基于改進(jìn)熵權(quán)-云模型的果園運(yùn)輸小車適應(yīng)性評(píng)價(jià)研究

朱倩, 周紅宇, 張敏祥

(湖北工業(yè)大學(xué)工業(yè)設(shè)計(jì)學(xué)院, 武漢 430068)

2021年,中國(guó)的果園種植總面積達(dá)到了1.296 2×107ha,水果產(chǎn)量為2.961億t,整體水平一直穩(wěn)居世界首位。中國(guó)優(yōu)質(zhì)果園多分布于丘陵山地地帶,這些地區(qū)由于受到地理環(huán)境的限制,以及傳統(tǒng)耕作模式下種植不規(guī)范等情況的影響,導(dǎo)致果園的機(jī)械化程度長(zhǎng)期處于較低水平。目前許多農(nóng)業(yè)工作仍然需要依靠人工來(lái)完成,尤其是在果園運(yùn)輸方面,工作效率低、勞動(dòng)強(qiáng)度大以及人工成本高等問(wèn)題,極大影響了果園的工作效率與經(jīng)濟(jì)效益[1]。盡管部分地區(qū)已經(jīng)開(kāi)始使用一些小型的運(yùn)輸裝備來(lái)代替人工作業(yè),但由于沒(méi)有進(jìn)行深入的、科學(xué)的適應(yīng)性研究,導(dǎo)致產(chǎn)品的研發(fā)與使用環(huán)境不符、產(chǎn)品的選用與使用條件不符等不適應(yīng)問(wèn)題發(fā)生,這種情況下十分不利于果園產(chǎn)業(yè)的現(xiàn)代化發(fā)展。

產(chǎn)品的適應(yīng)性設(shè)計(jì)是提升產(chǎn)品多方面效益的重要因素之一。在農(nóng)機(jī)產(chǎn)品適應(yīng)性設(shè)計(jì)方面,李桂祥等[2]從農(nóng)機(jī)農(nóng)藝融合的角度出發(fā),確定了果樹(shù)生產(chǎn)機(jī)械的適用性評(píng)價(jià)標(biāo)準(zhǔn),為產(chǎn)品優(yōu)化提供理論參考。牛成強(qiáng)等[3]通過(guò)德?tīng)柗品ㄒ约凹訖?quán)幾何平均法,對(duì)水果田間運(yùn)輸機(jī)械從技術(shù)、經(jīng)濟(jì)以及作業(yè)條件進(jìn)行權(quán)重計(jì)算來(lái)分析其適用性。龔艷等[4]通過(guò)層次分析法計(jì)算,同時(shí)采用實(shí)驗(yàn)、跟蹤和用戶調(diào)查的測(cè)評(píng)方法進(jìn)行交叉組合,依此構(gòu)建了植保機(jī)械的適用性評(píng)價(jià)體系。趙建紅[5]通過(guò)走訪和田間試驗(yàn),確定主要影響玉米免耕播種機(jī)適用性的秸稈覆蓋量,構(gòu)建了玉米免耕播種機(jī)適用性評(píng)價(jià)技術(shù)指標(biāo)體系。上述研究主要使用傳統(tǒng)的指標(biāo)體系評(píng)價(jià)方法,通常含有較強(qiáng)的主觀性,無(wú)法公證、客觀、完整地對(duì)產(chǎn)品進(jìn)行適應(yīng)性綜合評(píng)價(jià),影響了農(nóng)機(jī)適應(yīng)性設(shè)計(jì)的發(fā)展。

熵權(quán)法(entropy weight method,EWM)是一種遵循數(shù)據(jù)及信息規(guī)律的求權(quán)方法,其評(píng)價(jià)結(jié)果相對(duì)客觀;云模型是一種轉(zhuǎn)換定性概念和定量指數(shù)的算法,能夠研究不確定性問(wèn)題。目前,熵權(quán)結(jié)合云模型的評(píng)價(jià)方法在多個(gè)領(lǐng)域中得到應(yīng)用。林薇等[6]利用熵權(quán)-正態(tài)云模型對(duì)不同產(chǎn)地的蓬莪術(shù)進(jìn)行質(zhì)量評(píng)價(jià)。劉丹等[7]利用熵權(quán)-云模型對(duì)精細(xì)化工園區(qū)進(jìn)行脆弱性評(píng)價(jià)。陳懋等[8]利用層次分析法(analytical hierarchy process,AHP)與熵權(quán)組合賦權(quán)結(jié)合云模型對(duì)金屬礦井突水危險(xiǎn)性進(jìn)行評(píng)價(jià)。趙雪峰等[9]利用熵權(quán)-AHP與云模型對(duì)BIM建模軟件進(jìn)行多維度評(píng)價(jià)。此評(píng)價(jià)方法針對(duì)各領(lǐng)域研究都提供了有效幫助,但目前尚無(wú)運(yùn)用熵權(quán)-云模型對(duì)農(nóng)業(yè)機(jī)械類產(chǎn)品進(jìn)行適應(yīng)性評(píng)價(jià)研究。選取果園運(yùn)輸小車作為評(píng)價(jià)研究對(duì)象,使用AHP以及改進(jìn)的熵權(quán)法進(jìn)行組合賦權(quán),并帶入構(gòu)建的仿真評(píng)價(jià)云模型中進(jìn)行等級(jí)隸屬度劃分,得到最終的產(chǎn)品適應(yīng)性評(píng)價(jià)結(jié)果。這有利于今后農(nóng)機(jī)產(chǎn)品適應(yīng)性設(shè)計(jì)的發(fā)展,對(duì)相關(guān)產(chǎn)品整體水平提升以及農(nóng)業(yè)行業(yè)機(jī)械化發(fā)展有著重要意義。

1 權(quán)重計(jì)算及評(píng)價(jià)云方法

1.1 改進(jìn)熵權(quán)法

熵這一概念最初是在熱力學(xué)中被提出,進(jìn)行歸一化處理后引入信息論中,被稱為信息熵。熵權(quán)法是一種相對(duì)來(lái)說(shuō)較為客觀的求權(quán)方法,它遵循原始數(shù)據(jù)的規(guī)律和信息量大小,通過(guò)各指標(biāo)值構(gòu)成的判斷矩陣來(lái)進(jìn)行計(jì)算,從而確定每個(gè)指標(biāo)的權(quán)重系數(shù)[10]。

指標(biāo)權(quán)重計(jì)算步驟如下。

步驟1以m個(gè)設(shè)計(jì)任務(wù),n個(gè)評(píng)價(jià)指標(biāo),得到各項(xiàng)指標(biāo)數(shù)值tij來(lái)構(gòu)建數(shù)據(jù)矩陣T。

T=(tij)m×n

(1)

步驟2計(jì)算第j項(xiàng)評(píng)價(jià)指標(biāo)下的第i個(gè)設(shè)計(jì)元素的比重Pij。

(2)

步驟3計(jì)算第j項(xiàng)指標(biāo)的信息熵Bj。

(3)

步驟4計(jì)算信息熵剩余度gj。

gj=1-Bj

(4)

步驟5計(jì)算設(shè)計(jì)指標(biāo)權(quán)重wj。

(5)

在使用傳統(tǒng)計(jì)算指標(biāo)權(quán)重的式(5)時(shí),信息熵Bj越趨近于1,后續(xù)指標(biāo)的數(shù)據(jù)會(huì)對(duì)最后結(jié)果的影響越大,各熵權(quán)值差別也會(huì)越大,為避免此種情況發(fā)生,使用改進(jìn)的指標(biāo)權(quán)重計(jì)算公式為

(6)

1.2 云模型

1.2.1 基本概念

云模型建立在模糊集理論的基礎(chǔ)上,將問(wèn)題的定性概念和定量指數(shù)相結(jié)合,構(gòu)成一種相互映射、相互轉(zhuǎn)換的關(guān)系[11],能最大限度地去克服模糊概念中的主觀隨機(jī)性,因此多用于處理各種模糊現(xiàn)象問(wèn)題。

定義設(shè)A是由多個(gè)數(shù)值組成的定量論域,且x為其中的數(shù)值之一,可表示為x∈A;C為定量論域A上的定性概念,且x是C的某次隨機(jī)實(shí)現(xiàn);則具備穩(wěn)定傾向的隨機(jī)數(shù)μ(x) ∈[0,1]是x對(duì)C的隸屬度,反映x對(duì)C的確定程度,而x在A上的分布稱作云,即:μ(x):A→[0,1],?x∈A,x→μ(x)。云由大量的云滴組成,因此云滴出現(xiàn)的數(shù)量概率越大,云滴的確定度越高,就證明云滴對(duì)定性概念的確定度越高。

期望Ex、熵En和超熵He三者組成云模型的數(shù)字特征,它們能夠用來(lái)表示語(yǔ)言值的數(shù)學(xué)性質(zhì)。其中,期望Ex是定性概念中的中心值,也是云滴在定量論域A中最具代表性的點(diǎn);En是定性概念的模糊程度以及發(fā)生概率的體現(xiàn),它用于表示云滴的離散程度和取值范圍;He是對(duì)熵的度量,是熵的熵,用于表示云分布的厚度[12]。云模型的實(shí)現(xiàn)需要借助云發(fā)生器生成算法運(yùn)算,其中常見(jiàn)的有正向云發(fā)生器、逆向云發(fā)生器以及X條件云發(fā)生器等。

1.2.2 逆向云模型

使用逆向云發(fā)生器(reverse cloud generator,RCG)進(jìn)行評(píng)價(jià)體系數(shù)據(jù)構(gòu)建,輸入云滴(xi,μi),通過(guò)逆向云CG-1,計(jì)算得到所需值,運(yùn)算流程如圖1所示。

圖1 逆向云發(fā)生器Fig.1 Reverse Clouds Generator

具體計(jì)算過(guò)程如下。

步驟1以N個(gè)云滴中第h個(gè)云滴的值xh來(lái)計(jì)算各評(píng)價(jià)指標(biāo)的期望Exij。

(7)

步驟2計(jì)算各評(píng)價(jià)指標(biāo)熵值Enij。

(8)

步驟3通過(guò)樣本方差S2計(jì)算各評(píng)價(jià)指標(biāo)超熵He,ij。

(9)

(10)

1.2.3 正向云模型

選用正向云發(fā)生器進(jìn)行從定性概念到定量指數(shù)的映射算法,其運(yùn)算流程如圖2所示。

圖2 正向云發(fā)生器Fig.2 Forward Cloud Generator

正向云發(fā)生器具體步驟如下。

步驟1生成一個(gè)正態(tài)隨機(jī)數(shù)En′i,其期望值為En,方差為He2,計(jì)算公式為

En′i=NORM(En,He2)

(11)

式(11)中:NORM為MATLAB中的求范數(shù)的函數(shù)。

(12)

步驟3計(jì)算μi,計(jì)算公式為

(13)

步驟4輸入云滴(xi,μi)。

步驟5循環(huán)以上步驟1～步驟4,直到出現(xiàn)設(shè)定的第N個(gè)云滴組成云為止。

2 評(píng)價(jià)流程

通過(guò)對(duì)果園農(nóng)場(chǎng)進(jìn)行實(shí)地考察,以及與農(nóng)機(jī)研究院專家進(jìn)行探討后,決定選取此款較為常見(jiàn)的三輪式果園運(yùn)輸小車為研究對(duì)象,對(duì)其進(jìn)行適應(yīng)性評(píng)價(jià)研究,實(shí)物如圖3所示。

圖3 果園運(yùn)輸小車Fig.3 Orchard transport trolley

首先,對(duì)果園運(yùn)輸小車的設(shè)計(jì)影響因素進(jìn)行各方面綜合分析,劃分出其適應(yīng)性評(píng)價(jià)指標(biāo),并從中分解出若干項(xiàng)設(shè)計(jì)任務(wù),構(gòu)建整體適應(yīng)性評(píng)價(jià)體系。其次,通過(guò)資料查找、問(wèn)卷打分等方式得到各項(xiàng)指標(biāo)的初始評(píng)價(jià)數(shù)據(jù),將數(shù)據(jù)代入AHP中求得評(píng)價(jià)指標(biāo)主觀權(quán)重,代入熵權(quán)法中求得評(píng)價(jià)指標(biāo)客觀權(quán)重,再使用線性加權(quán)組合賦權(quán)法將兩者數(shù)據(jù)進(jìn)行計(jì)算,得到評(píng)價(jià)指標(biāo)的組合權(quán)重。然后,將等級(jí)評(píng)價(jià)結(jié)果與各指標(biāo)組合權(quán)重帶入逆向云模型中,進(jìn)行反復(fù)驗(yàn)證與修正后,求得綜合評(píng)價(jià)云特征值結(jié)果。最后將綜合評(píng)價(jià)云數(shù)據(jù)帶入到正向云模型中,生成綜合等級(jí)評(píng)價(jià)云圖,并確立一個(gè)標(biāo)準(zhǔn)評(píng)價(jià)云作為參考,通過(guò)比較標(biāo)準(zhǔn)評(píng)價(jià)云和綜合評(píng)價(jià)云結(jié)果的相似性,即可確定此款果園運(yùn)輸小車的適應(yīng)性等級(jí)結(jié)果。產(chǎn)品適應(yīng)性評(píng)價(jià)流程如圖4所示。

圖4 產(chǎn)品適應(yīng)性評(píng)價(jià)流程框架圖Fig.4 Flow chart of product adaptability evaluation

3 實(shí)例應(yīng)用

3.1 果園運(yùn)輸小車適應(yīng)性評(píng)價(jià)體系構(gòu)建

果園運(yùn)輸小車適應(yīng)性設(shè)計(jì)是保障小車在運(yùn)輸過(guò)程中能夠快速、安全、穩(wěn)定工作的關(guān)鍵性要素。果園運(yùn)輸小車的可適應(yīng)性可以反映其對(duì)外部環(huán)境、狀況等不規(guī)律變化因素的適應(yīng)程度。對(duì)運(yùn)輸小車進(jìn)行適應(yīng)性評(píng)價(jià),探究現(xiàn)有設(shè)計(jì)與理想設(shè)計(jì)目標(biāo)的匹配度與差異度,以期用較小范圍的設(shè)計(jì)改進(jìn),使之能夠更加快速、更低成本的進(jìn)行產(chǎn)品更新迭代。在選定評(píng)價(jià)指標(biāo)方面,首先參考大量國(guó)際著名的產(chǎn)品設(shè)計(jì)獎(jiǎng)項(xiàng)評(píng)價(jià)標(biāo)準(zhǔn),如G-mark日本優(yōu)良設(shè)計(jì)大獎(jiǎng)賽中,注重于設(shè)計(jì)、生活、產(chǎn)業(yè)、社會(huì)這4個(gè)大評(píng)審視角。而后再結(jié)合果園運(yùn)輸小車在實(shí)際設(shè)計(jì)生產(chǎn)中需要考慮到的適應(yīng)性影響因素,決定從利用效率適應(yīng)性U1、作業(yè)質(zhì)量適應(yīng)性U2、機(jī)械性能適應(yīng)性U3、耐用適應(yīng)性U4、安全適應(yīng)性U5、技術(shù)適應(yīng)性U6、經(jīng)濟(jì)適應(yīng)性U7、行駛環(huán)境適應(yīng)性U8,這8項(xiàng)評(píng)價(jià)指標(biāo)對(duì)現(xiàn)有的果園運(yùn)輸小車進(jìn)行適應(yīng)性研究。

從設(shè)計(jì)的角度來(lái)看,完成一個(gè)產(chǎn)品的適應(yīng)性設(shè)計(jì),可以將整個(gè)過(guò)程分解為若干個(gè)可適應(yīng)性設(shè)計(jì)任務(wù),每一項(xiàng)設(shè)計(jì)任務(wù)的適應(yīng)性情況即可代表各部分是否存在適應(yīng)性問(wèn)題[13]。針對(duì)果園運(yùn)輸小車的系統(tǒng)結(jié)構(gòu)及實(shí)際工作情況,對(duì)產(chǎn)品進(jìn)行總體劃分,并建立適應(yīng)性任務(wù)集Tp= {行走形式、車身自重、車身尺寸、運(yùn)行速度、爬坡角度、平衡系統(tǒng)、驅(qū)動(dòng)系統(tǒng)、結(jié)構(gòu)支撐、能源消耗、安全系統(tǒng)},分別用Tp1～Tp10來(lái)表示。

3.2 評(píng)價(jià)指標(biāo)權(quán)重確定

邀請(qǐng)10位農(nóng)機(jī)產(chǎn)品方面專家、用戶等,并使用傳統(tǒng)的九標(biāo)度層次分析法,以(1～9)數(shù)值打分方式對(duì)此款小車進(jìn)行評(píng)價(jià),打分標(biāo)準(zhǔn)如表1所示。

表1 Santy1～9標(biāo)度法

將各適應(yīng)性評(píng)價(jià)指標(biāo)之間兩兩打分,對(duì)所有打分?jǐn)?shù)據(jù)進(jìn)行整合處理后,使用AHP方法確定各項(xiàng)適應(yīng)性指標(biāo)強(qiáng)弱度權(quán)重,構(gòu)成的判斷矩陣數(shù)據(jù)及權(quán)重如表2所示。

表2 適應(yīng)性內(nèi)容判斷矩陣及權(quán)重

對(duì)數(shù)據(jù)進(jìn)行一致性檢驗(yàn),首先計(jì)算一致性指標(biāo)CI,結(jié)算公式為

(14)

式(14)中:λmax為最大特征值;n為指標(biāo)個(gè)數(shù)。

通過(guò)對(duì)應(yīng)的平均隨機(jī)一致性指標(biāo)RI,得到一致性比例CR。

通過(guò)AHP方法計(jì)算得到相對(duì)于利用效率適應(yīng)性U1的適應(yīng)性設(shè)計(jì)任務(wù)權(quán)重為(0.197 7,0.088 0,0.095 2,0.226 4,0.070 6,0.095 6,0.112 1,0.040 9,0.029 1,0.044 3)。同理,計(jì)算以各項(xiàng)適應(yīng)性評(píng)價(jià)指標(biāo)為設(shè)計(jì)準(zhǔn)則的可適應(yīng)性設(shè)計(jì)任務(wù)權(quán)重,得到工程特性權(quán)重?cái)?shù)據(jù)矩陣如表3所示。

表3 工程特性權(quán)重

根據(jù)式(1)～式(5),并使用改進(jìn)熵權(quán)式(6)對(duì)其進(jìn)行計(jì)算,得到各項(xiàng)適應(yīng)性評(píng)價(jià)指標(biāo)客觀權(quán)重為(0.127 8,0.127 9,0.123 7,0.124 4,0.123 0,0.122 8,0.124 3,0.126 0)。

3.3 組合權(quán)重確定

分別使用AHP計(jì)算出評(píng)價(jià)指標(biāo)的主觀權(quán)重ωj,改進(jìn)熵權(quán)法計(jì)算出評(píng)價(jià)指標(biāo)的客觀權(quán)重wj后,為了使兩者權(quán)重以及相對(duì)應(yīng)的占比系數(shù)差異一致,采用距離函數(shù)的方式進(jìn)行計(jì)算。設(shè)兩者距離函數(shù)為d(ωj,wj),通過(guò)線性加權(quán)組合賦權(quán)法得出兩種方法的組合權(quán)重λj,其中j=1,2,…,n,其計(jì)算公式為

λj=αωj+βwj

(15)

α+β=1

(16)

式中:α和β為兩者權(quán)重的分配系數(shù),其值與ωj和wj差異度相同。

ωj和wj距離函數(shù)表達(dá)式為

(17)

d(ωj,wj)2=(α-β)2

(18)

由式(15)～式(17)可計(jì)算出兩種方法的分配系數(shù)α和α,代入式(15)可以求得組合權(quán)重λj。

根據(jù)AHP與改進(jìn)熵權(quán)法,分別計(jì)算得到果園運(yùn)輸小車8個(gè)適應(yīng)性評(píng)價(jià)指標(biāo)的主觀和客觀權(quán)重,通過(guò)式(13)～式(17)計(jì)算獲得各指標(biāo)的組合權(quán)重及排序,各權(quán)重結(jié)果如表4所示。

表4 組合權(quán)重

3.4 云模型特征值計(jì)算

表5 評(píng)價(jià)指標(biāo)特征值Table 5 Characteristic value of evaluation index

將評(píng)價(jià)指標(biāo)組合權(quán)重lj與云模型數(shù)字特征值結(jié)合,計(jì)算綜合評(píng)價(jià)云結(jié)果,計(jì)算公式為

(19)

式(19)中:Exi、Eni、Hei分別為第i項(xiàng)指標(biāo)下Ex、En、He的值。

根據(jù)式(17)代入數(shù)據(jù)求解得到綜合評(píng)價(jià)云結(jié)果如表6所示。

表6 綜合評(píng)價(jià)云特征值

3.5 云模型綜合等級(jí)評(píng)價(jià)

將綜合評(píng)價(jià)云數(shù)據(jù)(0.58,0.14,0.04)代入MATLAB軟件中云模型進(jìn)行計(jì)算,生成此款果園運(yùn)輸小車綜合評(píng)價(jià)云圖,如圖5所示。

圖5 綜合評(píng)價(jià)云圖Fig.5 Comprehensive evaluation cloud chart

將其結(jié)果代入等級(jí)評(píng)價(jià)發(fā)生器中,根據(jù)標(biāo)準(zhǔn)云各等級(jí)云圖(圖6)分布范圍,可以看出,此款果園運(yùn)輸小車適應(yīng)性等級(jí)結(jié)果云圖介于云標(biāo)尺的“中”和“良好”之間,根據(jù)最大隸屬度原則來(lái)看,其最大確定度等級(jí)為中,則由此可知,此款果園運(yùn)輸小車適應(yīng)性等級(jí)為中等。

圖6 綜合等級(jí)評(píng)價(jià)云圖Fig.6 Comprehensive grade evaluation cloud chart

根據(jù)表4權(quán)重排序結(jié)果可以看出,在此款果園運(yùn)輸小車的8項(xiàng)適應(yīng)性評(píng)價(jià)指標(biāo)中,行駛環(huán)境適應(yīng)性方面最弱,其次是經(jīng)濟(jì)適應(yīng)性以及技術(shù)適應(yīng)性。因此在日后進(jìn)行產(chǎn)品升級(jí)或創(chuàng)新迭代時(shí),需著重提升這幾個(gè)方面的適應(yīng)性,同類產(chǎn)品也可依此進(jìn)行改進(jìn)參考。

4 對(duì)比分析

4.1 改進(jìn)熵權(quán)法比較

使用一般熵權(quán)法計(jì)算的適應(yīng)性評(píng)價(jià)指標(biāo)權(quán)重是(0.174 9,0.176 7,0.102 4,0.113 8,0.088 9,0.086 2,0.113 2,0.143 9),將其與改進(jìn)熵權(quán)法所獲得的權(quán)重進(jìn)行比較,如圖7所示。

圖7 權(quán)重對(duì)比Fig.7 Weight comparison

從圖7可以看出,傳統(tǒng)的熵權(quán)法在進(jìn)行計(jì)算時(shí),會(huì)因指標(biāo)的細(xì)微差別導(dǎo)致最后熵權(quán)值的差距較大,容易造成對(duì)指標(biāo)強(qiáng)弱度判斷不準(zhǔn)確的現(xiàn)象。利用改進(jìn)熵權(quán)法可以避免指標(biāo)信息熵Bj無(wú)限趨近于1的情況,能夠有效解決以上問(wèn)題。

4.2 評(píng)價(jià)方法驗(yàn)證及比較

使用文獻(xiàn)[13]中的改進(jìn)TOPSIS評(píng)價(jià)方法對(duì)果園運(yùn)輸小車進(jìn)行評(píng)價(jià),可以得到指標(biāo)U1～U8的相對(duì)接近度取值均介于[0.4,0.6),則可判定此款小車8項(xiàng)適應(yīng)性評(píng)價(jià)等級(jí)均為基本適應(yīng),可對(duì)應(yīng)適應(yīng)性等級(jí)劃分中的中等,與本文結(jié)果一致。

5 結(jié)論

(1)由于丘陵果園工作環(huán)境及地勢(shì)地貌的復(fù)雜性,其運(yùn)輸裝備設(shè)計(jì)需要適應(yīng)多方面的影響因素,針對(duì)果園運(yùn)輸小車進(jìn)行適應(yīng)性評(píng)價(jià)研究是推進(jìn)其改進(jìn)的重要手段。

(2)依據(jù)產(chǎn)品設(shè)計(jì)相關(guān)理論,構(gòu)建了果園運(yùn)輸小車適應(yīng)性評(píng)價(jià)體系,為后續(xù)評(píng)價(jià)研究奠定了基礎(chǔ)。

(3)使用改進(jìn)熵權(quán)法確定客觀權(quán)重,避免熵權(quán)值因信息熵差別變化較大等問(wèn)題。

(4)使用云模型對(duì)果園運(yùn)輸小車進(jìn)行適應(yīng)性評(píng)價(jià),獲得其適應(yīng)性等級(jí)結(jié)果,該方法更為直觀、合理。

(5)此款果園運(yùn)輸小車在后期產(chǎn)品迭代過(guò)程中可依據(jù)指標(biāo)組合權(quán)重排序進(jìn)行針對(duì)性改進(jìn),這為相關(guān)農(nóng)機(jī)企業(yè)提供了理論指導(dǎo),指明了后續(xù)設(shè)計(jì)方向及改進(jìn)思路。

(6)此評(píng)價(jià)方法對(duì)農(nóng)機(jī)裝備的適應(yīng)性評(píng)價(jià)有借鑒意義,可以促進(jìn)農(nóng)機(jī)市場(chǎng)發(fā)展,提高農(nóng)機(jī)產(chǎn)品用戶認(rèn)可度,引導(dǎo)其往高質(zhì)量高效率方向發(fā)展。