一种基于层次分析区间估计的电梯安全程度评价方法-华体会hth(中国)官方网站

文档序号:34131600发布日期:2023-11-29阅读:656来源:国知局


1.本发明属于电梯按需维保技术领域,种基具体涉及一种基于层次分析区间估计的于层电梯安全程度评价方法。


背景技术:

2.按照国家相关规则规定电梯每半月需进行一次维保工作,次分程度而电梯数量的析区增加将导致维保工作量成级数增加。当前,间估计我国电梯维保工作面临着维保人员不足、电梯维保工作量大的安全问题,伴随而来的种基就是维保不到位及其造成的电梯故障率的提高。
[0003]“按需维保”能够降低维保人员工作量,于层提高维保效果。次分程度为做好“按需维保”的析区工作,首先需对电梯的间估计状态进行评估,因此,电梯电梯运行安全评价指标体系的安全建立是电梯进行按需维保的基础,而一个全面、种基合理的评价指标体系能够更好地对电梯运行安全及风险进行评估,只有科学的评价指标体系,才有可能得出科学的评价结论,因此对于评价体系框架的构建,要尽可能全面地进行初选指标的选取。在评价指标体系优化时,则需要考虑指标体系的独立性、科学性、层次性、可操作性、目的性等。当指标太多时,就会有很多重复指标,相互干扰,这就需要正确的、科学的方法进行指标筛选。
[0004]
在指标之间经常会存在多重相关性,也就是指标和指标之间可以相互表示,表明评价体系中存在冗余指标,多余指标不仅增加了评估的工作量,也影响了评估的可靠性,而如果评价指标过少则会导致信息量不足而影响分析与评价的结果,因此在进行综合评估时,需对指标进行科学的选择,保证所选指标在包含主要信息的同时尽可能地减少指标数量,对于评价指标的筛选,按方法和性质可以分为定性指标筛选方法、定量指标筛选方法、综合指标筛选方法等。
[0005]
定性指标的选取一般采用专家咨询法,即依靠评估人员的专业知识及经验进行指标选取,具有较强的主观性,且对于相关性的考虑较少,但采用一定的方法对专家意见进行分析选取,则又使其具备较大的客观性。
[0006]
而定量选取是从数学模型出发,是在各指标可测量的基础进行,在定量指标筛选方法方面,常用的是统计分析法和灰色关联分析法等。统计分析法和灰色关联分析法在指标选取时需要大量数据,当有大量数据支撑时,用这两种方法进行指标筛选有一定的优势,但由于电梯相关数据不易获取且数据量很少或没有数据时,采用这种方法是不合适的。


技术实现要素:

[0007]
本发明的目的在于提供一种基于层次分析区间估计的电梯安全程度评价方法。
[0008]
本发明提供的一种基于层次分析区间估计的电梯安全程度评价方法,包括以下步骤:
[0009]
步骤一、针对电梯安全风险设定两个评价体系,分别为电梯运行状态和电梯外部因素。两个评价体系均对应有包括多个评价指标的指标集。
[0010]
步骤二、对两个评价体系的指标集分别进行指标筛选。对任意一个评价体系进行
指标筛选过程如下:
[0011]
2-1.对同一指标集中的各个评价指标两两之间进行重要性对比,建立判断矩阵an=(a
ij
)n×n;其中,a
ij
为第i个评价指标相对于第i个评价指标的重要程度;a
ij
》0,a
ii
=1,a
ij
=1/a
ji
,i,j=1,2,

,n。n为被筛选的指标集中的评价指标数量。
[0012]
2-2.计算判断矩阵an的最大特征值λ
max
及其对应的特征向量w=(w1,...,wn)
t
。wi为第i个评价指标对应的权重值。
[0013]
2-3.根据最大特征值λ
max
,对判断矩阵an进行一致性检验。
[0014]
2-4.剔除指标。
[0015]
若步骤2-3中的一致性检验通过,则将n个评价指标对应的权重值wi分别与预设的指标取舍权数ξ进行对比,将所有满足wi≤ξ条件的指标ci均从指标集中剔除。
[0016]
若步骤2-3中的一致性检验不通过,则对各权重值wi分别进行区间估计;每个权重值wi均得到对应的指标权重估计的下限和权重估计的上限分别计算n个权重值wi对应的估计值区间大小取n个估计值区间大小δi中的最大值作为系统偏差阈值δ
max
;将n个权重估计的上限分别与系统偏差阈值δ
max
进行对比;将所有满足条件的指标均从指标集中剔除。
[0017]
步骤三、将步骤二中未剔除的所有指标作最终指标集;对被评价电梯进行检测,得到最终指标集中各项指标的评分s1~sm;m为最终指标集中的指标数量。计算电梯安全程度评价根据电梯安全程度评价f判断被评价电梯的安全风险情况。
[0018]
作为优选,所述的电梯运行状态对应的指标集包括电梯年检报告、电梯开关门次数、电梯运行里程、电梯运行时间、电梯已用年限和电梯使用年限。
[0019]
作为优选,所述的电梯外部因素的评价指标包括电梯所在场所、维保单位、电梯周围环境、电梯品牌和电梯所在区域。
[0020]
作为优选,步骤二中,第i个评价指标相对于第i个评价指标的重要程度a
ij
采用1-9标度法确定。
[0021]
作为优选,步骤2-3中进行一致性检验的过程为:计算一致性指标计算一致性比率其中,ri为一致性检验值,数值根据n确定;若一致性比率cr≤0.1,则判断矩阵an的一致性检验通过;若一致性比率cr》0.1,则判断矩阵an的一致性检验不通过。
[0022]
作为优选,所述的指标权重估计的上限的取值条件为:
[0023]
max wi[0024][0025]
其中,en为单位矩阵。
[0026]
作为优选,所述的指标权重估计的下限的取值条件为:
[0027]
minwi[0028][0029]
其中,en为单位矩阵。
[0030]
作为优选,步骤三中,当电梯安全程度评价f大于安全阈值时,进行电梯安全预警。
[0031]
本发明的有益效果为:
[0032]
本发明利用一致性检验和层次分析区间估计,对电梯的多个评价指标进行分析,筛选出重要较高的若干个评价指标,从而降低了电梯安全程度的定量评价难度,实现了电梯安全风险的定量分析评价。
附图说明
[0033]
图1为本发明中两个评价体系的指标集在初始状态下的示意图。
[0034]
图2为本发明中两个评价体系的指标集经过筛选后的示意图。
具体实施方式
[0035]
以下结合附图对本发明进行进一步说明。
[0036]
一种基于层次分析区间估计的电梯安全程度评价方法,包括以下步骤:
[0037]
步骤一、如图1所示,将电梯安全风险划分为两部分,分别为电梯运行状态b1和电梯外部因素b2。电梯运行状态b1和电梯外部因素b2作为两个评价体系,独立进行评估。电梯运行状态b1的评价指标包括电梯年检报告c1、电梯开关门次数c2、电梯运行里程c3、电梯运行时间c4、电梯已用年限c5和电梯使用年限c6。电梯外部因素的评价指标包括电梯所在场所c7、维保单位c8、电梯周围环境c9、电梯品牌c10和电梯所在区域c11。
[0038]
步骤二、对电梯运行状态和电梯外部因素这两个评价体系分别进行指标筛选。指标筛选过程依据判断矩阵的不一致情况展开,分为两步,当得出的判断矩阵一致时利用基于权数指标筛选方法;当得出的判断矩阵不一致时利用区间估计剔除弱权重方法进行筛选指标。
[0039]
对任意一个评价体系进行指标筛选过程如下:
[0040]
2-1.采用多个专家独立打分的方式,对被筛选的评价体系中的各个指标进行评分;评分采用1-9标度法;得到判断矩阵an=(a
ij
)n×n(其中,a
ij
》0,a
ii
=1,a
ij
=1/a
ji
,i,j=1,2,

,n);其中,a
ij
表示第i个指标相对于第j个指标的相对重要程度,指标间相对重要程度的大小可参考表1进行打分。n为被筛选的评价体系的指标数量;若被筛选的评价体系为电梯运行状态,则n=6;若被筛选的评价体系为电梯外部因素,则n=5。
[0041][0042]
表1 1-9标度法
[0043][0044][0045]
2-2.计算特征值及相应特征向量,检验判别矩阵的一致性。
[0046]
利用方根法求解判断矩阵an的特征值及特征向量,解判断矩阵an的特征根问题an=λ
max
w;其中,λ
max
为判断矩阵an的最大特征值;w是判断矩阵an的特征向量。所得到的特征向量w经归一化后即为权重向量w=(w1,...,ωn)
t
;其中,wi为指标1-n对应的权重值。
[0047]
2-3.之后进行一致性检验,公式为:一致性指标其中,n为判断矩阵a的阶数;根据阶数n查找相应的随机一致性检验值ri,如表4所示,得到一致性比率
[0048]
表2一致性检验值ri表
[0049][0050]
若一致性指标cr≤0.1,则判定该判别矩阵具有一致性;通过公式anw=λ
max
w,求出各指标的相对权重向量w=(w1,...,ωn)
t
;该向量的分量值即为各指标因素的相对权重值,选取适当的指标取舍权数ξ,筛选指标因素。
[0051]
若一致性指标cr>0.1,则判定矩阵an不具有一致性,之后通过层次分析的区间估计,确定各指标权重估计的下限和权重估计的上限
[0052]
当判断矩阵an不具有一致性时,其最大特征值λ
max
>n,将判断矩阵an可接收权重向量w=(w1,w2,...,wn)的条件定义为(a
i1
,...,a
in
)
×
w≤λ
max
wi;其中,可接收权重向量w为最终要求解的权重向量,矩阵(a
i1
,...,a
in
)为判断矩阵an的第i行;即anw≤λ
max
w。
[0053]
令(en为n阶的单位矩阵),则此时,求解权重值wi区间的估计上限、下限的问题转化为求解满足上述线性规划条件的wi最大值和最小值问题,其数学表达式为
[0054]
max(min)wi[0055][0056]
求解上述问题,得到权重估计的下限和权重估计的上限
[0057]
2-4.剔除指标。各指标权重的区间估计的上下限之间的差值体现了系统偏差的大小,不妨把δi的最大值作为衡量系统偏差的指标;对于任意指标ci,如果满足则把指标ci从指标集中剔除。原因在于:当区间估计上限时,则认为该指标的贡献已经被系统的误差所淹没了,该指标不会对评价带来实质性贡献。
[0058]
步骤三、将步骤二中未剔除的所有指标作为电梯安全风险评价的最终指标集;电梯人员对被评价电梯进行检测,得到最终指标集中各项指标的评分s1~sm;m为最终指标集中的指标数量。计算电梯安全程度评价电梯安全程度评价f越大,则说明被评价电梯的风险越高。w'i为评分si对应的权重值。
[0059]
具体案例分析:
[0060]
电梯安全风险评价指标筛选与构建
[0061]
电梯的安全受外部因素与电梯自身因素有关,通过查阅文件及专家咨询,基于电梯的运行安全及故障因素初步预选了电梯折弯次数、电梯年检报告、开关门次数、运行时间、运行里程、已用年限、所在场所、维保单位、周围环境、电梯品牌及电梯所在区域等11个评价指标作为评价电梯安全的指标,并构建了如图1所示的电梯安全风险指标初步体系,该体系由目标层、准则层和指标层构成。
[0062]
构造判断矩阵
[0063]
首先对电梯运行状态的六个指标构建判断矩阵,通过确定各指标的权重来对相应指标进行选取,通过层次分析法中对各因素进行两两比较的思路,建立1-9标度判断矩阵。判断矩阵如下所示。
[0064]
表3电梯运行状态b1对应的判断矩阵an
[0065][0066]
[0067]
计算结果为:
[0068]
表4电梯运行状态b1对应的判断矩阵an计算结果
[0069][0070]
表5一致性检验结果
[0071][0072]
层次分析法的计算结果显示,该判断矩阵的最大特征根λ
max
=6.279,根据ri表查到对应的ri值为1.25,因此其中通过一次性检验。
[0073]
对于电梯外部因素b2所在项目,专家给出的判断矩阵为
[0074]
表6电梯外部因素b2对应的判断矩阵an
[0075][0076]
计算结果为:
[0077]
表7电梯外部因素b2对应的判断矩阵an计算结果
[0078][0079][0080]
表8一致性检验结果
[0081][0082]
层次分析法的计算结果显示,该判断矩阵的最大特征根λ
max
=5.915,根据ri表查到对应的ri值为1.11,因此其中一次性检验未通过。
[0083]
通过上述计算得电梯运行状态b1对应的判断矩阵an的一致性指标cr=0.045<0.1,则该判断矩阵满足一致性要求,将所求最大特征值λ
max
=6.279代入式anw=λ
max
w;
[0084]
可得指标集b1=(c1,c2,c3,c4,c5,c6)
t
,归一化后权重向量为w(w1,w2,w3,w4,w5,w6)
t
=(0.042,0.375,0.187,0.099,0.099,0.19)
t

[0085]
分析计算结果可得,指标c1的相对权重值小于预设定值ξ=0.05,该指标为弱权重指标所以该指标可以从指标集里剔除掉。
[0086]
电梯外部因素b2对应的判断矩阵an的一致性指标cr=0.206>0.1,该判别矩阵不满足一致性要求,所以不能采用层次分析法计算权重,此时采用基于层次分析区间估计模型计算指标权重值的上限和下限,结果如下表所示。
[0087]
表9 b2的下层指标权重向量区间估计值
[0088][0089]
从计算结果中可以看出δ
max
=1.39
×
10-5
,指标c8、c11权重上限分别是7.07
×
10-6
和3.43
×
10-6
明显小于1.39
×
10-5
,该指标的贡献已经被系统的误差所淹没,该指标不会对评价带来实质性贡献,可以剔除掉。
[0090]
对于上述的不一致数据,采用特征向量法进行解决,这种方法采用最优点的估计值来确定权重向量,采用层次分析的区间估计,在指标构建判断矩阵的选择中将判断矩阵指标权重确定的约束。从上表中可以看出利用特征值向量法得出的值在区间估计值的上下限的平均值的微小范围内浮动,可以说明该模型方法是有效的。
[0091]
如图2所示,经过上述处理,最终筛选掉c1、c8、c11指标。剩余的指标c2~c6、c7、c9、c10作为最终指标集中的指标d1~d8。
[0092]
筛选完成后,形成了新的电梯风险安全评价指标体系,再重新构造判断矩阵,得到最终指标集中各指标的权重值。各权重值经过归一化后,得到最终指标集中各指标的最终权重w'i,如表10所示:
[0093]
表10电梯各风险权重
[0094]
[0095]
电梯人员可对电梯年检报告的评分、电梯开关门次数、电梯运行时间等每项指标设立相应的评分标准,结合相应标准得出每项指标的分数为s1~s8。最终通过公式得出电梯风险评价分数,进而可知该电梯风险的大小。
网友询问留言已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
技术分类