[发明专利]一种考虑机器多维特征属性的作业车间瓶颈识别方法

权利要求书

1.一种考虑机器多维特征属性的作业车间瓶颈识别方法，其特征在于：包括以下步骤：

步骤1：采用优化算法确定作业车间的最优调度方案Ω：

Ω＝{{B₁₁,…,B_v1,…,B_e1;C₁₁,…,C_v1,…,C_e1;Z₁₁,…,Z_v1,…,Z_e1},…,{B_1i,…,B_vi,…,B_ei;C_li,…,C_vi,…,C_ei;Z_li,…,Z_vi,…,Z_ei},…,{B_1m,…,B_vm,…,B_em;C_lm,…,C_vm,…,C_em;Z_lm,…,Z_vm,…,Z_em}}

其中，B_vi表示第v∈E＝{1,2,…,e}个工件在第i∈M＝{1,2,...,m}台机器上的开始加工时间，C_vi表示第v个工件在第i台机器上的加工完成时间，Z_vi表示第v个工件在第i台机器上的工装准备时间；

步骤2：建立机器集为A＝{A₁,A₂,...,A_m}，评价属性集为X＝{X₁,X₂,...,X_n}；根据步骤1得到的最优调度方案Ω，计算每个机器各评价属性值，得到用于瓶颈识别的决策矩阵D＝(x_ij)_m×n，x_ij是第i个的机器的第j个评价属性值；

步骤3：采用向量标准化方法将步骤2的决策矩阵D＝(x_ij)_m×n转换成标准决策矩阵R＝(r_ij)_m×n：

rij=xij/Σi=1mxij2]]>

步骤4：采用熵权法确定评价属性权重，评价属性权重向量W＝(ω₁,ω₂,...,ω_j,...,ω_n)：

步骤4.1：将各评价属性值标准化，其中第j个属性下第i台机器的无量纲化属性值p_ij为：

pij=xij/Σi=1mxij]]>

步骤4.2：计算第j个评价属性的熵值E_j：

Ej=-δΣi=1mpijlnpij]]>

其中δ＝1/lnm，保证了0≤E_j≤1；

步骤4.3：计算第j个属性的信息偏差度d_j：

d_j＝1-E_j

步骤4.4：对信息偏差度进行归一化计算权重：

当决策者没有评价属性间的偏好时：

ωj=dj/Σj=1ndj]]>

当决策者有评价属性间的偏好时：

ωj=λjdj/Σj=1nλjdj]]>

其中λ_j为决策者的主观权重；

步骤5：将步骤4得到的评价属性权重纳入标准决策矩阵R＝(r_ij)_m×n中，得到加权标准化决策矩阵V＝(v_ij)_m×n＝(ω_jr_ij)_m×n；

步骤6：确定评价属性的正、负理想解A⁺和A^-：

A+={(maxivij|j∈J),(minivij|j∈J′)|i=M}={v1+,v2+,...,vj+,...,vn+}]]>

A-={(minivij|j∈J),(maxivij|j∈J′)|i∈M}={v1-,v2-,...,vj-,...,vn-}]]>

其中J为效益型评价属性集合，J′为成本型评价属性集合；

步骤7：通过n维Euclid距离计算各机器与正理想解以及负理想解之间的距离：每台机器到正理想解的距离为：

Si+=Σj=1n(vij-vj+)2]]>

每台机器到负理想解的距离为：

Si-=Σj=1n(vij-vj-)2]]>

步骤8：计算每台机器与正理想解A⁺的贴近度C_i：

Ci=Si-/(Si++Si-),0<Ci<1]]>

得到贴近度C_i最大的机器为作业车间的瓶颈。

2.根据权利要求1所述一种考虑机器多维特征属性的作业车间瓶颈识别方法，其特征在于：评价属性包括机器负荷，机器利用率，活跃时间，活跃偏差，敏感度，单位有效产出，在制品队列长度和设备综合效率。