[发明专利]基于模糊层次分析法的智能制造能力成熟度评价方法

权利要求书

1.基于模糊层次分析法的智能制造能力成熟度评价方法，其特征在于，该方法包括如下步骤：

S1、建立评价指标体系：依据评价目的，借助调查研究和专家咨询的方式，建立逐级分层的智能制造能力成熟度评价指标体系；

S2、确定权重：使用层次分析法，引入领域专家的评审意见，确定其同一层次各个指标的权重；

S3、量化指标：结合当今智能制造成熟度的总体发展水平，将指标的发展水平统一使用一种量纲；

S4、模糊综合评价：依据评语集和相应评语等级集的基准值，获取评价集模糊子集的隶属度，构建模糊关系矩阵；依据指标的权重向量与模糊关系矩阵，利用加权平均法得出成熟度的总分，进而判断出评价对象所处的成熟度级别。

2.根据权利要求1所述的基于模糊层次分析法的智能制造能力成熟度评价方法，其特征在于，步骤S1进一步包括如下子步骤：

S1.1、依据评价目的，借助调查研究和专家咨询的方式建立了由最高层、中间层与最底层组成的3层智能制造能力成熟度评价指标体系；

S1.2、定义各层所代表的含义，最高层是需要获取的最终目标，即智能制造能力成熟度；中间层是最高层与最底层的关系纽带；最底层是制造过程中具体的实施手段和方法。

3.根据权利要求1所述的基于模糊层次分析法的智能制造能力成熟度评价方法，其特征在于，步骤S2进一步包括如下子步骤：

S2.1、构造判断矩阵H

判断矩阵的元素是使用1-9标度法获得的两指标相对重要性的评价值，评价值通过邀请智能制造领域专家进行打分，打分过程相互独立；

S2.2、计算特征向量W＝[ω₁,ω₂,L,w_n]

将判断矩阵H每行元素进行连乘得到M_i，然后计算M_i的n次方根求得权重

S2.3、一致性检验

若一致性比率CR＞0.1，说明判断矩阵H中各目标一致性差，需要重新构造；若CR≤0.1，说明判断矩阵H中各目标一致性较好，W即为所求矩阵。

4.根根据权利要求1所述的基于模糊层次分析法的智能制造能力成熟度评价方法，其特征在于，步骤S3中评价指标的得分统一换算成百分制，换算过程充分依据国内外设定的标准参照值、国内外公认值或国内外优秀的现状值，并借助行业领域专家的意见。

5.根根据权利要求1所述的基于模糊层次分析法的智能制造能力成熟度评价方法，其特征在于，步骤S4进一步包括如下子步骤：

S4.1、制定评语等级论域

将智能制造能力成熟度的五个等级(规划级、规范级、集成级、优化级、引领级)直接设置为评语集中的等级标签，使用抽象分类法确定模糊子集在评语集中的等级，对应每个等级均有相应的量化打分，基准值设置为V＝{v₁,v₂,v₃,v₄,v₅}＝{20,40,60,80,100}；

S4.2、构建模糊关系矩阵

将评价数据的得分与评价集做差，计算得出每个指标同评价集间的距离，取距离的倒数进行标准化操作，得到相应指标在不同评价集中的隶属度，得出模糊关系矩阵；

S4.3、计算模糊综合评价结果向量

运用模糊数学的算法将权向量和模糊关系矩阵进行合成，计算得出相应被评价对象的模糊综合评判结果向量；

S4.4、根据模糊综合评价结果计算相应指标得分

通过评价集以及相应指标的模糊隶属度，获得二级指标相应的得分；

S4.5、根据一级指标得分对评价对象进行分级

评价对象分级过程中，根据一级指标权重与一级指标计算评价对象评价总得分，并根据评价集分级标准，判断其达到何种级别。

6.根据权利要求3所述的一致性比率CR，其特征在于，一致性比率的求取公式为CR＝CI/RI。其中CI＝(λ_max-n)/(n-1)，λ_max为判断矩阵H的最大特征根，n为判断矩阵H的阶数；RI为n阶矩阵的随机一致性性指标。