造纸烘缸既属压力容器又属大型转子类零件。影响维修质量的因素很多,虽然大多数质量因素是可以量化的,但仍有一些是不可量化的,比如疲劳损伤、运动的灵活性等指标是很难量化的,只能依靠专家的经验采取主观的办法评。各个因素对维修质量的影响程度也不尽相同。因此,烘缸维修质量评价是一个多因素、多层次的不确定性问题,具有很强的模糊性和随机性,传统的方法难以获得真实可靠的结果。云模型将模糊性和随机性有机结合起来,实现了定性语言值与定量数值之间的自然转换,为不确定问题的智能化推理提供了新的方法。文中利用云模型对烘缸食用维修质量进行综合评价,可有效提高评价结果的客观性、准确性。
1 烘缸维修质量评价指标体系
烘缸必须具有较高的强度、硬度、光滑的表面以及均匀的导热性和良好的气密性,较好的耐磨性和抗腐蚀性,另外,还需具有一定的几何精度以便达到静平衡。所以烘缸维修质量评价是一个多因素、多层次的复杂体系,参考有关文献及企业实际使用经验,文中总结出一套烘缸维修质量评价指标体系(如表1)。从表1可见,烘缸维修质量评价体系分两层,一级评价指由强度、性能等7个指标构成,二级评价指由内压力、耐腐蚀性等20个指标组成。在一级评价指标中,各指标对烘缸维修质量的重要性程度是不同的,同样,每个二级评价指标对其所属的一级指标的影响程度也不能同等看待,因此,必须用权重的形式来体现这些一、二级指标对烘缸维修质量水平的影响程度。
表1烘缸维修质量评价体系
一级指标 | 权重 | 二级指标 | 权重 |
强度U1 | w1=0.1802 | 内压应力U11 | w11=0.5043 |
离心应力U12 | w12=0.1486 | ||
温差应力U13 | w13=0.3471 | ||
变形U2 | w2=0.0918 | 弯曲变形U21 | w15=0.7327 |
扭曲变形U22 | w21=0.2673 | ||
疲劳U3 | w3=0.1628 | 表面裂纹U31 | w32=0.6122 |
表面剥落U32 | w32=0.3878 | ||
几何精度U4 | w4=0.1378 | 尺寸精度U41 | w41=0.2431 |
形状精度U42 | w42=0.3108 | ||
表面粗糙度U43 | w43=0.4461 | ||
安装精度U5 | w5=0.1249 | 静平衡 U51 | w51=0.4322 |
轴承间隙 U52 | w52=0.2668 | ||
运动灵活性 U53 | w53=0.3012 | ||
运动精度U6 | w6=0.1468 | 径向跳动 U63 | w61=0.3971 |
轴向窜动 U62 | w62=0.3517 | ||
角度摆动 U63 | w63=0.2512 | ||
性能U7 | w8=0.1540 | 气密性 U71 | w71=0.3754 |
导热性 U73 | w72=0.3349 | ||
耐磨性 U73 | w73=0.1703 | ||
耐腐蚀性 U74 | w74=0.1193 |
2 云模型理论
云模型的概念:云是用语言值表示的某个定性概念与其定量表示之间的不确定性转换模型,它把不确定概念的模糊性和随机性有机地结合在一起,构成定量与定性之间的映射。
设U 是一个用精确数值表示的定量论域,C 是U 上的定性概念,若定量值x∈U,且x是定性概C的一次随机实现,x对C 的确定度是具有稳定倾向的随机数,则 x 在论域U 上的分布称为云,每个 x 称为一个云滴。云由许多云滴组成,每一个云滴就是这个定性概念映射到数域空间的一个点,即一次具体实现[6]。
云模型数字特征:云用期望Ex、熵En和超熵He三个数值特征来表征,记为(Ex,En,He),它们反映了定性概念的定量特征。Ex表示的是概念在论域的中心值,是最能够代表这个定性概念的点,反映了云的重心位置。En是定性概念不确定性的度量,一方面反映数域空间可被语言值所接受的范围,即模糊度,另一方面反映了数域空间的点能代表这个语言值的概率,熵揭示了模糊性和随机性的关联度。He是超熵的不确定性的度量,即熵的熵,反映了在论域空间代表该语言值的所有的点的不确定度的凝聚性,它的大小间接地反映了云的离散程度和厚度。
云发生器:云的生成算法称为云发生器。它建立起了定性和定量之间相互联系、相互依存的映射关系。云发生器主要有正向云发生器和逆向云发生器两种。
正向云发生器是从定性到定量的映射,其输入是云的数字特征(Ex,En,He)和云滴数量 N,输出是 N 个云滴在数域空间的定量位置及每个云滴,代表概念的确定度。具体算法如下:
(1)以 En为期望值,He为方差产生一个正态随机数;
(2)以Ex为期望值,为方差产生一个正态随机数x;
(3)以、Ex、x为参数,计算数值y=;
(4)组合(x,y),形成云滴;
(5)重复步骤(1)~(4)直至产生 N个云滴。
云运算:云运算是按照某种应用目的,对各个基础云的数字特征参数进行计算,以得到的结果作为数字特征构造成一个新的云。基于云模型的目标评价,在获得单个指标的评价云模型后,还必须进行云运算,逐步获得高一层评价指标的综合云,直至完成总目标评价。云运算方法种类较多,文中采用下述算法获得综合云特征参数(Ex,En,He) 。
3 云模型评价烘缸维修质量方法
确定权重:传统的1-9 标度法确定权重只能取整,属性的重要性最少为1个数值的差距,导致权重数值差距较大,有时与事实不吻合。文中采用一种改进的1-9 标度法以弥补其不足。
首先对各指标的重要程度进行评分,分数由1到9之间,可以为小数,不同的指标分数可以相同,然后对指标的得分进行两两比较,并通过其差值确定判断矩阵E=(eij)n×n。若评价指标i和j得分分别为ai和aj,则eij的值为:(7)
式中,eij为评价指标i 相对于评价指标j的重要程度值,i=j=1,2,…,n;显然,
e ii=1, eji=1/eij。
为了保证最终指标权重的精确性,1-9 标度法通常需要进行一致性检验,过程复杂繁琐。文中采用最优传递矩阵进行改进,使之自然满足一致性要求,无需进行一致性检验。
确定评语集:评价集是评判者对评判对象可能做出的各种总的评判结果组成的集合。烘缸维修质量采用模糊评语表示,评语集为:V={v1,v2,v3,v4,v5}={很好,较好,一般,差,很差}。评分采用十分制,所属分值区间为:很好∈(9,10),较好∈(8,9),一般∈(6,8),差∈(4,6),很差∈(0,4)
4 实例研究
以武汉晨鸣汉阳纸业有限公司某纸机1500×2900球磨铸铁烘缸维修质量评价为例,组织有关7位专家按照表1所列出的烘缸维修质量评价体系内容,结合缸维修质量标准逐一对各项指标进行检查评分,可量化的指标根据专家实测数据与标准对照换算成分值,不可量化指标由专家根据观察结果直接给分。以采集得到的评分作为数据样本,利用逆向云发生器对每个二级指标的数据进行处理,得到所有二级评价指标的云模型数字特征参数。由于篇幅所限,文中仅以计算一级评价指标“性能”U7对应的4个二级指标云模型的数字特征为例。专家给这4个二级指标和权重的评分如表2所示(权重分为平均分)。
表2二级评价指标及权重的评分
二级指标 | 权重分(ai) | z1 | z2 | z3 | z4 | z5 | z6 | z7 |
气密性U71 | 8.12 | 9.5 | 8.8 | 9.6 | 9.3 | 9.8 | 9.0 | 9.7 |
导热性U72 | 7.86 | 9.8 | 9.0 | 9.5 | 9.4 | 9.7 | 9.6 | 9.1 |
耐磨性U73 | 6.74 | 9.4 | 8.7 | 9.7 | 9.2 | 9.8 | 9.5 | 9.6 |
耐腐蚀性U74 | 5.88 | 9.6 | 9.0 | 9.2 | 9.5 | 9.8 | 9.4 | 9.7 |
5 结语
在纸机烘缸维修工程中,一方面除了需要一定的维修技术之外,维修管理也是一个重要环节,特别是维修质量评价,是整个维修工作的落脚点。维修质量评价评价是个系统工程,不仅需要知道维修后设备是否合格,还需要更详细掌握维修质量状况,为设备的使用与维护提供决策依据。文中构建了一种针对性强、操作性好的纸机烘缸维修质量评价指标体系,采用了改进的1-9 标度法确定权重,并且将云模型引入到评价过程中来,不仅可以得到评价结果及其隶属度,还可以通过云滴的分布情况,直观细致地掌握评价结果,使得评价结果更具客观性、科学性。
联系客服