物料搬运设备选择问题的集成模糊多准则决策方法及应用
Guuml;lfem Tuzkaya, Bahad1r Guuml;lsuuml;n, Kahraman C , et al
关键词：物料搬运设备选择 多标准决策 模糊集 模糊PROMETHEE 模糊ANP
摘要：
物料搬运设备选择问题(MHESP)是物流企业的一个重要决策问题。因为它对制造业和服务业的生产率有直接影响。本文提出了一种综合模糊多准则决策方法。该方法是利用模糊集、分析网络过程(ANP)和偏好排序组织方法用于富集评价(PROMETHEE)方法。MHESP的评价标准是加权的，然后，采用模糊- anp (F-ANP)方法对不同的物料处理设备进行了评价。该方法适用于某制造企业证明其有效性。最后进行了敏感性分析，验证了结果的敏感性对权重变化的评价标准。
1.引言：
物料搬运设备选择问题(MHESP)是企业的一个重要决策领域，它直接影响到企业的生产和服务生产率。这种直接影响使得选择合适的机器和物料搬运设备成为当今制造基础设施系统的战略决策过程。由于存在许多可行的替代方案和相互冲突的目标，MHESP是一个复杂而耗时的问题。此外，近年来，设施设计的频繁变化、产品生命周期的缩短、产品质量的提高、交货周期的缩短以及产品多样性的增加，都增加了该研究领域的重要性(Luong, 1998;公园,1996)。
通常的机器选择方法是识别应用需求，将它们与可用机器的规格匹配，然后选择成本最低的机器，因为成本被视为最重要的直接因素(Tabucanon, Batanov， amp; Verma, 1994)。Sujono和Lashkari(2007)将MHESP定义为在考虑要处理的产品的所有方面的情况下，选择物料处理设备在工作区域内执行物料操作。物料搬运占总成本的30-75%，高效的物料搬运主要负责将制造系统运营成本降低15-30% (Kulak, 2005;Sujono amp; Lashkari, 2007;Sule, 1994)。因此,通过选择正确的数量和类型的机器,一个组织可以降低投资成本,维护和操作成本,提高机器利用率,改善布局的机器(如只购买所需的机器数量和类型),和提高效率和生产力的设施(由于改善布局和减少交通拥堵)(Tabucanon et al ., 1994）。
MHESP中的一个关键问题是考虑在实施阶段选择适合制造操作和需求的技术。当实施新的MHEs,决策者可以面临以下问题(陈德良,1998):(i)选择技术,将最有利于公司考虑公司的目标和操作特征,(2)金融投资的理由,(iii)开发一个执行计划,确保计划目标得到满足时所选择的技术实现和评估。
在选择合适的MHEs时有几个错误。特别是在公共部门的公司，由于缺乏系统的选择方法和无法量化无形因素，(初始)成本被认为是(设备)选择决策中最安全和最没有争议的因素(Tabucanon et al.， 1994)。除此之外，仓储设备完全被忽略。此外，专家(规划人员、管理人员)根本不考虑所选设备的业绩评价过程。在实际实施之前，通过性能预测来证明所选择的设备模型是有价值的(Park, 1996)。生产过程中的作业分配与物料搬运作业有明显的关系。当物料搬运系统设计不充分时，对该任务的规划会导致机器利用率低，物料搬运利用率低，制造周期长(Sujono amp; Lashkari, 2007)
在设备和机器选择问题中，考虑到许多不同和冲突的标准，需要对有限数量的备选方案进行排序。因此,这个问题被认为是一个多目标决策问题(指标)(Dag˘deviren, 2008)。有许多可能的方法来分类现有的MHESP MCDM方法。Belton和Stewart(2002)将其分为三类:价值度量模型，如多属性效用理论(MAUT)和层次分析法(AHP);排在前面的模型有消除模型(Et)选择转化现实模型(ELECTRE)和富集评价的偏好排序组织方法(PROMETHEE)，最后是目标期望模型和参考水平模型(technology)，即通过与理想溶液的相似性来排序偏好的技术(TOPSI)
不同的研究人员研究了MHESP的不同多准则决策（MCDM）方法。不同的综合层次分析法(AHP)方法在许多不同的研究中得到了广泛的应用。近二十年来，许多研究人员在各种工程应用中都采用了这种方法。其中一个最近的研究是由Dag˘deviren(2008)使用AHP-PROMETHEE综合方法的选择最合适的设备。Tabucanon等人(1994)提出了一种AHP集成专家系统(ES)，将用于多准则决策的AHP技术与基于规则的ES创建技术相结合。Luong(1998)描述了计算机集成制造(CIM)评价定量/定性决策支持系统的开发。AHP提供了一种同时考虑CIM的有形和无形好处的方法，而数据库则用来存储CIM可能提供的各种好处的知识。Chakraborty和Banik(2006)重点研究了层次分析法在特定物料搬运设备下选择最优物料搬运设备中的应用;输送系统，工业卡车，起重机，起重机和辅助设备。Chen, Ip, and Lau(2001)开发了一个名为MHESA:物料搬运设备选择顾问的智能系统，其中一个专家系统与AHP集成。
虽然,层次分析法被广泛使用在许多指标问题,在传统的层次分析法有一些缺点(Ayag˘amp;奥兹德米尔,2006;Saaty, 1981);(AHP方法主要用于几乎清晰的决策应用,(2)层次分析法(AHP)中创建和处理非常不平衡的判断,(3)AHP方法没有考虑与将一个人的判断映射到一个数字相关的不确定性,(4)AHP方法的排名相当不精确,(5)决策者的的主观判断,选择和偏好对层次分析法的结果有很大的影响。此外，人类对单个客户需求的相对重要性的评估总是主观和不精确的。人们用来表达情感或判断的语言术语通常是模糊的。尽管量表具有简单易用的优点，但它没有考虑到将一个人的感知(或判断)映射到一个数字时的不确定性(Buyukozkan et al.， 2004)。此外，层次分析法只考虑定性和定量因素的层次结构。但是，由于标准(内部/外部)的依赖关系以及集群之间和集群内部(标准、备选方案)的影响(Tuzkaya amp; Onut, 2008)，许多需要系统决策的问题不能分层。分析网络过程(ANP)方法是Saaty和Takiawz(1986)提出的，是层次分析法的扩展。实际上，各种标准层次结构中的元素通常是相互依赖的，但是低级元素可能控制高级元素。这个过程中也存在反馈关系，因此，这个结构类似于一个网络系统(Lin, Tsai, Shiang, Kuo， amp; Tsai, 2009)。为了解决这类不精确问题，并处理多准则决策（MCDM）问题中复杂网络类型的准则关系，可以采用模糊- anp (F-ANP)方法。
不像其他的排名方法在文献中,可以定义不同的偏好函数的标准PROMETHEE法方法(Dag˘deviren, 2008)。与其它MCDM方法相比，它是一种概念简单、应用广泛的排序方法。它很好地适应了在考虑几个有时相互冲突的标准时对有限数量的可选操作进行排序的问题(Bilsel, Buyukozkan， amp; Ruan, 2006)。根据Ulengin et al。(2001), PROMETHEE法的优点有:(i) PROMETHEE法是一个用户友好的级别高于方法,(2)它已经成功地应用于现实生活规划问题和(iii) PROMETHEE法i和ii PROMETHEE法允许部分和替代品的总排名,同时仍然满足简单。本文将“模糊环境下PROMETHEE方法的推广”(F-PROMETHEE)与F-ANP相结合，以解决模糊环境下PROMETHEE方法的不精确性。本文的其余部分组织如下:第2节介绍了所提出方法的数学背景，第3节介绍了所提出的综合F-ANP和FPROMETHEE方法。在第四节中，为了更好地理解所提出的方法，给出了一个实际应用，并在最后一节中给出了结论。
2.数学背景
2.1.模糊集
与本研究相关的模糊集的一些定义。
定义1.话语X世界中的模糊集的特征在于隶属函数，其与X中的每个元素x相关联，区间[0,1]中的实数。 函数被称为中的x的隶属度（Chen，2001）。
定义2.三角形模糊数(图1)可以定义为一个三元组;模糊数的隶属函数定义如下(Wang amp; Chang, 2007):
设、为三个参数和的三角模糊数;然后分别操作
图1所示。三角模糊数的隶属函数。
这两个三角模糊数的规律如下(Wang amp;张,2007):
定义3。语言变量是一个以语言术语为值的变量(Chen, 2001)。
语言变量的概念在处理过于复杂或定义过于模糊而无法用传统的定量表达方式合理描述的情况时非常有用。这些语言变量也可以用模糊数表示(Chen, 2001)。
2.2.ANP和F-ANP
ANP是一种综合决策技术，它能够包含所有与决策结果有关的准则。层次分析法(AHP)是ANP的出发点(Jharkharia amp; Shankar, 2007)。ANP提供了一个通用框架来处理决策，而不需要对某个级别内的元素之间的相互依赖性做出假设。事实上，ANP使用网络而不需要像在层次结构中那样指定级别。影响是ANP的核心概念。ANP是一个有用的工具，用于预测和代表各种竞争对手的猜测互动和他们的相对优势，在决策中发挥影响。ANP是两个部分的耦合;第一个是控制层次结构或控制交互的标准和子标准网络，第二个是元素和集群之间的影响网络(Saaty, 1999;Tuzkaya amp; Gulsun, 2008;Tuzkaya, Onut, Tuzkaya， amp; Gulsun, 2008)。在某些情况下，如果决策问题存在模糊性，利用模糊集是一种有效的方法。因此，在本研究中，我们倾向于使用ANP的模糊版本。在文献中,Tuzkaya Onut (2008), Promentilla, Furuichi, Ishii, Tanikawa (2008), Ayag˘和奥兹德米尔(2006),Buyukozkan et al。(2004)是作品的例子从F-ANP利用方法。在F-ANP中，为了评估决策者的偏好，采用三角模糊数构造成对比较。mn模糊矩阵如式(8)所示，元素表示元素m(行元素)与元素n(列元素)的比较。如果是两两比较矩阵(见式(8))，则假设取倒数，取倒数值即1/赋给元素 (Tuzkaya amp; Onut, 2008):
也是一个三角形、模糊的两两比较矩阵。这里有几种方法来估计模糊重点,,其中=;并且i=1,2,..., n，由判断矩阵，近似模糊比，使。其中对数最小二乘法是一种应用最广泛、最有效的方法。用该方法计算了代表准则相对重要性的三角形模糊权值、准则的反馈量以及根据各准则的选择量。计算三角形模糊权重的对数最小二乘方法如下(Tuzkaya amp; Onut, 2008):
如前所述，对备选方案进行评估。在此步骤之后，为了将备选项的权重转换为清晰的数字，使用了三种方法:Changrsquo;s degree analysis(1996)方法、Center of Area (COA)方法(Sugeno, 1985)和Yager Index (Yager, 1981)。Changrsquo;s extent analysis approach的步骤是将Zhu, Jing, and Chang(1999)的改进整合在一起。设为对象集，为目标集，取每个对象，分别对每个目标gi进行程度分析。因此，可以得到每个对象的m个范围分析值，符号为(Buyukozkan et al.， 2004):
(10)
其中所有 (j = 1,2，hellip;， m)为三角模糊数(TFNs)。
Changrsquo;s degree analysis的步骤如下:
步骤1。定义模糊综合程度相对于第i个对象的值为
获得,执行模糊加法操作的程度为特定的矩阵,分析价值
获得,执行模糊版操作(j = 1, 2,hellip;hellip;， m)这样的值
然后计算方程(12)中向量的倒数
步骤2。这个可能性的程度被定义为
可等价表示为:
其中d是和最高的交点的纵坐标用来比较和，我们需要的值和和
步骤3。凸模糊数大于k凸模糊数Mi(i = 1,2，hellip;, k)可以被
假设
为;k = 1,2，hellip;， n和k - i，然后权向量由
其中Ai (i = 1,2，hellip;， n)为n个元素。
步骤4。通过归一化，归一化后的权向量为
其中W是一个非模糊数。归一化权向量也可以通过文献中的其他方法得到。其中之一是面积中心(COA)方法。这项技术是由Sugeno(1985)开发的。这也是最常用的技术之一。COA技术可以表示为
其中x*是去模糊的输出，是聚合的隶属函数，x是输出变量。该方法的唯一缺点是对复杂的隶属函数计算困难。
另一种去模糊化方法是Yager Index (Yager, 1981)，由式(22)简单计算。
2.3. 富集评价的优先级排序组织方法和 F-富集评价的优先级排序组织方法
PROMETHEE(富集评价的优先级排序组织方法)是由Brans et al.(1984)、B
全文共11692字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[2099]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
