装备部署性

2024-10-25

装备部署性（共3篇）

装备部署性篇1

在春暖花开、生机勃勃的美好季节, 我们在北京隆重召开卫生装备质量控制工作动员部署暨全军医学计量管理专业委员会成立大会, 这是全军医学计量工作, 也是全军卫生工作的一件大事。借此机会, 我就全军医学计量工作, 特别是卫生装备质量控制工作谈几点意见。

1 坚持正确工作方向, 全军医学计量工作有很好的基础和发展势头

我军医学计量工作起步较早, 经过广大医学计量人员17年的不懈努力, 已经建立了覆盖全军的三级医学计量站, 形成了较为完善的军事医学计量法规标准体系和量传体系, 拥有了一支医学计量理论强、计量保障水平高的技术队伍, 成为全军军事计量体系中最大的一支专业计量保障力量。近年来, 我军医学计量工作紧贴军事斗争准备需求, 制定了卫生装备计量保障方案, 并组织了方案对接及相关训练;积极参与了装备噪声控制、噪声性耳聋防治和听力防护, 多种型号激光对人体的损伤和防护研究并取得初步成果;围绕卫生装备质量安全, 保证部队官兵健康, 建立了包括生物力学、医用电磁学、医用放射学等9个专业在内的23类57种测量标准, 制定了《部队卫生装备强制检定目录》, 开展了83种卫生装备的计量检定、检测;特别是解放军总医院等4家总医院, 本着对官兵和人民群众健康高度负责的态度, 针对医院在用卫生装备质量安全, 积极探索, 勇于创新, 在国内率先开展了卫生装备质量控制工作, 取得明显成效, 为全军带了好头, 积累了经验, 受到了总后廖锡龙部长、王谦副部长的高度评价和充分肯定。去年, 我们召开全军第四届医学计量科学技术委员会工作会议, 按照保健康、保安全、保战斗力的要求, 对今后一个时期军事医学计量工作进行了谋划, 确立了“新时期军事医学计量工作要以科学发展观为指导, 突出战场特殊环境下武器装备生物效应的医学计量保障能力和保持卫生装备良好技术状态两个重点, 努力实现军事医学计量工作“从卫生人员和卫生装备的计量保障向武器装备的医学计量保障延伸、从技术保障向监督管理保障延伸”的指导思想, 调整扩大了组织机构, 在医学计量科委会下成立了管理、质控、培训等专业委员会, 论证和加强了医学计量重点实验室建设, 为“十一五”乃至更长一个时期军事医学计量工作的发展奠定了坚实的基础, 也显示了军事医学计量工作良好的发展前景。

2 学习领会党的十七大精神, 进一步增强做好军事医学计量工作的使命感和责任感

胡锦涛总书记在党的十七大报告中提出:“要着力解决人民最关心、最直接、最现实的利益问题, 要为群众提供安全、有效、方便、价廉的医疗卫生服务, 为构建社会主义和谐社会提供良好的社会环境”。这不但体现了党和国家对民生、民意和民情的关注, 也揭示了包括卫生装备安全在内的医疗安全已经影响到建设社会主义和谐社会。可以说, 卫生装备的质量和安全, 是除药品外又一个关系人民群众切身利益, 关系广大官兵健康和战斗力的重大问题。去年, 我们对部分医院和部队医疗机构卫生装备的应用质量进行了检测, 医院卫生装备平均不合格率为22%;部队卫生装备平均不合格率为33%, 有的装备不合格率甚至达到50%, 卫生装备质量在医疗安全影响因素构成中约占30%, 问题是很实际的。国家食品药品监督管理局前段时间对国内部分医疗设备的质量也进行了抽检, 结果与上述情况相似。近年来, 军队卫生装备发展速度很快, 每年以18%以上速度递增, 全军医院、疗养院和部队卫生装备建设取得了显著成效。随着我军卫生装备的发展, 装备在诊断、抢救、治疗中的作用和地位越来越重要, 加之人们安全意识和维权意识的不断增强, 卫生装备的质量问题和加强质量控制的需求将越来越突出。如何落实党的十七大精神, 确保卫生装备质量和安全, 对广大官兵和人民群众负责, 对保障“打赢”负责, 是我们军事医学计量工作面临的重要任务。我们必须深刻领会党的十七大报告精神实质, 以科学发展观为指导, 进一步增强做好军事医学计量工作的使命感和责任感, 把实现好、维护好、保障好官兵健康利益作为军事医学计量工作的出发点和落脚点, 认真落实总后廖部长关于加强药材安全工作的一系列重要指示, 为保健康、保安全、保战斗力奠定基础。国家主管部门也十分关注卫生装备质量监管, 今年将要出台新的《医疗器械监督管理条例》, 将进一步加强和理顺医疗器械的安全监管, 并希望军队在医疗器械质量控制方面多做工作, 带好头。因此, 军队医学计量工作要以开展卫生装备质量控制工作为契机, 在事关安全、健康和战斗力维护等重大问题上有所作为, 再立新功。

3 狠抓卫生装备质量控制, 推动全军医学计量工作再上新台阶

根据今年全军卫生工作安排, 要确保“4个安全”, 卫生装备质量控制就是其中之一。因此, 今年全军医学计量工作, 要以卫生装备质量控制工作为重点, 抓好、抓实、抓出成效, 带动医学计量工作再上新台阶。

一是要高度重视卫生装备安全。各级机关和医疗机构要高度重视, 要从讲政治的高度来认识和理解这项工作。要引导全体医务人员建立卫生装备质量安全意识, 像总后廖部长提出的“像重视药品安全一样, 重视卫生装备质量安全”。要把卫生装备质量控制工作纳入医疗机构医疗安全质量管理体系, 机关主管, 院领导主抓。要依据总部的统一部署, 结合医院实际, 制定具体实施方案。要针对装备引进、管理、使用、检测、维修等各个环节存在的安全和质量问题, 完善和落实各项制度和措施。要舍得投入, 各总医院要按照开展质控的要求, 统筹安排经费、人员和相关设施设备, 确保各项工作落实。

二是要充分发挥医学计量的优势。医学计量的法规标准、人才队伍和技术手段为开展卫生装备质量控制奠定了科学的技术基础, 我们要发挥好、利用好这些优势。同时, 又要根据开展卫生装备质量控制的需求, 进一步加强建设, 打牢质量控制工作的技术基础。在法规标准建设上, 要不断完善体系, 满足质量控制工作需要;在人才培养上, 要拓展培训渠道, 加大培训力度, 增强发展后劲;在科研管理上, 要加强计量科研计划管理和重点实验室建设, 积极探索将军事医学计量科研工作纳入全军医学科研计划, 加强计划性, 提高研究水平;在检测手段上, 要逐步扩大检测范围, 增强检测能力。

三是要逐步建立有效的监管机制。开展质量控制, 除了医务人员要树立质量意识, 认真落实规章制度和质量控制措施外, 还要加强机关和计量机构的依法监管职能。卫生装备质量控制工作要按照全军药材工作会议提出的“两个转变”和第四届计量科委会提出的“两个延伸”的要求, 加强卫生装备安全和质量监管, 改变过去医学计量工作重技术、轻监管, 失之于查、失之于软的工作作风, 要加大处罚的力度, 对不合格的卫生装备, 要本着对广大官兵和人民群众健康和安全负责的精神, 该停用的要坚决停用, 对问题突出的单位, 要及时通报批评, 限期整改, 确保质量和安全。

四是要大胆探索不断总结完善。卫生装备质量控制工作是新事物, 如何做好, 需要大家在实践中去探索, 去积累经验, 并注意把这些好的经验和做法充实到规章制度中, 使这项工作更规范和科学。比如, 对师以下部队如何开展卫生装备质量控制问题, 部队不像总医院, 有医学工程人员, 因此这次部队医疗机构卫生装备质控要依靠各药品仪器检验所来进行, 但是部队应当做什么, 还需要探索。另外, 如何把卫生装备不良事件报告和卫生装备报废退役等与卫生装备质控有机结合起来, 还需要深入探讨。

同志们, 党的十七大精神为军队卫生事业指明了前进的方向, 也带来了军事医学计量工作前所未有的发展机遇, 让我们紧紧围绕全面建设现代后勤的总体目标和要求, 转变观念, 锐意进取, 求真务实, 为保障部队官兵健康, 提高部队战斗力做出应有贡献。

装备部署性篇2

测试性方案是指为了适应装备测试维修的需要,确定各级维修中哪些项目要测试,何时(连续或定期)何地(哪个维修级别)利用何种技术手段对其进行诊断测试,以及相关测试资源的配置情况,是对装备测试与诊断总的设想。装备测试性方案优化设计的目标是根据任务要求合理地综合应用各种测试手段与资源,通过数据、信息和知识的融合与共享,实现诊断功能的合理分配、诊断测试要素间的协同操作,有效地组织和配置各组成单元使其成为一个整体协同地起作用,以提供装备在各级维修所需的最佳测试与诊断效能,并降低全寿命周期费用。在装备测试性设计中,测试性方案的优化设计是核心工作[1,2,3,4,5]。

然而现有文献对装备测试性方案的研究长期处于经验应用阶段,并没有开展更深的理论研究,对其内涵及关键使能技术不明确。鉴于此,本文在现有研究基础上对装备测试性方案优化的内涵进行拓展和完善,提出基于模型和多目标权衡的测试性方案权衡与优化设计研究思路,为构建适合于系统各寿命周期阶段、面向不同维修级别的测试性方案奠定基础。

1 测试性方案广义信息描述模型

为了构建适合于装备全寿命周期的测试性方案,需要采用形式化的方法,将各种与测试性方案设计相关的因素、数据与信息知识有效地组织起来,进行提取建模,建立完整的测试性方案广义信息描述模型。该模型通过标记诊断测试环境中的物理实体(如装备本身、测试设备等),行为实体(如测试行为、诊断推理行为、维修行为等),以及数据实体(如测试数据、诊断知识、可靠性和维修性数据及技术资料等)等结构组成来全面地描述装备和各信息实体之间的关系,体现信息流动和交换过程。基于信息集成的测试性方案优化设计框图如图1所示。

测试性方案广义信息描述模型面向装备系统不同层次和级别的设计开发、测试与维修保障人员,建立在统一的、能支持不同应用系统的装备信息交换标准之上,以实现装备全寿命周期测试性设计信息的统一描述和测试性设计过程的信息集成共享,具有标准化、开放性、可扩展性、支持多领域应用与协同等特点,为设计人员提供有效的交互手段,保证设计、使用、维修的顺利实施,适应并行工程的要求。

针对上述目标,从装备系统对象、时域、模型3个不同维度建立测试性方案的广义信息描述模型框架,如图2所示。

(1)对象维。

反映装备系统本身的层次划分,与约定的维修级别划分相对应。针对不同的对象,在不同的寿命周期阶段,其任务要求、消耗的测试资源范围及其组织方式也不同,因而模型研究的侧重点也不同。

(2)时域维。

反映装备的全寿命周期各阶段组成。随着时域各阶段的推进,所研究对象及其对应的各种模型也将逐步得到完善与细化。

(3)模型维。

反映装备的模型组成与组织方式。其中,功能模型描述装备的功能组成和各功能之间的信息交互情况;资源模型描述装备各种测试资源与约束,包括测试资源配置和资源流模型;信息模型描述装备的信息流动和信息处理的过程;过程模型描述测试与诊断的业务组成与各项业务之间的运行机制;组织模型描述装备测试组织结构信息以及组织方式;任务模型描述装备系统任务信息和测试任务信息,包括系统任务模型和测试任务模型;测试诊断模型描述测试与故障之间的关系。除此之外,还包括装备系统的可靠性模型和维修保障模型。随着研究对象及其所处寿命阶段的不同,模型研究的深度与广度也各有不同。

由此可见,测试性方案广义信息描述模型和装备系统模型不同。系统模型主要用来描述装备的结构、行为及功能信息,而测试性方案信息描述模型除了包括系统模型之外,还涵盖装备故障与测试逻辑关系、对测试资源的占用约束关系、装备可靠性和维修保障数据、人员与培训信息等信息的描述,特别是可对测试性设计与分析过程中存在的非确定性因素进行完整描述。

建立装备测试性方案的广义信息描述模型可以指导测试性信息描述和标准化交换方法的开发,实现装备测试性方案设计的全寿命化和并行化,切实提高装备的测试与诊断能力。

2 测试性方案优化设计过程分析

测试性方案的设计必须从装备研制之初开始,并贯穿于其寿命周期的各阶段。为此对装备全寿命周期各阶段的测试任务进行分析,综合考虑装备自身特性与测试诊断数据、维修保障资料等信息,将并行工程思想运用于测试性方案优化设计过程,在可用资源与全寿命周期费用约束条件下,通过合理组织测试过程以指导方案优化设计。

综上所述,测试性方案优化设计过程应当从横向和纵向两个角度进行研究:

(1)从方案设计的横向(宏观)角度出发,对装备功能结构、测试需求、可靠性和维修性要求、测试资源控制及管理、测试技术资料管理等方面进行描述,分析装备全系统全寿命的测试性方案优化设计过程,从总体上明确装备测试性方案具体工作内容,如图3所示。

(2)从纵向(微观)角度出发,依据装备不同状态下测试性方案设计要求,分析装备测试与诊断具体实施过程,对其共性技术进行抽象提取,提出测试性方案优化设计技术路线,如图4所示。

尽管面向装备全寿命周期各阶段、不同任务剖面或维修级别的测试性方案优化设计要求不同, 但从测试过程的分析中可以看出上述技术路线具有通用性。本文在该技术路线基础上提出测试性方案优化设计需要解决的关键技术。

3 测试性方案优化设计关键技术分析

3.1 测试性分析与评估技术

为了获得装备最佳测试性方案,需要对其测试性设计水平进行分析与评估,并贯穿于优化设计全过程[1,2]。通过分析评估才能发现测试性设计中存在的问题与缺陷,使设计人员能够及时利用信息对方案进行优化改进,保证最终设计的装备系统能够满足规定的测试性要求。

目前对于机电系统测试性设计的研究比较广泛[2,3,4,5],而测试性建模与分析虽然也有一定的研究,且已研制出一些辅助工具[6,7],但其理论与方法仍停留在早期研究基础之上,不够科学和深入。

传统的装备测试性分析模型有多种建模方式,其中运用最广泛、效果最明显的是Deb等[8]提出的基于多信号流的测试性建模方法。该模型以确定性测试为条件,测试结果只有0/1(通过/不通过)两种,此时装备故障与测试之间存在布尔逻辑相关性,对于装备研制初期的测试性设计而言可以满足需要,但由于没有考虑测试过程中的不确定性,会导致模型不具备对不确定信息的处理能力。另外,由于约束条件在实际测试性设计中往往是不完备的,因此,也会导致装备测试性分析的结果可信度不高。实际上,由于装备复杂的内部结构和外界环境,测试结果会受诸多干扰源的影响[9,10],包括装备存在多个工作模式、不正确的安装、错误的人为操作、电磁干扰、环境变化、测试设备固有的测量误差,以及测试执行所需的准备条件等带来的不确定因素。这些难以用传统模型来描述的系统运行状态和工况,都会导致故障-测试的相关性以及测试性度量的定义发生改变。如果忽略这些不确定性,而采用传统的诊断测试推理机,则可能产生不合乎实际情况的测试性分析结果,无法有效地指导测试性评估与设计。为了从根本上避免脱离实际,应从模型入手,通过构造具有不确定性信息处理能力的测试性分析模型,并基于该模型对测试性度量参数进行形式化描述,寻求相应的有效方法分析装备测试性水平,为测试性方案优化提供可靠的依据。这也将是测试性分析与评估技术进一步研究的重点。

贝叶斯网络[11]是基于概率推理的数学模型,其本身是一种不确定性因果关联模型。近十几年来,备受关注的贝叶斯网络对于解决复杂系统不确定因素引起的故障分析具有很大的优势,被认为是目前不确定知识表达和推理领域有效的理论模型之一[12]。因此可以建立面向测试性分析的贝叶斯网络模型,在此基础上通过贝叶斯参数学习算法获得不确定条件下的故障-测试相关矩阵,并利用贝叶斯推理算法进行测试性指标描述与测试性分析,进而对装备测试性水平进行更为客观的评估。

3.2 测试集优化选择技术

随着武器装备性能的提高和复杂性的日益增加,获取足够的故障检测与诊断信息的难度越来越大。为了提高系统全寿命周期的费用与效率比,基于测试性分析与评估结果,开展测试集优化选择[1,2,3,4,5,13]技术研究是装备测试性方案的重要内容之一。这一问题越来越得到人们的关注。

根据装备系统测试任务要求及测试性设计相关要求,首先基于装备设计方案及专家经验等现有知识初步设置测试项目集作为备选测试集,然后对系统测试性进行分析,计算系统各层次的故障检测率、隔离率、未检测和未隔离的故障、冗余测试以及故障模糊组等信息,并提出改进建议。如果备选测试集不能满足测试性设计要求,那么就对其原因进行分析处理,并增加合适的测试项目,直到测试集能够提供足够的信息来满足测试性设计要求为止,保证备选测试集的完备性。

通常上述完备测试集存在冗余信息,并不一定是最优的测试集。因此,测试优化选择面临的另一个问题是测试优化选取,其目的是在系统所有可能的测试组合中,寻找满足系统测试性指标要求的最佳组合,使测试代价最小。不论考虑的因素如何复杂,测试对故障的覆盖问题是测试选择的核心问题,从数学上最终可归结为一个组合优化问题,可用集合覆盖模型进行描述。而集合覆盖问题是一个NP完全问题,目前许多文献都提出了相应的求解算法[2,3,4,5,13],也取得了一定的效果,但由于问题本身固有的难度及对优化模型的简化描述,使得其求解效率与准确性都不尽如人意。随着装备系统复杂程度的提高,集合规模的增大,特别是考虑不确定信息影响的测试集优化选择,需要结合问题本质建立更完整的模型,并利用有效的优化算法进行求解。

3.3 测试资源优化选择与调度技术

依据装备自上而下的分析原则,将各分系统的测试资源分析作为选择与调度的第一个层次,在初步设置的测试项目和现有测试设备类型约束下,对机内测试设备(BITE)、自动测试设备(ATE)和人工测试设备(MTE)等不同类型进行权衡选择与配置。

对特定分系统的测试与故障诊断一般通过多个测试项目来完成,影响因素众多,需要综合考虑测试过程中的各项约束指标。通常涉及两类知识:一是定量数据的分析计算,它们为权衡提供定量的支持;另一类是专家在长期实践中积累起来的经验知识,其中大部分难以定量表示。因此,测试设备类型的选择与权衡是基于定量计算和定性分析相结合的多目标综合决策过程,只依赖于专家经验难以决定使用何种类型的测试设备,此时需要借助一定的技术手段来完成。通过对影响测试设备类型的各要素进行定量计算与定性分析,确定评价指标集,建立多属性模糊评价模型并利用模糊层次分析法进行求解,综合评判求解结果便可以选取适合于对该分系统进行全面测试的设备类型组合。

对大型装备进行测试诊断时,包括测试设备在内的可用测试资源往往是有限的、集中的,如果被测对象对测试资源同时提出测试要求,势必会引起资源的竞争和冲突。因而在测试过程中须保证测试资源在每个时刻只能为一个测试所占用,所以测试资源优化选择与调度面临的第二个问题是根据测试任务对资源进行合理调度。其工作主要是在前述的测试优化选择、测试设备类型初步选择以及可用资源的基础上,综合考虑测试过程的特性和调度问题的复杂性,建立装备系统测试资源调度模型。该模型以测试时间与费用最小为目标,以测试顺序、测试准备条件以及可用测试资源等为约束条件,采用多目标智能进化算法,对由测试时间和测试费用联合确定的目标函数进行综合评价与模型求解。

3.4 方案总体集成

针对不同任务剖面、不同维修测试级别,需采用不同测试技术级别和技术手段,通常是各种技术手段和技术级别相结合。在装备测试性方案设计及测试实施过程中,为便于不同信息的访问与共享,需要选择合适信息集成方式对信息进行集中管理,通过总线方式实现装备测试的总体集成方案。

集成过程中的两个基本技术问题亟待解决:测试性方案总体集成框架如图5所示。

(1)信息访问接口设计。

在测试性方案优化过程中,建立广义信息描述模型,为信息的交换与共享奠定基础,但是这些信息的流动与共享是通过管理与集成工作反映在各个阶段的,因此需要对信息模型管理进行合适的访问接口设计。

(2)总线接口技术。

测试性方案的实施,首先需要在确定各类实体测试资源的前提下对测试结构进行设计,从物理上实现测试资源有效合理的调度,总线型结构得到了越来越多的应用。总线接口作为实现总线型测试结构的物理基础,在采用这种设计结构时,必须对总线接口作出明确的定义。

4 敏感性分析

在设计测试性方案时需要利用装备信息模型以及其他先验信息,这些信息种类繁多,关系错综复杂,且在分析处理中与真实值之间可能存在一定的偏差。为判断这种偏差对最优方案的影响程度,须对最优测试性方案设计的各权衡过程进行敏感性分析。如果先验信息的微小变化引起最优方案大幅度改变,则说明该方案对信息的偏差非常敏感,实际应用时应慎重考虑。如果先验信息在一定的范围内变化时,最优方案的变化不大,则说明此最优方案鲁棒性很好,所期望的应用效果也比较好。

5 结束语

对装备系统而言,构建测试性方案的主要依据来自于订购方提出的测试性要求及测试资源约束条件、装备的方案及可靠性分析数据、维修与保障方案等,影响因素众多,求解过程复杂。本文通过分析首先明确了测试性方案的内涵,在此基础上,系统地阐述了测试性方案优化设计与权衡工作内容、技术流程以及关键使能技术,为测试性方案的进一步研究提供了技术途径,为有效地指导装备测试性设计、分析与测试实施打下了理论基础。

工程装备测试性综合评价方法研究篇3

为了保证测试性设计质量,获得可信的测试性评价结果,可以采用三阶段综合评定方法来确

定工程装备的测试性水平,即进行测试性设计核查(测试性预计)、演示实验和使用评价。测试性评价工作贯穿于产品设计、实验和使用的全过程,不同阶段检查的重点和内容各有侧重[1,2]。如果各阶段工作都做得全面、细致、可信,那么可以依据充分可行的使用评价结果来最后评价工程装备的测试性水平。但在实际中,由于目前国内远远没有达到“各阶段做得全面、细致、可靠”的程度,因此,工程装备的测试性评价问题是工程装备测试性设计过程中一个亟待解决的问题。

本文采用层次分析法(analytical hierarchy process,AHP)确定各指标的组合权重,并采用模糊综合评判(fuzzy comprehensive assessment,FCA)方法建立模糊评判模型,通过将层次分析法和模糊综合评判方法相结合,对各定性评价指标综合权衡,实现对工程装备测试性的综合评价。

1 基于层次分析法的工程装备测试性综合评价影响因素分析模型

层次分析法是一种实用的多准则决策方法,其原理是根据复杂系统所包含的因素及相关关系,把一个复杂问题表示为有序的递阶层次结构,通过两两比较的方式确定层次中诸因素的相对重要性,然后综合人的判断以决定诸因素相对重要性的顺序。它采用相对权重,对权重的判断定量化[3],比传统的专家打分等经验法直接赋予权重更加客观。

运用层次分析法对工程装备测试性进行综合评价,可具体分为以下5个步骤。

1.1 建立测试性综合评价影响因素递阶层次结构

采用AHP对影响测试性综合评价的因素进行分析时,首先对其进行分组,以形成不同层次,不同层次按照最顶层、中间层和最底层的形式排列[4],构建层次结构模型,如图1所示。

最顶层表示待解决问题的目标,称为目标层。对于工程装备测试性综合评价问题而言,目标就是完成对工程装备的测试性评价。

中间层表示采取某种措施来实现预定目标所涉及的中间环节,称为准则层。对于测试性综合评价来说,中间环节就是测试性设计不同阶段的评价结果。通过对影响最终综合评价影响因素的分析,确定将测试性设计过程的三个主要阶段作为综合评价的准则,即设计检查、演示实验和使用评价。

最底层表示针对中间层所选择的每个测试性设计阶段的多项评价指标,称为指标层。根据每个阶段测试性所考虑的侧重点的不同,选择不同评价指标集,具体选择指标见图1。对于不同的工程装备,各个设计阶段的测试性评价指标集可以根据实际装备的不同测试性需求,对评价指标集中的指标内容和指标数量进行调整。

1.2 构造两两比较判断矩阵

建立递阶层次结构之后,上下层之间的隶属关系即被确定。通过将各因素之间相对于其上一层因素的相对重要度进行两两比较,并按Satty[5]提出的1~9标度进行赋值,建立判断矩阵, 1~9标度的含义如表1所示。如准则层R相对于目标层G建立判断矩阵A=(aij)n×n,其中aij是层次R第i个元素与第j个元素相比对于其上一层次G的相对重要性比例标度。同理可以建立评判指标层P相对于准则层R的判断矩阵C=(cij)n×n。

判断矩阵A具有如下性质:

$\begin{array}{l} a_{i i} = 1 \\ a_{j i} = \frac{1}{a_{i j}} \\ a_{i j} > 0 \end{array}} (1)$

满足以上性质的矩阵亦称为正互反矩阵[6]。

1.3 计算被比较因素的相对权重

根据判断矩阵,计算某一准则下各因素的相对权重,由这些权重所构成的向量称为层次单排序向量。其思路是:解判断矩阵A的特征根,AW=λmaxW,其中λmax是A的最大特征根,它所对应的特征向量W归一化后就是排序权向量(权重)的一个估计。根据正定矩阵的Perron定理[6]可知λmax存在唯一解,W的分量也均为正分量。

相对权重的计算方法,最早提出、应用最广泛、最实用又有重要理论意义的是特征根法。实际中,当判断矩阵的阶数较高时,求解最大特征根有一定的困难。因此,常采用近似方法来求解判断矩阵的最大特征值及其对应的特征向量,如求和法、平方根法和对数最小二乘法[6]等。由于对精度要求不是很高,本文采用平方根法求判断矩阵的近似特征向量W。λmax和W的求解公式如下:

$\begin{array}{l} v_{i} = \sqrt[n]{\prod_{j = 1}^{n} a_{i j}} \\ w_{i} = \frac{v_{i}}{\sum_{i = 1}^{n} v_{i}} \end{array}} (2)$

W=[w1w2 … wn]T (3)

$λ_{\max} = \frac{1}{n} \sum_{i = 1}^{n} \frac{(A \cdot W)_{i}}{w_{i}} (4)$

1.4 一致性检验

如果判断矩阵A满足条件aijajk=aik,则称矩阵A具有一致性。由于在工程装备测试性综合评价过程中,受各个设计阶段影响因素的复杂性、评价者对这些因素主观判断的不稳定性、不同评价者的偏好不同等因素的影响,所以难以将同一准则下的因素差异度量得十分准确,通过两两比较得到的判断矩阵A不一定满足判断矩阵一致性条件。因此,需要对判断矩阵A进行一致性检验。

对单一准则下的权重向量进行一致性检验,即要求判断矩阵应大体上满足一致性。一致性检验步骤如下。

首先,计算一致性指标 $C_{Ι} ‚ C_{Ι} = \frac{λ_{\max} - n}{n - 1} ‚ C_{Ι}$ 的值越大,表明判断矩阵距离完全一致性越远;CI越接近于0,表明判断矩阵越接近于完全一致性。判断矩阵的阶数n越高(即参与两两对比的指标越多),人为造成偏离一致性的指标CI一般越大;n越小,人为造成的偏离一致性的指标CI则越小。

其次,查找相应的平均随机指标RI,表2给出了1~15阶正互反矩阵计算1000次得到的平均随机一致性指标[3]。

最后,计算一致性比例 $C_{R}, C_{R} = \frac{C_{Ι}}{R_{Ι}}$ ,当CR<0.1时,认为判断矩阵具有较高的一致性,可以接受;当CR≥0.1时,应该对判断矩阵作适当修正,直至符合检验条件。由于一阶、二阶矩阵总是一致的,此时CR=0.1。

1.5 计算各层因素的合成权重(总层次排序)

计算各层因素对目标的合成权重,然后进行排序。对每层因素都分别计算出该层因素对上一层因素的权重向量,完成一致性检验后进行综合,求合成权重。合成权重的计算是自上而下将单准则下的权重进行合成的,并逐层进行一致性检验。合成运算实际上就是一个乘法运算,将有支配关系的各个因素的权重连乘起来,便可得出最底层的各方案对决策目标的权重排序。然后对层次总排序向量进行一致性检验。如果层次P的某些因素对于其上一层次R的某一因素Rj的一致性指标为CIj,相应的平均随机一致性指标为RIj,则P层次总排序一致性比例为

$C_{R} = \frac{\sum_{j = 1}^{m} W_{R_{j}}^{G} C_{Ι j}}{\sum_{j = 1}^{m} W_{R_{j}}^{G} R_{Ι j}}$

式中,WGRj为R层次的总排序权值;m为R层次因素个数。

2 基于模糊综合评判模型的测试性综合评价

上述模型指标层的评价指标具有模糊性,难以直接用具体数字量化表述出来,因此引入模糊评判理论[4,7]进行评估。

2.1 选取评语集

在评价过程中,由于指标层均为定性因素,需要用定性评语(模糊语言)描述并量化,以便进行定量计算。按照模糊数学方法,对评语集采用5级或9级划分法,通过给评语赋予相应的分数并依据定性指标的满足程度,对各定性指标进行打分,获得各评价指标相对于测试性综合评价的模糊语言评分。本文将影响因素评价集V按其影响程度划分为5个等级,即V={优,良,中,一般,差},相应的分数集为{5,4,3,2,1},用于对指标层的定性指标进行评价。

2.2 构造模糊评判矩阵

确定评语集后,根据测试性设计评价指标集和评价标准,由专家组成的评价小组成员按照上述原则对中间层进行单因素评价,进行打分或问卷调查并对结果作统计处理,即得到单因素模糊评判矩阵:

$S_{i} = [\begin{matrix} r_{i 11} & r_{i 12} & \dots & r_{i 1 n} \\ r_{i 21} & r_{i 22} & \dots & r_{i 2 n} \\ ⋮ & ⋮ & ⋮ \\ r_{i m 1} & r_{i m 2} & \dots & r_{i m n} \end{matrix}] i = 1, 2, 3 (5)$

式中,m为评价指标集中元素的个数;n为评价集V中元素的个数;i为单因素的序号,表示测试性设计的某个阶段。

2.3 计算模糊评价综合指标并给出评价结论

利用指标层次总排序权重向量和模糊评判矩阵进行复合运算,求出测试性综合评价值B,然后可根据隶属度最大原则作出评价结论,也可以根据加权平均原则,计算评价分数来作出评价结论[8]。

3 某型工程机械测试性综合评价

3.1 建立工程机械测试性综合评价层次评价模型

通过对某型工程机械测试性设计过程的分析,得到不同阶段测试性评价的内容,通过对各系统的测试性设计分析,得到测试性综合评价的影响因素,建立层次结构,如图1所示。不同的工程装备,每个阶段的影响因素可能会有差异,在建立模型时可适当调整,本例中影响因素和图1中一致。

3.2 构造比较判断矩阵并确定指标权重

通过对准则层的因素进行两两比较可以得到准则层R相对于目标层G的判断矩阵,并通过上述方法求得层次单排序向量WGR、最大特征值λGmax以及一致性指标CI和一致性比例CR。

对于测试性设计的三个阶段,设计是基础,实验是检测产品是否实现了设计要求,是实物模拟,使用则反映实际的测试性水平。在评定产品测试性水平时,使用评价是主要依据,设计核查和实验结果是重要参考[2],计算结果见表3。

同理可以计算出指标层P相对于准则层R的层次单排序向量以及相应最大特征值、一致性指标和一致性比例,见表4~表6。

通过计算得到:

对于准则层R相对于目标层G,判断矩阵的最大特征值λGmax=3.0037,权重向量(WGR1,WGR2,WGR3)=(0.1220,0.2297,0.6483),CI=0.0019,CR=0.0037<0.1;

对于指标层P相对于准则层R1,判断矩阵的最大特征值λR1max=7.5853,权重向量(WR1P1,WR1P2,WR1P3,WR1P4,WR1P5,WR1P6,WR1P7)=(0.1681,0.0799,0.1035,0.0572,0.0572,0.5098,0.0243),CI=0.0976,CR=0.0718<0.1;

对于指标层P相对于准则层R2的判断矩阵的最大特征值λR2max=7.5007,权重向量(WR2P1,WR2P2,WR2P3,WR2P4,WR2P5,WR2P6,WR2P7)=(0.1470,0.299,0.0762,0.0428,0.0428,0.4256,0.0257),CI=0.0835,CR=0.0614<0.1;

对于指标层P相对于准则层R3的判断矩阵的最大特征值λR3max=4.2549,权重向量(WR3P1,WR3P2,WR3P3,WR3P4)=(0.0776,0.2010,0.2010,0.5205),CI=0.0850,CR=0.0955<0.1。

至此,可以求出指标层P相对于目标层G的总排序向量WGP=WGRWRP=(0.0205,0.0097,0.0126,0.0070,0.0070,0.0622,0.0030,0.0338,0.0551,0.0175,0.0098,0.0098,0.0978,0.0059,0.0497,0.1303,0.1303,0.3374)T。相应的一致性比例为

$C_{R} = \frac{\sum_{j = 1}^{3} W_{R_{j}}^{G} C_{Ι j}}{\sum_{j = 1}^{3} W_{R_{j}}^{G} R_{Ι j}} = 0.0817 < 0.1$

3.3 构造模糊评判矩阵

对于定性指标,通过选取工程装备设计人员、演示实验人员、装备使用人员以及有关专家共100人,按模糊数学5级划分法进行综合评定,获得了各评价指标的模糊语言评分。评价统计如表7所示。

根据各因素所获得评价的比例,可得模糊评判矩阵为

$S^{Τ} = [\begin{matrix} S_{1} \\ S_{2} \\ ⋮ \\ S_{18} \end{matrix}]^{Τ} = [\begin{matrix} 0.07 & 0.05 & 0.15 & 0.05 & 0.05 & 0.22 & 0.20 & 0.35 & 0.38 & 0.42 & 0.45 & 0.32 & 0.25 & 0.29 & 0.24 & 0.28 & 0.32 & 0.26 \\ 0.58 & 0.42 & 0.45 & 0.51 & 0.47 & 0.53 & 0.45 & 0.40 & 0.42 & 0.37 & 0.33 & 0.35 & 0.38 & 0.37 & 0.47 & 0.51 & 0.46 & 0.44 \\ 0.29 & 0.38 & 0.35 & 0.36 & 0.39 & 0.20 & 0.30 & 0.21 & 0.18 & 0.20 & 0.22 & 0.25 & 0.23 & 0.27 & 0.18 & 0.11 & 0.15 & 0.26 \\ 0.06 & 0.15 & 0.05 & 0.06 & 0.08 & 0.05 & 0.05 & 0.04 & 0.02 & 0.01 & 0 & 0.08 & 0.13 & 0.16 & 0.11 & 0.10 & 0.07 & 0.04 \\ 0 & 0 & 0 & 0.02 & 0.03 & 0 & 0 & 0 & 0 & 0 & 0 & 0 & 0.01 & 0.01 & 0 & 0 & 0 & 0 \end{matrix}]$