李海，王偉，范磊

電子科技大學(xué) 機(jī)械與電氣工程學(xué)院，成都 611731

為了有效整合制造資源、提高資源利用率、降低制造成本以及更快地響應(yīng)市場(chǎng)需求，基于網(wǎng)絡(luò)的、面向服務(wù)的智慧化制造新模式云制造成為現(xiàn)代制造業(yè)的主流[1]，核心思想是分散資源的集中使用和集中資源的分散服務(wù)，將機(jī)床裝備資源虛擬化和服務(wù)化，為客戶提供安全可靠、按需使用、優(yōu)質(zhì)高效的制造服務(wù)。然而，云制造環(huán)境下的機(jī)床裝備資源數(shù)量巨大、異構(gòu)異質(zhì)、分布廣，如何在云資源池中選擇滿足客戶需求、最優(yōu)化的機(jī)床裝備資源，是提升云制造服務(wù)質(zhì)量和服務(wù)能力的關(guān)鍵。

目前，國(guó)內(nèi)外學(xué)者對(duì)機(jī)床裝備資源選擇進(jìn)行了深入研究，主要分為多準(zhǔn)則決策方法和智能優(yōu)化方法。對(duì)于多準(zhǔn)則決策的機(jī)床裝備資源選擇方法，層次分析法(Analytic Hierarchy Process，AHP)是最常用方法。Ayag[2]提出了模糊AHP方法進(jìn)行機(jī)床選擇。Samvedi等[3]融合模糊AHP和灰色關(guān)聯(lián)分析法研究了機(jī)床選擇方法。Li等[4]利用AHP來(lái)選擇機(jī)床刀具。Nguyen等[5]提出了混合模糊分析網(wǎng)絡(luò)過(guò)程(Analytic Network Process，ANP)方法選擇機(jī)床。易安斌等[6]采用AHP和熵值法(EW)來(lái)選擇最優(yōu)的機(jī)床服務(wù)組合。蘇凱凱[7]采用可擴(kuò)展AHP對(duì)機(jī)床進(jìn)行評(píng)價(jià)。大多數(shù)文獻(xiàn)中，由于層次分析法或模糊層次分析法易于理解并且能夠處理定性和定量數(shù)據(jù)，因此他們較多應(yīng)用于計(jì)算多準(zhǔn)則權(quán)重。此外，?nut等[8]使用模糊逼近理想點(diǎn)的排序法(Technique for Order Preference by Similarity to Ideal Solution，TOPSIS)評(píng)估和選擇立式機(jī)床加工中心。Dagdeviren[9]提出AHP和偏好順序結(jié)構(gòu)評(píng)估法集成模型解決設(shè)備選擇問(wèn)題。?zgen等[10]采用改進(jìn)專家經(jīng)驗(yàn)法，融合模糊AHP和模糊偏好順序結(jié)構(gòu)評(píng)估法的集成方法進(jìn)行機(jī)床選擇。

當(dāng)機(jī)床選擇問(wèn)題涉及連續(xù)變量時(shí)，國(guó)內(nèi)外學(xué)者提出了智能優(yōu)化的機(jī)床選擇方法。Rai等[11]使用模糊目標(biāo)編程來(lái)解決機(jī)床選擇和操作分配問(wèn)題。Mishra等[12]使用模糊目標(biāo)編程方法解決機(jī)床選擇問(wèn)題。Jahromi和Tavakkoli-Moghaddam[13]提出了0-1線性整數(shù)規(guī)劃模型求解動(dòng)態(tài)機(jī)床選擇問(wèn)題。He等[14]提出了一種面向節(jié)能的機(jī)床選擇方法，該方法使得加工操作能耗和機(jī)床閑置能耗最小化。Liu等[15]提出了一種基于能效評(píng)價(jià)的高效機(jī)床選擇方法，通過(guò)對(duì)每一種備選方案的機(jī)床相關(guān)因素建模、對(duì)期望任務(wù)的工件相關(guān)因素建模計(jì)算能效。熊青春等[16]利用BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)建立飛機(jī)結(jié)構(gòu)件加工誤差預(yù)測(cè)模型，利用機(jī)床檢測(cè)數(shù)據(jù)和零件特征及其工藝參數(shù)建立機(jī)床精度評(píng)估指標(biāo)以評(píng)估和選擇機(jī)床。

從上述文獻(xiàn)綜述可以看出，多準(zhǔn)則決策方法比智能優(yōu)化算法更受國(guó)內(nèi)外學(xué)者關(guān)注。最優(yōu)數(shù)學(xué)模型能夠很好地處理客觀數(shù)據(jù)，但往往忽略了定性和主觀考慮。特別當(dāng)決策者對(duì)準(zhǔn)則權(quán)重的偏好時(shí)，多準(zhǔn)則決策方法更合適。當(dāng)前的多準(zhǔn)則決策機(jī)床選擇方法中仍存在一些限制,前期研究主要集中在模糊層次分析法與其他多準(zhǔn)則決策方法的結(jié)合，但由于模糊層次分析法忽略準(zhǔn)則間耦合關(guān)系、計(jì)算復(fù)雜等缺陷[17]，限制了AHP和模糊AHP在機(jī)床選擇中的應(yīng)用。因此，應(yīng)探索新的多準(zhǔn)則混合決策模型解決機(jī)床選擇問(wèn)題。

對(duì)于多準(zhǔn)則決策方法，國(guó)內(nèi)外學(xué)者將AHP、TOPSIS、數(shù)據(jù)包絡(luò)分析法(Data Envelopment Analysis，DEA)、折中排序法(Visekriterijumsko KOmpromisno Rangiranje，VIKOR)、決策與試驗(yàn)評(píng)價(jià)實(shí)驗(yàn)室(Decision Making Trial and Evaluation Laboratory，DEMATEL)、多元對(duì)比分析(Multi-Atributive Ideal-Real Comparative Analysis，MAIRCA)及ANP等方法相結(jié)合稱為多準(zhǔn)則混合決策方法。通過(guò)文獻(xiàn)調(diào)研，已有多種多準(zhǔn)則混合決策方法、DEMATEL-ANP[18]、灰度DEMATEL-VIKOR[19]、模糊AHP-VIKOR-DEA[20]、AHP-TOPSIS[21]、模糊DEMATEL-模糊TOPSIS[22]、混合DEMATEL-ANP-MAIRCA[23]、TOPSIS-模糊VIKOR[24]。為了獲取準(zhǔn)則客觀權(quán)重，Shannon[25]提出了熵值法，Shemshadi[26]、Yu[27]、王偉[28]和易安斌[6]等提出了基于熵值法的多準(zhǔn)則混合決策方法。但是，目前鮮有報(bào)道融合DEMATEL、熵值法和VIKOR方法的文獻(xiàn)。

通過(guò)對(duì)機(jī)床裝備資源選擇研究現(xiàn)狀的總結(jié)分析，現(xiàn)有機(jī)床裝備資源的多準(zhǔn)則決策模型僅考慮主觀權(quán)重或客觀權(quán)重，針對(duì)此問(wèn)題，首先，對(duì)機(jī)床裝備資源進(jìn)行建模和服務(wù)化封裝；隨后，計(jì)算決策準(zhǔn)則的主觀權(quán)重和客觀權(quán)重，建立權(quán)重組合模型；最后，利用模糊VIKOR方法對(duì)機(jī)床裝備資源進(jìn)行排序，獲得滿足客戶需求的最優(yōu)機(jī)床裝備資源。

1 機(jī)床裝備資源建模及服務(wù)化封裝

云制造環(huán)境下，機(jī)床裝備資源通過(guò)網(wǎng)絡(luò)的形式供用戶使用，因此，機(jī)床裝備資源特性分析、形式化描述模型、服務(wù)化封裝是云制造得以推廣和應(yīng)用的重要基礎(chǔ)。

1.1 機(jī)床裝備資源建模

中國(guó)機(jī)床裝備資源量大、面廣，是企業(yè)完成制造任務(wù)的核心動(dòng)力，智能化、服務(wù)化、集成化、網(wǎng)絡(luò)化逐漸成為了提升制造企業(yè)綜合競(jìng)爭(zhēng)能力的重要舉措。云制造服務(wù)平臺(tái)融合了先進(jìn)的信息通訊技術(shù)，通過(guò)對(duì)物理資源進(jìn)行虛擬建模，將分布的不同企業(yè)或車間的機(jī)床裝備資源聚合及跨域協(xié)作服務(wù)，促使資源具備網(wǎng)絡(luò)化、服務(wù)化、云共享的特性。

本體論被廣泛應(yīng)用于計(jì)算機(jī)領(lǐng)域中的知識(shí)工程、異構(gòu)信息系統(tǒng)集成、語(yǔ)義web等，它能夠捕捉相關(guān)領(lǐng)域的知識(shí)，為領(lǐng)域知識(shí)提供了共同的理解，確定了該領(lǐng)域內(nèi)共同認(rèn)可的詞匯，能夠解決設(shè)備異質(zhì)異構(gòu)、廣域分布、動(dòng)態(tài)演化等難題，是提供高效、優(yōu)質(zhì)的云制造服務(wù)的關(guān)鍵。因此，采用本體論進(jìn)行機(jī)床裝備資源建模，以VMC 9656e數(shù)控機(jī)床為例(主要參數(shù)見(jiàn)表1)，采用Protege本體編輯工具、可擴(kuò)展標(biāo)示語(yǔ)言(Extensible Markup Language，XML)對(duì)該機(jī)床進(jìn)行具體描述，代碼如圖1所示。

表1 VMC 9656e型號(hào)數(shù)控機(jī)床參數(shù)Table 1 Parameters of VMC 9656e CNC machine tools

圖1 VMC 9656e型號(hào)機(jī)床裝備資源建模Fig.1 Machine tool resource modeling of VMC 9656e

1.2 機(jī)床裝備資源服務(wù)化封裝

在云制造環(huán)境下，機(jī)床裝備資源信息只有通過(guò)網(wǎng)絡(luò)發(fā)布注冊(cè)后，用戶才能使用，因此資源服務(wù)化封裝是獲取機(jī)床裝備信息的關(guān)鍵，也是構(gòu)建制造資源和制造能力云服務(wù)池的核心技術(shù)之一。服務(wù)化封裝是指利用相關(guān)軟件，將物理制造資源轉(zhuǎn)化為邏輯制造資源，屏蔽云制造資源的復(fù)雜性和異構(gòu)性，解除制造服務(wù)與機(jī)床裝備資源耦合關(guān)系的過(guò)程，并利用Web服務(wù)技術(shù)完成機(jī)床裝備資源服務(wù)化封裝，圖2為VMC 9656e型號(hào)數(shù)控機(jī)床服務(wù)注冊(cè)及發(fā)布結(jié)果。

圖2 VMC 9656e型號(hào)機(jī)床裝備資源封裝Fig.2 Machine tool resource packaging of VMC 9656e

2 基于多準(zhǔn)則決策的機(jī)床裝備選擇方法

2.1 模糊理論

(1)

結(jié)合模糊理論，語(yǔ)言變量被廣泛用于描述各候選者的決策和評(píng)估。為構(gòu)建語(yǔ)言變量和模糊數(shù)之間的關(guān)系，有必要建立一個(gè)隸屬度函數(shù)來(lái)反映準(zhǔn)則重要性，結(jié)合三角模糊數(shù)和相應(yīng)的語(yǔ)言變量來(lái)處理模糊信息。

其中:λ表示決策者權(quán)重。

通過(guò)聚合決策者的評(píng)估信息，則評(píng)估信息聚合矩陣可表示為

(2)

為了準(zhǔn)確描述評(píng)估信息，三角模糊數(shù)通常會(huì)被轉(zhuǎn)化為精確數(shù)值，此運(yùn)算被稱為去模糊化。目前存在多種去模糊化方法，包括Centeriod[29]、Graded Mean Integration Representation[30]、Integral Division[26]。采用Centeriod方法來(lái)表征去模糊化運(yùn)算:

(3)

2.2 基于模糊DEMATEL和熵值法的權(quán)重計(jì)算方法

2.2.1 主觀權(quán)重計(jì)算方法

由Geneva Research Centre of the Battelle Memorial機(jī)構(gòu)提出的DEMATEL方法旨將復(fù)雜因果關(guān)系的結(jié)構(gòu)可視化，可幫助決策者通過(guò)矩陣或有向圖理解準(zhǔn)則間的相互依賴性。在DEMATEL方法中，決策者應(yīng)明確各準(zhǔn)則間的相對(duì)重要性和影響。因此，本文將模糊理論與DEMATEL相結(jié)合，以處理模糊DEMATEL(FDEMATEL)的模糊性和不確定性，包含5個(gè)步驟。

表2 準(zhǔn)則影響語(yǔ)言變量Table 2 Linguistic variables of criteria influence

(4)

(5)

(6)

5)計(jì)算準(zhǔn)則主觀權(quán)重矩陣Wsub。

(7)

2.2.2 客觀權(quán)重計(jì)算方法

熵值法是計(jì)算客觀權(quán)重的有效工具，目前應(yīng)用于管理決策領(lǐng)域[26]，它可用于根據(jù)決策矩陣計(jì)算準(zhǔn)則客觀權(quán)重。在熵值法中，屬性指標(biāo)的熵值越小，所對(duì)應(yīng)的權(quán)重系數(shù)就越大，則說(shuō)明該屬性指標(biāo)越重要。若各候選者在某一屬性指標(biāo)上的值完全相同，熵值達(dá)到最大值1而對(duì)應(yīng)的權(quán)重系數(shù)為0，表明該屬性指標(biāo)沒(méi)有為評(píng)估過(guò)程提供任何有用信息，可以考慮取消該屬性指標(biāo)。相反，若各候選者在某一屬性指標(biāo)上的值相差較大，熵值較小而對(duì)應(yīng)的權(quán)重系數(shù)較大，表明該屬性指標(biāo)為評(píng)估過(guò)程提供了較多的有用信息，同時(shí)也說(shuō)明各候選者在該屬性指標(biāo)上具有明顯的差異，應(yīng)予以高度重視。熵值法可分為以下3個(gè)步驟：

1) 計(jì)算決策信息歸一化矩陣H。

(8)

式中：hij為第i條準(zhǔn)則對(duì)第j條準(zhǔn)則的準(zhǔn)則決策信息；Hij為第i條準(zhǔn)則對(duì)第j條準(zhǔn)則的歸一化準(zhǔn)則決策信息。

2) 計(jì)算準(zhǔn)則熵值矩陣Z。

(9)

式中：Zj為第j條準(zhǔn)則的準(zhǔn)則熵值。

3) 計(jì)算準(zhǔn)則權(quán)重矩陣Wobj。

(10)

2.2.3 權(quán)重組合方法

準(zhǔn)則權(quán)重包括主觀權(quán)重和客觀權(quán)重，主觀權(quán)重可通過(guò)FDEMATEL計(jì)算獲得，客觀權(quán)重則通過(guò)熵值法計(jì)算獲得。在決策過(guò)程中，既要考慮不同決策者對(duì)各準(zhǔn)則的偏好，也要考慮實(shí)際情形的主觀隨意性，促使客戶任務(wù)順利完成。因此，各屬性的權(quán)重系數(shù)應(yīng)兼具主觀性和客觀性，使得評(píng)估結(jié)果更具有真實(shí)性和有效性，采用主觀權(quán)重和客觀權(quán)重相結(jié)合，計(jì)算準(zhǔn)則綜合權(quán)重矩陣Wc。

(11)

2.3 模糊VIKOR

Opricovic和Tzeng在1998年提出了VIKOR方法，用于對(duì)復(fù)雜系統(tǒng)進(jìn)行綜合評(píng)估的多屬性決策方法。VIKOR能夠權(quán)衡屬性間沖突問(wèn)題，通過(guò)最大化群體效用和個(gè)別遺憾最小化，使決策者得到可接受折中解，是多準(zhǔn)則決策問(wèn)題中解決屬性沖突和求解最佳折中解的重要方法。該方法通過(guò)確定正理想解(所有候選者中在各屬性指標(biāo)均為最優(yōu))和負(fù)理想解(所有候選者中在各屬性指標(biāo)均為最差)，評(píng)估各候選者與正理想解所對(duì)應(yīng)的候選者的接近程度來(lái)對(duì)各候選者進(jìn)行排序。

為了反映評(píng)估信息的不確定性和模糊性以及決策者的偏好，將模糊集理論引入至傳統(tǒng)的VIKOR方法中[6]，構(gòu)成模糊VIKOR(FVIKOR)，詳細(xì)步驟總結(jié)如下。

1) 用語(yǔ)言變量確定決策者評(píng)估信息，如表3所示。

表3 評(píng)估候選者語(yǔ)言變量Table 3 Linguistic variables of evaluated candidate

2) 收 集決策者評(píng)估信息，通過(guò)聚合各候選者評(píng)估信息，建立評(píng)估信息聚合矩陣，且λk根據(jù)實(shí)際情況可以調(diào)節(jié)，利用式(3)對(duì)聚合矩陣進(jìn)行去模糊化運(yùn)算。

對(duì)于經(jīng)濟(jì)型準(zhǔn)則(越大越好)：

(12)

對(duì)于成本型準(zhǔn)則(越小越好)：

(13)

4) 評(píng)估信息歸一化矩陣d。

對(duì)于經(jīng)濟(jì)型準(zhǔn)則：

(14)

對(duì)于成本型準(zhǔn)則：

(15)

式中：dij為第i條準(zhǔn)則對(duì)第j條準(zhǔn)則的評(píng)估信息歸一化值。

5) 計(jì)算各候選者群體效用值和個(gè)別遺憾值。

(16)

(17)

式中：Ri為第i個(gè)候選者的個(gè)別遺憾值；Si為第i個(gè)候選者的群體效用值。

6) 計(jì)算各候選者準(zhǔn)則利益比率。

(18)

式中：v為最大群體效用的決策權(quán)重系數(shù)，取值范圍為[0,1]；Qi為第i個(gè)候選者的利益比率。

7) 采用升序的方式對(duì)各候選者的利益比率Qi進(jìn)行排序，Qi越小，則對(duì)應(yīng)的第i候選者最優(yōu)。

8) 確定最佳折中方案。假設(shè)按照升序排名得到的各候選者分別為F1，F(xiàn)2，…，F(xiàn)N，N為候選者總數(shù)。

如果滿足以下兩個(gè)條件，則F1為最佳解。

條件1可接受的優(yōu)勢(shì)條件

Q1-Q2≥1/(N-1)

(19)

若滿足式(19)則說(shuō)明候選者F1優(yōu)于F2。

條件2可接受的穩(wěn)定性決策

S1<{S2,S3,…,SN}orR1<{R2,R3,…,RN}

(20)

確定最佳折中方案評(píng)判方法如下：

1) 當(dāng)條件1和條件2同時(shí)滿足，則候選者F1為最佳折中解。

2) 當(dāng)兩個(gè)條件中有一個(gè)不滿足時(shí)，則得到一個(gè)折中解集，分為以下兩種情況：若滿足條件1，但不滿足條件2，則F1和F2組成最佳折中解集;若不滿足條件1，則備選方案F1，F(xiàn)2，…，F(xiàn)h組成最佳折中解集，其中h是滿足Qh-Q1≥1/(N-1)的最大整數(shù)。

2.4 機(jī)床裝備資源多準(zhǔn)則選擇框架

利用FDEMATEL-EW-FVIKOR來(lái)處理多準(zhǔn)則決策的機(jī)床選擇問(wèn)題，以選擇最佳的機(jī)床裝備資源。首先，利用模糊理論來(lái)表征決策者的偏好，采用三角模糊數(shù)來(lái)獲得綜合準(zhǔn)則影響矩陣。其次，F(xiàn)DEMATEL方法用于計(jì)算各準(zhǔn)則的主觀權(quán)重，EW方法計(jì)算客觀權(quán)重，引入綜合權(quán)重計(jì)算方法。最后，通過(guò)FVIKOR方法計(jì)算利益比率值，候選者按最小利益比率排序[31]，并選取最佳折中解，該方法的框架如圖3所示。

圖3 機(jī)床裝備資源多準(zhǔn)則選擇框架Fig.3 Framework of multi-criteria for machine tool resource selection

3 實(shí)驗(yàn)驗(yàn)證

3.1 實(shí)驗(yàn)描述及評(píng)估信息收集

將提出的機(jī)床裝備資源選擇方法應(yīng)用于某生產(chǎn)制造企業(yè)，該企業(yè)主要專注于航空大型結(jié)構(gòu)件和汽車模具制造，擁有4臺(tái)型號(hào)不同的機(jī)床裝備，即F1：VMC 9656e，F(xiàn)2：FIDIA Y2K-411，F(xiàn)3：CZECH FRFQ-250-VR/A8，F(xiàn)4：FIDIA GTF-28，對(duì)應(yīng)的評(píng)估準(zhǔn)則包括服務(wù)時(shí)間、服務(wù)可靠性、服務(wù)環(huán)境、服務(wù)工作負(fù)載、服務(wù)能力、服務(wù)成本、服務(wù)質(zhì)量，層次結(jié)構(gòu)如圖4所示。同時(shí)，機(jī)床裝備選擇需邀請(qǐng)與機(jī)床特別相關(guān)的人員協(xié)助決策，且3～5名決策者被認(rèn)為是多準(zhǔn)則決策問(wèn)題的理想人數(shù)[8]，該企業(yè)的3名資深工藝工程師、1名企業(yè)管理人員和1名專家參與決策，即E1、E2、E3、E4和E5，對(duì)應(yīng)的決策權(quán)重為0.15、0.15、0.15、0.3和0.25，5名決策者對(duì)各準(zhǔn)則影響評(píng)估信息如表4所示，表5為每個(gè)決策者對(duì)4臺(tái)不同型號(hào)數(shù)控機(jī)床的評(píng)估信息。評(píng)估準(zhǔn)則的具體闡述如下：

表4 5個(gè)決策者的準(zhǔn)則影響評(píng)估信息

表5 各候選者評(píng)估信息Table 5 Evaluation information of each candidate

圖4 機(jī)床裝備資源選擇層次結(jié)構(gòu)Fig.4 Hierarchy structure of machine tool resource selection

1)服務(wù)時(shí)間：完成制造服務(wù)所需時(shí)間，包括加工時(shí)間、物流時(shí)間、等待時(shí)間。

2)服務(wù)可靠性：資源能否順利完成制造服務(wù)，包括機(jī)床裝備資源故障率。

3)服務(wù)環(huán)境：制造任務(wù)所需能耗及環(huán)境屬性。

4)服務(wù)工作負(fù)載：某段時(shí)間內(nèi)的負(fù)載率情況。服務(wù)能力：機(jī)床裝備資源是否具有完成制造任務(wù)的能力，包括多軸聯(lián)動(dòng)精度。

5)服務(wù)成本：完成制造服務(wù)所需加工成本和物流成本。

6)服務(wù)質(zhì)量：機(jī)床裝備資源承擔(dān)相關(guān)任務(wù)的質(zhì)量合格率。

3.2 機(jī)床裝備資源選擇結(jié)果

3.2.1 主觀權(quán)重計(jì)算結(jié)果

表6 準(zhǔn)則影響評(píng)估信息Table 6 Evaluation information of criteria influence

3.2.2 客觀權(quán)重計(jì)算結(jié)果

通過(guò)收集各決策者的準(zhǔn)則決策信息，得到歸一化決策矩陣H，利用式(9)計(jì)算得到各準(zhǔn)則熵值矩陣Z，利用式(10)獲得準(zhǔn)則客觀權(quán)重矩陣Wobj，計(jì)算結(jié)果如下：

H=

(21)

(22)

(23)

3.2.3 機(jī)床裝備資源選擇結(jié)果

在獲得各準(zhǔn)則的主觀權(quán)重和客觀權(quán)重后，利用式(11)得到綜合權(quán)重Wc=[0.136 6, 0.175 8, 0.153 4, 0.152 2, 0.148 7, 0.180 9, 0.140 5]，收集決策者對(duì)候選者的評(píng)估信息，得到評(píng)估信息聚合矩陣O，進(jìn)一步計(jì)算得到歸一化評(píng)估矩陣d，計(jì)算結(jié)果如下:

O=

(24)

f*=

f-=

(25)

d=

(26)

在此基礎(chǔ)上，令v=0.5, 計(jì)算利益比率、群體效用值、個(gè)別遺憾值，使用利益比率對(duì)各候選者進(jìn)行排名，如表7所示。

表7 候選者排名結(jié)果Table 7 Ranking results of candidates

根據(jù)折中方案條件1和2，計(jì)算結(jié)果如式(27)和式(28)所示，最佳選擇為F2，與該制造企業(yè)生產(chǎn)車間機(jī)床裝備資源實(shí)際選擇結(jié)果一致。

Q3-Q2=0.922-0.159≥1/(4-1)

(27)

R2<{R1,R3,R4}

(28)

3.2.4 不同多準(zhǔn)則決策方法對(duì)比結(jié)果

為了驗(yàn)證所提出的多準(zhǔn)則決策方法的有效性，將提出的FDEMATEL-EW-FVIKOR與方法1(FDEMATEL-FVIKOR)[26]和方法2(EW-FVIKOR)進(jìn)行比較[32]。表8為3種方法按Q值排列的決策結(jié)果，F(xiàn)DEMATEL-EW-FVIKOR的最優(yōu)選擇結(jié)果是F2，最差選擇為F3，與方法1和方法2的決策結(jié)果一致。因此，由3種方法的決策結(jié)果推斷出機(jī)床裝備資源F2為最佳選擇，與實(shí)際生產(chǎn)中機(jī)床選擇結(jié)果一致。

表8 不同多準(zhǔn)則決策方法比較結(jié)果Table 8 Results of different multi-criteria approaches

3.2.5 靈敏度分析

為進(jìn)一步驗(yàn)證所提出方法的魯棒性和有效性，對(duì)不同決策權(quán)重系數(shù)v下的決策結(jié)果變化進(jìn)行靈敏度分析，重點(diǎn)分析了不同決策權(quán)重參數(shù)設(shè)置下的決策結(jié)果變化情況。在FVIKOR方法中，最大群體效用的決策權(quán)重系數(shù)v的取值對(duì)決策結(jié)果影響較大，v變化范圍為[0, 1]，參數(shù)變化情況如表9所示。

表9 不同場(chǎng)景下的最大群體效用的決策權(quán)重系數(shù)

從表10可知，當(dāng)僅考慮主觀權(quán)重時(shí)，服務(wù)可靠性和服務(wù)能力的權(quán)重值較大，其他權(quán)重值較小，由于F4的服務(wù)可靠性和服務(wù)能力要優(yōu)于F2，且最大權(quán)重值為0.234 4，導(dǎo)致R較大，進(jìn)一步導(dǎo)致Q值變化大，進(jìn)而影響決策結(jié)果。因此，當(dāng)v≤0.3 時(shí), FDEMATEL-FVIKOR的決策結(jié)果為F4；當(dāng)v≤0.3時(shí)，F(xiàn)DEMATEL-FVIKOR的決策結(jié)果為F4；當(dāng)v>0.3時(shí)，F(xiàn)DEMATEL-FVIKOR的決策結(jié)果為F2，魯棒性較差。當(dāng)只考慮客觀權(quán)重時(shí)，服務(wù)時(shí)間和服務(wù)成本的權(quán)重值較大，其他權(quán)重值較小，F(xiàn)1的服務(wù)時(shí)間和服務(wù)成本要優(yōu)于F2，且最大權(quán)重值為0.2303，導(dǎo)致個(gè)別遺憾值R較大，進(jìn)而影響決策結(jié)果。當(dāng)v≤0.4 時(shí)，EW-FVIKOR的決策結(jié)果為F1；當(dāng)v>0.4 時(shí)，EW-FVIKOR的決策結(jié)果為F2，魯棒性較差。對(duì)于本文提出的方法，充分考慮了主觀、客觀權(quán)重，使得各指標(biāo)權(quán)重值較集中，無(wú)論參數(shù)v怎么變化，Q值變化不大，決策結(jié)果不會(huì)受到影響，進(jìn)一步驗(yàn)證了本文提出方法的有效性和魯棒性。

表10 不同場(chǎng)景的決策結(jié)果Table 10 Decision results under different scenarios

4 結(jié) 論

1) 在分析云制造環(huán)境下機(jī)床裝備資源特性基礎(chǔ)上，利用本體理論和web服務(wù)技術(shù)分別對(duì)機(jī)床裝備資源建模和服務(wù)化封裝，通過(guò)實(shí)例驗(yàn)證了方法的可行性。

2) 建立模糊DEMATEL和熵值法的權(quán)重計(jì)算及組合方法，融合模糊VIKOR建立混合多準(zhǔn)則決策模型。

3) 機(jī)床裝備資源選擇結(jié)果及靈敏度分析驗(yàn)證了FDEMATEL-EW-FVIKOR混合多準(zhǔn)則決策模型的有效性及魯棒性，可作為云制造環(huán)境下機(jī)床裝備資源選擇的一種有效手段。