基于粗糙數(shù)和信息熵的產(chǎn)品設(shè)計(jì)方案灰色關(guān)聯(lián)評(píng)估模型

郭曉君， 劉思峰， 方志耕

(1.南京航空航天大學(xué) 經(jīng)濟(jì)與管理學(xué)院，江蘇 南京 211106； 2.南通大學(xué) 理學(xué)院，江蘇 南通 226019)

?

基于粗糙數(shù)和信息熵的產(chǎn)品設(shè)計(jì)方案灰色關(guān)聯(lián)評(píng)估模型

郭曉君1, 2， 劉思峰1， 方志耕1

(1.南京航空航天大學(xué) 經(jīng)濟(jì)與管理學(xué)院，江蘇 南京 211106； 2.南通大學(xué) 理學(xué)院，江蘇 南通 226019)

針對(duì)復(fù)雜產(chǎn)品方案設(shè)計(jì)中指標(biāo)屬性信息的不完全性和不確定性，研究了一種基于粗糙數(shù)和信息熵理論的灰色關(guān)聯(lián)評(píng)估模型。首先通過(guò)引入粗糙數(shù)序列的范數(shù)實(shí)現(xiàn)粗糙數(shù)評(píng)估矩陣的規(guī)范化處理，并利用熵權(quán)對(duì)指標(biāo)屬性值進(jìn)行權(quán)重集結(jié)，然后構(gòu)建理想最優(yōu)特征序列，并借助基于信息還原算子的粗糙相似關(guān)聯(lián)度來(lái)獲得最優(yōu)評(píng)估方案。信息熵賦權(quán)可減少主觀賦權(quán)產(chǎn)生的人為因素影響，信息還原算子可避免評(píng)估過(guò)程中的信息失真現(xiàn)象。最后通過(guò)工程機(jī)械產(chǎn)品的實(shí)例，驗(yàn)證了該評(píng)估模型的有效性和實(shí)用性，便于對(duì)復(fù)雜產(chǎn)品的方案設(shè)計(jì)進(jìn)行評(píng)估和優(yōu)選。

產(chǎn)品設(shè)計(jì)方案；粗糙數(shù)；熵權(quán)；信息還原算子；粗糙相似關(guān)聯(lián)度

0 引言

復(fù)雜產(chǎn)品方案設(shè)計(jì)的優(yōu)劣，一般需經(jīng)過(guò)對(duì)其技術(shù)性、經(jīng)濟(jì)性和社會(huì)性指標(biāo)的評(píng)估，因此復(fù)雜產(chǎn)品設(shè)計(jì)方案的優(yōu)選是一個(gè)具多重屬性且含不確定性因素的復(fù)雜系統(tǒng)評(píng)估問(wèn)題。同時(shí)，方案設(shè)計(jì)的評(píng)估是產(chǎn)品設(shè)計(jì)中最重要的環(huán)節(jié)，直接影響產(chǎn)品的后續(xù)研發(fā)與制造乃至整個(gè)工程系統(tǒng)的成敗，故采用科學(xué)有效的方法對(duì)復(fù)雜產(chǎn)品方案設(shè)計(jì)進(jìn)行評(píng)估和優(yōu)選具有重要的意義。產(chǎn)品設(shè)計(jì)方案評(píng)估是一個(gè)含有多重評(píng)估標(biāo)準(zhǔn)、涉及大量模糊數(shù)據(jù)的復(fù)雜過(guò)程，許多學(xué)者分別從不同角度進(jìn)行了大量研究，提出了很多研究方法和評(píng)估模型，常用的有主成分分析法[1,2]、層次分析法[3,4]、模糊綜合評(píng)判法[5,6]、灰色評(píng)判法[7,8]等以及上述方法的綜合運(yùn)用[9,10]。而對(duì)復(fù)雜產(chǎn)品的方案設(shè)計(jì)進(jìn)行評(píng)估時(shí)，某些指標(biāo)屬性值往往難以精確量化，且產(chǎn)品方案設(shè)計(jì)的工程特性也通常是模糊和不確定的，因此傳統(tǒng)的基于精確數(shù)的評(píng)估方法并不適合概括和處理這種模糊的數(shù)據(jù)信息。

粗糙集是一種新的處理模糊和不確定性信息的數(shù)學(xué)工具，以目標(biāo)集合的下近似和上近似來(lái)表達(dá)模糊信息，其中粗糙數(shù)[11,12]采用區(qū)間的形式表達(dá)信息的不確定性，利用所需處理數(shù)據(jù)來(lái)確定粗糙區(qū)間的下限和上限，不需要任何外部信息以及數(shù)據(jù)的分析調(diào)整，從而保持了信息的客觀性。文獻(xiàn)[13,14]提出粗糙數(shù)的概念來(lái)量化產(chǎn)品開發(fā)過(guò)程中的用戶和設(shè)計(jì)者的主觀感受，用粗糙數(shù)來(lái)代替評(píng)估模型中的精確數(shù)。同時(shí)，部分學(xué)者利用粗糙集理論對(duì)產(chǎn)品方案設(shè)計(jì)進(jìn)行了初步的研究[15～19]，但并未對(duì)指標(biāo)賦權(quán)作深入地討論。而利用各評(píng)估指標(biāo)下各方案指標(biāo)屬性值提供的信息熵，來(lái)評(píng)估所獲信息的有序度及其效用，進(jìn)而確定指標(biāo)權(quán)重，是較成熟的一種客觀賦權(quán)法，可減少主觀賦權(quán)法產(chǎn)生的人為因素影響，使得評(píng)估結(jié)果更符合客觀實(shí)際。

灰色關(guān)聯(lián)分析[20,21]，通過(guò)灰色關(guān)聯(lián)度量化指標(biāo)對(duì)系統(tǒng)動(dòng)態(tài)發(fā)展過(guò)程進(jìn)行量化分析，基本思想是根據(jù)序列曲線間的相似程度來(lái)判斷因素間的相關(guān)程度。優(yōu)勢(shì)在于對(duì)樣本量的多少及樣本有無(wú)分布規(guī)律沒(méi)有要求，且計(jì)算量小，適用于系統(tǒng)數(shù)據(jù)資料較少和不滿足統(tǒng)計(jì)要求的情況。該方法同樣適用于不確定的、具有多重屬性的評(píng)估問(wèn)題，通過(guò)衡量所有方案與理想?yún)⒖挤桨傅馁N近度，實(shí)現(xiàn)多方案的評(píng)估和優(yōu)選。關(guān)于復(fù)雜產(chǎn)品的方案設(shè)計(jì)問(wèn)題，由于主觀判斷、信息缺失等因素，導(dǎo)致指標(biāo)屬性值往往模糊不確定甚至不一致。因此，本文在已有工作的基礎(chǔ)上，以粗糙數(shù)表征指標(biāo)屬性，提出一種面向產(chǎn)品設(shè)計(jì)方案的灰色關(guān)聯(lián)評(píng)估模型，引入信息論中的熵值理論對(duì)指標(biāo)體系進(jìn)行有效賦權(quán)，進(jìn)而結(jié)合灰色關(guān)聯(lián)原理，通過(guò)粗糙相似關(guān)聯(lián)度的比較來(lái)獲得各方案的排序和擇優(yōu)。

1 相關(guān)定義

1.1 粗糙數(shù)

1.2 熵權(quán)

在信息論中，熵是系統(tǒng)無(wú)序化程度的度量，還可以度量數(shù)據(jù)所提供的有效信息。因此，可以用熵來(lái)確定權(quán)重，即根據(jù)各指標(biāo)所含信息有序度的差異性，也就是信息的效用價(jià)值來(lái)確定該指標(biāo)的權(quán)重。當(dāng)評(píng)估對(duì)象在某項(xiàng)指標(biāo)上的值相差較大時(shí)，熵值較小，說(shuō)明該指標(biāo)提供的有效信息量較大，對(duì)應(yīng)的指標(biāo)權(quán)重也應(yīng)較大；反之亦然。

1.3 粗糙相似關(guān)聯(lián)度

2 基于粗糙數(shù)和信息熵的灰色關(guān)聯(lián)評(píng)估模型及算法

2.1 評(píng)估問(wèn)題描述

圖1 灰色關(guān)聯(lián)評(píng)估模型流程設(shè)計(jì)

以下按圖1所示的模型流程及算法設(shè)計(jì)建立灰色關(guān)聯(lián)評(píng)估模型，其具體實(shí)現(xiàn)步驟如下：

2.2 基于粗糙數(shù)和信息熵的灰色關(guān)聯(lián)評(píng)估步驟

Step 1 規(guī)范化粗糙數(shù)評(píng)估矩陣

最常見(jiàn)的指標(biāo)類型有“效益型”和“成本型”，為了消除不同物理量綱對(duì)評(píng)估指標(biāo)屬性值的影響，利用規(guī)范化公式對(duì)屬性值進(jìn)行規(guī)范化處理。下面給出粗糙數(shù)評(píng)估矩陣的規(guī)范化計(jì)算公式，其中‖·‖表示粗糙數(shù)序列的歐式范數(shù)：

(1)

(2)

Step 2 確定評(píng)估指標(biāo)權(quán)重

評(píng)估指標(biāo)Qj下各方案屬性值的粗糙下限、上限序列信息熵分別為

(3)

其中i=1,2,…,m,j=1,2,…,n。

(4)

Step 3 評(píng)估指標(biāo)的屬性集結(jié)

Step 4 構(gòu)造理想最優(yōu)特征序列

Step 5 計(jì)算粗糙相似關(guān)聯(lián)度

Step 6 對(duì)評(píng)估方案進(jìn)行排序和擇優(yōu)

根據(jù)粗糙相似關(guān)聯(lián)度ε(R*,Ri)的值，按照從大到小的順序?qū)λ性u(píng)估方案S1,S2,…,Sm進(jìn)行排序，最大的ε(R*,Ri)對(duì)應(yīng)的方案i即為最優(yōu)方案。

3 應(yīng)用實(shí)例

采用文獻(xiàn)[7]中的實(shí)例，來(lái)說(shuō)明所提出方法的有效性。某水電站在大型水輪機(jī)的選型方案設(shè)計(jì)中，主要考慮以下6個(gè)評(píng)估指標(biāo)：效率Q1(%)、出力Q2(MW)、汽蝕性能Q3、運(yùn)行特性Q4、轉(zhuǎn)輪直徑Q5(m)、制造費(fèi)用Q6(萬(wàn)元)。根據(jù)水電站建設(shè)的相關(guān)工程特性，擬定了3個(gè)可行的選型設(shè)計(jì)方案S1,S2,S3，各評(píng)估指標(biāo)屬性值如表1所示，其中指標(biāo)Q1、Q2、Q4為效益型指標(biāo)，用(+)表示，指標(biāo)Q3、Q5、Q6為成本型指標(biāo)，用(-)表示。為了有效處理模糊、不確定的專家評(píng)估信息，各方案工程特性的評(píng)估數(shù)據(jù)適合表達(dá)為粗糙數(shù)的形式。

表1 水輪機(jī)選型設(shè)計(jì)方案評(píng)估指標(biāo)屬性值

采用上述提出的灰色關(guān)聯(lián)評(píng)估模型，對(duì)水輪機(jī)選型設(shè)計(jì)方案進(jìn)行排序和擇優(yōu)，過(guò)程如下：

Step 3 對(duì)規(guī)范化評(píng)估矩陣進(jìn)行權(quán)重集結(jié)，由綜合屬性值得加權(quán)規(guī)范化評(píng)估矩陣：

Step 4 在加權(quán)規(guī)范化評(píng)估矩陣中，分析提取理想最優(yōu)特征序列：R*=([0.012,0.012],[0.324,0.373],[0.061,0.063],[0.024,0.024],[0.146,0.146],[0.049,0.049])。

Step 5 求理想最優(yōu)特征序列R*與系統(tǒng)各方案效果序列R1,R2,R3的始點(diǎn)零化序列，如表2所示：

表2 各序列的始點(diǎn)零化序列

利用信息還原算子，計(jì)算|d(R*)-d(Ri)|(i=1,2,3)，可得如下結(jié)果：

|d(R*)-d(R1)|=0.0983,|d(R*)-d(R2)|=0.0904,|d(R*)-d(R3)|=0.0399

從而求得基于粗糙數(shù)距離的系統(tǒng)各方案效果序列與理想最優(yōu)特征序列的粗糙相似關(guān)聯(lián)度：

ε(R*,R1)=0.9105,ε(R*,R2)=0.9171,ε(R*,R3)=0.9617

Step 6 根據(jù)所得的粗糙相似關(guān)聯(lián)度結(jié)果進(jìn)行排序，得ε(R*,R3)>ε(R*,R2)>ε(R*,R1)，進(jìn)而對(duì)所有方案進(jìn)行排序，得S3>S2>S1，顯然，方案S3與理想最優(yōu)方案最接近，因此可以認(rèn)為方案S3為該水電站建設(shè)中大型水輪機(jī)選型方案的最優(yōu)選擇。這與文獻(xiàn)[7]得到的各方案排序有部分差異，其原因在于文獻(xiàn)[7]按照經(jīng)典運(yùn)算法則進(jìn)行運(yùn)算時(shí)存在較大的信息失真現(xiàn)象，而本文則通過(guò)加入信息還原算子，有效地解決了一般加減逆運(yùn)算中存在的信息失真問(wèn)題。

該灰色關(guān)聯(lián)評(píng)估模型，首先以粗糙數(shù)形式來(lái)表征各方案評(píng)估數(shù)據(jù)中信息的不確定性，保證了專家評(píng)估信息的客觀性，并利用評(píng)估指標(biāo)下各方案指標(biāo)屬性值提供的信息熵，對(duì)各指標(biāo)進(jìn)行客觀賦權(quán)，進(jìn)而通過(guò)衡量所有方案與理想?yún)⒖挤桨傅馁N近度，實(shí)現(xiàn)多方案的評(píng)估和優(yōu)選，是一種有效的適合產(chǎn)品設(shè)計(jì)方案的評(píng)估模型。相比其他評(píng)估模型，信息熵賦權(quán)可減少主觀賦權(quán)法產(chǎn)生的人為因素影響，使得評(píng)估結(jié)果更符合客觀實(shí)際，同時(shí)借助信息還原算子，修正傳統(tǒng)粗糙數(shù)加減逆運(yùn)算的結(jié)果，避免了評(píng)估過(guò)程中的信息失真現(xiàn)象。

4 結(jié)論

(1)本文構(gòu)建的面向產(chǎn)品設(shè)計(jì)方案的灰色關(guān)聯(lián)評(píng)估模型，以粗糙數(shù)代替精確數(shù)，可以科學(xué)地量化復(fù)雜產(chǎn)品評(píng)估中的模糊、不確定數(shù)據(jù)；引入信息熵，通過(guò)熵值反映的數(shù)據(jù)效用值來(lái)進(jìn)行客觀賦權(quán)，可以減少評(píng)估中主觀因素的影響；同時(shí)結(jié)合灰色關(guān)聯(lián)原理，比較基于信息還原算子的粗糙相似關(guān)聯(lián)度，實(shí)現(xiàn)對(duì)復(fù)雜產(chǎn)品方案設(shè)計(jì)的排序和優(yōu)選。

(2)通過(guò)對(duì)某大型水輪機(jī)的選型方案設(shè)計(jì)的案例分析，實(shí)驗(yàn)證明了該評(píng)估方法的有效性和可行性，同時(shí)可避免傳統(tǒng)評(píng)估模型中存在的信息失真現(xiàn)象，對(duì)復(fù)雜產(chǎn)品評(píng)估問(wèn)題的論證和改進(jìn)具有一定的應(yīng)用價(jià)值。該應(yīng)用案例也表明，本文構(gòu)建的評(píng)估模型同樣適合于指標(biāo)屬性值部分為粗糙數(shù)、部分為確定值的混合多指標(biāo)評(píng)估問(wèn)題，具有廣泛的適用性。

[1] 侯智,余忠華.采用主成分分析-信息熵法評(píng)價(jià)人機(jī)系統(tǒng)方案[J].機(jī)械設(shè)計(jì)與研究,2009,25(6):15-17,21.

[2] 楊程,孫守遷,劉征,柴春雷.基于主成分分析的產(chǎn)品外觀設(shè)計(jì)決策模型[J].中國(guó)機(jī)械工程,2011,22(18):2218-2223.

[3] 毛果平,吳超.基于網(wǎng)絡(luò)層次分析的企業(yè)再制造產(chǎn)品評(píng)估模型[J].計(jì)算機(jī)集成制造系統(tǒng),2008,14(12):2341-2345,2368.

[4] 李永鋒,朱麗萍.基于模糊層次分析法的產(chǎn)品可用性評(píng)價(jià)方法[J].機(jī)械工程學(xué)報(bào),2012,48(14):183-191.

[5] 葉文華,戴勇,王祎.基于模糊判斷的產(chǎn)品方案綜合決策方法研究[J].南京航空航天大學(xué)學(xué)報(bào),2002,34(2):134-138.

[6] 劉開第,趙奇,周少玲,廖薇.機(jī)械產(chǎn)品方案設(shè)計(jì)模糊綜合評(píng)價(jià)中隸屬度轉(zhuǎn)換的新方法[J].機(jī)械工程學(xué)報(bào),2009,45(12):162-166.

[7] 鐘詩(shī)勝,王體春,丁剛.基于多指標(biāo)灰區(qū)間數(shù)關(guān)聯(lián)決策模型的產(chǎn)品方案設(shè)計(jì)[J].控制與決策,2008,23(12):1378-1382,1394.

[8] 王體春,卜良峰.基于灰色關(guān)聯(lián)分析的復(fù)雜產(chǎn)品方案設(shè)計(jì)多屬性權(quán)重分配模型[J].機(jī)械科學(xué)與技術(shù),2011,30(7):1187-1195.

[9] 張輝,高德利.基于模糊數(shù)學(xué)和灰色理論的多層次綜合評(píng)價(jià)方法及其應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2008,38(3):1- 6.

[10] 陳亞哲,任朝暉,馮霏,聞邦椿.基于層次灰色模型的產(chǎn)品和諧化設(shè)計(jì)綜合評(píng)價(jià)[J].中國(guó)工程機(jī)械學(xué)報(bào),2010,8(3):358-363.

[11] 錢偉懿,曾智.基于可能度的區(qū)間粗糙數(shù)排序方法[J].運(yùn)籌與管理,2013,22(1):71-76.

[12] 孫秉珍,馬衛(wèi)民,趙海燕.基于雙論域模糊粗糙集的應(yīng)急決策模型與方法[J].運(yùn)籌與管理,2014,23(2):41- 48.

[13] Zhai L Y, Zhong L P, Zhong Z W. A rough set enhanced fuzzy approach to quality function deployment[J]. International Journal of Advanced Manufacturing Technology, 2008, 37(5): 613- 624.

[14] Zhai L Y, Zhong L P, Zhong Z W. Design concept evaluation in product development using rough sets and grey relation analysis[J]. Expert Systems with Applications, 2009, 36(3): 7072-7079.

[15] 耿秀麗,褚學(xué)寧,張?jiān)诜?基于顧客需求滿足度的產(chǎn)品總體設(shè)計(jì)方案評(píng)價(jià)[J].上海交通大學(xué)學(xué)報(bào),2009,43(12):1923-1929.

[16] 魏巍.定制產(chǎn)品需求知識(shí)重構(gòu)及粗糙集分析方法[J].計(jì)算機(jī)集成制造系統(tǒng),2012,18(2):230-236.

[17] 羅妤,郭鋼.面向客戶需求基于灰色粗糙模型的產(chǎn)品配置研究[J].中國(guó)機(jī)械工程,2012,23(11):1302-1307.

[18] 金濤,張娜.基于改進(jìn)粗糙集灰色分析的產(chǎn)品方案評(píng)估方法[J].中國(guó)機(jī)械工程,2012,23(18):2200-2203.

[19] 吉祥,顧新建,代風(fēng),樂(lè)承毅,徐福緣.基于本體和粗糙集的產(chǎn)品設(shè)計(jì)知識(shí)推送技術(shù)[J].計(jì)算機(jī)集成制造系統(tǒng),2013,19(1):7-20.

[20] Liu S F, Lin Y. Grey systems: theory and applications[M]. Berlin, Springer, 2010.

[21] 劉思峰,謝乃明,Forrest J.基于相似性和接近性視角的新型灰色關(guān)聯(lián)分析模型[J].系統(tǒng)工程理論與實(shí)踐,2010,30(5):881- 887.

[22] 彭海軍,孫啟國(guó).基于信息熵的機(jī)械產(chǎn)品質(zhì)量多屬性決策[J].機(jī)械設(shè)計(jì)與制造,2009,(4):139-140.

[23] 薄瑞峰,李瑞琴,沈興全.基于vague集和熵權(quán)法的機(jī)械設(shè)計(jì)方案評(píng)價(jià)[J].機(jī)械設(shè)計(jì)與研究,2012,28(4):14-17.

[24] 楊保華,方志耕,周偉,劉健.基于信息還原算子的多指標(biāo)區(qū)間灰數(shù)關(guān)聯(lián)決策模型[J].控制與決策,2012,27(2):182-186.

Grey Relation Evaluation Model of Product Design Program Based on Rough Number and Information Entropy

GUO Xiao-jun1,2, LIU Si-feng1, FANG Zhi-geng1

(1.CollegeofEconomicsandManagement,NanjingUniversityofAeronauticsandAstronautics,Nanjing211106,China; 2.SchoolofScience,NantongUniversity,Nantong226019,China)

Due to the incompleteness and uncertainty of index attributes in the scheme design of complex products, a grey relation evaluation model based on rough number and information entropy is proposed in this paper. First, the rough number’s evaluation matrix can be normalized by adopting the norm of the rough number sequence, and the index attribute value can be weight assembled by means of entropy weight. Then, after the building of ideal optimum feature sequence, the optimum evaluation scheme can be obtained in the whole system by virtue of rough similarity relevancy based on the information reduction operator. Information entropy weight can reduce the impact of man-made factors due to subjective weight, and information reduction operator can avoid the information distortion in the course of evaluation. Finally, an example of construction machinery products is adopted to validate the effectiveness and practicability of the proposed model. Morevoer, this model can be used to evaluate and choose scheme designs of complex products.

product design program; rough number; entropy weight; information reduction operator; rough similarity relevancy

2014- 03-26

歐盟第7研究框架瑪麗·居里國(guó)際人才引進(jìn)計(jì)劃Fellow項(xiàng)目(FP7-PIIF-GA-2013- 629051)；國(guó)家自然科學(xué)基金項(xiàng)目(71271226,71363046,71401051,71503103)；國(guó)家社會(huì)科學(xué)基金重大招標(biāo)項(xiàng)目(10zd&014)；國(guó)家社會(huì)科學(xué)基金重點(diǎn)項(xiàng)目(12AZD102)；江蘇省自然科學(xué)基金資助項(xiàng)目(Bk2015015);南通市科技計(jì)劃項(xiàng)目(HS2013026)

郭曉君(1978-)，男，江蘇南通人，副教授，博士研究生，研究方向：灰色系統(tǒng)理論、系統(tǒng)工程等；劉思峰(1955-)，男，河南平輿人，教授，博士生導(dǎo)師，研究方向：灰色系統(tǒng)理論、數(shù)量經(jīng)濟(jì)學(xué)等；方志耕(1962-)，男，安徽池州人，教授，博士生導(dǎo)師，研究方向：灰色系統(tǒng)理論、質(zhì)量管理等。

N941.5

A

1007-3221(2015)06- 0170- 06

10.12005/orms.2015.0209