基于模糊AHP和证据理论的产品族状态评价.pdf

《基于模糊AHP和证据理论的产品族状态评价.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

第9期组合机床与自动化加工技术No．92015年9月ModularMachineTool&AutomaticManufacturingTechniqueSept．2015文章编号：1001—2265(2015)09—0151—06DOI：10．13462／j．cnki．mmtamt．2015．09．043基于模糊AHP和证据理论的产品族状态评价冰高晓亮，王浩伦(华东交通大学机电工程学院，南昌330013)摘要：针对不确定性动态演进环境下产品族复杂系统运营状态评价问题，提出了基于模糊AHP和证据理论的产品族状态综合评价方法。从工程设计、市场需求一经济、生产能力和运营管理四个方面进行了产品族运行状态分析，在此基础上提出了产品族综合评价指标体系。采用模糊AHP获得各层次指标的权重值，并依据证据理论计算出各层指标的评价等级进而合成获得产品族状态的总评价等级。通过小型轮装产品族状态综合评价案例研究，验证了该方法的有效性。关键词：产品族；状态；FAHP；证据理论；综合评价中图分类号：TH164；TG506文献标识码：AConditionEvaluationoftheProductFamilyBasedonFuzzyAHPandD-STheoryGAOXiao—liang，WANGHao-lun(SchoolofMechatronicEngineering，EastChinaJiaotongUniversity，Nanchang330013，China)Abstract：Inordertoeffectivelyevaluatetherunningstateofthecomplexproductfamilysystemindynamicevolutionwithuncertaintyfactors，acomprehensiveevaluationmethodoftheproductfamilystateisprop．osedbasedonFAHPandtheD．STheory．Firstly．theissueofrunningstateintheproductfamilyevolutionprocessisanalyzedfromfouraspectsofengineeringdesign，marketdemand—economy，productioncapacityandoperationsmanagement，andonthatbasis，thecomprehensiveevaluationindexsystemoftheproductfamilyruningstateisestablished．Then．theweightcoefficientofmeindexineachlevelisobtainedusingFAHP．andthequalitativeandquantitativeanalysismethodsarecombinedtomaketheevaluationprocessmoreob{ective，theevaluationratingofindexineachleveliscalculatedaccordingtotheD．STheory，thentheoverallratingoftheproductfamilyrunningstateisacqu~edsynthetically．Finally，theeffectivenessoftl1ismethodisverifiedbythecasestudyoftherunningstateofthesmallsizewheelloaderfamily．Keywords：productfamily；state；FAHP；D—Stheory；syntheticevaluation元关联模型对产品族设计方案进行评价；文献[4]提0引言出了产品族评价图方法对产品族的通用性和多样性之随着市场、技术及资源等发展和变化，作为大规模间的均衡关系进行量化评价；文献[5]从多样性、物料定制型企业创新战略、核心技术以及组织管理的集中重用、制造装配复杂性、零件通用性等7个方面对产品体现～产品平台／产品族需要根据企业内外环境特征族配置设计进行了综合评价；文献[6]提出基于公理的变化而不断演进、优化和升级，以使企业能够持续保设计理论的产品族柔性程度评价方法。同时，也有学有和不断提升产品创新能力。产品族动态演进成为了者对产品族品质保证和成功基础的产品平台进行评企业获得持续竞争优势的关键。产品族状态评估价，文献[2]提出用平台效率和平台效用来衡量产品已成为产品族动态演进过程管理及企业平台升级和转族中产品平台和衍生产品的开发绩效；文献[7]主要型战略实施的关键任务之一，及时、准确和动态地掌握从技术性和经济型两大方面构建评价体系结构对公共产品族的整体运营状况，把握其总体发展水平，找出各产品平台设计进行综合评价；文献[8]在考虑产品平方面潜在的困境或瓶颈问题以及可能发挥的潜力，为台的社会生态效益的基础上，采用平衡计分卡绩效评产品族进一步演进提供设计和管理等方面的依据，从价方法对产品平台绩效进行评价；文献[9]从时间、成而最大限度地发挥企业面向大规模定制的产品族系统本、通用性、定制性等6个方面建立产品平台的综合评的最佳效益。价体系；文献[10]提出了一种包括6个维度19项平台目前，国内外学者对产品族评价的研究主要有：文评价指标的产品平台评价工具。现有对产品族评价的献[3]集成层次分析法和物元分析理论，采用多维物收稿日期：2014—11—19；修回日期：2015—01—11基金项目：国家自然科学基金资助项目(71172055)；江西省科技厅科技支撑计划(20123bbf60169)；江西省教育厅科技项目(GJJ13313)作者简介：高晓亮(1963一)，男，江西南昌人，华东交通大学讲师，硕士，研究方向为大规模定制设计；王浩伦(1981一)，男，浙江金华人，华东交通大学讲师，博士，研究方向为产品族设计与评价，(E—mia1)haolun123@163．corn。 ·152·组合机床与自动化：／jn-r技术第9期研究主要集中在企业产品族概念设计问题，如，产品族品族状态程度显然是不全面的，尽管设计和经济方面设计方案排序选择，产品族／产品平台绩效评价，以及能够直接影响产品族状态变化，但在企业产品族实现注重提高产品平台的通用性所带来好处的评价方法；上述适应性时，还受到生产能力等企业内部资源的制另一方面，对产品族或产品平台的评价大多是静态的，约以及运营管理方面协调和辅助对产品族整个系统运没有考虑技术、市场客户等因素引起的变化，这些评价营的状态间接产生影响。可见，产品族状态是指在产方法也就难以有效地帮助企业管理者了解产品族演化品族演进过程中某一时期企业各种定制产品所达到的的动态特性、产品族体系结构变化的复杂性、新产品配物理和功能特性、市场经济效益情况、生产和运营管理置设计生产过程的可控性以及产品族演进对企业发展能力等系统各相关部分的优劣程度的综合描述。因的战略性。因此，从动态演进角度对产品族的运营状此，本文对产品族状态分别从产品族的工程设计、市场态问题进行系统和全面的评价对于深入理解和掌握产需求与经济效益、企业生产能力和产品族运营管理等品族发展变化的就显得非常必要。四个方面进行综合评价。图1所示，产品族状态综合由于产品族系统结构复杂性以及其演进过程受外评价体系结构。界各种因素的影响，从企业与产品族相关的各项业务中获得的信息一般是不完整和模糊的，甚至可能是矛工程盾的，同时不同的评定人员采用不同的方法存在一定设人为性和主观性，可见产品族状态评价有很大的不确计B1定性。因而，选择一种合适的不确定性理论对产品族客户满意度C9的动态运行状态进行准确评价是十分重要的。为此，产需品求市场占有率C10本文提出了基于FAHP和证据理论的产品族状态综合族l经评价方法。综合各层指标评价等级获得产品族状态的状产品竞争力C11济态评价等级，通过实际案例研究，验证了该方法的有效综产品销售增长率C12合性。生评产价1产品族状态分析与评价体系A能力B3企业不但采用基于平台的产品族设计方法来实现平台战略C20{大规模定制设计满足市场个性需求，而且通过产品族运营信息反馈与处理C21演进保持其在市场上的竞争实力，以实现企业的产品管奚磊甄圃发展战略，因而产品族演进可以认为是企业战略性产理品创新和战术性产品创新的综合表现。从设计角度而激励机制有效性C23言，产品族演进是基于时间和空间两个维度来实现的：图1产品族状态评价体系结构在空间维度上，由于市场网格区间个性一化一客户一需一一求一一的一～一～2一一模一糊一AH一P一和一证一据理一论多样性使产品族往往要基于产品平台纵向和横向扩展两种策略来实现，这一结果就是产品品种数量的增加，2．1模糊AHP产品族结构体系变得更加复杂化；在时间维度上，技术文献[11]在层次分析法(AHP)的基础上提出用和需求的变化使得产品族中的个性产品在功能或结构模糊集取代判断矩阵中的数，进而求得各元素的模糊上需要不断进行改进或添加或删除等，面向功能和物权重，为FAHP的产生奠定了基础。该方法主要是基理结构变换的产品变型设计以及设计变更使得产品族于以下定义、定理和结论。中的产品数据需要不断动态更新，以避免产品数据庞定义1：若矩阵A=(0)⋯满足，(0≤n≤1大冗余和管理困难。同时，产品族的演进是与企业经=1，2，⋯，n)，则称A是模糊矩阵；若模糊矩阵A=济利益和发展意志相关联的，在决定产品族演进方向(口)⋯满足口aji=1，(i，=1，2，⋯，n)，则称模糊的过程中企业产品族在市场竞争环境下状态好坏的评矩阵A是模糊互补矩阵；若模糊矩阵A=(a)⋯满足估成为至关重要的问题。因而，本文的主要目的就是对Vi√，k有：口=口一0+0．5，(i，_，=1，2，⋯，几)，确立一个产品族状态的综合评价体系和方法，在此基则称模糊矩阵A是模糊一致矩阵。础上，帮助管理者了解产品族系统在各方面以及整体定理2u：模糊互补矩阵R=(r)⋯是模糊一致的优劣情况，分析和改进产品族演进过程出现的缺点，矩阵的充要条件是：任意指定行(列)和其余各行(列)使企业在设计与市场间取得平衡，并为产品族的演进对应元素之差为某一常数，或者存在一n阶非负归一决策提供依据。化的向量W=(W，W：，⋯，W)及一正数II,使得产品族作为企业和市场联系的桥梁，当产品族在a=0(W一)+0．5，(i√=1，2，⋯，n)(1)工程设计能够实现客户满意度最大化，实现企业经济定理3：如果模糊判断矩阵A中的元素与其权效益最大化时，这说明企业的产品族能够很好地适应重满足关系式口=口(W—Wj)+0．5，则必须有=与对手竞争的市场环境并且满足市场个性需求，企业i1一1+ix：：，式中。为满足。≥的参与市场之间能够形成一种类供需关系的均衡状态。若⋯只强调产品族在设计和经济方面的适应性的来决定产 2015年9月高晓亮：基于模糊AHP和证据理论的产品族状态评价·153·值)，最后从下而上对各级指标进行合成，获得产品族数；且Vi,j∈使得一≤—wi≤，0≤状态的综合评价，并根据评价结果对产品族相关的四2Wi≤．一个方面进行改进分析，提出一些改进的措施。n。3．1指标权重标度设定由定理3，文献[14]认为A中任意2个元素的权在互补标度中0．1～0．9标度应用最为广泛，但是重之差与参数成反比，且越小表明决策者重视元素间这种标度实际上缩小了元素之间重要性对比的范围。重要程度的差异，为提高分辨率，取n=，则有例如，假设元素a完全决定目标的实现程度，但是在0．1～0．9标度下却无法给出a分配权重w。=1。为[2(∑：：。。*)一1】(√=1，2，⋯，n)(2)了考虑极限情况，这里采用11个等级的0～1标度，见2．2证据理论表1所示。表1指标间相对重要性与标度等级的对应关系证据理论，也称为D—S理论，是由Dempster首先a决定a．绝对a1明显ala2a，明显a，绝对a．决定提出，后由Shafer发展而形成的。D．s证据推理作为语言描述目标没a2没有a：同等比a2比a2目标概率论的推广，可有效地处理不确定性推理的问题，具状况重要重要重要重要重要状况有融合信任度上升、不确定性减小、信息量增加等优01口2相对0重要性：101：93：75：57：39：110：0点，是一种处理不确定性的决策算法u。设0为一个有限的结果空间，称为辨识框架。0的子集称为一个标度值0O．10．30．50．7O．9l命题，0的幂集2是由0的所有子集构成的集合，即23．2指标处理与一致性转化中的每个元素都对应一个命题。定义2L】：对任意命题A，如果集函数m：2[0，(1)定量指标的无量纲化为了消除不同指标和量纲的影响，针对不同类型1]满足：①m(ck)=0；②m(A)≥0，且∑的定量指标，本文采用一种均值变换法，该方法首先求m(A)=1，则称m为0上的基本概率赋值，简称mass出所有指标值的平均值，然后用各指标值比上其平均函数。如果A0，且m(a)>0，则称A为焦元，m值得到无量纲化后的指标值：(A)表示证据对命题A的信任程度。i|1一M定义3[1-17]：设VA0，则由Bel(A)=YiYi／Yiy／亩Yi，i=1，2，⋯，d(4)∑m()定义的函数Bel：2¨[o，1]称为信任函式中Y为产品族状态评价体系的第i个指标当前实际数。数值，Y为无量纲化后的指标值，d和M分别为定量定义4[1：设是A的补集，则由P(A)=1一指标和该指标历史时段个数，本文取M=3。Bel(~t)定义的函数P：2¨[0，1]称为似然函数。(2)指标值的一致性转化可见，m(A)表示的是恰好对集合A的精确信任假设将指标值按一定的标准划分为Ⅳ个评价等程度。而Bel(A)表示对A的总信任度，P(A)表示对级，将每个评价等级看成一个灰类，则有』v个评价灰所有与A有关(交集非空)集合的总信任度。设Bel，类，，，⋯，。对于定量指标，将无量纲化的指标Bel，⋯，Bel是同一辨识框架0上的信任函数，m，值看成灰类数，由决策者给出某一指标属于第n个灰m，⋯，m是其对应的基本概率赋值函数，如果Bel④类的白化权函数引g(n=1，2，⋯，Ⅳ)；白化权函数的Bel：①⋯①Bel存在，其基本概率赋值函数为：性质有[0，1]，但由于各灰类的定义不具有排他性，因m(A)=K∑”．1^^口m(A-)⋯m(A)(3)而可能有∑g≠1，将其形式做归一化处理为：Ⅱ’’2，⋯，Ⅳ(5)其中，K=[1一∑．—m(A。)⋯m(A)]～=，【∑AI‘：置，n·(At)⋯，n(An)]一其中，．表示指标i被决策者评估为级别的可信，程度。对于定性指标，可以直接把它评定为一个评语。式(3)即为D-s合成法则，它是一个反映证据联合作用的法则。给出同一识别框架上基于不同证据的3．3基于证据推理的评估模型信任函数，如果这几个证据不是完全冲突的，那么就可在产品族状态评价问题中，设一个有限的底层指以用D—S合成法则计算出在这几个证据联合作用下产标集为C={c。，C，⋯，C}；0．9是指标C的权重，且满生的信任函数。足≥0，∑：：。0．9=1。假设每个指标的语言评价等3产品族状态综合评价过程级为(n=1，2，⋯，Ⅳ)。不失一般性，这里语言评在实施产品族演进过程的状态评价时，首先必须价是一个预先定义的由5个元素构成的有序集合，确定分析状态评价范围，明确分析评估目的；接着根据即日={很好日。，好，一般，差，很差}。如构建产品族状态综合评价指标体系结构，通过FAHP果指标C；的评价等级为日时，表示对产品族状态在获得评价指标体系中各级指标的权重，分别对定性和指标c的评价等级为很好。／3表示产品族状态在指定量指标进行分析和处理；然后运用证据理论对底层标ci上的评价等级为的置信程度，即s(厂(C))=指标予以评价(明确处于优、良、中、差等级的评价{，，}，=1，2，⋯，5；0≤．≤1。若屈．值越大， ·154·组合机床与自动化Jj~-r技术第9期表示专家对产品族状态在指标上的评价等级为日的50，尸()=25，P()=0。置信程度越大。考虑图l所示的上下两层次的评价问那么，对该产品族状态A做出总体评价P，(A)，题，记6(=1，2，⋯，．，)为二级指标；c(i=1，2，⋯，根据公式(19)计算总评价值：，舯肛)为底层指标。1P(A)=一[P⋯(A)+Pi(A)】(15)步骤1：构造基本概率分配函数。首先将影响产种，m品族状态的指标C={C，c，⋯，c}看成是证据推理其中，P(A)：(卢(A)+H(A))P(H。)+方法的证据，将评价等级日={，n=1，2，⋯，5}作∑：：卢()P(日)；Pmin(A)=∑：：，卢(A+)P()+为识别框架。设m是一个基本可信度，它表示在指(卢(A)+(A))P(H5)。日一标C下判断产品族状态为日的程度，m表示未被分=+4案例分析配的可信度，则+mⅢ=∞(6)某小型轮式装载机生产企业最，初的小型轮装产品．一～Ⅲ一一=1一∑5(7)品种就15型一种，较单一，之后再此机型上改进陆续，n一开发了16、18、20等三类机型，同时各型号都J有多种变m日=1一(8)．型配置设计的品种产品。因而，随着企业多样机型设=[1一∑：。](9)一计技术发展和生产能力的不断提升，该小型轮装产品+一(n：1，2，⋯，5；i=1，2，⋯，)族也在不断发展演进。～应用上述方法，对该企业小型其中，表示指标i的权重；表示产品族状态给出～轮装产品族的状态进行评价和分析。的分布评价；m表示考虑指标权重对产品族状态的4．1确定指标权重mn已知判断，m=一m+m洲；其中，表示指标权小型轮装产品族的评价指标体系包括工程设计、重形成的对产品族状态的未知判断；而删表示证据信市场一经济、生产能力和运营管理四个方面，首先以指息本身不完全形成的对策方案的未知判断。A步骤2：采用合成法则对下级指标证据进行合成标体系结构的中的“工程设计BI”8个子指标为例。指标权重确定过程如O下O：O0000O得到上级指标的置信度。这里对二级指标b，下证据信58462567第1位专家为8个子指标确定的模糊互补判断矩息进行合成，得出不同评价等级下的置信度，即m，OO000O0O阵A，用定理2检验该矩阵可知它并不一致，根据定理，。同理，对所有上级指标下证据信息进行合252313444可得模糊一致判断矩阵。成，然后计算总置信度。OOO0OOOO68553466m()=O0OO0OOO47552356O0OOOO0O89785465OOOO0O0O57676556OO00OOO0464545560．50O．26O．500．430．610．550．450．40000OO0O0364454450．740．500．740．660．850．790．690．641、●●●●●●●●●●●●●●●●●●J0．500．260．50O．440．610．55o．450．40习么，80．570．340．56O．500．690．630．530．48一，玎、={}：卢(』4)=(13)0．390．150．39O．310．500．440．350．291一，Ⅱ／2，0．450．210．450．670．560．500．400．35{}：(A)=(14)0．550．310．550．470．650．600．500．451一，，JJ0．600．360．600．520．710．650．550．50公式(13)、(14)提供了归一化过程，表示对未知利用定理3可得第1位专家给出的指标权重为信任度值适当地进行分配，卢(A)和()表示产品1：(0．11，0．18，0．11，0．14，0．08，0．11，0．13，0．14)。族状态A的所有判断信息合成后的信任程度。其中同理，可得另外两位专家给出的指标权重分别为：(A)表示对产品族状态在总指标下为日等级的置=(0．12，0．20，0．10，0．12，0．08，0．11，0．16，0．11)；信程度，而(A)则表示未知程度。步骤3：计算产品族状态A的总评价值，并进行=(0．13，0．17，0．12，0．13，0．10，0．10，0．12，0．13)。设三位专家的权威性相同，得到指标权重综合判断：总体评价。由于产品族状态评价系统是不完备的，所=(0．12，0．18，0．11，0．13，0．08，0．11，0．14，0．13)。以专家对产品族状态A总得评价值是一个区间，即由此计算得到c级和B级指标的权重值。[P(A)，P(A)]，其中P(A)和P(A)分别表示专家对产品族状态A的最小评价值和最大评价值。4．2基于证据推理的评价过程若P(A)一P(A)的值越大，说明评价结果不确定本文将小型轮装产品族状态的评估等级分为5个性越大。为了便于评价，本文采用百分之对各评价等等级，即H={很好日，好，一般，差，很差级进行赋值，即：P(H)=100，P(Hz)=75，P()=}。针对定性指标，根据该企业专家的知识背景和 2015年9月高晓亮：基于模糊AHP和证据理论的产品族状态评价·155·工作经历给出各评价等级(n=1，2，⋯，5)的信度；表6小型轮装产品族状态评价指标体系表对于定量指标，由式(4)将各定量指标进行无量纲化，产品族状态评价值尸～(A)=51．951本文给出白化权函数为g。[一，一，0．1，0．5]，g[0．1，B级指标C级指标c1(0．12．46．88)0．5，一，0．9]，g[0．5，0．9，一，0．3]，g[0．9，1．3，一，e2(0．I8．65．0o)1．7]，g[1．3，1．7，一，一]，根据式(5)将定量指标转c3(0．11．40．o0)B1c4(0．13．85．00)换成评价等级。仍以指标体系结构的中的“工程设计工程设计(O．25，54．865)c5(0．08．32．5O)B1”8个子指标为例。见表2，工程设计的C级指标情c6(0．11．40．o0)况。e7(0．14。62．5O)c8(0．13．50．0o)表2工程设计的C级指标情况e9(0．27，55．o0)B2el0(0．26，45．00)需求一经济(O．35，67．927)el1(0．15。35．0o)c12(o．32，82．5O)c13(0．21．60．00)el4(0．14。26．25)B3el5(0．17．25．oo)生产能力(0c16(0．15．25．00)．20，44．554)c17(0．15．67．5O)el8(0．08．37．50)c19f0．1O．67．5O、其中，根据式(5)将定量指标c1的评价转化成信c20(0．36，50．00)度形式，而其余定性指标的评价由专家直接给出信度B4c21(0．25，57．5O)运营管理(0．20，56．931)c22(0．26，35．oo)评价。再由式(6)一(9)可以得到底层(C级)指标的c23(0．13。50．00)评价等级的基本可信度值，见表3，工程设计C级指标P(H)=1oo，P()=75，P(H3)=50，P()=25，P(H5)=0评价等级的基本可信度值。表3工程设计C级指标评价等级基本可信度及评价值小型轮装产品族的状态评价值为P⋯(A)=C级基本可信度值一P删(c)51．951，表明该轮装产品族总体状态处于中等偏下水miImi2ml3mi4mI5m1Ⅳm1．，．．平，介于“一般”和“差”等级之间。从表6中可以进一elOO0．1050．015OO．88O46．88c200．1080．054O0O．82O．01865．0o步看出，该小型轮装产品族在工程设计、需求．经济、生e3O00．O660．O44O0．89O40．oo产品和运营管理四个方面中，B3生产能力为较差部c40．0780．026O000．870．02685．00c50O0．0160．056O0．92O．oo832．50分，其中如c14自制购件比、el5物料供应和c16生产c60O0．0660．O44OO．89040．oo柔性方面都处在“差”的级别上，这些需要进一步加以c7O0．0700．O420O0．860．02862．5Oe80OO．117OO0．87O．O1350．0o改善。例如合理调整自制购件比率，尤其是减少小型轮装产品中个性定制程度较高的零部件的生产，包括根据式(10)～(15)，先对C级指标评价等级信度一些可以协同制造的关键零部件；在物料供应协调管进行合成，得到B级指标下评价等级置信度及评价理方面，应加快完善企业信息化建设，提高小型轮装产值，见表4。同理，再对B级指标进行合成得到产品族品族基础信息分析和管理能力；提高小型轮装产品的状态的总体评价，即P一(A)=51．951。评价结果见大型结构件的焊接工艺工装的重用性和制造柔性等。表5所示。另外，B1工程设计中c5设计重用、B2需求一经济中表4B级指标评价等级置信度及评价值el1产品竞争力、B3生产管理中c18员工素质和B4运B级mlmdm‰Bl(0．25)O．O420．1210．2700．0880营管理中c22突发事件处理等方面的评价结果为“一B2(O．35)0．3310．O990．1410．195O般”偏“差”，这些也是企业亟待改进的方面。综上，尽B3(O．20)O0．1500．1360．2580．0137管小型轮装产品族的状态整体评价低于“一般”水平，134(0．2O)O0．3020．3520．0730但是从B级和c级指标的评价情况来看，并非处在极B级mjP(bi)P(b)P一()B1(0．25)0．4000．07948．24561．48554．865度困境中，而且企业通过这一评价可以有针对性地进B2(0．35)0．2ll0．02366．45769．39667．927行解决问题并有效地优化企业内部资源。B3(O．20)0．3590．08438．18850．92144．554B4f0．2o)0．2550．03743．69270．17156．9315结论表5总指标下各评价等级的置信度及评价值在大规模定制生产模式下，产品族状态评价是产口．(A)口：(A)(A)口。(A)岛(A)(A)P一(A)“(A)一(A)品族动态演进过程中的关键一环。通过对产品族演进O．O600．1740．2460．210O．0030．30836．53967．36251．95l过程中产品族状态的分析，提出了产品族状态评价指标体系结构，进一步，针对在动态演进环境下评价信息4．3分析的不完整性、模糊性和不确定性问题，研究了基于模糊应用模糊AHP和证据理论方法对产品族状态进AHP和证据理论的产品族状态综合评价方法，并给出行评价，表6呈现了该企业的小型轮装产品族状态评小型轮装产品族的状态评价案例。从案例应用来看，价主要的结果。评价的结果与实际遇到的问题吻合，从而验证了该方 ·156·组合机床与自动化加工技术第9期法的有效性。产品族状态评价结果为企业管理者和设[J]．大连理工大学学报(社会科学版)，2009，30(4)：计人员发现产品族在演进过程中存在的问题提供了指17——22．导。因此下一步的工作重点是在本文方法的基础上如[9]贡智兵，李东波，于敏健．大规模定制产品平台的综合评价模型研究[J]．中国机械工程，2007，18(13)：1576—何筛选和解决产品族深层次的技术上和管理上有助于1580．推动产品族演进的创新性问题。[10]KevinOtto，KatjaHohta—Otto．Amulti．criteriaassessment[参考文献]toolforscreeningpreliminaryproductplatformconcepts[1]王毅，范保群．新产品开发中的动态平台战略[J]．科研[J]．J．Intel1．Manuf．2007，18：59—75．管理，2004，25(4)：97—103．[11]PJMvanLaarhoven，WPedrycz．Afuzzyextensionof12】MeyerMH，TertzakianP，UtterbackJM．Metricsforman．Saaty’Sprioritytheory[J]．FuzzySetsandSystems，1983，agingresearchanddevelopmentinthecontextoftheproduct11(1—3)：199—227．family[J]．ManagementScience，1997，43：88～111．[12]张吉军．模糊层次分析法(FAHP)[J]．模糊系统与数[3]单汨源，李果，陈丹．大规模定制产品族设计方案多维物学，2000，14(2)：80—88．元关联评价研究[J]．计算机集成制造系统，2006，12[13]王阳，李延喜，郑春艳，等．基于模糊层次分析法的风(7)：1146—1152．险投资后续管理风险评估研究[J]．管理学报，2008，5[4]XiaoliYe，HenriJThevenot，FabriceAlizon，eta1．Using(1)：54—58．productfamilyevaluationgraphsinproductfamilydesign[14]吕跃进．基于模糊一致矩阵的模糊层次分析法的排序[J]．InternationalJournalofProductionResearch，2009，[J]．模糊系统与数学，2002，16(2)：79—85．47(13)：3559—3585．[15]段新生．证据理论与决策、人工智能[M]．北京：中国[5]ThevenotHJ，TWSimpson．Acomprehensivemetricfore—人民大学出版社，1993．valuatingcomponentcommonalityinaproductfamily[J]．[16]RonaldR．Yager．Onthedempster．shaferframeworkandJournalofEngineeringDesign，2007，18(6)：577—598．newcombinationrules[J]．InformationScience，1987，41：[6]DanB，TsengMM．Assessingtheinherentflexibilityof93—137．productfamiliesformeetingcustomizationrequirementsIJ1．[17]YangJB．Ruleandutilitybasedevidentialreasoningap—Int．J．ManufacturingTechnologyandManagement，2007，proachformuhiattributedecisionanalysisunderuncertain—10(2／3)：227—246．ties[J]．EuropeanJournalofOperationalResearch，2001，[7]秦红斌，肖人彬，钟毅芳，等．面向产品族设计的公共产131(1)：31—61．品平台评价与决策[J]．计算机集成制造系统，2007，13[18]刘思峰，党耀国，方志耕，等．灰色系统理论及其应用(7)：1286—1294．[M]．5版，北京：科学出版社，2010．(编辑李秀敏)[8]丁振华．基于加权模糊逻辑推理的产品平台绩效评价(上接第150页)[5]杜福银，徐扬，卢明立，等．一种作业车间调度问题的Hopfield神经网络优化方法[J]．机床与液压，2006(11)：3结论4—6，9．本文以某底盘厂实际生产数据为学习样本，建立[6]丁慧强，李之岱，东明．包装钢带并行生产线排产优化问改进型的BP神经网络，并利用训练好的模型对未来题研究[J]．冶金经济与管理，2006(4)：22—24．的产生计划进行BTS预测，由于BTS主要受生产节[7]李朝兴，冶林茂，乔春贵，等．BP神经元网络算法改进试验[J]．河南气象，1999(1)：41．拍、生产排程及其他因素影响，对未来的BTS预测则[8]王卫东，李净，张福存，等．基于BP神经网络的太阳辐射可在一定程度上反应出调度部门是否安排出与生产线预测——以兰州市为例[J]．干旱区资源与环境，2014，生产能力相适应的排产计划。若生产线预测BTS较28(2)：185—189．低则调度人员可以适当调节生产排程计划，提高预测[9]韩磊，李锐，朱会利．基于BP神经网络的土壤养分综合BTS值，这样可以更好的适应当前生产线的生产能力。评价模型[J]．农业机械学报，2011，42(7)：109—115．[参考文献][10]王吉权，王福林，邱立春．基于BP神经网络的农机总动[1]朱文铜．基于改进BP神经网络的铁路货运量预测[J]．力预测[J]．农业机械学报，2011，42(12)：121—126．石家庄铁道大学学报(自然科学版)，2014，27(2)：[11]孟召平，田永东，雷呖．煤层含气量预测的BP神经网络79—82．模型与应用[J]．中国矿业大学学报，2008，37(4)：[2]WaterqualityforecastthroughapplicationofBPneuralnet—456—461．workatYuqiaoreservoir[J]．JournalofZhejiangUniversity[12]王崇骏，于汶滁，陈兆乾，等．一种基于遗传算法的BP(ScienceA：AnInternationalAppliedPhysics&；Engi—神经网络算法及其应用[J]．南京大学学报(自然科学neeringJourna1)，2007，9：1482—1487．版)，2003，39(5)：459—466．[3]郭文刚．基于BP神经网络的船舶航迹控制技术[J]．舰[13]伊力哈木·亚尔买买提，哈力旦·A．基于改进BP神经船科学技术，2014，36(8)：87—93．网络的人脸识别算法[J]．计算机技术与发展，2010，20[4]王德明，王莉，张广明．基于遗传BP神经网络的短期风(12)：130—132．速预测模型[J]．浙江大学学报(工学版)，2012，46(5)：(编辑李秀敏)837—841．904．