CN116307381A - 一种基于多属性决策的绿色产品设计方案评价方法及*** - Google Patents
一种基于多属性决策的绿色产品设计方案评价方法及*** Download PDFInfo
- Publication number
- CN116307381A CN116307381A CN202310235094.XA CN202310235094A CN116307381A CN 116307381 A CN116307381 A CN 116307381A CN 202310235094 A CN202310235094 A CN 202310235094A CN 116307381 A CN116307381 A CN 116307381A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- design
- design scheme
- matrix
- 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
Links
- 238000013461 design Methods 0.000 title claims abstract description 159
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000011156 evaluation Methods 0.000 claims abstract description 133
- 239000011159 matrix material Substances 0.000 claims abstract description 85
- 238000012163 sequencing technique Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 238000011084 recovery Methods 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000004064 recycling Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 abstract description 5
- 238000011157 data evaluation Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 4
- 241000287531 Psittacidae Species 0.000 description 3
- 238000010494 dissociation reaction Methods 0.000 description 3
- 230000005593 dissociations Effects 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000598039 Promethes Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Analysis (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Biomedical Technology (AREA)
- Fuzzy Systems (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多属性决策的绿色产品设计方案评价方法及***,涉及数据评价技术领域。包括以下步骤:基于各待评价设计方案获取设计数据,基于绿色生态标准确定评价指标;并根据评价指标构建指标体系;计算评价指标间的可能度权重;采用球型‑Z模糊数和球型‑Z效用理论得到综合效用值评价矩阵;根据综合效用值评价矩阵得到最佳设计方案和最差设计方案;结合最佳设计方案和最差设计方案对待评价设计方案进行排序,获得设计方案的评价结果。本发明考虑了多属性决策方法的模糊性和不确定性,解决了绿色产品设计方案的单一决策方法所存在的未充分考虑多属性决策方法的模糊性和不确定性以及权重分配不合理的现有技术问题。
Description
技术领域
本发明涉及数据评价技术领域,尤其涉及一种基于多属性决策的绿色产品设计方案评价方法及***。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
绿色产品将社会经济的发展与生态环境的保护有机融合,是全球实现可持续发展的重要途经,同时也是企业适应未来市场环境和生态环境的重要方式。因此,如何从众多绿色产品设计方案中选择出既满足企业生产盈利以提高产品的市场竞争力,又能最大程度降低对环境的危害的绿色产品设计方案,也是进行绿色产品设计的重要一环。对于绿色产品设计方案的选择是一个多准则、多目标、多方案的决策问题,需要考虑到决策者决策的模糊性、不确定性。在多属性决策方法方面学者做了大量研究。常用的多属性决策方法有逼近理想解法(TOPSIS)、偏好顺序结构评估法(PROMETHEE)、层次分析法(AHP)、灰色关联度分析(GRA)、交互式多准则决策(TODIM)、平均距离解(EDAS)、加性比评估法(ARAS)和多属性边界近似区域比较(MABAC)等,并且随着单一决策方法所存在的局限性,集成多属性决策方法在工程领域得到了广泛的应用,例如后悔理论-平均距离解(RT-EDAS)、淘汰选择法-平均距离解(ELECTRE-EDAS)等。
目前,在基于多属性决策方法的设计方案选择和评价过程中,存在一些不足:现有单一的决策方法所存在局限性,决策结果存在着一定的片面性,使得评价结果不具备可参考价值。而且在对设计方案进行评价时,现有的决策方法不能充分考虑多属性决策方法的模糊性和不确定性,在一定程度上影响了评价结果的准确度。另外,现有对于指标权重已知的获取权重方法较少,不能得到合理的权重分配,进一步影响了评价结果的准确性。上述问题导致了现有设计方案的选择和评价方法不能在实际应用中对于多种设计方案给出可靠的评价结果和参考选择。
发明内容
针对现有技术存在的不足,本发明的目的是提供一种基于多属性决策的绿色产品设计方案评价方法及***,考虑了多属性决策方法的模糊性和不确定性,采用考虑决策偏好欢喜的权重求解方法和效用的球型-Z ARAS-EDAS方法合理进行权重分配,解决了绿色产品设计方案的单一决策方法所存在的未充分考虑多属性决策方法的模糊性和不确定性以及权重分配不合理的现有技术问题。
为了实现上述目的,本发明是通过如下的技术方案来实现:
本发明第一方面提供了一种基于多属性决策的绿色产品设计方案评价方法,包括以下步骤:
基于各待评价设计方案获取设计数据,基于绿色生态标准确定评价指标;并根据评价指标构建指标体系;
根据可能度计算公式计算评价指标间的可能度权重;
采用球型-Z模糊数对各待评价设计方案构建模糊决策矩阵;
基于球型-Z效用理论求解模糊决策矩阵的相关效用值得到效用评价矩阵,对效用评价矩阵根据球型-Z效用理论进行处理得到综合效用值评价矩阵;
根据综合效用值评价矩阵得到最佳设计方案和最差设计方案;
结合最佳设计方案和最差设计方案对待评价设计方案进行排序,获得设计方案的评价结果。
进一步的,评价指标包括回收性能指标、经济性能指标、安全性能指标和功能性能指标。
更进一步的,回收性能指标由绿色材料利用率、材料回收利用率和能源利用率得到,经济性能指标由生产成本、拆卸成本和拆卸时间得到,安全性能指标由自动驾驶安全等级和驾驶舒适性得分得到,功能性能指标由电池寿命、最大续航里程、充电速度和百公里加速数据得到。
进一步的,计算指标间的可能度权重具体步骤为:对绿色设计指标进行专家打分,通过可能度计算公式构建可能测度矩阵,求解指标权重向量。
进一步的,模糊决策矩阵的具体构建过程为:采用球型-Z模糊数语言等级对各个待评价设计方案进行评价获得模糊决策矩阵。
进一步的,对效用评价矩阵进行处理得到综合效用值评价矩阵的具体过程为:对效用评价矩阵根据球型-Z效用理论进行标准化及加权处理,得出标准化综合效用值评价矩阵;对标准化综合效用值评价矩阵进行归一化处理建立归一化综合效用值评价矩阵。
进一步的,结合最佳设计方案和最差设计方案对待评价设计方案进行排序,获得对设计方案的评价结果的具体步骤为:计算每一待评价方案与最佳设计方案和最差设计方案之间的灰色关联度,并计算各个方案贴进度,获得设计方案排序。
本发明第二方面提供了一种基于多属性决策的绿色产品设计方案评价***,包括:
数据获取模块,被配置为基于各待评价设计方案获取设计数据,基于绿色生态标准确定评价指标;并根据评价指标构建指标体系;
权重计算模块,被配置为根据可能度计算公式计算评价指标间的可能度权重;
数据处理模块,被配置为采用球型-Z模糊数对各待评价设计方案构建模糊决策矩阵;基于球型-Z效用理论求解模糊决策矩阵的相关效用值得到效用评价矩阵,对效用评价矩阵根据球型-Z效用理论进行处理得到综合效用值评价矩阵;
根据综合效用值评价矩阵得到最佳设计方案和最差设计方案;
设计方案评价模块,被配置为结合最佳设计方案和最差设计方案对待评价设计方案进行排序,获得设计方案的评价结果。
本发明第三方面提供了一种介质,其上存储有程序,该程序被处理器执行时实现如本发明第一方面所述的基于多属性决策的绿色产品设计方案评价方法中的步骤。
本发明第四方面提供了一种设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本发明第一方面所述的基于多属性决策的绿色产品设计方案评价方法中的步骤。
以上一个或多个技术方案存在以下有益效果:
本发明公开了一种基于多属性决策的绿色产品设计方案评价方法,考虑了多属性决策方法的模糊性和不确定性,采用考虑决策偏好欢喜的权重求解方法和效用的球型-ZARAS-EDAS方法合理进行权重分配,解决了绿色产品设计方案的单一决策方法所存在的局限性的现有技术问题,能够实现对绿色产品设计方***评价。
本发明采用球型-Z模糊数对绿色设计指标和绿色设计方案进行描述,并对决策信息施加可靠度约束以提高决策的真实性。还提出基于决策者偏好的可能度权重指标求解方法以及通过效用关系分析因素之间的内部意义,使得决策结果更加符合决策者的喜好。本发明所提出的混合多属性决策方法可用于指导决策者/制造商在选择最佳绿色产品设计方案时做出更好的决策。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例一中多属性决策的设计方案评价方法的流程图;
图2为本发明实施例一中三角模糊数偏好设置示意图;
图3为本发明实施例一中总效用效果分布图;
图4为本发明实施例一中指标权重柱状曲线图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
本发明提出球型-Z模糊数(Spherical-Z fuzzy number)用以描述决策过程中的模糊环境,具体涉及以下定义:
定义1:假设μ(r)∈[0,1],ξ(r)∈[0,1]和v(r)∈[0,1],然后将球型模糊集定义如下:
R={<μ(r),ξ(r),v(r)>|r∈R}
其中,μ(r),ξ(r),v(r)分别表示积极隶属度、中性隶属度以及消极隶属度。并且三者满足0≤μ2(r)+ξ2(r)+ν2(r)≤12。
定义2:假设R=<(μ,β,v)>是球型模糊数,其得分函数SC(R)以及准确度函数AC(R)可描述如下:
定义3:假设R1=<(μ1,β1,v1)>和R2=<(μ2,β2,v2)>是两个球形模糊数字,二者之间的距离采用下式计算:
定义4:一个三角模糊数(a1,a2,a3)的隶属度函数如下所示:
定义5:假设a=(a1,a2,a3)和b=(b1,b2,b3)是两个三角模糊数,那么a≥b的可能度如下计算:
定义6:可将球型-Z模糊数转化为球型-三角模糊数:
定义8:通过计算效用的方式分析问题内部意义,其计算方式是如下所示:
实施例一:
绿色产品是指基于产品整个生命周期,以产品的环境资源属性为核心的现代设计理念和方法设计出的机械产品。在设计中,除考虑产品的功能、性能、寿命、成本等技术和经济属性外,还要重点考虑产品在生产、使用、废弃和回收的过程中对环境和资源的影响。本发明实施例一以绿色产品的设计方案为例,提供了一种基于多属性决策的绿色产品设计方案评价方法,
如图1所示,包括以下步骤:
步骤1:基于各待评价设计方案获取设计数据,基于绿色生态标准确定评价指标;并根据评价指标构建指标体系。
本实施例以绿色新能源汽车设计方案的评价为例,其评价指标包括回收性能指标、经济性能指标、安全性能指标和功能性能指标。
其中,回收性能指标由绿色材料利用率、材料回收利用率和能源利用率得到,经济性能指标由生产成本、拆卸成本和拆卸时间得到,安全性能指标由自动驾驶安全等级和驾驶舒适性得分得到,功能性能指标由电池寿命、最大续航里程、充电速度和百公里加速数据得到。本实施例中还包括美观性指标,由外观满意度得分得到,上述数据均来源于相应绿色新能源汽车数据库,其驾驶舒适性得分和外观满意度得分均为根据现有评价标准以及试用人群调查问卷进行综合评分计算得到。
步骤2,根据可能度计算公式计算评价指标间的可能度权重。
采用球型-Z模糊数语言等级对绿色设计指标进行专家打分,利用可能度解释一种偏好,通过可能度计算公式构建可能测度矩阵,求解指标权重向量。
具体的,基于可能度计算方法构建可能测度矩阵:
基于球形-三角形模糊数可能测度矩阵确定的标准权重向量w=(w1,w2,....,wm):wj表示第j个指标的权重。计算出的权重用于后续灰色关联度的求解,代表每个指标所占的比重。
步骤3:采用球型-Z模糊数对各待评价设计方案构建模糊决策矩阵。
模糊决策矩阵的具体构建过程为:决策者DMk采用球型-Z模糊数语言等级对各个绿色产品设计方案A={A1,A2,…,Am}进行评价获得模糊绿色设计方案评价矩阵i=1,2,...,m;j=1,2,...,n;k=1,2,...,l。
步骤4:基于球型-Z效用理论求解模糊决策矩阵的相关效用值得到效用评价矩阵,对效用评价矩阵根据球型-Z效用理论进行处理得到综合效用值评价矩阵。
对效用评价矩阵进行处理得到综合效用值评价矩阵的具体过程为:对效用评价矩阵进行标准化及加权处理,得出标准化综合效用值评价矩阵;对标准化综合效用值评价矩阵进行归一化处理建立归一化综合效用值评价矩阵。
具体的,基于三角形模糊数的偏好设置的总效用计算是依靠约束(A)和可靠性(R)的α-cut set,关于约束(A)和可靠性(R)的相互作用。计算得到的总效用结果的分布情况如图3所示。
从图3中可以看出,随着语言偏好水平的逐渐增加,总效用逐渐增加,这与多属性决策相同。因此,总效用可以应用于多属性决策来分析问题的内在意义。基于此,建立球型效用评价矩阵,并对其进行标准化及加权处理的具体过程如下:
其中,
对综合效用值采用下式归一化处理得到归一化综合效用值评价矩阵。
步骤5:根据综合效用值评价矩阵得到最佳设计方案和最差设计方案。
其中,每个指标综合效用值最高和最低对应的指标设计为该最佳和最差设计指标,所有最佳最差设计指标组成的整体方案分别为最佳最差设计方案。
步骤6:结合最佳设计方案和最差设计方案对待评价设计方案进行排序,获得对设计方案的评价结果。
结合最佳设计方案和最差设计方案对待评价设计方案进行排序,获得对设计方案的评价结果的具体步骤为:计算每一待评价方案与最佳设计方案和最差设计方案之间的灰色关联度,并计算各个方案贴进度,获得设计方案排序。
计算过程如下所示:
与最佳绿色设计方案之间的灰色关联度:
与最差绿色设计方案之间的灰色关联度:
其中,GCP表示评价方案与最佳设计方案之间的灰色关联度,GCN表示评价方案与最差设计方案之间的灰色关联度。
绿色产品设计方案的贴近度计算方法为:
本发明方法包括以下步骤:提出球型-Z模糊数用于描述复杂的模糊环境以及对语言信息施加约束;运用球型-Z模糊集建立偏好的可能度矩阵求解权重已知的绿色设计指标权重。提出一种球型-Z效用值(SZTU)求解办法用于分析相关问题的内部意义;并在效用的基础上,结合加性比评估(ARAS)方法的归一原理和灰色关联分析(GRA)的归一值方法(SZ-ARAS-GRA),用于所有绿色产品设计方案进行排序。
下面以新能源汽车绿色设计方案为例,进行更为详细的说明:
根据相关调研建立新能源汽车绿色设计指标:5个模块和13个绿色设计标准:回收性能模块:绿色材料利用率(C1)、材料回收利用率(C2)、能源利用率(C3)、经济模块:生产成本(C4)、拆卸成本(C5)、拆卸时间(C6)、安全性模块:自动驾驶安全等级(C7)、驾驶舒适性(C8)、功能性模块:电池寿命(循环充电时间)(C9)、最大续航里程(C10)、充电速度(C11)、百公里加速(C12);美观:外观满意度(C13)。并且本发明实施例结合5台新能源汽车的绿色产品设计方案进行最佳绿色产品设计方案的选择,来验证这种绿色产品设计方案评价方法,包括以下具体实施的步骤:
采用球型-Z模糊数语言等级对绿色设计指标进行专家打分,通过可能度计算公式构建可能测度矩阵求解绿色设计指标权重向量。球型-Z模糊数语言等级如表1所示:
表1球型-Z模糊数语言等级
Step 1.建立指标评价矩阵,如表2所示:
表2指标评价信息
C1 | C2 | C3 | C4 | C5 | C6 | C7 | C8 | C9 | C10 | C11 | C12 | C13 | |
E1 | (s9,s9) | (s8,s8) | (s8,s8) | (s6,s8) | (s6,s8) | (s6,s8) | (s6,s6) | (s6,s7) | (s6,s8) | (s10,s11) | (s6,s7) | (s6,s6) | (s5,s6) |
E2 | (s9,s9) | (s8,s8) | (s9,s9) | (s8,s8) | (s8,s8) | (s6,s9) | (s7,s7) | (s6,s7) | (s8,s7) | (s11,s12) | (s7,s7) | (s5,s6) | (s5,s5) |
E3 | (s9,s9) | (s8,s8) | (s8,s8) | (s8,s7) | (s8,s7) | (s8,s7) | (s5,s5) | (s7,s6) | (s7,s7) | (s11,s11) | (s7,s8) | (s6,s7) | (s5,s6) |
Step 2.将球型-Z模糊数指标评价向量Ck转化为球型-三角形模糊数指标评价向量例如,(s6,s8)通过转换将会变成{(0.1533,0.3833,0.4600),(0.0000,0.0303,0.1213),(0.0644,0.0967,0.1933)}。
Step 3.综合指标评价矩阵见表3。
表3综合指标评价信息
Step 4.建立可能测度矩阵如表4所示。
表4可能测度矩阵
Step 5.获得指标权重向量如表5和图4所示
表5指标权重
指标 | C1 | C2 | C3 | C4 | C5 | C6 | C7 | C8 | C9 | C10 | C11 | C12 | C13 |
权重 | 0.1202 | 0.1161 | 0.1161 | 0.0938 | 0.0938 | 0.0855 | 0.0538 | 0.0439 | 0.0906 | 0.0662 | 0.0662 | 0.0329 | 0.0212 |
Step 6运用球型-Z模糊数对各绿色产品设计方案进行专家打分构建模糊决策矩阵如表6所示(皆以专家一为例);
表6模糊决策矩阵
Step 7用球型-Z效用理论求解相关效用值如表7所示,并对其进行标准化及加权处理,得出标准化综合效用值评价矩阵如表8所示;
表7专家一效用评价矩阵
表8综合效用评价矩阵
Step 8对标准化综合效用值评价矩阵进行归一化处理建立归一化综合效用值评价矩阵;
Step 9计算每一方案与最佳设计方案和最差设计方案之间的灰色关联度,并计算各个方案贴进度获得绿色产品设计方案排序。(GCP,GCN分别如表9和表10所示)
表9 GCP值
方案 | C1 | C2 | C3 | C5 | C6 | C7 | C8 | C9 | C10 | C11 | C12 | C13 |
1 | 0.7510 | 0.7509 | 0.7696 | 0.9812 | 0.9127 | 0.8964 | 0.7243 | 0.7312 | 0.7744 | 0.7126 | 0.8419 | 0.9957 |
2 | 0.6948 | 0.7535 | 0.7418 | 0.8814 | 0.9908 | 0.9422 | 0.6988 | 0.7395 | 0.7958 | 0.7428 | 0.9322 | 0.9003 |
3 | 0.7161 | 0.7315 | 0.7122 | 0.9071 | 0.8937 | 0.9411 | 0.7216 | 0.7597 | 0.8032 | 0.7094 | 0.9308 | 0.9261 |
4 | 0.7171 | 0.7015 | 0.6972 | 0.8977 | 0.9751 | 0.8909 | 0.7427 | 0.6797 | 0.7890 | 0.6944 | 0.9730 | 0.8680 |
5 | 0.7358 | 0.7636 | 0.6618 | 0.9359 | 0.8987 | 0.9049 | 0.7139 | 0.7067 | 0.7884 | 0.7030 | 0.9218 | 1.0000 |
表10 GCN值
方案 | C1 | C2 | C3 | C5 | C6 | C7 | C8 | C9 | C10 | C11 | C12 | C13 |
1 | 0.7505 | 0.7315 | 0.8538 | 0.8912 | 0.8417 | 0.9309 | 0.6856 | 0.7474 | 0.7274 | 0.7173 | 0.8601 | 0.9506 |
2 | 0.6827 | 0.7365 | 0.8246 | 0.8733 | 0.8651 | 1.0000 | 0.6585 | 0.7535 | 0.7503 | 0.7541 | 0.8492 | 0.8554 |
3 | 0.7130 | 0.7107 | 0.7817 | 0.8656 | 0.8671 | 0.9242 | 0.6850 | 0.7824 | 0.7586 | 0.7135 | 0.8944 | 0.8805 |
4 | 0.7145 | 0.6720 | 0.7690 | 0.8604 | 0.8708 | 0.8284 | 0.7086 | 0.6756 | 0.7453 | 0.6978 | 0.8445 | 0.8179 |
5 | 0.7331 | 0.7483 | 0.7058 | 0.9019 | 0.8483 | 0.9073 | 0.6760 | 0.7186 | 0.7446 | 0.7106 | 0.8715 | 0.9550 |
从表9-10计算P和N为:P=[0.8156,0.8119,0.8030,0.7966,0.8020]T,N=[0.8061,0.7987,0.7919,0.7669,0.7882]T。因此,获得新能源汽车绿色设计方案的贴近度分别为:G1=1.000;G2=0.8004;G3=0.4769,G4=0.0000,G5=0.4352。因此,新能源汽车绿色设计方案排序为:A1>A2>A3>A5>A4。
综上可知,本发明采用球型-Z模糊数,能够描绘更加复杂的模糊环境以及确保评价结果的可靠性,将ARAS和GRA结合使得评价过程更加合理有效。计算可绿色设计指标权重采用偏好关系的可能度权重方法,使得指标排序结果更加符合人们心里喜好。
实施例二:
本发明实施例二提供了本发明第二方面提供了一种基于多属性决策的绿色产品设计方案评价***,包括:
指标体系模块,被配置为确定评价指标,构建指标体系,并计算指标间的可能度权重;
打分模块,被配置为采用球型-Z模糊数对各待评价设计方案进行专家打分构建模糊决策矩阵;
综合效用值模块,被配置为用球型-Z效用理论求解模糊决策矩阵的相关效用值得到效用评价矩阵,对效用评价矩阵进行处理得到综合效用值评价矩阵;
设计方案模块,被配置为根据综合效用值评价矩阵得到最佳设计方案和最差设计方案;
方案排序模块,被配置为结合最佳设计方案和最差设计方案对待评价设计方案进行排序,获得对设计方案的评价结果。
实施例三:
本发明实施例三提供了一种介质,其上存储有程序,该程序被处理器执行时实现如本发明实施例一所述的基于多属性决策的绿色产品设计方案评价方法中的步骤。
实施例四:
本发明实施例四提供了一种设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本发明实施例一所述的所述的基于多属性决策的绿色产品设计方案评价方法中的步骤。
以上实施例二、三和四中涉及的各步骤与方法实施例一相对应,具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质;还应当被理解为包括任何介质,所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于多属性决策的绿色产品设计方案评价方法,其特征在于,包括以下步骤:
基于各待评价设计方案获取设计数据,基于绿色生态标准确定评价指标;并根据评价指标构建指标体系;
根据可能度计算公式计算评价指标间的可能度权重;
采用球型-Z模糊数对各待评价设计方案构建模糊决策矩阵;
基于球型-Z效用理论求解模糊决策矩阵的相关效用值得到效用评价矩阵,对效用评价矩阵根据球型-Z效用理论进行处理得到综合效用值评价矩阵;
根据综合效用值评价矩阵得到最佳设计方案和最差设计方案;
结合最佳设计方案和最差设计方案对待评价设计方案进行排序,获得设计方案的评价结果。
2.如权利要求1所述的基于多属性决策的绿色产品设计方案评价方法,其特征在于,评价指标包括回收性能指标、经济性能指标、安全性能指标和功能性能指标。
3.如权利要求2所述的基于多属性决策的绿色产品设计方案评价方法,其特征在于,回收性能指标由绿色材料利用率、材料回收利用率和能源利用率得到,经济性能指标由生产成本、拆卸成本和拆卸时间得到,安全性能指标由自动驾驶安全等级和驾驶舒适性得分得到,功能性能指标由电池寿命、最大续航里程、充电速度和百公里加速数据得到。
4.如权利要求1所述的基于多属性决策的绿色产品设计方案评价方法,其特征在于,计算指标间的可能度权重具体步骤为:对绿色设计指标进行专家打分,通过可能度计算公式构建可能测度矩阵,求解指标权重向量。
5.如权利要求1所述的基于多属性决策的绿色产品设计方案评价方法,其特征在于,模糊决策矩阵的具体构建过程为:采用球型-Z模糊数语言等级对各个待评价设计方案进行评价获得模糊决策矩阵。
6.如权利要求1所述的基于多属性决策的绿色产品设计方案评价方法,其特征在于,对效用评价矩阵进行处理得到综合效用值评价矩阵的具体过程为:对效用评价矩阵根据球型-Z效用理论进行标准化及加权处理,得出标准化综合效用值评价矩阵;对标准化综合效用值评价矩阵进行归一化处理建立归一化综合效用值评价矩阵。
7.如权利要求1所述的基于多属性决策的绿色产品设计方案评价方法,其特征在于,结合最佳设计方案和最差设计方案对待评价设计方案进行排序,获得对设计方案的评价结果的具体步骤为:计算每一待评价方案与最佳设计方案和最差设计方案之间的灰色关联度,并计算各个方案贴进度,获得设计方案排序。
8.一种基于多属性决策的绿色产品设计方案评价***,其特征在于,包括:
数据获取模块,被配置为基于各待评价设计方案获取设计数据,基于绿色生态标准确定评价指标;并根据评价指标构建指标体系;
权重计算模块,被配置为根据可能度计算公式计算评价指标间的可能度权重;
数据处理模块,被配置为采用球型-Z模糊数对各待评价设计方案构建模糊决策矩阵;基于球型-Z效用理论求解模糊决策矩阵的相关效用值得到效用评价矩阵,对效用评价矩阵根据球型-Z效用理论进行处理得到综合效用值评价矩阵;根据综合效用值评价矩阵得到最佳设计方案和最差设计方案;
设计方案评价模块,被配置为结合最佳设计方案和最差设计方案对待评价设计方案进行排序,获得设计方案的评价结果。
9.一种计算机可读存储介质,其特征在于,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行权利要求1-7中任一项所述的基于多属性决策的绿色产品设计方案评价方法。
10.一种终端设备,其特征在于,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行权利要求1-7中任一项所述的基于多属性决策的绿色产品设计方案评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310235094.XA CN116307381A (zh) | 2023-03-09 | 2023-03-09 | 一种基于多属性决策的绿色产品设计方案评价方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310235094.XA CN116307381A (zh) | 2023-03-09 | 2023-03-09 | 一种基于多属性决策的绿色产品设计方案评价方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116307381A true CN116307381A (zh) | 2023-06-23 |
Family
ID=86820154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310235094.XA Pending CN116307381A (zh) | 2023-03-09 | 2023-03-09 | 一种基于多属性决策的绿色产品设计方案评价方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116307381A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117934065A (zh) * | 2023-11-29 | 2024-04-26 | 山东大学 | 基于多源信息驱动的智能座舱选型方法及*** |
-
2023
- 2023-03-09 CN CN202310235094.XA patent/CN116307381A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117934065A (zh) * | 2023-11-29 | 2024-04-26 | 山东大学 | 基于多源信息驱动的智能座舱选型方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107220498B (zh) | 一种机械材料评价方法及其*** | |
CN102393839B (zh) | 并行数据处理***及方法 | |
CN107766929A (zh) | 模型分析方法及装置 | |
CN103632203A (zh) | 一种基于综合评价的配电网供电区域划分方法 | |
CN116307381A (zh) | 一种基于多属性决策的绿色产品设计方案评价方法及*** | |
CN110968651A (zh) | 一种基于灰色模糊聚类的数据处理方法及*** | |
Cruz-Ramírez et al. | A preliminary study of ordinal metrics to guide a multi-objective evolutionary algorithm | |
Ranaei et al. | Forecasting emerging technologies of low emission vehicle | |
CN114706840A (zh) | 面向负载感知的多模数据库ArangoDB参数调优的方法 | |
CN115829683A (zh) | 一种基于逆奖赏学习优化的电力积分商品推荐方法及*** | |
CN101702172A (zh) | 一种基于类-属性关系依赖度的数据离散化方法 | |
CN103605493A (zh) | 基于图形处理单元的并行排序学习方法及*** | |
Wen et al. | PL-MACONT-I: A probabilistic linguistic MACONT-I method for multi-criterion sorting | |
CN111311096B (zh) | 一种基于qfd和kano模型的多产品质量优化方法 | |
CN108829846A (zh) | 一种基于用户特征的业务推荐平台数据聚类优化***及方法 | |
CN109992592B (zh) | 基于校园消费卡流水数据的高校贫困生识别方法 | |
CN112035536A (zh) | 一种考虑动态路网交通流的电动汽车能耗预测方法 | |
CN113792984B (zh) | 基于云模型的防空反导指挥控制模型能力评估方法 | |
CN115115212A (zh) | 一种适用于相似方案的自主优选排序方法 | |
CN106096814A (zh) | 基于粗糙集理论的产品服务***方案优选方法 | |
Chen et al. | A GPU-accelerated approximate algorithm for incremental learning of Gaussian mixture model | |
CN112488438A (zh) | 一种结合信用信息的工业企业综合效益评价方法及*** | |
Fan et al. | New energy vehicle customer mining model and algorithm optimization through smart integrated learning model and support vector machine | |
CN115374223B (zh) | 一种基于规则与机器学习的智能血缘识别推荐方法及*** | |
Wang et al. | Research on UBI Auto Insurance Pricing Model Based on Parameter Adaptive SAPSO Optimal Fuzzy Controller |
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 |