基于熵權TOPSIS的服裝流水線智能化評估模型

楊 艷，陸春立，陶雅蕓，汪 蓉，曹進露，強寶珠，何少鋒，范 敏

(江蘇陽光集團有限公司，江蘇 江陰 214426)

服裝流水線可看成是一種排隊系統。隨著服裝生產日益向多品種、小批量、快交貨的方向發展，服裝企業的生產管理面臨嚴峻挑戰，原有生產模式已無法滿足企業發展的需要，迫切需要進行智能化升級改造。智能化硬件設備、軟件系統、數據采集與處理等成為數字化流水線的基本要求[1-4]，在智能化推進過程中，各企業的智能化程度各不相同，缺少統一評估標準。本文通過對10家服裝流水線的智能化狀況進行數據采集，構建了服裝流水線智能化評價指標體系，利用熵權TOPSIS方法建立的綜合評價模型，對流水線的智能化進行評價。

1 建立指標體系

1.1 指標體系構建原則

隨著智能制造的不斷推進，各服裝企業也積極投入到智能化的升級改造中。本文結合各服裝企業的智能化生產特點，提出服裝流水線智能化評價體系。

由于涉及服裝流水線智能化評估的因素較多，若要準確、全面地反映服裝流水線的智能化情況，評價指標體系應具有層次性，這種分層不僅能得到總的評價結果，而且能了解到各個層面的發展態勢和形成要因。構建服裝流水線智能化指標體系時需遵循4個原則：一是針對性原則，評價體系要反映服裝生產的特性，有針對性地準確評價服裝智能化發展水平。二是科學性原則，評價指標的選擇和指標體系的構建圍繞智能化展開，設計的每項指標都應反映服裝生產智能化的推進狀況。三是實用性的原則，評價指標的選取應建立在充分調研、系統研究的科學基礎上，指標體系應盡可能涵蓋服裝流水線智能化目標，評價體系需要進行有效測評，具有一定的可比性。四是全面性原則，指標體系作為一個系統，應成為全面衡量服裝流水線智能化發展水平的工具，從不同角度反映智能化發展的主要特征和狀況。

1.2 服裝智能流水線指標體系

遵循前述4項原則，結合實際采集的數據，初步構建了服裝流水線智能化評估體系，將建立的評估體系分別征求服裝專家意見，依此進行調整修改，最終確定的評估體系層次結構如表1所示。

2 基于熵權TOPSIS的服裝智能流水線評價模型構建

2.1 熵權模型

熵權法是一種客觀賦權方法，原理是根據各評價指標數值的變異程度所反映的信息量大小來確定權數[5]。信息是系統有序程度的一種度量，熵是系統無序程度的一種度量，兩者絕對值相等，符號相反。通過熵權法計算可得到各個指標的信息熵：信息熵越小，信息的無序度越低，信息的效用值或指標的權重越大；反之，信息熵越大，信息的無序度越高，信息的效用值或指標的權重也越小。熵權法最大特點是直接利用決策矩陣所給的信息來計算權重，而沒有引入決策者的主觀判斷，從而得出較為客觀的綜合評價結果。

表1 評價體系層次結構

設有m個企業，n項評價指標，每個企業相對于每項評價指標的觀察值為Xij，形成決策矩陣：A=(Xij)m×n。

若決策矩陣(Xij)當中的項j指標值ij的差異越大，則該指標在綜合評價中所起的作用就越大；如果某項指標的指標值全部相等，說明該指標在綜合評價中不起作用，可將該指標剔除，然后對剩余指標引入熵權。

2.2 TOPSIS模型

TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)是一種多目標決策方法[6]，又稱接近理想點法。運用TOPSIS法對被評價對象指標進行綜合評價，基本原理是通過計量被評價對象的指標評價值向量與綜合評價問題的理想解和負理想解的相對距離，并進行排序，其中距離指(加權以后的)歐幾里德距離。

計算時，可將每個被評價對象的指標評價值向量與最優解、最劣解作比較，考察它們之間的距離，若某被評價對象的指標評價值向量最接近于最優解同時又最遠離最劣解，則該被評價對象為最佳；反之為最差，用這種方法可以對各被評價對象進行排序。

3 實驗與結果分析

3.1 數據采集

文本選取10家服裝智能化企業作為研究對象，編號分別為1#～10#。在此僅對3級指標層利用熵權法計算各指標的權重，再借助TOPSIS法對10家服裝智能企業進行綜合評價及排序。

根據表1的3級指標層設計5段量表問卷進行實地數據采集，其中：1為非常不贊同，2為不贊同，3為一般，4為贊同，5為非常贊同。采集整理的原始數據如表2所示。

表2 服裝流水線智能化推進的數據

3.2 評估

根據表2的數據，構建服裝流水線智能化的綜合評價決策矩陣，計算各指標的熵值(Ej)、差異系數(dj)及權重(wj)。計算過程使用Mlatlab編程實現，計算結果如表3所示。

表3 各指標的熵值Ej、差異系數dj、權重wj

由表3可知，指標權重在0.05以上的有10個，依次是A31、A32、A41、B11、B13、B21、B22、C11、C21、E21，其中指標A32對服裝流水線的智能化影響最大，其次是C11，最后是A41。

根據表3得出的權重，求得正距離、負距離和相對接近度，被研究企業的綜合評價結果和排序如表4所示。

3.3 結果分析

由表4數據分析和排名結果可知，在被研究的10家企業中，智能化水平的排序分別為8#>10#>9#>7#>6#>5#>4#>1#>2#>3#。

根據這一結果，實地調研驗證分析各服裝流水線的智能化水平，發現前四位企業的智能化特點是：(1)具有MTM樣板系統，建立了智能樣板庫；可以根據量體數據自動生成樣板，如8#、10#企業。(2)具有GST工藝系統，建立了智能工藝庫，如8#、10#、7#企業。(3)實現RFID卡或條碼全流程監控，如8#、10#企業。(4)有智能吊掛線，并根據加工方案自動傳輸，如8#、10#、9#企業。(5)基于MES系統對生產全流程進行智能監控；有計劃與調度系統，根據生產數據采集進行生產調度，瓶頸工序提前預警，如8#、9#企業。(6)有面輔料倉儲管理系統，如8#、9#、7#企業。(7)實現智能設備間的互聯互通與信息采集與發送，如8#、10#、9#、7#企業。

表4 被研究企業的綜合評價和排名

4 結語

通過對服裝流水線進行數據采集，構建了服裝流水線智能化評價指標體系，利用熵權TOPSIS方法建立的綜合評價模型，可用于服裝流水線的智能化評價。通過對10家服裝企業進行數據采集，對企業的智能化水平進行排序，得出8#企業的智能化水平最高，通過實地調研的驗證分析表明：該方法可行，為服裝流水線的智能化評價提供了較好的分析工具。