驱动系统模型

2024-10-17

驱动系统模型（共9篇）

驱动系统模型篇1

最近几年我国经济高速发展, 随着数据仓库、OLAP技术以及数据挖掘技术的出现, 投资决策支持系统顺应而生。企业能否选择一个合理恰当的投资决策方案势必影响企业日后的经营成果。将投资决策支持系统引入到投资活动中可以提高投资成功率。同时, 由于模型可以为决策者提供分析问题的能力, 运用模型手段将投资活动中的复杂问题转化为具有逻辑性的结构化决策问题, 并随之提出决策方案。因此, 模型使投资决策支持系统在辅助投资者决策方面的作用大大提高。

一、投资决策支持系统 (IDSS) 应用现状分析

会计决策支持系统是一种基于计算机的交互式系统, 用来帮助会计问题决策者应用会计信息和其他信息, 采取适当的模型来解决半结构化和非结构化的会计问题。会计决策分为经营活动决策、筹资决策和投资决策三个方面。投资决策支持系统是会计决策支持系统中一个重要组成部分, 它是指利用数据仓库、联机分析处理等信息技术对企业投资决策过程中内外部相关数据进行分析, 为决策者提供决策信息, 最终目标是实现企业投资科学化、最优化。投资决策支持系统可以支持的决策项目包括:企业扩建投资、新产品的开发投资、设备的更新投资、技术引进方案决策、投资资金分配决策。随着很多企业应用会计决策支持系统, 投资决策支持系统的理论也不断趋于成熟, 投资决策支持系统的应用普及已经是一个必然的趋势, 而且国内外的开发者与企业也在这方面进行了大量的工作。但现行的投资决策支持系统, 尤其是国内这方面的应用还存在以下几个方面的问题:第一, 传统的会计信息系统中大部分的数据是以货币计量的, 一些重要的非货币信息确被排除在外, 而且数据存储重复。信息不充分以及数据冗余影响了投资决策支持系统的数据来源及其有效性。第二, 虽然现在很多管理信息系统中都有投资决策支持模块, 但投资决策模块只有投资状况及投资成果的分析与评价功能, 对企业投资活动还只是投资管理, 没有投资决策功能。第三, 投资决策支持系统主要解决非结构化和半结构化问题。随着市场的变化, 企业面对的问题越来越复杂, 用常规数学方法难以描述或解决, 而目前应用的投资决策支持系统中原有的模型已经陈旧, 无法适应新的决策。

企业管理人员急需一个模型驱动的企业投资决策支持系统, 以弥补传统管理信息系统在企业投资方面的不足。

二、基于模型驱动的投资决策支持系统概述

模型是指以某种形式对一个系统本质属性的描述, 以揭示系统的功能、行为及其变化规律。模型来源于实际, 又高于实际, 与客观世界相比模型更简单、更抽象。驱动是一种模型库、数据库各自独立的驱动方式, 以模型库为核心, 强调对于模型的访问和操纵。模型驱动的投资决策支持系统通常不需要很大规模的数据库。基于模型驱动的企业投资决策支持系统应当以下特征:第一, 集成化。接入互联网的模型驱动投资决策支持系统将企业整个投资活动所用所需对象作为信息采集点, 纳入企业信息网中。很多数据是从企业管理信息系统中的各个子系统直接采集, 少数数据从其他外部系统获取, 绝大部分的信息能够实时采集, 投资决策数据集成化。这些模型驱动的投资决策支持系统不再是信息孤岛。第二, 智能化。模型驱动的投资决策支持系统是由人、微型电子计算机系统、网络系统、数据及程序等有机结合的应用系统。它离不开人的相互作用, 尤其是预测与决策的功能必须在人的参与下才能完成。模型驱动投资决策支持系统是一个人机交互作用的智能化系统。第三, 模型化。投资决策活动涉及许多变量, 各变量之间存在着复杂的关系, 而且不同的决策者具有不同决策风格, 投资决策支持系统要为了适应复杂的变量关系, 满足不同决策者的要求, 针对具体问题建立模型, 将非结构化和半结构化的问题转化为结构化的问题。

按照投资决策支持系统可以支持的决策项目, 基于模型驱动的投资决策支持系统可以分为基于模型驱动的企业扩建决策系统、基于模型驱动的新产品的开发决策系统、基于模型驱动的设备更新决策系统、基于模型驱动的技术引进方案决策系统、基于模型驱动的投资资金分配决策系统。针对每一种系统的不同模块可以建立不同的决策模型。因为基于模型驱动的投资决策支持系统中的模型比较多, 现就如何构建基于模型驱动的企业设备更新决策系统进行探讨。

三、企业设备更新决策模型构建

基于模型驱动的投资决策支持系统是针对企业投资活动的具体特点设计并采用模型驱动方式的投资决策支持系统, 具有很强的实用性和经济性。企业设备更新决策是确定何时选择何种设备更新方式的投资决策。针对该系统的开发方法, 本文采用模糊评价法。

其一, 模糊评价法。模糊评价法是由若干组的评价人员分别对若干个备选方案的相应因素进行评价, 得到模糊评语矩阵和模糊综合评判矩阵, 再得到模糊综合评判向量, 最后根据最大隶属原则确定等级, 得到模糊解的方法。在企业设备更新决策中, 模糊评价法可分为5步:

(1) 确定因素总集U。因素总集U包括与企业设备更新决策相关的因素, 如企业设备更新目的、法律环境因素、金融市场环境因素、经济环境因素、股东、债权人、金融机构、供应商、客户和政府机构以及企业设备更新能力。对于各因素的选取应考虑可靠性以及经济性;对各因素应尽可能给予明确的定义, 能定量说明的最好给出具体数据。

(2) 确定评价人员。评价人员一般来自企业内部各级人员, 按各自的专业及经验分成决策层人员、财会人员、技术人员、设备使用人员4个评价小组。

(3) 确定因素子集。根据评价小组的特点, 将因素总集分成相应的4个因素子集, 即U= (U1, U2, U3, U4) 。评价人员只评价他们熟知的因素, 这样做出的评语更加客观可靠。

(5) 评价及评语的处理。因素评价一般采用5级打分的方式。满意为5分;介于满意一般为4分;一般为3分;介于一般不满意为2分;不满意为1分。每个评价人员根据各自的看法打分, 最终评价是对问题认识的一种模糊但具有一定趋势的描述。

其二, 企业设备更新决策模糊评级模型。企业设备更新决策方案包括四个具体方案:设备大修理方案、设备改装方案、设备原形更新方案、出现新设备时更新方案。因方法相同, 现只针对设备大修理方案具体建立模型。首选定义模糊评语为Eij (k) (m) , 其中i表示第i个评价小组, k表示第个i个评价小组中第k个评价人, j表示Ui子集中第j个因素, m表示备选方案中第m (m=1, 2, 3, 4) 个方案。就设备大修理方案而言, 将第i个评价小组第k个评价人的模糊评语汇集成评语矩阵:

Ei (k) (1) =[Eij (k) (1) ]

其中Eij (k) (1) 表示第i个评价小组第k个评价人就第1个方案对子集Ui中第j个因素的模糊评语, 第1个方案表示继续使用旧设备方案, 1燮i燮4, 1燮k燮l, 1燮j燮mi, 且i, k, j∈N。

根据评价人的权值集, 构成第组总的模糊评语矩阵:

其三, 决策方案结果。按照以上方法, 分别求出第二种方案设备改装方案、第三种方案设备原形更新方案以及第四种方案出现新设备时更新的方案的模糊综合评判向量S2, S3, S4。最后根据最大隶属原则确定等级, 就可以得到企业设备更新决策的模糊解。

四、结论

本文针对目前投资决策支持系统存在的问题, 提出了基于模型驱动的投资决策支持系统。接着尝试构建了基因模型驱动的投资决策支持系统中的企业设备更新决策模型, 我们可以看到基于模型驱动的投资决策支持系统的优越性。由于当今社会投资决策者面临的决策环境越来越复杂, 构建与之相对的模型越来越艰巨, 如何把遇到的问题转化成简单的结构化问题, 如何将基于模型驱动的投资决策支持系统的作用发挥到位, 在我国现今的企业环境中, 我们仍需做许多基础工作。

参考文献

[1]吴勇军、范敏:《基于数据挖掘的投资决策支持系统研究与开发》, 《科技资讯》2006年第30期。

[2]王训国、丁永生:《房地产投资智能决策分析系统的模型库的设计与实现》, 《东华大学学报 (自然科学版) 》2006年第4期

驱动系统模型篇2

关键词：耕地；主导驱动因素；灰色关联；神经网络；预测模型；耕地保护措施

中图分类号： F323.211 文献标志码： A 文章编号：1002-1302（2014）04-0281-03

收稿日期：2013-11-20

基金项目：国家自然科学基金（编号：51179050）。

作者简介：吴春辉（1989—），男，陕西商南人，硕士，主要从事水土资源规划与管理研究。E-mail：wu_chunhui1011@163.com。

通信作者：朱成立，博士，副教授，主要从事农业水土资源规划、节水灌溉理论与技术研究。E-mail：clz@hhu.edu.cn。土地是人类赖以生存的基础。随着我国社会经济的发展，大量耕地被住宅用地、工业用地建设等侵占[1]。因此，找出与耕地变化密切相关的驱动因素，预测耕地面积的变化，制定相关对策，对合理利用及保护耕地资源具有重要意义。不少学者进行了很多关于耕地动态变化研究[2-7]。但采用多序列灰色关联预测模型GIFM（m）及人工神经网络预测模型预测陕西省关中地区耕地面积变化研究较少。本研究根据关中地区1986—2011年耕地、人口、经济、社会发展的统计数据，分析影响耕地动态变化的驱动因素，结合多序列灰色关联预测模型GIFM（m）及人工神经网络预测模型对未来几年关中地区耕地面积进行预测，旨在为制定耕地保护措施提供依据。

1研究区概况

关中地区工业集中，人口密集，科技、教育实力雄厚，包括陕西省西安市、咸阳市、宝鸡市、渭南市、铜川市5市以及杨凌区农业高新技术产业示范区。该地区属大陆性气候，年均气温6～13 ℃，年降水量500～800 mm，截至2011年底，全区人口2 369.81万，约占全省总人口的60.63%，其中农业人口 1 383.96万，占全区总人口的58.40%，全区耕地面积 1 50715×103 hm2，占全省耕地面积的52.68%。关中地区地势平坦，土壤肥沃，水资源丰富，机耕、灌溉条件良好，号称“八百里秦川”，是陕西省重要的粮棉油产区[8]。

21986—2011年关中地区耕地变化及其驱动因素分析

2.1耕地数量变化

1986—2011年，关中地区耕地面积减少了399 450 hm2，相比1986年减少了21%，2003—2004年、2006—2007年有少量增加。人均耕地面积减少了0.043 0 hm2。耕地总面积及人均耕地面积变化见图1。

由图1可以看出，关中地区耕地总面积大体经历了快速减少、急速减少、缓慢减少3个阶段，人均耕地面积变化趋势与耕地总面积相似。第一阶段：1986—1999年，关中地区耕地面积处于快速减少阶段，净减少面积为223 690 hm2，年均减少17 207 hm2。此时期是改革开放政策逐步推进的阶段，建设用地占用一部分耕地，少量耕地转化为城市绿地，导致耕地面积下降[9]。第二阶段：2000—2003年，關中地区耕地面积处于急剧减少阶段，净减少面积为156 240 hm2，年均减少39 060 hm2，这主要是由于 “西部大开发”战略、“一线两带”建设路线的实施，以及高新技术开发带、国家关中星火产业带的建设，关中地区快速实现区域现代化的同时，耕地面积急剧减少[10]。第三阶段：2004—2011年，关中地区耕地面积减少了19 520 hm2，减少速度下降，且个别年份耕地面积略有增加。经过前期经济快速发展，政府认识到了耕地减少及生态环境破坏对粮食安全、社会发展的影响，提出了“生态退耕”政策，同时出台了相应的土地产权管理政策，一定程度上扭转了耕地面积快速减少的局面。人均耕地面积变化与耕地总量及人口总数有关。随着社会经济的发展，耕地总量不断减少，人口总量不断增加，导致关中地区人均耕地面积呈下降趋势。1986年关中地区人均耕地面积为0.106 6 hm2/人，2011年人均耕地面积仅为0.063 6 hm2/人，减少了 0.043 hm2/人。人均耕地面积的持续下降导致人地矛盾更为突出。

2.2影响耕地变化的驱动因素分析

2.2.3驱动因素结果分析根据1986—2011年资料，计算关中地区耕地面积及驱动因素的关联度。由表1可知，9个驱动因素与关中地区耕地面积关联度由大到小依次为：灌溉面积>总人口>粮食单产>城市化水平>农业机械总动力>农业总产值>工业总产值>GDP>固定资产投资。耕地面积与9个驱动因素的灰色关联度均大于0.5，说明耕地动态变化与人口、经济发展水平、农业现代化水平都有一定的关联性。其中总人口、城市化水平、灌溉面积、粮食单产、农业机械总动力灰色关联度大于0.9，说明这些驱动因素是影响耕地动态变化的主导因素。

4.2人工神经网络模型的应用

本研究采用Matlab 2012a软件，将设计好的BP神经网络程序输入到Matlab中，进行耕地面积模拟及检测，以期找到合适的参数及阈值来进行耕地面积预测。

6结论与讨论

本研究以关中地区为研究对象，分析了1986—2011年关中地区耕地面积的变化趋势，探究了耕地动态变化的驱动因素，并分别采用多序列灰色关联预测模型GIFM（m）及人工神经网络预测模型预测关中地区未来耕地面积，结果表明，1986—2011年，关中地区耕地总量及人均耕地数量均呈下降趋势，最近几年由于国家政策的调整，耕地总量及人均耕地数量减少速度放缓。通过灰色关联分析法对1986—2011年影响关中地区耕地面积动态变化的驱动因素进行分析，发现人口、城市化水平、灌溉面积、粮食单产、农业机械总动力这5个因素是影响耕地动态变化最主要的驱动因素。分别采用多序列灰色关联预测模型GIFM（m）及人工神经网络预测模型，建立了基于1986—2010年耕地面积及驱动因素值的预测模型，对这2种模型的验证结果进行对比发现，人工神经网络预测模型精度最高。本研究表明，影响关中地区耕地面积的主要因素是人口数量、城市化水平、农业现代化水平。结合关中地区的具体情况，应该控制人口增长、控制城镇规模盲目扩大、实施耕地占补平衡政策、积极改造中低产田，更大程度地保护现有耕地。

nlc202309011516

参考文献：

[1]王海鸿，马琼，付士波，等. 西北干旱半干旱区耕地面积变化与人口、经济发展的相关关系研究——以甘肃省为例[J]. 干旱区资源与环境，2011，25（1）：74-79.

[2]彭文甫，周介铭. 近50年四川省耕地变化分析[J]. 资源科学，2005，27（3）：79-85.

[3]宋开山，刘殿伟，王宗明，等. 三江平原过去50年耕地动态变化及其驱动力分析[J]. 水土保持学报，2008，22（4）：75-81.

[4]孙国军，刘普幸，李慧芳，等. 酒泉市耕地变化的驱动力研究及多元线性回归预测[J]. 干旱区资源与环境，2009，23（3）：73-76.

[5]李穗英，孙新庆. 青海省近10年耕地面积动态变化及驱动因子分析研究[J]. 中国农业资源与区划，2009，30（5）：39-44.

[6]郭洪海，宋民. 山东省耕地动态变化趋势及驱动力分析[J]. 中国农业资源与区划，2009，30（1）：51-57.

[7]曾永年，吴孔江，靳文凭，等. 青海高原东北部耕地变化及驱动力分析[J]. 干旱区资源与环境，2012，26（8）：89-92.

[8]杨朔，李世平.关中地区城市化过程中土地利用问题研究[J]. 中国土地科学，2009，23（7）：79-80，封三.

[9]楊勇. 关中地区土地利用动态模拟与优化配置研究[D]. 西安：陕西师范大学，2010.

[10]杨忠泰.陕西培育发展战略性新兴产业的路径选择[J]. 科技管理研究，2013，33（6）：72-77.

[11]曾波，刘思峰.基于灰色关联度的小样本预测模型[J]. 统计与信息论坛，2009，24（12）：22-26.

[12]刘思峰，蔡华，杨英杰，等. 灰色关联分析模型研究进展[J]. 系统工程理论与实践，2013，33（8）：2041-2046.

[13]东亚斌，段志善. 灰色关联度分辨系数的一种新的确定方法[J]. 西安建筑科技大学学报：自然科学版，2008，40（4）：589-592.

[14]熊和金，徐华中. 灰色控制[M]. 北京：国防工业出版社，2005：44-47.

[15]焦李成. 神经网络系统理论[M]. 西安：西安电子科技大学出版社，1990：8-11.

[16]沈花玉，王兆霞，高成耀，等. BP神经网络隐含层单元数的确定[J]. 天津理工大学学报，2008，24（5）：13-15.

驱动系统模型篇3

在我国“两化融合”政策背景下, 电力企业信息化经过近几十年的发展, 以设备管理、生产计划、财务管理、人力资源管理等为核心的信息系统已成为支撑企业实现“节能减排、减员增效”的关键。各大发电集团在已有的信息化基础设施条件下, 正兴起信息系统建设和集成的热潮, 这其中不仅包括了简单的用户界面集成, 而且包括了数据集成、业务集成等深度集成。例如, 华能集团于2008 年即制定信息化规划, 建成了集团统一的生产管理平台;华电集团在华电国际信息化基础上, 逐步将业务应用统一到集团层面, 建立了统一的生产系统和多业务平台;大唐集团于2009 年在湖南分公司率先开始建设核心业务一体化平台。此外, 浙能集团建设了生产管理一体化信息系统, 广东粤电集团建设了公司级统一数据交换平台。

在电力企业信息系统建设和集成的浪潮中, 不可避免地要进行业务系统的二次开发以满足新业务、新流程的实现, 以及原有业务流程的变更、用户梳理、权限分配等。虽然目前各信息系统实施商都提出了采用SOA架构进行系统整合的方案, 但仍存在2 方面问题:一是各系统中相似的功能模块存在重复开发的情况, 例如流程审批、用户管理等功能模块, 极大地影响了系统开发效率;二是系统一旦建设完成, 在后期维护过程中需求变更或功能扩展时, 往往需要系统开发人员回溯至系统开发阶段进行代码修改, 这不仅需要高额的维护费用, 而且极端情况下系统实施人员无法到位时 (开发团队人员变更等) , 将直接导致这种完善性维护不可行, 使得系统的维护代价较高。

本文提出一种基于模型驱动架构 (Model DrivenArchitecture, MDA) 的电力企业信息系统快速开发方法。首先通过分析典型电力信息系统的业务特征、功能模块、信息交互, 提取出各信息系统的共性功能, 进一步抽象出电力信息系统元模型 (Meta-Model) 并构建电力信息系统模型库 (Model Library) ;然后在电力信息系统综合业务平台 (Integrated Services Platform, ISP) 中以统一建模语言 (Unified Modeling Language, UML) 活动图的方式搭建系统业务流程;最后, 通过模型到代码转换 (Model to Code Transformation, M2C) 引擎, 将UML活动图形式的业务流程转换为实际可运行的业务流程代码[1,2], 仅需开发人员作少许配置甚至无需改动, 即可通过ISP自动加载实现业务的部署和运行。

本文方法的主要优势有2 点:一是通过共性业务的模型抽取和模型库搭建, 避免了同质功能模块的重复开发, 大大减少了开发人员的工作量;二是以活动图形式搭建的业务流程保证了设计与实施的一致性, 且在后期维护过程中易于修改, 提高了系统的可维护性。

1 模型驱动架构概述

随着信息技术的飞速发展, 信息系统在各行业的业务覆盖程度不断提高, 随之而来产生了一系列软件设计与开发问题。一方面, 各种信息系统存在设计与实现不一致、重复开发、维护困难等问题;另一方面, 面对各种不同特性的编程语言、编程框架, 经验丰富的程序开发人员更加注重设计而非具体实现, 他们用于设计与建模的时间往往远多于真正写代码的时间。

在此背景下, 对象管理组织 (Object Manage-ment Group, OMG) 不断致力于研究一种统一不同业务领域的编程框架, 使得开发人员仅根据其核心业务逻辑即可进行系统构建, 而不受限于任何具体的硬件、操作系统或中间件。模型驱动架构是一个基于UML及其他工业标准的编程框架[2], 用于对程序设计与建模、源代码进行可视化表达与转换 (Transformation) , 这种模型化方式可以表达软件生命周期的各个阶段, 包括系统需求分析、架构设计、构建、测试、部署和运维工作等[1]。与传统UML模型的不同之处在于, MDA模型是机器可读的 (machine- readable) 、高度抽象的, 可以重复地、自动地转换为代码框架、测试装置、业务集成代码以及平台部署脚本等。MDA模型分为3 种不同的抽象层次, 分别是计算无关模型 (Computation Independent Model, CIM) 、平台无关模型 (Platform Independent Model, PIM) 和平台相关模型 (Platform Specific Model, PSM) 。CIM层模型用于业务需求的抽象表达, 独立于任何具体的平台技术, 仅仅侧重于需求的形式化描述, 而不关注于系统的功能实现逻辑;PIM层模型用于对CIM层所确定的业务需求进行系统分析与设计, 相当于需求分析的逻辑实现;PSM层模型在PIM层的基础上进一步考虑了具体平台的特定实现技术, 可以用于指导具体业务开发与实施。为了减少各层建模时的工作量, 同时保持各层建模时设计与实现的一致性, MDA定义了相应的模型转换技术 (Model Transformation) 实现各层级模型的相互转化, 模型转换技术是MDA开发方法能否广泛应用的关键[3,4]。

基于MDA的业务生成过程如图1 所示, 首先通过元模型来搭建业务模型, 然后执行PIM到PSM的自动转换以及PSM到代码的自动转换, 最后对生成的可执行业务逻辑进行统一部署即可实现业务开发的整个流程, 具体包括以下步骤:

1) 由抽象平台无关能力得到平台无关元模型;

2) 由抽象平台相关能力得到平台相关元模型, 此处的平台可以是J2EE平台或.NET平台等;

3) 根据已抽象的平台无关元模型和平台相关元模型之间的关系, 编写平台无关元模型到平台相关元模型的映射规则;

4) 根据已抽象的平台相关元模型, 编写与其对应的构件代码;

5) 编写平台相关元模型到对应构件代码的映射规则;

6) 分析业务的功能, 产生业务功能需求;

7) 根据业务功能需求, 利用已抽象的平台无关元模型建模业务, 产生业务的平台无关模型;

8) 对业务的平台无关模型进行模型检验, 反复修正得到符合业务建模规范的模型;

9) 利用已编写的PIM-PSM模型映射规则执行PIM到PSM的模型转换, 由业务的平台无关模型产生业务的平台相关模型;

10) 对业务的平台相关模型进行模型检验, 反复修正得到符合业务建模规范的模型;

11) 利用已编写的PSM- 代码映射规则执行模型到代码的转换, 产生业务代码。

综上所述, 针对目前电力行业信息化进程中信息系统建设和集成的诸多问题, 基于MDA的系统开发方法可以减少相似功能的重复开发, 实现快速的系统移植, 保证了系统需求、设计与实现的一致性。并且, MDA各层级建模可以作为系统后期修改、维护的原始依据。

2 电力信息系统特征分析及业务系统建模

2.1 特征分析

电力信息系统以发电生产业务为核心, 可以分为发电、检修、安全及班组管理4 种信息系统, 其中典型信息系统包括企业资源计划、企业资产管理系统、实时数据库系统 (Real-Time Database, RTDB) 、办公自动化等, 其他信息系统一般根据业务需求独立开发, 与此类典型系统互为补充, 共同为发电生产服务。

企业资源计划、企业资产管理系统等典型电力信息系统从系统架构上均可以表示为图2 所示的4层模型。

1) 数据源层存储电力信息系统所生成的大量生产实时数据, 关系型数据库中存储的用户信息等结构化数据, 以及邮件、规章制度、工作报告等结构化和半结构化数据, 为整个信息系统提供数据基础。

2) 数据获取层是上层业务与底层数据交互的中间件层, 负责业务数据的读取, 主要包括ODBC、JDBC、COM等标准开放接口;由于数据获取层接口协议具有标准性和开放性特征, 因此数据获取层功能是MDA开发方式的典型应用领域。

3) 业务层为面向具体生产业务的特殊功能需求, 除了技术监督、能耗分析、运行状态监测等专业应用需求, 还包括诸如用户管理、权限管理、报表管理和查询统计等通用功能;因此, 业务层功能在采用MDA开发方式时需要区别对待, 主要实现部分通用功能。

4) 展现层为面向用户的直观访问层次, 一般包括通用功能的UI构件和特殊业务需求的页面响应逻辑;UI构件目前一般采用基于Java Script的开发库, 因此也比较适合于采用MDA开发方式。

2.2 业务系统建模

模型是MDA开发方式的关键要素之一, 对模型的研究主要包括精确性和完备性2 方面。精确性是指需要模型对业务需求做出精确的描述, 从而可以利用业务模型自动生成符合业务逻辑的业务功能代码。另外, 为了支持业务代码的自动生成, 模型必须能由计算机自动解释。因此, 模型必须是用精确定义的语言描述, 使其具有确定的形式 (语法) 和含义 (语义) 。完备性是指模型及模型的组合关系是否能表示完整的业务逻辑, 而不需要第三方或人工进行辅助解释, 它直接决定了MDA开发方式是否可行。

UML作为一个庞大而详细的体系, 规范了系统建模的标记及其潜在的语义[2], 并满足了大部分建模人员的需求, 但其仍然缺乏特定编程平台或建模领域的相关建模标准。为实现业务逻辑模型到实际可运行代码的转换, 首要的是对模型信息进行精确的表示和解析。本文通过UML特征文件 (Profile) 扩展UML活动图, 使用版类 (Stereotype) 对业务过程中需要用到的领域信息进行描述, 带有版类的UML标记即可以用于业务的建模。

根据被加载的UML活动图标记的不同, 元模型可以分为动作类元模型、事件类元模型和数据定义类元模型3 种。

1) 动作类元模型规定了动作节点上所执行的动作, 其需要零个或多个参数输入, 且必须产生一个或多个事件, 该事件表示动作节点上执行动作的返回结果, 例如连接数据库、审批通过等都属于动作类元模型。

2) 事件类元模型是指系统内的控制流 (Control Flow) 信息, 用于驱动事件流转或响应外部事件请求。

3) 数据定义类元模型描述了业务逻辑中用到的自定义数据类型。

基于对电力信息系统的特征分析, 以及UML系统建模理论, 本文将电力信息系统元模型抽象为通用能力类和业务操作类, 其中通用通力类包括数据库操作、算术与逻辑运算、消息通信、用户管理、鉴权认证等, 业务操作类分为流程审批、数据交互等 (见图3) 。

3 基于模型驱动的电力信息系统开发方法

基于模型驱动的电力信息系统开发方法如图4所示, 其中主要涉及模型到代码转换以及电力信息系统综合业务平台的搭建。ISP的系统架构与J2EE架构类似, MDA方法开发的业务系统以Java Bean组件的形式在ISP中加载运行, ISP负责整个业务系统的生命周期管理, 包括业务加载、运行、性能优化、服务暂停、废止等[3]。本节主要介绍模型到代码转换方法, 并通过实际的业务系统建模实例来验证本文方法的有效性。

3.1 M2C转换引擎

模型转换是MDA框架中的核心技术, 通过模型转换可以完成CIM、PIM、PSM各层模型由抽象到具体、由上到下的自动转换, 并且进一步将PSM层模型转换为具体的业务逻辑代码框架, 减少代码开发的工作量[4]。因此, 模型转换技术是MDA开发方式能否广泛应用的关键。模型转换的本质是通过预定义的映射规则将源模型的元素映射为目标模型的元素, 一般称这种完成模型转换的技术为转换引擎。

M2C模型到代码转换引擎主要完成PSM层模型到业务代码的自动转换, 转换得到的业务代码往往是框架性质的代码逻辑描述, 经过人工修改或补充即可成为真正的业务代码执行。M2C的执行逻辑一般为:首先制定元模型到代码的转换规则, 然后通过模型编辑器逐个提取源模型中的模型元素, 最后应用转换规则完成从源模型元素到目标模型元素之间的转映射换。本文采用基于可扩展样式表转换语言 (Extensible Stylesheet Language Transformations, XSLT) 处理器的模型到代码转换方法[5] (见图5) :首先通过PSM层元模型搭建系统业务模型 (实例化) , 然后通过基于XML的元数据交换 (XML-based Metadata Interchange, XMI) 技术将UML活动图形式的业务模型转化为XML业务描述文件, 其中包含了部分约束条件以实现个性化需求;其次, PSM层元模型通过XSLT编辑器生成XSLT映射规则文件, 根据元模型到组件代码的映射关系, 通过代码生成器生成特定平台的代码模板, 根据平台相关性, 可以分别生成J2EE平台或.NET平台上的可执行业务代码。

M2C转换引擎使得在业务功能变更时, 通过更改业务模型流程图, 同时结合元模型XSLT描述文件, 即可快速生成目标代码, 不仅提高了系统开发效率, 同时确保了系统设计与编程实现的一致性。

3.2 业务系统建模实例

假定某发电厂需要开发星级班组评定系统, 系统主要功能为:班组首先根据考评标准进行自评, 然后班组的上级部门会接收到评定申请, 通过对班组的综合情况进行审核, 最终评定该班组的星级。星级班组评定业务流程如图6 所示。

1) 首先进行班组自评, 班组长登录涉及到权限管理、数据库读写、班组成员管理等, 班组自评过程中需要参考统一的考核标准数据库, 因此既需要数据库读写又需要算术运算。

2) 如果班组自评结果满足星级要求, 则可以提交星级评定申请, 该步骤涉及工作流创建以及与上级评定主管部门的信息交互。至此, 班组自我评价阶段结束, 业务流程终止。

3) 班组星级评定申请写入统一的评定标准数据库, 上级部门登录后可以收到评定申请的通知消息, 此功能涉及工作流的接收及信息交互。

4) 最后如果班组的审核结果满足评定要求, 则进行星级审批;同时, 上级部门需要定期维护考核标准数据库。

图6 所示的业务流程图不仅清晰地描述了星级班组评定系统的主要功能需求, 而且其中的主要功能模块均已纳入MDA电力信息系统模型库, 因此可以通过对模型库中元模型进行代码映射, 即可将上述流程图整体映射为业务实现, 进一步地可以在电力信息系统综合业务平台中部署应用。

4 结语

本文提出一种基于模型驱动架构的电力信息系统快速开发方法, 通过抽象电力信息系统元模型抽取电力信息系统开发过程中涉及的通用功能, 以业务流程图的形式搭建系统功能模型, 并通过模型 –代码转换机制实现了业务系统的快速开发。应用实例表明, 对于功能需求较为单一、与外部系统交互不多的情况, 本文方法具有较好的适用性。

本文方法目前的局限性主要在于元模型的完备性不足, 仅仅实现了数据库操作、信息交互、用户管理等通用的能力模型, 对于较为复杂的业务系统建模通力不足, 因此下一步工作需要进一步建设更加完备的元模型库, 以提高本方法的应用范畴。

参考文献

[1]KLEPPE A G, WARMER J, BAST W.The model driven architecture:practice and promise[M].Addison-Wesley, 2003.

[2]UML Resource Page[EB/OL].http://www.uml.org/.

[3]白东伟, 彭泳, 刘传昌, 等.基于面向服务体系结构的综合业务生成[J].计算机应用研究, 2006, 4 (6) :18–21.BAI Dong-wei, PENG Yong, LIU Chuan-chang, et al.Integrated service creation based on service-oriented architecture[J].Application Research of Computers, 2006, 4 (6) :18–21.

[4]王金恒, 王普, 李亚芬.面向MDA的业务逻辑模型到代码的转换方法研究[J].计算机技术与发展, 2012, 22 (11) :36–40.WANG Jin-heng, WANG Pu, LI Ya-fen.Research on conversion method of business logic model to code faced MDA[J].Computer Technology and Development, 2012, 22 (11) :36–40.

驱动系统模型篇4

摘要：文章通过对现有顾客满意度模型的回顾评述，重新明确了感知价值理论思想，并引入顾客关系相关变量，从价值—关系视角确定了顾客满意的四个前置变量（企业形象、顾客期望、感知成本、感知质量）和两个结果变量（顾客信任和顾客忠诚），重新界定了各变量的概念，对各变量间的驱动关系进行了详细地阐述，构建出了基于价值—关系视角的顾客满意度驱动模型。

关键词：感知价值；顾客关系；顾客满意度

一、引言

为了提升企业竞争力，许多国家的学术机构已经提出了顾客满意度指数模型，比如瑞典顾客满意度晴雨表指数模型（SCSB）、美国顾客满意度指数模型（ACSI）、欧洲顾客满意度指数模型（ESCI）以及我国的顾客满意度指数模型（CCSI）。一些学者也对顾客满意度模型进行了完善，比如刘新燕等（2003）提出的新型顾客满意度模型、谢赞等（2005）开发的构成型用户满意度测量模型。然而，这些顾客满意度指数模型仍存在着驱动因素概念重叠、中介变量选取不当等问题。为了弥补这些理论缺失、提高实践指导效力，本文将在现有顾客满意文献研究基础上，重新明确感知价值理论思想，并引入顾客关系研究变量，构建基于价值-关系视角的顾客满意度驱动模型，以期为我国企业提升顾客服务竞争力提供管理借鉴。

二、相关理论文献回顾

顾客满意作为市场营销和质量管理学科的重要概念，自Cardozo首次引入管理学范畴之后就引起了大量学者和研究机构的关注，至今已形成了多个顾客满意度模型，如SCSB、ACSI、ESCI以及CCSI等。这些模型主要是以变量间因果关系为基础，始于顾客满意的前置变量，终于顾客满意的结果变量，而顾客满意则处于这一因果关系链的中间位置。

1989年，美国密西根大学商学院国家质量研究中心的Fornel教授及其团队首次构建了SCSB模型，用于测评全国范围内的多行业多企业顾客满意度。SCSB模型认为，顾客满意的前置变量包括两个：顾客期望、感知绩效。其中，顾客期望是顾客基于自身需求，而对产品或服务产生的效用或利益预期；感知绩效是顾客对产品或服务表现与其价格比较后形成的感知定位（Anderson & Fornell， 1994）。顾客满意的结果变量有两个：顾客抱怨、顾客忠诚。顾客抱怨是顾客在对产品或服务不满意时而产生的抱怨或不满行为，顾客忠诚是顾客在内心对产品或服务具有反复多次购买的心理倾向。顾客满意的提高会降低顾客抱怨行为，强化顾客忠诚，而企业很好处理顾客抱怨行为也会对顾客忠诚起到正向作用。

驱动系统模型篇5

随着市场经济的发展, 中国的油泵油嘴行业随之面临着越来越大的竞争压力。市场要求企业在更短的时间内提供更好质量、更低成本的产品, 能否满足这种要求已经成为企业生存发展的关键所在。与此同时, 企业产品数据爆炸性的增长方式使企业在产品数据的有效管理上面临着较大的考验。在这样一个大环境下, 建立一个强大的数字化产品开发协作环境和可重用企业知识库就很有必要。通过有效的产品开发过程管理和产品信息管理, 缩短产品设计周期, 提高设计质量, 提高新产品开发过程中企业各部门之间和各个开发基地、制造基地之间协作的效率, 提高公司各部门之间和各成员单位之间信息传递的准确性和真实性, 提高产品系列化、零部件通用化和标准化, 降低产品成本, 保证产品开发的效率、质量, 为销售提供可配置的产品数据, 为生产提供准确的技术依据, 并建设好能适合长期企业发展的动态的技术管理平台。

1 系统结构特点与设计理念

1.1 SIPM/PLM总体结构特点

1.1.1 PLM的概念

PLM (PRODUCT LIFECYCLE MANAGEMENT, 产品生命周期管理) [1]是一种应用于在单一地点的企业内部、分散在多个地点的企业内部, 以及在产品研发领域具有协作关系的企业之间的, 支持产品全生命周期的信息的创建、管理、分发和应用的一系列应用解决方案, 它能够集成与产品相关的人力资源、流程、应用系统和信息。

1.1.2 SIPM/PLM的系统结构

SIPM/PLM系统基于如图1所示的框架进行开发。该框架采用5层框架体系, 底层的数据库层、框架层、引擎层为上层的工具层、应用层提供基础, 上层通过调用下层来实现自己的功能。框架完全采用分布式架构, 支持远程、异地、分布式多数据库和多服务器的情况, 并充分考虑到产品开发的各个阶段对产品数据的集成, 以及在业务伙伴、远程分公司、供应商和客户之间进行产品开发协同的需要, 是一个可以随着业务需求变化而变化的、能够满足公司目前应用需求和未来应用扩展的开放式体系结构, 对企业可以起到完整的技术支撑作用。

1.2 设计理念

SIPM/PLM系统建立在J2EE基础应用架构之上, 提供面向整个产品生命周期的企业级对象管理框架、构件化的系统集成管理框架、统一的产品协同开发平台、矩阵式项目管理平台、企业产品开发过程引擎、基于构件和XML的二次开发语言和二次开发工具环境, 能够全面实现以整个生命周期产品数据对象框架为基础、以集成使能服务为纽带、以业务逻辑的泛构件化为核心、基于XML使能技术和J2EE分布式架构的构件化多层系统体系结构, 支持面向整个生命周期管理产品数据和产品开发过程, 并能将管理范畴扩展到企业所有业务对象, 将领域应用服务、专用支撑工具、集成使能服务、共享数据服务融为一体。SIM/PLM的数据处理过程如图2所示。

2 基于MDA个性驱动的多模型统一建模的系统实现

2.1 系统实施方案

实现产品生命周期数据的对象化、层次化、开放性和分布性管理, 为产品生命周期管理系统提供最底层的对象框架支持, 系统支持产品开发过程中的需求模型、概念模型、结构模型、设计模型、工艺模型、加工模型、质量模型、过程模型、环境模型、行为模型等一系列模型的对象化建模与相互关系维护, 为企业产品生命周期中的所有数据和过程提供一个统一的面向对象的建模环境和管理环境。

系统全面支持软件模块、软件系统、部门、企业 (企业主体、远程分公司、业务伙伴、供应商、客户) 等业务逻辑载体的构件化, 支持建构从面向中小企业到大型供需链需要在内的、规模高度可伸缩的、分布式的构件型产品集成管理和协同服务, 支持从产品概念设计到产品售后维护等在内的产品全生命周期中的所有业务过程, 乃至整个供需链的集成。

基于XML使能技术, 实现业务逻辑的高度可配置和业务模型的无限可扩展, 以及产品设计、制造和管理所需产品数据、知识、资源信息的开放式集成支持, 提供基于构件和XML使能的二次开发工具环境。

个人可以拥有属于自己的私人工作空间, 在其中可以获取各种设计/签审工具, 完成各种设计/签审工作, 或者查看与处理一切属于自己的私人数据。

基于底层的工作流引擎和消息引擎驱动与产品数据有关的一切设计与变更活动, 在一个统一的可扩展的协同工作环境中实现产品生命周期中的所有业务过程。

系统内置三大数据管理引擎:分类引擎、视图引擎和项目引擎, 涵盖企业任何需要管理的数据对象。通过分类引擎可以实现企业中一切数据的分类维护及其关联数据关系的管理;通过视图引擎可以实现企业中一切数据的自定义多视图管理, 如BOM数据的设计视图、装配视图、工艺视图、生产视图、采购视图、装箱视图的多视图管理, 零部件的设计视图、工艺视图、生产视图的多视图管理等;通过项目引擎可以实现项目的计划、控制以及以项目为中心的数据组织、演变和管理。

系统的建模过程采用了整个系统的多模型统一建模方法[2]。在设计时, 主要考虑设计它的class diagram (类图) 和component diagram (组件图) , 用这两类模型图来体现UML的用例驱动和系统组件结构的特性。由于在系统的开发中采用了模块化的设计方法, 因此在构划模型图时, 采用了先整体后局部的思路, 首先考虑整个系统的案例图, 再对子模块进行分析和设计, 在每个子模块数据流的入口和出口设置模型图间数据交互的接口。

2.2 模型驱动和开发平台

2.2.1 MDA驱动个性化PLM

MDA (Model Driven Architecture) [3]是模型驱动架构, 它是一个软件开发框架。它是一种基于UML以及其他工业标准的框架, 支持软件设计和模型的可视化、存储和交换。和UML相比, MDA能够创建出机器可读和高度抽象的模型, 这些模型独立于实现技术, 以标准化的方式储存。MDA把建模语言用作一种编程语言而不仅仅是设计语言。MDA的关键之处是模型在软件开发中扮演了非常重要的角色。SIPM/PLM的MDA技术原理如图3所示。

首先理清纳入到PDM的被管理对象与技术管理和PDM管理的关系, 然后建立模型, 通过引擎往后自动生成数据库的结构, 往前生成用户界面和功能。

被管理对象和他们之间的关系全部建好之后, 再进行一个框架的建模, 就可以形成一个个性化的, 符合客户管理的PLM系统。

2.2.2 基于J2EE的基础应用架构

J2EE[4,5]是一套全然不同于传统应用开发的技术架构, 包含许多组件, 主要是可简化且规范应用系统的开发与部署, 提高了可移植性、安全与再用价值。

J2EE平台支持简化的、基于组件开发模型, 支持异构环境。由于组件技术的使用, 可以按照开发人员的技能对应用程序开发进行分工, 并行开发, 以提高整体开发效率, 基于组件的设计简化了应用程序的维护。此外, J2EE的可伸缩性比较好, 易于维护, 因此其应用范围比较广。

基于J2EE的基础应用架构[6], 顺应制造业集团化、分布式发展的趋势建立在J2EE基础应用架构之上的产品协同开发管理平台软件, 提供了面向产品生命周期的企业级对象管理框架、构件化的系统集成管理框架, 这些框架具有系统容错管理、支持分布式事务管理的特点, 保证了系统的稳定运行。

2.2.3 系统的调试及运行

整个PLM系统的核心设备为一个IBM的4CPU (CPU主频为3.0) , 8G内存的服务器。系统利用SQLSERVER2005企业版作为系统数据库。系统能够做到对多个文件的批量授权和对单个文件的个别授权, 还可以做到根据关键字对文件进行选择性授权, 大大降低了管理人员的工作量, 另外系统还提供了自定义规则的授权方式, 从而能够完成复杂条件的授权工作。如图4所示, 系统提供了全新的文件浏览方式, 系统集成第三方的服务端浏览软件, 能够直接在服务端生成流文件并传送到客户端页面且不会在客户端产生任何临时文件, 结合安全管理体系和128位SSL加密技术的浏览方式极大地保障了文件的安全性, 避免文件及图纸不受控制的流出。SIPM/PLM系统为机械设计软件AUTOCAD和工艺设计系统CAPP设计了与PLM的接口, 并能通过PLM直接完成图档和工艺文件的在线签审。

3 结束语

SIPM/PLM系统按照上述设计方案进行了设计, 并在无锡威孚公司得到了成功使用, 该系统的成功使用缩短了产品研发周期, 进而降低了产品生产成本;其面向对象的建模方式, 彻底解决了个性化需求与标准软件的矛盾;其分布式浏览和安全机制的严密结合, 确保企业技术数据安全可靠;其应用封装技术提供了对已知和未知应用软件的数据管理的集成方法。

该系统的成功实施, 缩短了威孚公司的产品研发展周期, 并且通过该系统将公司现有的IT资源有机地进行了整合, 提高了工作效率, 减少了人工干预环节, 降低了错误出现几率, 企业信息化得到了完美支撑, 紧密关联了企业信息化的上/下游软件产品, 集成了上游各类2D/3D设计软件与下游ERPSCM软件, 最大限度地利用了企业资源, 为企业的发展提供了源源不断的动力。

摘要：针对油泵油嘴企业生产过程中产品研发、生产管理、部门协作等复杂情况, 提出了一种基于数字化平台的MDA个性驱动的多模型统一建模的PLM系统的设计与实现方案, 该方案依托数字化平台和可重用企业知识库, 通过对产品开发过程和产品信息的有效管理, 缩短产品设计周期、提高设计质量及部门之间的协作效率, 最终提高企业的整体水平与行业优势。

关键词：PLM,J2EE分布式架构,个人工作区,MDA驱动,安全性

参考文献

[1]黄培.PLM, 产品创新的利器——PLM技术应用与发展综述[J].CAD/CAM与制造业信息化, 2005 (5) .

[2]Craig Larman.UML和模式应用[M].2版.机械工业出版社, 2004.

[3]应思红.MDA驱动个性化PLM解决方案[R/OL].http://www.sipm.com.cn.

[4]博德欧夫.J2EE 1.4标准教材[M].2版.电子工业出版社, 2004.

[5]崔华, 胡燕.MDA中的精确建模方法研究[D].武汉理工大学, 2006 (6) .

[6]王永平, 王新勇, 王成良.基于MDA的UML建模语言研究[J].软件导刊, 2007 (19) .

[7]GearyCore D.core Java Server-Faces[M].Addison Wesley, 2004.

驱动系统模型篇6

火力发电企业受金融危机影响, 近两年来负荷率有所下降导致发电效率下降。2010年经济由保增长向调结构转变, 国家要大力发展低碳经济, 作为碳排放大户的火力发电企业, 将面临巨大的环保压力和清洁能源发电企业的同业竞争压力。煤炭市场方面由于煤炭产业集中度进一步提高, 导致发电企业在电煤价格谈判上处于不利地位, 加之火力发电企业所用的燃油、水等资源价格近年来不断上涨, 导致火力发电企业成本不断上升。由于现有的电价制定机制, 发电企业对上网电价没有发言权, 国家考虑到电力涉及民生问题, 在电力价格调整上非常慎重。发电企业由于独特的行业垄断属性, 加上长期处在计划经济体制氛围中, 内在改革动力不足, 创新欲望不强, 总体管理水平在各行业中处于中低水平。综上所述, 火力发电企业经营面临的不确定、不可控因素大量存在, 因此, 向内降低企业成本, 向管理要效益, 实施以降低成本、追求效益增长为导向的管理信息系统的需要日益迫切。

二、火电企业管理信息系统现状分析

我国火力发电企业的信息化从20世纪60年代起步, 最初主要集中在生产过程自动监测、控制方面, 20世纪80-90年代开始进入电力系统专项业务应用。20世纪末, 电力信息技术进一步发展到综合应用, 由操作层向管理层延伸, 各电力企业开始逐步建立管理信息系统。可以说, 火力发电企业的信息化建设尚处于刚刚起步及发展的阶段, 普遍存在的问题主要包括以下方面:

(一) 管理信息化建设定位不明确, 未能以效益为驱动

电力企业进行信息化建设是在旧的管理模式、计划体制、管理不规范的条件下开始的, 缺乏正确的思想方法, 对信息化的作用和目标不明确。建立起来的一些应用系统只是简单的提高了工作效率, 在成本控制、提高企业经济效益上还有很大差距。因此, 以效益为驱动的IT规划是电力企业信息化的指导纲领, 是电力企业信息化高级阶段的必然选择。

(二) 生产自动化系统与管理信息系统处于分离状态

很多发电企业的生产自动化系统与管理信息系统处于分离状态, 彼此没有有效结合, 不能实现管控一体化, 数据信息不能集成共享, 不能为决策和数据挖掘服务。

(三) 管理信息系统未能有效整合, 信息孤岛的存在制约着管理信息系统的应用效果

经过多年来持续不断的建设, 电力行业内部各个子系统采用了各种不同的平台和管理软件, 这不利于使用操作、管理维护和整体效果的发挥, 因此要进行各平台、各信息化应用系统间的整合。

(四) 信息化建设还没有上升到综合决策信息化的高度

由于多年的行业垄断和计划体制, 火力发电企业普遍重生产, 轻经营, 多年来缺乏经营管理思想, 这样就导致信息化系统中操作性的应用系统较多, 没有真正意义上的商业智能系统, 缺乏对大量业务数据的分析和深度挖掘。这样就无法将操作和经营决策紧密结合, 信息资源的增值作用不能在生产经营过程中充分发挥出来, 从而无法有效支持企业战略的制定和真正执行。

三、火力发电企业成本效益分析

(一) 燃煤成本

燃煤是火电企业生产成本的大头, 其采购成本普遍占火力发电企业总成本的60%以上。加强对煤炭市场的分析、研究和预测, 建立多煤源、多渠道供应格局, 综合考虑成分、热值、价格等因素, 优化采购策略, 是降低燃煤采购成本的关键。另外要加强燃煤采制化管理, 强化发运、接卸、存放、混配、掺烧各个环节精细化控制, 在保证环保要求的前提下实现燃煤成本的最优化。

(二) 物资采购及库存成本

发电企业属于资产密集型企业。每年的设备维护、检修和技术改造项目所需物资费用以千万元计。在降低物资采购和物资储备成本方面大有潜力可挖。目前很多火电企业在物资管理模式上存在较大问题, 存在严重的采购成本居高不下、库存积压现象, 利用信息化平台, 构建先进的物流管理模式, 才能有效地降低物资采购和库存储备成本。

(三) 机组运行成本

目前的发电企业绝大多数都拥有成熟先进的机组级控制系统 (DCS系统) , 但普遍没有建立厂级监控系统 (SIS系统) , 对机组性能优化、调度负荷合理分配等运行方式优化方面的工作无法实施, 使得在发电成本控制上缺乏有效的手段。因此, SIS系统建设势在必行。开展生产系统的深度对标, 建立相对科学实用的全方位的对标指标体系, 通过开发以机组运行指标为考核目标的绩效考核系统, 充分调动运行人员的积极性, 可以提高机组运行的经济性。

(四) 设备检修维护成本

各发电企业普遍重视设备安全管理而忽略成本核算, 设备维修和检修工作普遍采用故障检修和周期检修为主的检修方式, 缺少国外先进电厂主推的预测性维修模式, 设备存在严重的过修现象, 导致设备检修费用居高不下。建立合理的维修策略、实现设备状态检修是降低是设备检修维护成本的重点。

综上所述, 火力发电企业可以从以上几个方面为突破口, 重点挖潜, 建立先进的管理模式, 通过信息化手段, 实现企业内部成本的有效控制。

四、火力发电企业信息系统模型

(一) 合理划分信息化模型层次

根据火电企业生产和管理现状, 将信息化模型划分为以下四个层次:

第一, 生产现场控制层。该层是指生产过程的数据采集和直接控制, 与生产设备直接关联, 提供的是生产过程的实时信息, 是生产基础数据的提供层, 该层提供机组级的监控功能 (主要包括DCS控制系统) , 目前各火力发电企业都有该层。

第二, 厂级监控系统 (SIS) 。它完成厂级生产过程的监控, 通过采集控制层的数据, 结合管理层信息, 对控制系统和机组性能进行整体优化和分析, 为过程控制提供操作指导, 甚至可以直接控制控制层, 比如机组非直调方式, 就是中调把全厂负荷发给电厂SIS, 电厂SIS系统按优化分配算法把负荷分配给每台机组, 可取得明显的经济效益。SIS层是控制层和管理层的中间桥梁, 为生产管理层、经营决策层提供所需的分析、统计信息。SIS属于在线监视和管理系统, 本质上讲它是实时生产过程的管理现代化工具。

第三, 生产管理层。该层主要是为生产管理服务的, 主要包括运行管理、设备管理、安全管理、物资管理、技术监督管理等方面。生产管理层主要是离线管理, 它通过从经营决策层获取经营指标信息来制定和实施相关的生产计划, 同时为SIS层提供控制指导信息。

第四, 经营决策层。该层以综合计划管理为主线, 以全面预算和成本管理为核心, 以燃料管理为基础, 人事管理以及OA等系统为辅助手段, 其重点应放在提高企业实时成本计算速度, 满足商业化运营需要。

第一、二层与电厂的实时生产过程紧密连接, 而第三、四层是普遍意义上的管理信息系统。第三、四层在硬件层次上实际上属于同一层, 划分成两层是按软件功能进行的分类。本文以成本控制为核心, 重点探讨第三、四层的设计、实施和开发重点。

(二) 生产管理层实施重点

生产管理层分为四个部分:安全管理、设备管理、运行管理、物资管理。

1、安全管理系统。

安全是发电企业最大的效益, 机组故障跳闸光是重新启动用油成本就以百万计, 更不用说跳闸后电网对电厂的经济处罚以及电量损失了。因此安全管理是管理信息系统的重要组成部分, 其开发的重点是实现安全管理信息共享、流程管理、闭环控制, 目的是降低安全风险。安全管理系统可以划分为风险防范、应急处置、事故调查、体系建设、职业健康、制度体系、安全分析等方面。

2、物资管理系统。

以生产项目为中心, 通过对ERP系统平台, 仓库储备平台和网络采购平台进行整合, 实现物流、信息流、现金流同步, 实现整个企业物资信息共享、物资统一管理、统一采购、统一调配领用的精细化管理是火电企业物资管理模式的发展方向。开发的重点在以下几个方面:一是建立物资采购平台, 通过采购平台, 实现公平、公正、透明的物资采购方式, 通过建立供应商信誉信息库, 对供应商进行有效管理;二是建立统一的储备库, 通过合理编制储备定额在保证机组检修维护需要的前提下减少不必要的物资储备, 降低物资资金占用;三是优化物资从计划、采购、库存到使用的过程管理, 实行集中采购、集中储备、集中配送, 入库出库实时联动财务账目, 实现生产与物资管理等相关业务和财务信息的集成与共享, 实现物资管理与核心业务一体化。

3、设备管理系统。

设备管理系统主要包括设备台账管理、缺陷管理、点检管理、维修管理、技术管理、技术监督管理、物料需求计划管理等方面。开发的重点应放在有效掌握设备状态和实施设备状态检修方面, 应选用成熟的资产管理系统 (EAM) 进行设备资产管理。

4、运行管理系统。

主要围绕运行指标优化和机组安全稳定运行进行开发, 包括机组指标实时考核、设备定期倒运管理、工作票管理、操作票管理、实时数据查询、运行日志、事故预案、综合统计等功能模块。

(三) 经营决策层

该层主要包括财务管理、燃料管理、人资管理、行政管理、营销管理五个部分。

财务管理要加强计划性, 实施全面预算管理、加强成本核算。燃料管理要通过建立优化模型, 实现燃煤在采购、发运、接卸、存放、混配、掺烧各个环节精细化控制, 最大程度地降低成本。人资管理重点应放在实现全员绩效管理, 使整个企业提高全员劳动效率、高效运转方面。营销管理的重点在于实现企业的全成本实时分析, 为实现竞价上网做好决策支持。

(四) 以效益为驱动的信息化系统实施要点

1、建立完善、准确的动态数据库, 这是一切应用的基础。

为了实现物流、信息流、资金流的同步集成, 在数据编码、数据准备上必须进行合理的设计, 将设备码、资产码、物资码有效、准确关联起来。

2、企业的信息化不能理解为对生产

与管理工作的计算机化和网络化, 还必须包括与企业管理变革相联系的更深的层次。应以信息化为契机, 改革组织结构和管理模式, 优化工作流程, 只有在高起点上的信息化才能为企业带来巨大的收益。

3、企业的信息化是一个系统工程, 它

是为提高企业的竞争力服务的, 因此实施信息化必须要有专门的组织机构, 制定以效益为驱动的总体规划, 稳步推进, 尤其是对产生明显效益的应用要优先开发, 早见效益, 坚定信心。

4、搭建一体化平台, 将经营、生产、行

政等方面的应用有效整合、实现单点登陆及综合展现。方便每位员工完成对自己日常工作的管理。

5、开发先进的全员绩效考核系统, 充分调动人员的积极性, 保证企业各项目标的实现。

6、要实现物流、信息流、资金流的一

体化集成管理, 必须以业务的流程化为驱动。因此, 业务流程的重组再造非常关键, 必须对企业的关键业务流程进行认真分析和精减, 达到提高效率的目的。

摘要：文章分析了火力发电厂信息化建设的发展现状, 通过对火力发电企业的成本效益进行分析, 找出增值部分, 提出了火力发电厂信息化模型和应用软件开发重点。

关键词：信息化系统,效益驱动,模型

参考文献

驱动系统模型篇7

一、多层次作业模型分析

传统意义上的二阶段作业模型将企业各个经营管理项目所消耗的成本资源分配到各个作业环节当中, 并根据这些作业环节差异性的成本动因按照一定的规律将其分配到各个成本对象当中。多层次作业模型最显著的特点在于它不仅关注到了最终成本对象与作业之间的关系, 同时也对作业与作业之间的关系加以了系统关注。大量的实践研究结果向我们证实了一点:在整个制造业成本管理系统当中, 一部分作业会同时受到来自两个或两个以上作业项目的消耗, 并最终被成本对象所消耗, 由此而形成的作业模型类似于网状结构。上层对象能够直接与成本对象相关联, 下层对象能够直接与资源项目相关联。换句话来说, 在整个多层次作业模型当中, 企业所消耗的资源成本能够在初始成本的动因分配的作用之下合理的分配到作业项目当中。与此同时, 作业成本也能够在中间成本项目的动因累积作用之下累积到相应的作业项目当中, 进而使得位于系统上层位置的作业成本因素能够直接影响到位于系统下层的成本对象, 其关键仍然在于成本的动因分配。

二、需求驱动型的作业成本计算法分析

从多层次作业模型的架构角度上来说, 企业开展成本计算与成本分配的方式一般来说可以分为以下两种: (1) .由上至下的依照成本对象所消耗的作业项目向资源方向研究并进行成本统计; (2) .由下至上的依照资源的初始消费作业项目向作业消费者方向研究并进行成本分解。这两种方式在一定程度上都能够对企业在一定经营管理时期当中所发生的全部成本进行追踪与分配, 而最显著的差异就在于以上两种成本追踪及分配方式的方向是截然相反的。由上至下的成本追踪与分配方式从本质上来说是一种由资源至成本对象的计算方式, 而由下至上的成本追踪与分配方式从本质上来说则是一种由成本至资源的计算方式, 这也正是这种需求驱动型计算方式在制造业成本管理系统当中的一般计算方式。

简单来说, 这种计算方式能够以成本对象为起点, 对成本项目所消耗的主要作业内容及消耗明细进行检查与核对。在这一过程当中, 主要作业的运行会对其他类型的辅助作业及相关子系统作业产生一定程度的影响与消耗。这种影响与消耗的过程将按既定方式一直延续到整个制造业成本管理系统的最底层, 整个计算流程与计算方式如下图所示 (见图1) 。

由图相关工作人员不难总结:同由上至下的成本项目追踪及分配方式相比, 这种基于需求驱动型的作业成本计算方式更加能够将整个企业在一定经营管理期间当中的工作步骤以及工作项目的完成情况反映在企业经营管理负责人面前, 企业相关管理人员能够更为直观的了解到企业成本是如何在价值链路线的作用之下在不同作业及不同部门机构之间进行流动的。当作业成本模型实现标准化发展之后, 相关工作人员能够以成本动因分配率为依据, 计算整个企业在一定经营管理时期当中由新客户订单所产生的作业需求成本, 从而为企业面向新客户给出产品报价提供更为有利与可靠的保障。

三、基于作业成本法的成本优化措施分析

在作业成本法作用之下, 企业相关管理人员能够在较快的时间当中找到企业生产活动当中的一系列非增值成本, 并自动剔除能够产生这部分成本项目的作业系统。在对整个制造业成本管理系统当中的成本项目进行优化之前, 需要细化企业的各个生产加工步骤, 在明确企业各项成本项目的消耗状况之后, 可选择以下几种方式对其进行优化。

(一) 削减作业成本。

制造业成本管理系统能够将企业在各项作业项目中所消耗的单位成本进行合理计算, 并将其与企业在历史经营管理期间的成本数据及市场平均价格进行合理比较, 进而确定该项作业成本是否且能否进行削减。

(二) 作业取消。

将系统当中多余的或是不必要的作业从网络系统中取消。

(三) 作业选择。

将系统当中效率最高, 成本消耗最少的作业项目作为一部分类似性或是重复性项目的替代项目。

(四) 作业共享。

将原本独立作业当中的同一性部分抽取出来并组合为一个新的公共作业, 以作业字数的缩小来达到提高作业效率, 控制作业成本的目的。

摘要：本文对作业成本法的基本理念及其一般应用情况进行了详细分析, 并引入了需求驱动的相关理论进行多层作业成本模型的设计思路, 以此为基础对企业制造成本的管理方式进行了一系列的优化与完善。

关键词：需求驱动,多层,作业成本模型,制造业,成本管理系统

参考文献

驱动系统模型篇8

盾构机是专用于地下隧道工程挖掘的重大装备,其刀盘驱动主减速器是进行掘进作业的主要装置,起着驱动刀盘切割岩土的作用。由于盾构法施工是在地层深处进行的较为复杂的施工活动[1],施工地质构造复杂,刀盘驱动主减速器处于变载荷工况下运转,且在十几米乃至几十米的地下对其进行维修是件非常困难的事情,因此要求刀盘驱动主减速器必须具有较高的可靠性,在产品设计时必须对其进行准确的可靠性分析和评估。经失效模式及影响分析法(FMEA)分析,一般的齿轮传动减速系统属典型的串联系统,即系统中任意一个零件发生故障都会导致整个系统的失效。在系统中各零件的失效相互独立时,系统的可靠度可表示为各个零件可靠度的连乘积,即,其中,Rs为系统的可靠度,Ri为第i个零件的可靠度。事实上系统中各零件的失效并非完全独立,而是普遍存在着一定的相关性,如载荷上的相关、尺寸上的相关、刚度上的相关等。忽略这种相关性,简单地在各部分失效相互独立的假设条件下对系统可靠性进行定性分析和定量计算,常会导致较大的误差[2,3,4,5,6]。因此,为对盾构机刀盘驱动主减速器传动系统的可靠性做出准确评估,必须考虑系统中各失效模式间的相关性。

在考虑相关性的系统可靠性研究方面,Ditlevsen[7]通过考虑两两失效模式之间相关性的影响,提出了二阶可靠度区间估计方法。Ang等[8]提出概率网络估算技术法将其用于结构体系失效概率点的估计计算。Rackwitz等[9]提出降维法,近似计算结构系统失效概率。李云贵等[10]采用条件概率和数值计算技术,提出了结构体系失效概率估算的近似数值分析方法。成刚虎等[11]推导了在中高可靠度和低可靠度两种情况下考虑失效相关性的可靠度求解模型。康海贵等[12]提出了采用改进的等价平面法,并将其用于计算串联体系或并列体系的失效概率。上述分析方法的共同之处,在于不可避免地涉及失效模式间相关系数的求解,而相关系数的计算具有一定的经验性,没有明确的物理意义,并可能会使计算结果与实际可靠度之间存在较大差异[13]。文献[14,15,16,17,18]运用应力-强度干涉模型,建立考虑各失效模式关于单一因素—载荷相关的机械传动系统的可靠性模型。由于积分运算复杂,故具体应用时也只针对单一轮齿或一对齿轮的两种失效模式间的相关性来进行。对于考虑在多失效模式及多因素相关条件下的复杂机械传动系统的可靠性模型的研究和应用,国内外尚不多见。

本文基于应力-强度干涉原理,建立了在多失效模式及多因素相关条件下的复杂机械传动系统可靠性的一般计算模型,并将该模型应用于盾构机刀盘驱动主减速器多级行星传动系统中,准确计算了该传动系统的可靠度。计算结果表明,所建模型可以较为准确地反映该行星传动系统的可靠性。

1 系统可靠性分析

由于盾构机刀盘的工作转速低(1.3r/min左右)、输出扭矩大(480kN·m左右),刀盘驱动主减速器结构上通常采用三级2K-H行星传动串联的形式,其机构如图1所示。其中,si表示第i级的太阳轮,pi表示第i级的行星轮,ri表示第i级的内齿轮,i=1,2,3,g1～g3表示各级的行星轮轴承。

首先进行FMEA分析,确定主减速器传动系统中的重要元件及其主要失效形式。将系统各元素按影响系统可靠性的程度分为A、B、C三类。划分结果如表1所示。计算传动系统可靠性时主要考虑A类元素的影响对类类元素由于它们与传动性能相关性不大,影响较小,或有些零件的可靠度为1,因此在计算时暂不考虑[19]。另外,A类元素中的输入输出轴、各级行星架、行星轮轴和花键连接的可靠性一般都很高,可认为十分可靠,计算时可不考虑。因此,整个行星齿轮传动系统的可靠性可认为是由各级太阳轮、行星轮、内齿轮和各级行星轮轴承组成的串联系统的可靠性所决定的。

对于一般的闭式齿轮传动,齿轮的主要失效模式有两种,即齿面接触疲劳破坏和齿根弯曲疲劳破坏,轴承的失效形式主要是疲劳点蚀破坏。因此,对行星齿轮传动系统的可靠性分析主要针对这3种失效形式来进行。具体分析时,根据上述3种失效形式,将行星传动系统的失效分解成由各个齿轮和轴承组成的多种失效单元的串联组合。盾构机刀盘驱动主减速器的任意一级均为2K-H型行星传动系统,第i级的太阳轮和内齿轮均有两种失效单元,分别是太阳轮的接触失效单元和弯曲失效单元以及内齿轮的接触失效单元和弯曲失效单元,简记为H(si)、F(si)、H(ri)、F(ri);行星轮则有4种失效单元,分别是与太阳轮啮合的接触疲劳单元和弯曲疲劳单元以及与内齿轮啮合的接触疲劳单元和弯曲疲劳单元,简记为H(psi)、F(psi)、H(pri)、F(pri)。轴承的疲劳点蚀失效单元记为H(gi)。若该级行星传动中行星轮的个数为np,行星轮4种失效单元的任意一种实际上均由np个失效事件在功能上串联构成,即np个失效事件任意一个的发生都会影响系统的正常运转,而不能简单认为是结构上的并联关系[20,21]。又由于这np个失效事件中任两个事件都是相等的,由概率论的知识,np个失效事件便可以等效为其中的任意一个失效事件。同样,太阳轮或内齿轮的任意一种失效模式实际上也是由np个失效事件在功能上串联构成的,由于各事件之间完全相关,因此只按一种失效模式来处理。各级行星轮轴承的失效也是完全相关的,因此,也按一种失效模式来处理因此盾构机刀盘驱动主减速器三级行星传动系统的可靠性如图2所示。可见,该行星传动系统是由27个失效单元组成的串联系统,包括24个齿轮失效单元和3个轴承失效单元。

2 失效单元可靠性模型

为计算各失效单元的可靠度,必须正确建立各失效单元的可靠性模型,包括齿轮失效单元的可靠性模型和轴承失效单元的可靠性模型。

2.1 齿轮失效单元的可靠性计算模型

按国标GB/T3480-1997,将除载荷Ft及使用系数KA外的其他各尺寸参数和修正系数按常量处理,这时齿轮节点处的计算接触应力以及齿根弯曲应力可写为Ft和KA的函数。统一记为

当Si为接触应力时

当Si为弯曲应力时

上两式中各符号含义详见GB/T3480-1997。其中,vi、wi为常数。设此时对应的强度随机变量为ri,随机变量Ft、KA、ri均服从正态分布,则第i个失效单元的极限状态函数gi=ri-Si(Ft,KA)。由JC法可以求出相应的可靠性系数βi,则第i个齿轮失效单元的可靠性计算模型为

2.2 轴承失效单元的可靠性计算模型

大量试验证明,滚动轴承的接触疲劳寿命服从三参数Weibull分布[22],则相应的可靠度函数为

式中,t为不同可靠度时的轴承寿命;t0为最小寿命(位置参数);te-1为特征寿命(尺度参数);β为Weibull斜率(形状参数),一般球轴承β=10/9,圆柱滚子轴承β=3/2,圆锥滚子轴承β=4/3。

式(2)即为轴承失效单元的可靠性计算模型。这样,在已知轴承的运转时间t后,便可求出相应的可靠度R(t)。

3 系统可靠性模型

3.1 机械传动系统可靠性一般计算模型

为准确求得机械传动系统的可靠度,必须考虑系统中多种失效模式间的相关性而这种相关性往往是多方面的,如载荷上的相关、刚度上的相关、尺寸上的相关等。设各失效模式间关于m个因素相关,这些因素称为广义载荷,它们都是随机变量,分别记为N1,N2,…,Nm,写成向量形式为N=(N1,N2,…,Nm),其概率密度函数分别为fN1(N1),fN2(N2),…,fNm(Nm)。在第i种失效模式下载荷所产生的应力为Si(N),对应于该模式下的强度随机变量为r,其概率密度函数为fi(r)。当各个广义载荷为确定值时,即N=N0=(N10,N20,…,Nm0)时,第i种失效模式的可靠度为

若各失效模式间关于强度是相互独立的,失效模式总数为n,则各失效单元均可靠的概率为

载荷N恰在N0附近dN小区间取值的概率为

则载荷N在dN区间内的系统的可靠度为

对应于所有可能的N0的取值,系统可靠度为

式(7)即为在多失效模式及多因素相关条件下系统可靠性的一般计算模型。一般地,各失效模式间的主要相关因素个数m不大于2或3,式(7)的多重积分不会超过三重,采用数值积分计算,可以求得系统的可靠度。

3.2 盾构机刀盘驱动多级行星传动系统可靠性计算模型

由于盾构机刀盘驱动多级行星传动系统中失效单元数较多,故为使计算简化,将其他修正系数(如动载系数、弹性系数等,不是影响模式间相关的主要因素)按常量处理。考虑主要因素,即载荷和使用系数的相关性则由各齿轮失效单元组成的系统的可靠性计算模型为

为简化计算,假定载荷、使用系数和强度均服从正态分布。即KA～N(uKA,σKA),Ft～N(uFt,σFt),r～N(ur,σr)。则式(8)经变换推导可表示为

其中,fFt(Ft)、fKA(KA)分别为Ft、KA的概率密度函数;uri、σri分别为第i种失效模式下强度的均值和标准差;Si(Ft,KA)为第i种失效模式下的应力;Ft为端面内分度圆上的名义切向力,且有

式中,Ts为太阳轮轴上的输入转矩;Kp为行星轮间载荷分配不均匀系数;ds为太阳轮分度圆直径。

可见,式(9)中被积函数表达式较为复杂,含24个积分的乘积,但在计算机上求解仍然是很方便的。一方面,按式(1)分别计算系统中24个齿轮失效单元的可靠度,对可靠度较高的单元可以略去不计,减少被积函数表达式中积分的数目;另一方面,编程计算可在MATLAB中进行,直接调用其normcdf函数计算正态分布的累积概率值。对于积分限的选取,按Ft和KA的实际取值,下限分别取为0和1,上限分别取uFt+(5～10)σFt和uKA+(5～10)σKA为宜。最后,采用Simpson数值积分算法,可以计算出可靠度R的准确值。

由式(2)可计算出三级行星轮轴承的可靠度,分别记为Rg1、Rg2、Rg3。由于轴承单元的失效与齿轮单元的失效相关性较小,故计算时可认为两者是相互独立的。则整个盾构机刀盘驱动行星传动系统的可靠度为

4 计算实例

某盾构机刀盘驱动主减速器采用三级2K-H行星传动串联形式,输入端太阳轮轴上的扭矩为Ts=1489±446.7N·m,载荷分配不均匀系数Kp=1.1,使用系数KA=1.35±0.133 65。1至3级行星轮的个数np分别是3、4、4。已知载荷、使用系数、强度均服从正态分布,其他参数为常量。太阳轮和行星轮材料均为17Cr2Ni2Mo,内齿轮材料为选用时运动黏度为320mm2/s的润滑油。该主减速器的设计寿命按10 000h计算,其他设计参数如表2所示。计算该主减速器行星传动系统的可靠度。

(1)计算载荷及使用系数的均值和标准差。按式(10)分别计算载荷的均值和标准差,得Ft～N(10 919,1091.9)N。按3σ法则可求出使用系数的均值和标准差,得KA～N(1.35,0.044 55)。

(2)计算各齿轮失效单元的可靠度。按式(1)计算各齿轮失效单元的可靠度,结果如表3所示。

可见,在24种失效单元中太阳轮弯曲疲劳单元、行星轮(与内齿轮啮合)接触疲劳单元以及内齿轮的弯曲疲劳单元的可靠度均为1,即不会发生这些模式的失效,计算时不予考虑。同时,对于可靠度大于99.99%的失效单元可认为比较可靠,计算时也不予考虑。另外,由于太阳轮接触疲劳失效和行星轮与太阳轮啮合接触疲劳失效是两个完全相同的事件,因此可以作为一种失效模式来处理。这样24种失效模式经化简变为9种失效模式。如表3中黑体数字所示。

(3)计算轴承失效单元可靠度。按式(2),在已知设计寿命t=10 000h的情况下,可以分别求出各级行星轮轴承对应的可靠度,如表4所示。

(4)系统可靠度计算。首先由式(9)计算传动系统中齿轮失效单元总的可靠度R≈0.934 392。为验证计算结果的准确性,采用Monte-Carlo法对其进行仿真模拟。结果如表5所示。

可见,随着模拟次数的增加,可靠度在数值上趋于稳定,当模拟次数达到200万次时,可靠度值与式(9)的计算结果相接近,由此验证了上述计算模型的正确性。

由式(11),整个盾构机刀盘驱动三级行星传动系统的可靠度为

5 结论

(1)应用应力-强度干涉理论推导出了在多失效模式及多因素相关条件下机械传动系统可靠性的一般计算模型。并运用该模型建立了盾构机刀盘驱动多级行星传动系统的可靠性计算模型,求取了该系统可靠度的准确值。由于系统中失效单元数较多,故计算时主要考虑了可能发生失效的单元;同时,由于各失效模式间的相关性是多方面的,故计算时主要考虑了关于载荷和使用系数的相关性。

(2)用Cornell提出的宽界限公式,即进行计算,可得出传动系统齿轮失效单元总的可靠度界限为0.927 984≤R≤0.962 146。可见,按式(9)计算的结果完全落在上述界限内,而且在数值上与下界限相接近这不仅再次验证了该计算模型的正确性,也说明齿轮各失效单元间关于载荷和使用系数的相关性较小,接近独立假设理论的计算结果。

(3)由表3可知,单元可靠度在各级传动系统中分布不均匀,第1级、2级的单元可靠度较高,而第3级的单元可靠度偏低,且可能失效的单元数较多,从而导致整个盾构机刀盘驱动多级行星传动系统的可靠度偏低。因此,需要对系统中各单元的可靠度进行重新分配,对系统进行可靠性优化设计提高整个传动系统的可靠性

改进的曲率驱动降噪模型篇9

图像与任何其他携带信息形式的数据一样, 在每张图片的信息可能受到噪声的影响。图像在获取、传输和存储的过程中都有可能混入噪声, 使图像模糊不清, 影响图像的分割、重建等后续处理。特别是在低照度环境下, 光波粒子较少, 不能在图像传感器的所有像素点产生有效的光电效应, 进而导致输出的图像与目标图像差别较大, 噪点较多, 这一点在移动通信设备上尤为明显。由于移动设备体积有限, 光圈进光量不足, 单像素传感器面积小, 导致移动设备对降噪算法依赖极大。

关于图像降噪的算法常见的有:中值滤波法, 均值滤波法, 双边滤波法, 最小均方差滤波等传统的滤波方法, 也有基于傅立叶变换的方法和小波变换方法。偏微分方程 (PDE) 自上个世纪80年代末开始被用于解决传统的计算机视觉问题, 近年来在图像去噪与修复等方向的应用中已经取得了不错的成果。

曲率驱动与边缘停止相结合的非线性扩散模型

偏微分方程是以运动的视角来处理图像问题, 起源于物理环境中热传导方程初始值问题:

其中表示拉普拉斯算子, 可以用高斯函数与初始图像的卷积来表示:

其中,

x和y方向上的等效宽度均为。

由于梯度算子有各向同性的特性, 而导致其在图像去噪过程中不能很好的保持边缘信息。为了解决由于该梯度算子各向同性所引起的问题, Perona和Malik提出了一种非线性的各向异性扩散的图像去噪模型P-M模型。P-M模型利用一个扩散系数函数替代高斯平滑滤波, 其模型为:

为了克服热方程各项同性模糊图像的问题, 以及达到对图像各区域内部平滑, 而边缘区域增强的各向异性扩散效果。P-M模型采用扩散系数函数用以判断算法在t时刻处理的图像区域为平坦区域还是边界区域。当处理区域为平坦区域时, 设定扩散系数为1, P-M模型退化为热方程, 模型进行平滑处理;当处理区域为边界区域时, 设定扩散系数为0。

随着对图像表征认识的深入, 人们逐渐认识到一阶微分量 (梯度) 并不是唯一的图像局部特征, 而二阶微分量中含有更丰富的局部信息, Alvarez, Lions和Morel提出了一种沿垂直于图像梯度方向的偏微分扩散方程, 模型为:

随后又有人对其作适当变换, 可以得到如下方向扩散模型:

其中表示曲率:

由于图像的任一水平集的曲率可以表达为 (1) 式, 方向扩散模型等价于对图像的所有水平集曲线C作曲率运动。这里的应使时值为0, 值较大时值为1, 即该方法平滑较大的等照度线, 保护较小的等照度线, 同时保护图像的边缘信息, 因此对梯度模值足够大的区域应该加以保护。

改进的曲率模型

弱光环境下采集到的图像有一个比较明显的特点是“暗斑”比较大, 这主要是由于光照不足, 从物体上返回的光波粒子不足以在感光器件上产生足够的电荷, 使得获取的图像与实际物体误差较大, 不能真实地反映现实世界, 故此有必要适当增强图像的强度弥补光粒子不足产生的偏差。

由上一节知, 曲率驱动与边缘停止相结合的非线性扩散模型对曲率较大的非边缘区域做平滑处理, 对区域边缘或曲率小的区域实施保护不做平滑处理, 但是该模型并没有对光照较弱的区域做强化处理, 于是加入强度补偿因子。

低照度环境的图像强度通常较低, 并且强度越低, 所需补偿越大;强度较大时不需要做补偿, 于是该因子需满足如下两个条件:

曲线如图1所示 (其中) , 由图可见该式满足上述条件。

加入强度补偿因子后得到如下模型:

图2为加入强度因子前后处理结果的直方图分析结果, 上图是引入强度因子前原模型处理后的分析结果, 下图为改进版模型分析结果, 上下两图对比可以看出加入强度因子后低强度像素明显减少。

由照度低引起的强度偏差得到了修正, 即与原图像的偏差被缩小, 因此用该方法降噪比原方法在信噪比的表现上也有一定程度提升。