
步骤S11，对所得到的二级风险因素指标归一化权重值进行放大处理。
xij'＝xij×104
得到23个二级风险因素指标的相对权重值xij'为x1'＝680，x2'＝716，x3'＝586，x4'＝490，x5'＝110，x6'＝456，x7'＝456，x8'＝455，x9'＝365，x10'＝372，x11'＝394，x12'＝386，x13'＝460，x14'＝456，x15'＝507，x16'＝439，x17'＝519，x18'＝365，x19'＝365，x20'＝375，x21'＝329，x22'＝368，x23'＝351。
步骤S12，根据赋权结果，对所涉及到的所有风险因素进行比较分析，总结归纳出影响现有化工装置的风险因素优先级，进行定性评价，在实际生产中进行优先关注与落实。
OWA算子即，有序加权平均算子。
本发明实施例的一种基于OWA算子赋权的化工装置风险评估方法，貝有以下有益效果：
(1)通过对原始数据按照一定的顺序进行二次排序,并根据排序结果做进一步加权处理。对数据实行有差别的区分，可以在一定程度上弱化极值产生的负面作用。
(2)该方法计算过程较为简单，能降低决策数据极端值对赋权结果造成的负面影响，适合处理不确定型决策问题，可以较好反应决策者的风险偏好，保证赋权结果的科学合理性。
(3)通过定量的方法展现化工厂区工艺装置状态，在进行风险评估中可以获得化工装置风险因素优先级，以便能够对事故风险因素进行分析和整改方案提供决策层支持，并对整改效果进行预估。
以上所述仅为本发明的较佳实施例，并非对本案设计的限制，凡依本案的设计关键所做的等同变化，均落入本案的保护范围。

Claims (9)

1.一种基于OWA算子赋权的化工装置风险评估方法，其特征在于：包括：
根据化工风险因素的分析，获取工艺装置评价风险因素的一级风险因素指标和二级风险因素指标；
对一级风险因素指标的影响程度进行评定，对应给出各一级风险因素指标的一级决策数据集；
对每一个一级决策数据集排序并编号，计算每一个一级决策数据集中各加权向量；
通过加权向量对一级决策数据集加权，得各一级风险因素指标的绝对权重值；对各一级风险因素指标的绝对权重值进行归一化处理，计算各一级风险因素指标的相对权重值；
对一级风险因素指标细分的二级风险因素指标影响程度进行评定，对应给出二级风险因素指标的各二级决策数据集；
对每一个二级决策数据集排序并编号，计算每一个二级决策数据集中各加权向量；
通过加权向量对二级决策数据集加权，得各二级风险因素指标的绝对权重值；对各二级风险因素指标的绝对权重值进行归一化处理，计算各二级风险因素指标的相对权重值；
用各一级风险因素指标相对权重值和对应的二级风险因素指标相对权重值，计算得出二级风险因素指标的权重值；
对所涉及到的所有风险因素进行比较分析，总结归纳出影响现有化工装置的风险因素优先级，进行定性评价，在实际生产中进行优先落实。
2.如权利要求1所述一种基于OWA算子赋权的化工装置风险评估方法，其特征在于：所述一级风险因素指标包括物料风险F1、工艺风险F2、设备风险F3和过程管理风险F4；
所述物料风险F1的二级风险因素指标包括燃烧性V1、***性V2、生态毒性V3、外界温度V4和外界湿度V5；
所述工艺风险F2的二级风险因素指标包括反应危险度V6、温度过程控制V7、压力过程控制V8、液位过程控制V9、流量过程控制V10、安全仪表***V11和人员干扰V12；
所述设备风险F3的二级风险因素指标包括设备可靠性V13、设备/管道完整性V14、公用工程设施V15、设备故障率V16和安全防护设施配备率V17；
所述过程管理风险F4的二级风险因素指标包括开停车管理V18、岗位操作培训V19、特殊作业培训V20、异常工况检测管理V21、应急管理V22和隐患排查与治理V23。
3.如权利要求2所述一种基于OWA算子赋权的化工装置风险评估方法，其特征在于：所述风险因素的决策数据集分别记为(a1,a2,…,an),(b1,b2,…,bn)…(n1,n2…,nn)，其中a1,a2,…,an,b1,b2,…,bn,n1,n2…,nn代表n位专家对各风险因素指标十分制下的影响程度评定分值，评定分值的取值范围在区间[0，10]之内，取值越大表示该指标对化工装置风险的影响程度越大。
4.如权利要求3所述一种基于OWA算子赋权的化工装置风险评估方法，其特征在于：所述决策数据集从大到小排序并编号的方法具体为：对每一个决策数据集(Ea1,Ea2,…,Ean)，(Eb1,Eb2,…,Ebn)…(En1,En2,…,Enn)从大到小排序并从0开始编号至n-1，得到新数据集ei：(ea0,ea1,…,ean-1)，(eb0,eb1,…,ebn-1)…(en0,en1,…,enn-1)，式中，ea0≥ea1≥ea2≥…≥ean-1，eb0≥eb1≥eb2≥…≥ebn-1,en0≥en1≥en2≥…≥enn-1。
5.如权利要求4所述一种基于OWA算子赋权的化工装置风险评估方法，其特征在于：所述决策数据集的各加权向量记为(e1，e2，...，ei)，借助排列组合数计算新数据集ei的权值，从而得到相应加权向量w为：
Figure FDA0002935088880000021
其中，
Figure FDA0002935088880000022
为在n-1个数据中选择i个数据后的组合数。
6.如权利要求5所述一种基于OWA算子赋权的化工装置风险评估方法，其特征在于：将新数据集中数据与对应的加权向量w进行数据加权，从而得到一级风险因素指标的绝对权重值
Figure FDA0002935088880000023
Figure FDA0002935088880000024
其中，w∈[0，1]，i∈[0，n-1]。
7.如权利要求6所述一种基于OWA算子赋权的化工装置风险评估方法，其特征在于：利用一级风险因素指标绝对权重值
Figure FDA0002935088880000025
计算一级风险因素指标的相对权值wi的计算；
Figure FDA0002935088880000031
其中i＝0，1，…，n；
得一级风险因素指标权重，完成一级风险因素指标体系权重的确定。
8.如权利要求7所述一种基于OWA算子赋权的化工装置风险评估方法，其特征在于：
二级风险因素指标的权重值xij；
xij＝wi·wij
其中，j为一级风险因素指标所对应的二级风险因素指标数；二级风险因素指标的权重值为xij，即一级风险因素指标与二级风险因素指标相对权重值的乘积。
9.如权利要求8所述一种基于OWA算子赋权的化工装置风险评估方法，其特征在于：对所得到的二级风险因素指标归一化权重值进行放大处理；
xij'＝xij×104。
CN202110157739.3A 2021-02-05 2021-02-05 一种基于owa算子赋权的化工装置风险评估方法 Pending CN112884312A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202310724550.7A CN116703163A (zh) 2021-02-05 2021-02-05 一种基于owa算子赋权的化工装置风险评估方法
CN202110157739.3A CN112884312A (zh) 2021-02-05 2021-02-05 一种基于owa算子赋权的化工装置风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110157739.3A CN112884312A (zh) 2021-02-05 2021-02-05 一种基于owa算子赋权的化工装置风险评估方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202310724550.7A Division CN116703163A (zh) 2021-02-05 2021-02-05 一种基于owa算子赋权的化工装置风险评估方法

Publications (1)

Publication Number Publication Date
CN112884312A true CN112884312A (zh) 2021-06-01

Family

ID=76057307

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202110157739.3A Pending CN112884312A (zh) 2021-02-05 2021-02-05 一种基于owa算子赋权的化工装置风险评估方法
CN202310724550.7A Withdrawn CN116703163A (zh) 2021-02-05 2021-02-05 一种基于owa算子赋权的化工装置风险评估方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202310724550.7A Withdrawn CN116703163A (zh) 2021-02-05 2021-02-05 一种基于owa算子赋权的化工装置风险评估方法

Country Status (1)

Country Link
CN (2) CN112884312A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113807715A (zh) * 2021-09-23 2021-12-17 厦门标安科技有限公司 一种化工装置风险动态预警方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140279387A1 (en) * 2013-03-15 2014-09-18 Fannie Mae Automated risk evaluation in support of end user decisions
CN106991538A (zh) * 2017-04-11 2017-07-28 华北电力大学（保定） 一种基于风电机组部件重要度评价的维修方法及装置
CN110009250A (zh) * 2019-04-13 2019-07-12 郑州航空工业管理学院 一种基于犹豫模糊语言的数字孪生车间质量评价方法
CN111882180A (zh) * 2020-07-10 2020-11-03 南瑞集团有限公司 一种基于owa算子的输电线路抗冰风能力状态评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140279387A1 (en) * 2013-03-15 2014-09-18 Fannie Mae Automated risk evaluation in support of end user decisions
CN106991538A (zh) * 2017-04-11 2017-07-28 华北电力大学（保定） 一种基于风电机组部件重要度评价的维修方法及装置
CN110009250A (zh) * 2019-04-13 2019-07-12 郑州航空工业管理学院 一种基于犹豫模糊语言的数字孪生车间质量评价方法
CN111882180A (zh) * 2020-07-10 2020-11-03 南瑞集团有限公司 一种基于owa算子的输电线路抗冰风能力状态评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
徐建荣 等: "基于不确定orness测度约束的MEOWA算子权向量模型", 《北京化工大学学报(自然科学版)》 *
路倩等: "基于C-OWA算子与物元可拓的大型商场火灾风险评估", 《安全》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113807715A (zh) * 2021-09-23 2021-12-17 厦门标安科技有限公司 一种化工装置风险动态预警方法

Also Published As

Publication number Publication date
CN116703163A (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
CN113379267B (zh) 一种基于风险分级预测的城市火灾事件处理方法、***及存储介质
CN105912857B (zh) 一种配电设备状态监测传感器的选配方法
CN110569746A (zh) 一种基于层次分析法的信号设备质量检测方法
WO2020140318A1 (zh) 基于最小二乘法的铸造车间安全评价综合权重计算方法
CN114372682A (zh) 基于ahp-模糊综合评价的消防服环境适应性评估方法及***
CN115471097A (zh) 一种数据驱动的井下局部区域安全状态评估方法
CN114971227A (zh) 一种基于marcos方法的配电网设备风险评估方法
CN112541636A (zh) 输电线路覆冰风险预警方法、装置、介质和电子设备
CN112884312A (zh) 一种基于owa算子赋权的化工装置风险评估方法
CN115511387A (zh) 基于多源信息融合的油浸变压器状态评估方法及***
CN114912739A (zh) 环境与变电站运维费用关联模型的构建及应用方法
CN113052411A (zh) 数据产品质量评价方法及装置
CN107145995A (zh) 生产环境安全性预测方法、装置和***
CN109345083A (zh) 一种基于区间二元语义和灰色关联分析的改进fmea的方法
Saemian et al. Performance of Max-HEWMAMS control chart for simultaneous monitoring of process mean and variability in the presence of measurement errors
CN113011788A (zh) 一种海上交通事故应急决策方法、终端设备及存储介质
CN116725501A (zh) 一种地下及遮蔽空间救援人员状态监测***效能评估方法
CN115953022A (zh) 电梯安全评价方法及***、电子设备、存储介质
CN109460868A (zh) 一种采用灰度预测的企业安全生产预警***的构建方法
CN112990599B (zh) 一种基于突发火灾事件相似度计算的城市应急消防优化方法
RU2470352C1 (ru) Способ статистического регулирования технологического процесса (варианты)
CN109190968B (zh) 空管运行效率等级评估方法及其装置
Natoli et al. Predictive validity of the Structured Assessment of Protective Factors for violence risk (SAPROF): A meta-analytic review
CN113205274A (zh) 一种施工质量定量化排名方法
Chen Research on Fire Alarm System

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: 20210601

RJ01 Rejection of invention patent application after publication