一种基于可拓学理论的复杂设备维修策略选择方法技术

本发明专利技术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。其包括如下步骤：步骤S1、建立评价指标体系；步骤S2、基于关联矩阵法，确定所有一级指标的权重矩阵；步骤S3、建立维修策略集合；步骤S4、对所有的原始指标数据集进行去量纲处理；步骤S5、基于可拓理论选取最优维修策略。通过上述，能够较佳地对维修策略进行评价。

【技术实现步骤摘要】
一种基于可拓学理论的复杂设备维修策略选择方法
本专利技术涉及复杂设备维修
，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。
技术介绍
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。
技术实现思路
本专利技术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。根据本专利技术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，本专利技术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专利技术的内容，结合附图和实施例对本专利技术作详细描述。应当理解的是，实施例仅仅是对本专利技术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、对所有的原始指标本文档来自技高网...

【技术保护点】
1.一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：/n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＝{a

【技术特征摘要】
1.一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。


2.根据权利要求1所述的一种基于可拓学理论的复杂设备维修策略选择方法，其特征在于：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。


3.根据权利要求2所述的一种基于可拓学理论的复杂设备维修策略选择方法，其特征在于：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。


4.根据权利要求1所述的一种基于可拓学理论的复杂设备维修策略选择方法，其特征在于：步骤S4中，对于数值越大越优的指标，相应的去量纲数据v...

【专利技术属性】
技术研发人员：唐孝安，杨荣庆，张强，王婉莹，赵爽耀，彭张林，王安宁，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34