[发明专利]一种云制造环境下面向铸造企业的浇注机资源匹配方法

摘要

本发明提供了一种云制造环境下面向铸造企业的浇注机资源匹配方法。建立云制造环境下浇注机资源匹配的多维目标分量体系；由具有互异可信度的多位决策专家给出待匹配浇注机资源在各维目标分量上的梯形模糊数评估值，用粗糙数法集成多位决策专家的意见并获得待匹配浇注机资源在各维目标分量上的综合梯形模糊数评估值；对综合梯形模糊数评估值矩阵进行去模糊化处理，转换为综合评估值矩阵；根据待匹配浇注机资源在各维目标分量上的综合评估值矩阵，对云制造环境下浇注机资源匹配的多维目标分量体系进行降维，获取主成分；分别通过熵权法和标准差法计算主成分的权重，求解融合权重；对待匹配浇注机资源进行排序，识别出最优化的浇注机资源进行匹配。

主权项

1.一种云制造环境下面向铸造企业的浇注机资源匹配方法，其特征在于，包括如下步骤：步骤1：建立云制造环境下浇注机资源匹配的多维目标分量体系；云制造环境下浇注机资源匹配目标用IdentifyingTarget表示，IdentifyingTarget包括n维目标分量1,2,...,n，这里n＝11，目标分量1为浇注机资源的加工服务时间,目标分量2为浇注机资源的加工服务成本,目标分量3为浇注机资源的加工服务质量，目标分量4为浇注机资源的加工服务知识水平，目标分量5为浇注机资源的可靠性，目标分量6为浇注机资源的绿色性，目标分量7为浇注机资源的容错性，目标分量8为浇注机资源的可维护性，目标分量9为浇注机资源的安全性，目标分量10为浇注机资源的企业信誉，目标分量11为浇注机资源的技术保障能力；步骤2：由具有互异可信度的多位决策专家给出待匹配浇注机资源在各维目标分量上的梯形模糊数评估值，用粗糙数法集成多位决策专家的意见并获得待匹配浇注机资源在各维目标分量上的综合梯形模糊数评估值；步骤2.1：设置l位决策专家的可信度依次为l位决策专家分别给出m项待匹配浇注机资源在n维目标分量上的梯形模糊数评估值，其中决策专家k给出的待匹配浇注机资源i在目标分量j上的梯形模糊数评估值为这里k＝1,2,...,l；i＝1,2,...,m；j＝1,2,...,n；为梯形模糊数，这里均为0.1到0.9之间的实数，且满足步骤2.2：用粗糙边界区间法集成多位决策专家的意见并获得待匹配浇注机资源在各维目标分量上的综合梯形模糊数评估值；步骤2.2.1：l位决策专家给出的待匹配浇注机资源i在目标分量j上的梯形模糊数评估值依次为分别构造集合集合集合集合步骤2.2.2：计算集合a_i,j中所有元素的粗糙边界区间，其中元素的粗糙边界区间为分别为元素的粗糙下边界和粗糙上边界；步骤2.2.3：计算集合a_i,j的粗糙边界区间为步骤2.2.4：设置五级评语：很差G1、差G2、中等G3、好G4、很好G5，依次对应效能值：π1＝0.1,π2＝0.3,π3＝0.5,π4＝0.7,π5＝0.9；计算RN(ai,j)属于评语Gu的隶属度θu，这里u＝1,2,3,4,5；计算集合a_i,j的效能值π(a_i,j)，(1)若其中p＝1,2,3,4，则π(a_i,j)＝θ_pπ_p+θ_p+1π_p+1；(2)若且其中p＝1,2,3，则π(a_i,j)＝θ_pπ_p+θ_p+1π_p+1+θ_p+2π_p+2；(3)若且其中p＝1,2,3,4，o＝1,2,3,4，且o＞p+1，则π(a_i,j)＝θ_pπ_p+θ_p+1π_p+1+...+θ_oπ_o+θ_o+1π_o+1；步骤2.2.5：采用与步骤2.2.2‑步骤2.2.4同样的方法，计算集合bi,j的效能值π(bi,j)、集合ci,j的效能值π(ci,j)、集合di,j的效能值π(di,j)，从而得到待匹配浇注机资源i在目标分量j上的综合梯形模糊数评估值为Ei,j＝(π(ai,j),π(bi,j),π(ci,j),π(di,j))；步骤2.2.6：采用与步骤2.2.1‑步骤2.2.5同样的方法，计算所有待匹配浇注机资源在所有目标分量上的综合梯形模糊数评估值，得到综合梯形模糊数评估值矩阵为：步骤3：对综合梯形模糊数评估值矩阵进行去模糊化处理，转换为综合评估值矩阵；将E转换为综合评估值矩阵其中对于待匹配浇注机资源i在目标分量j上的综合梯形模糊数评估值E_i,j＝(π(a_i,j),π(b_i,j),π(c_i,j),π(d_i,j))，进行去模糊化处理后得到的综合评估值为步骤4：根据待匹配浇注机资源在各维目标分量上的综合评估值矩阵，对云制造环境下浇注机资源匹配的多维目标分量体系进行降维，获取主成分；步骤4.1：对综合评估值矩阵进行标准化处理，得到标准化综合评估值矩阵其中这里步骤4.2：计算标准化综合评估值矩阵的相关系数矩阵其中这里步骤4.3：计算相关系数矩阵的特征值，得到特征值向量为χ＝[χ₁,χ₂,...,χ_n]，其中χ₁,χ₂,...,χ_n按从大到小排列；χ₁,χ₂,...,χ_n所对应的特征向量依次为Δ₁,Δ₂,...,Δ_n，其中Δ_j＝[Δ_j,1,Δ_j,2,...,Δ_j,n]^T，这里j＝1,2,...,n；步骤4.4：依次计算第j个目标分量的贡献率步骤4.5：依次计算前n′个目标分量的累积贡献率其中n′≤n；当大于或等于80％时，选取前n′个目标分量作为主成分，用Δ₁,Δ₂,...,Δ_n′构造n×n′维的矩阵Δ，进而将m×n维的标准化综合评估值矩阵E″＝(E″_i,j)_m×n降维为m×n′维的新矩阵E″′＝(E″′_i,j′)_m×n′，这里E″′＝E″·Δ；步骤4.6：对新矩阵E″′＝(E″′_i,j′)_m×n′进行规范化处理后得到矩阵E″″＝(E″″_i,j′)_m×n′，其中这里e为自然对数的底；步骤5：分别通过熵权法和标准差法计算主成分的权重，求解融合权重；步骤5.1：根据矩阵E″″＝(E″″_i,j′)_m×n′，通过熵权法计算n′个主成分的权重向量为β＝[β₁,β₂,...,β_n′]^T，其中这里j′＝1,2,...,n′，步骤5.2：根据矩阵E″″＝(E″″_i,j′)_m×n′，通过标准差法计算n′个主成分的权重向量为γ＝[γ₁,γ₂,...,γ_n′]^T，其中这里j′＝1,2,...,n′，步骤5.3：建立权重融合模型其中ε₁,ε₂为融合因子，解得得到融合权重向量为ω＝[ω₁,ω₂,...,ω_n′]^T，其中ω_j′＝ε₁β_j′+ε₂γ_j′。步骤6：对待匹配浇注机资源进行排序，识别出最优化的浇注机资源进行匹配。步骤6.1：根据矩阵E″″＝(E″″_i,j′)_m×n′，计算最优解和最劣解其中和分别表示m项待匹配浇注机资源在主成分j′上的最优值和最劣值，j′＝1,2,...,n′，这里步骤6.2：分别计算待匹配浇注机资源i的群体效益值个别遗憾值这里i＝1,2,...,m；步骤6.3：分别计算待匹配浇注机资源i的集成值这里i＝1_,2,...,m，其中S^*＝max{S₁,S₂,...,S_m}，S^#＝min{S₁,S₂,...,S_m}，R^*＝max{R₁,R₂,...,R_m}，R^#＝min{R₁,R₂,...,R_m}；步骤6.4：将待匹配浇注机资源分别按照Si、Ri、Qi进行升序排列，得到三种排序结果；步骤6.5：m项待匹配浇注机资源按照Qi进行升序排列的排序结果表示为Ξ(1),Ξ(2),...,Ξ(J),...,Ξ(m)，其中J＝1,2,...,m；若Ξ⁽¹⁾满足以下两个条件：(1)其中Q(Ξ⁽¹⁾),Q(Ξ⁽²⁾)分别表示排在第一位和第二位的待匹配浇注机资源的集成值，(2)Ξ⁽¹⁾代表的待匹配浇注机资源按照S_i、R_i升序排列依然排在第一位，那么Ξ⁽¹⁾即为最优化的浇注机资源；若Ξ⁽¹⁾不能同时满足条件(1)和条件(2)，分为两种情况：如果Ξ⁽¹⁾不满足条件(2)，则最优化浇注机资源为Ξ⁽¹⁾,Ξ⁽²⁾；如果Ξ⁽¹⁾不满足条件(1)，则最优化浇注机资源为Ξ⁽¹⁾,Ξ⁽²⁾,...,Ξ^(J)，其中J为根据确定的最大化的J值。