基于犹豫模糊集的制造过程多指标定量综合评价法.docx

基于犹豫模糊集的制造过程多指标定量综合评价法 王宏伟 冉琰 张根保摘 要：制造过程的稳定性是企业保障产品质量的基础，针对以往过程管理中缺乏系统的、全面的定量分析工具的问题，建立了面向制造过程的多指标定量评价体系，对制造过程的各影响因素进行具体分析定点评价，并基于犹豫模糊理论和多准则决策方法给出了过程因素期望指数和制造过程期望指数的计算步骤，以评价等级表的方式将制造过程所处的生产状态进行量化表达.实例分析表明，该方法能帮助管理者直观有效地评价制造过程状态，为企业在数字化生产建设方面提供更多维度的管理数据.关键词：犹豫模糊集;多准则决策;制造过程;综合评价Abstract：Stability of manufacturing process is the basic for the company to guarantee the produce quality. In view of the lack of systematic and comprehensive quantitative analysis tools in the past process management， a multi-index quantitative evaluation system for manufacturing process is established. The influence factors on manufacturing process are analyzed and evaluated， and the calculation steps of process factor expectation index and manufacturing process expectation index are given based on the hesitant fuzzy theory and multi criteria decision making method. The production state of manufacturing process is expressed quantitatively by the rating scale. Case analysis shows that the method can help managers to evaluate the manufacturing process status intuitively and effectively， and provide more dimensional management data for enterprises in digital production construction.Key words：hesitant fuzzy sets;multi-criteria decision making;manufacturing process;comprehensive evaluation面对竞争空前激烈的商业环境，产品质量是一个企业赖以生存和发展的基石.而制造过程作为全面质量管理中的最重要的环节，是保障零件加工质量的基础.因此对制造过程的定量分析控制一直都是企业管理需要解决的首要任务.目前，全面质量管理中常用的分析工具有：亲和图法1-2或KJ法（Affinity diagram）、关联图法3（Interrelationship diagraph）、树形图法4-5（Tree diagram）、时间管理优先矩阵6（Prioritization matrix）、过程决策程序图7（Process decision program chart）、活动网络图8（Activity network diagram）、六十秒即时换模9（Single minute exchange of die）. 这些方法主要是对管理过程中的信息进行分类和处理，不能实现系统定量地评价制造过程的状态.此外，在批量生产中常用过程能力指数（Process capability index）实现以加工结果来定量评价制造过程能力 10 .为了更好的保证制造过程的稳定性和可控性，不仅需要针对加工结果进行评价，还需要建立合理的制造过程评价模型，对制造过程的各影响因素进行定点控制.影响制造过程的主要因素包括人员（Personnel）、设备（Equipment）、材料（Material）、工作方法（Method）、环境（Environment）和测量（Measurement）等11. 重庆大学张根保教授等12对各因素的影响机理进行了分析并提出了相应的控制措施，但只适用于指导制造过程改进并未提出定量的评价方法.因此本文在此基础上进一步制定了各影响因素的定点定量评价指标体系，提出了过程因素期望指数的概念来直观地表达各影响因素的状态，并给出了相关计算公式和评价等级表.考虑到各因素对制造过程影响的重要程度是不同的，因此在进行制造过程综合评定的时候需要计算各影响因素的重要度值.对于不同的制造企业而言，各影响因素会因为企业需求和能力不同而具有不同影响程度，从而需要决策者根据多个评价准则来进行综合评估.为了解决这种多准则评价问题，在管理科学中已经提出了多种有效的数学模型. Zadeh13于1965年时提出的模糊集理论被广泛的应用于解决模糊信息下的评价问题. 基于模糊集理论，Torra14提出了猶豫模糊集概念，并研究了其与直觉模糊集的关系.犹豫模糊集体现了决策者在决策时的不确定性，相比传统的模糊集理论，包含了更多的不同表现形式的信息15-16. Xu等17提出了犹豫模糊熵的概念，并给出了相关的几种测度公式. Hu等18提出了一系列犹豫模糊信息的信息度量方法，包括距离、相似性和熵度量等.此外，犹豫模糊集在表达个体犹豫思维问题19及实现联合决策20等方面存在独特的优势.本文利用犹豫模糊集来处理制造过程多因素重要度评价问题，提出了一种结合犹豫模糊熵与成对比较矩阵的最优组合赋权法来确定评价指标权重，并利用犹豫模糊TOPSIS模型来定量度量各因素的重要度值.最终结合过程因素期望指数和各因素的重要度值，提出了制造过程期望指数的计算公式和评价等级表，从而完成了整个制造过程的多指标定量综合评价体系.1 制造过程多指标定量评价体系的建立制造过程各影响因素的水平决定了零件最终的加工质量，因此需要严格控制各项评价参数，做到系统变异可控. 对影响制造过程的人、机、料、法、环、测六个因素进行具体分析，以提高加工质量和具有可操作性为目标，制定各个因素定量评价指标，最终形成制造过程的多指标定量评价体系.1.1 人员因素量化指标根据HFACS人员因素分析模型21-23将人员因素对事故潜在或明显的失误划分为不安全行为、不安全行为的前提条件、不安全的监督和组织影响四个层次. 结合制造过程的人员因素失误分析，对企业一、二、三线人员24行为因素进行层次划分，以便于对实际生产过程中各种人员因素失误进行有效预防及控制. 制造过程人员因素分析与分类系统如图1所示.对于人员因素的控制要根据不同类型的人员在制造过程中的行为和影响，分别制定多维度评价指标，人员因素的定量评价指标如表1所示.1.2 设备因素量化指标设备因素主要以全员生产维修（Total Productive Maintenance，TPM）25为技术指导，以关键设备的采购管理和使用管理为对象进行量化指标评价，如图2所示，从而保证设备满足加工需求并能以良好的运行状态来完成加工过程.基于过程管理方法针对设备因素各维度制定定量评价指标如表2所示，根据评价结果为管理人员反馈当前设备因素状态，从而进行针对性的改进循环良性过程.1.3 材料因素量化指标材料因素的定量评价主要是以对材料的属性控制和缺陷预防为目的，在材料的采购、复检、贮存、冷热加工等阶段进行定点定量控制，从而保证材料在加工过程中具有良好的使用性和工艺性.针对材料因素的关键控制点制定定量评价指标如表3所示，通过各项指标的数值直观反映材料因素在各个环节中的状态，从而为管理人员控制生产过程追溯质量问题提供依据.1.4 方法因素量化指标方法因素包括制造过程中的技术类方法和管理类方法，技术类方法是零件在设计、加工、装配、试验等阶段所用到的各类工艺、标准、规范等，管理类方法主要是企业的质量管理体系和6 s现场管理方法等.方法的科学性和完整性是制造过程稳定进行的基本保障.因此针对方法因素关键控制点制定定量评价指标如表4所示.1.5 环境因素量化指标环境因素主要是制造过程中的作业现场和零件仓库的温度、湿度、空气洁净度等指标.环境条件对高精度加工和装配有着至关重要的作用，因此对环境因素的各项指标需要严格定量控制，定量评价指标如表5所示.1.6 測量因素量化指标测量因素是制造过程中被测对象的测量值接近真实值的基本保证，只有稳定有效的测量系统才能保证测量结果的准确性.测量因素的评价主要从测量设备、测量程序和测量环境来进行定点定量控制，定量评价指标如表6所示.2 综合评价方法的运算过程2.1 过程因素期望指数概念制造过程各个影响因素包含了若干个评价指标，为了能直观评价各影响因素的状态，给决策者提供定量的评价值，因此将各过程影响因素距离期望值的偏差程度定义为过程因素期望指数（Process factor expectation index，PF），用以对各因素各项评价统计结果进行分析，计算过程如下：2.2 确定过程因素重要度评价指标令人员、设备、材料、方法、环境、测量各因素分别表示为X = x1，x2，x3，x4，x5，x6，为了对各因素进行重要度评定，提出了控制难易程度、控制成本、费效比、稳定性、对零件精度敏感性5个评价指标，表示为D = d1，d2，d3，d4，d5，其属性权重向量 = 1，2，3，4，5，6T未知，且要求满足j = 1，j 0. 其中属性d1、d2、d3为成本型属性，即属性值越小该因素权重越大;d4、d5为效益型，即属性值越大该因素权重越大.也就是说控制难易程度越小、控制成本越低、费效比越低，该因素的重要度就越大;稳定性越高、对零件精度敏感性越大，该因素的重要度就越大.3 计算重要度评价指标权重熵与犹豫模糊集理论相结合从而产生了犹豫模糊熵，犹豫模糊熵在权重确定中的意义在于，犹豫模糊熵越大，决策者对于评价结果的判断越模糊不确定，说明决策者对评价指标相对比较难判断，从而赋予的权重也应较小;反之，犹豫模糊熵越小，赋予的权重也应越大.熵权法通过对评价数据本身信息量进行提取分析来确定权重大小，具有很强的客观性，但当评价信息差异程度小的时候，根据犹豫模糊熵所得到的权重的准确性将会降低，因此本文采用最优组合赋权法来确定评价指标的最终权重.计算步骤为：3 实例分析为了进一步说明该方法的适用性和实施过程，本文对某数控转台制造工厂的转台制造过程进行评价.3.1 数控转台制造过程多指标评价体系根據前面的各因素评价指标对数控转台制造过程进行定量评价，得到各因素的评价值如表10所示.3.2 计算过程因素期望指数根据公式（1）（6），取各因素各项评价指标实际值与期望值所允许的最大差值为0.2，从而计算得到表11.通过过程因素期望指数等级表可知，材料和测量因素为特级属于理想状态，应当保持，而人员因素、设备因素、方法因素和环境因素为一级状态，决策者需要根据实际加工需求和生产成本，对实际值低的指标进行合理改进.对于人员因素而言，评价值最低的两项为质量意识及精细化操作培训率和无失误行为率，主要原因是新入职的人员只接受了岗位培训还未接受进一步的精益生产相关培训，并且大多数失误行为也是这些人员对操作流程不熟悉导致的，因此在下一步计划中重点安排新职员的培训工作.对于设备因素而言，评价值较低的几项为设备使用率、定期点检执行率、正常使用时间占比，主要原因是部分老旧设备停机故障导致，因此在下一阶段对这部分设备加工能力进行评估，针对可修复的机器进行一次全面检修.方法因素中评价值较低的主要是现场管理执行率和管理体系评审满意度，主要原因是当前订单量的增大导致员工工作量增加，对于车间现场6 s管理出现了松懈，各项管理制度并未完全按照规定执行，因此需要增强员工质量意识，督促班组长要严格执行现场管理的打分工作.环境因素中的主要问题是车间现场出现油污杂物、工具随意摆放、多余零件未按规定存放等问题，因此下一步根据现场6 s打分情况制定奖惩措施，以起到督促员工现场管理意识.根据制造过程期望指数等级表可知，当前转台制造过程处于一级状态，部分影响因素稍微偏离理想状态，可能会对加工质量产生一定的影响，而方法因素和环境因素作为最重要的两个方面需要进行重点监督改进，根据3.2小节的分析结果可知，这两个因素中主要的问题在于现场6 s管理的执行率与合格率较低，因此决策者可以以此为依据并结合加工结果制定相应的改进计划，从而保证下一阶段的转台制造过程.4 结 论本文提出了一种基于犹豫模糊集的制造过程多指标定量综合评价方法，将传统的语言化和图形化的管理方法进一步数字化，实现了对制造过程各个影响因素的定点定量把控，为决策者对制造过程的管理控制提供了一套新的评价体系，以数值化形态更直观的反映制造过程所处的状态，促进了数字化生产更全面的实施.首先，对影响制造过程的人员、设备、材料、工作方法、环境和测量这六个因素进行具体分析，并制定各因素的定量评价指标，形成了完整的制造过程多指标评价体系. 其次，提出了过程因素期望指数和制造过程期望指数的概念，同时给出了相关公式和评价等级表，从而能直观的提供给决策者以定量的各因素当前状态以及制造过程当前的期望等级. 再次，在对各因素对制造过程影响的重要度值进行计算时，提出了犹豫模糊熵与成对比较矩阵的最优组合赋权法来确定重要度评价的指标权重，并利用犹豫模糊TOPSIS模型的改进相对贴近度值来定量度量各因素的重要度值.最后，将该方法应用到某转台制造工厂，以帮助决策者定量的分析企业制造过程的状态，验证了该方法的可行性.参考文献1 KIRAN D R. Total quality management：Key concepts and case studiesM. United Kingdom：Butterworth-Heinemann，2017：291311.2 AWASTHI A，CHAUHAN S S. A hybrid approach integrating Affinity Diagram，AHP and fuzzy TOPSIS for sustainable city logistics planning J. Applied Mathematical Modelling，2012，36（2）：573584.3 HOLTZBLATT K，BEYER H. Contextual design M. Second Edition. San Francisco：Morgan Kaufmann，2017：127146.4 ZHOU S W，XIANG J W，WONG W E.Reliability analysis of dynamic fault trees with spare gates using conditional binary decision diagramsJ.Journal of Systems and Software，2020，170：110766.5 RAHMAN S，KARANKI D R，EPINEY A，et al. Deterministic sampling for propagating epistemic and aleatory uncertainty in dynamic event tree analysis J. Reliability Engineering & System Safety，2018，175：6278.6 CHEN C C，WU C S，WU R C F.E-Service enhancement priority matrix：The case of an IC foundry companyJ.Information & Management，2006，43（5）：572586.7 CHU H W，TOSIRISUK P.Process decision program chart：from operations research to total quality controlJ.Computers & Industrial Engineering，1991，21（1/2/3/4）：111115.8 JAMNUCH R，VATANAWOOD W.Transforming activity network diagram with timed petri netsC/2019 12th International Conference on Information & Communication Technology and System （ICTS）. Surabaya，Indonesia：IEEE，2019：125129.9 GODINA R，PIMENTEL C，SILVA F J G，et al. A structural literature review of the single minute exchange of die：the latest trends J. Procedia Manufacturing，2018，17：783790.10 KANE V E.Process capability indicesJ.Journal of Quality Technology，1986，18（1）：4152.11 吴一凡.基于5M1E的飞机总装过程三维可视化及其管控方法D. 杭州：浙江大学，2019.WU Y F.5M1E-based 3D-visualization and monitoring of aircraft final assembly processD.Hangzhou：Zhejiang University，2019.（In Chinese）12 张根保，彭露. “数控机床可靠性技术”专题（八） 加工一致性技术J. 制造技术与机床，2015（2）：814.ZHANG G B，PENG L.Machining consistency control technologyJ.Manufacturing Technology & Machine Tool，2015（2）：814.（In Chinese）13 ZADEH L A. Fuzzy sets J. Information and Control，1965，8（3）：338353.14 TORRA V.Hesitant fuzzy setsJ. International Journal of Intelligent Systems，2010，25（6）：529539.15 夏梅梅. 模糊决策信息集成方式及测度研究D. 南京：东南大学，2012：4655.XIA M M. Research on fuzzy decision information aggregation techniques and measures D. Nanjing：Southeast University，2012：4655. （In Chinese）16 王国涛，何丽娜. 基于犹豫模糊DEMATEL与风险屋的供应链风险管理J/OL. 计算机集成制造系统，2020：1-18. http：/WANG G T，HE L N. Supply chain risk management based on hesitant fuzzy DEMATEL and house of risk J. Computer Integrated Manufacturing Systems，2020：118. （In Chinese）17 XU Z S，XIA M M. Hesitant fuzzy entropy and cross-entropy and their use in multiattribute decision-makingJ. International Journal of Intelligent Systems，2012，27（9）：799822.18 HU J H，ZHANG X L，CHEN X H，et al. Hesitant fuzzy information measures and their applications in multi-criteria decision makingJ. International Journal of Systems Science，2016，47（1）：6276.19 NARAYANAMOORTHY S，GEETHA S，RAKKIYAPPAN R，et al. Interval-valued intuitionistic hesitant fuzzy entropy based VIKOR method for industrial robots selection J. Expert Systems with Applications，2019，121：2837.20 杜傲，王堅，凌卫青. 基于犹豫模糊集的机器自主及人机联合多属性决策方法J. 计算机集成制造系统，2020，26（8）：20992108.DU A，WANG J，LING W Q.Machine autonomy and human-machine joint multi-attribute decision method based on hesitant fuzzy setsJ.Computer Integrated Manufacturing Systems，2020，26（8）：20992108.（In Chinese）21 SHAPPELL S A，WIEGMANN D A.The human factors analysis and classification system-HFACSEB/OL.200022 ILLANKOON P，TRETTEN P，KUMAR U. A prospective study of maintenance deviations using HFACS-MEJ. International Journal of Industrial Ergonomics，2019，74：102852.23 QIAO W L，LIU Y，MA X X，et al. A methodology to evaluate human factors contributed to maritime accident by mapping fuzzy FT into ANN based on HFACSJ.Ocean Engineering，2020，197：106892.24 張根保，周密. “数控机床可靠性技术”专题（十九） 可靠性工程之人员因素分析与控制J. 制造技术与机床，2016（1）：512.ZHANG G B，ZHOU M.Analysis and control of human factors in reliability engineeringJ. Manufacturing Technology & Machine Tool，2016（1）：512.（In Chinese）25 ZARREH A，WAN H，LEE Y，et al. Cybersecurity concerns for total productive maintenance in smart manufacturing systemsJ.Procedia Manufacturing，2019，38：532539.26 XU Z S，ZHANG X L. Hesitant fuzzy multi-attribute decision making based on TOPSIS with incomplete weight informationJ.Knowledge-Based Systems，2013，52：5364.27 HADI-VENCHE H A，MIRJABERI M. Fuzzy inferior ratio method for multiple attribute decision making problems J. Information Sciences，2014，277：263272. -全文完-