[发明专利]一种生产设备所处性能区间的计算方法

权利要求书

1.一种生产设备所处性能区间的计算方法，该方法包括：

步骤1：选取目标设备生产活动中认定为关键性能的指标；

步骤2：分别根据CRITIC和信息熵方法确定各个属性的权重，再采用变异系数法确定组合系数优化出指标属性综合权重；

步骤2.1：采用CRITIC法计算各指标的关联权重；

1)获取指标的数据，对各指标数据进行归一化，相同时间段获取的指标数据为一组；

2)在每一组内计算第j个指标与其它指标的相关度为：其中r_ij为第i个指标与第j个指标之间的相关系数；

计算第j个指标所包含的信息量C_j:

其中：σ_j表示第j个指标的对比强度；

计算第j个指标的关联权重θ_j:

步骤2.2：采用信息熵的方法计算各指标的熵权重；

1)对获取的指标进行归一化，一个指标的所有数据分为一组；

2)计算第j个评估因素的信息熵H_j：

其中：f_ij表示第j个指标中第i个数据的概率函数，计算公式为：表示归一化后第j个指标的第i个数据，m表示各指标中数据总个数；

3)计算各指标的熵权重W_j：

其中：n表示指标的总个数；

步骤2.3：采用变异系数法计算第j个指标的组合权重w_j；

w_j＝aθ_j+βW_j

其中：又p₁,p₂,…,p_n表示计算得到的各指标的熵权重从小到大重新排列后的对应数值；

步骤3：将各指标附上对应的权重后采用k-means聚类方法，将各指标数据聚类为k个类，不同的类表示目标设备所处的不同性能区间；

所述步骤3中的k-means聚类方法为：

步骤3.1：从所有数据中任意选取k个数据作为初始聚类中心c₁,c₂,…,c_k；

步骤3.2：以c₁,c₂,…,c_k作为初始聚类中心，计算各数据与各聚类中心的距离，将各数据划分到与其距离最小的聚类中心所属的聚类簇中，遍历完所有数据后得到k个聚类簇；

步骤3.3：对步骤3.2的到的k个聚类簇中各数据附上步骤2得到的组合权重后，重新计算各簇的聚类中心c’₁,c’₂,…,c'_k；

步骤3.4：采用步骤3.2和步骤3.4相同的方法计算得到新一代的聚类中心，直到满足聚类结束条件，得到k个聚类中心和k个聚类簇；

步骤3.5：在各聚类簇中剔除与该聚类簇的聚类中距离大于R的数据，其中R为根据实际情况设定的阈值，得到最终的聚类结果；

当连续获得的M个数据属于同一个聚类簇后认定当前时刻目标设备属于该聚类簇对应的设备性能区间；

步骤4：实时获取目标设备个指标数据，计算获取的指标数据属于步骤3得到哪一个聚类簇，则认定目标设备属于该聚类簇对应的设备性能区间。

2.如权利要求1所述的一种生产设备所处性能区间的计算方法，其特征在于所述步骤1中关键性能指标的选取方法为：

质量能力水平方面的指标包括：产品标准合格率、产品质量得分、产品质量损失影响；

运行效能状况方面的指标包括：设备运生产效率、平均无故障运行时间、设备大停机故障率；

生产消耗状况方面的指标包括：原料损耗率、辅料损耗率、能源消耗水平；

设备维护反馈方面的指标包括：平均维护次数、平均维护时长、平均维护损耗；

从上述一个或多个方面中分别选择出一个或多个指标作为目标设备生产活动中关键性能指标。

3.如权利要求1所述的一种生产设备所处性能区间的计算方法，其特征在于所述步骤3.5中R/R_max＝0.95，其中R_max表示该聚类簇中数据点到聚类中心的最大距离。