模糊网络分析法翻译初级

1、模糊网络分析法翻译初级作者:日期:模糊网络分析法(ANP)模型来识别的错误的行为风险(FBR)一、摘要系统安全工作是许多因素的函数,除了它是动态的和复杂的。可能存在的安全因素之间 的关系和依赖性。因此，系统安全工作应该以整体的方式进行分析。在这项研究中，安全系统 工程一个重要的因素-错误的行为风险(FBR),试图通过确定网络分析法(ANP)这是一个 扩展的层次分析法,并允许对复杂系统的分析。除此之外,过程中有许多困难和限制测量错误 的行为因素。出于这个原因，对于因素的权重和次要因素必要计算FBR决心通过使用模糊 ANP和通过这种方式可以在这一过程中做出更好的决策。1、介绍在工作系统中，故障的定

2、义通常是指偏离合理,设计和预期行为标准(2003)。 错误的行为要么是减少或拥有的行为要么可能减少工作系统的安全性和性能。多 余的或不恰当的行为也被认为是错误的行为(1999)。根据人体工程学方面(麦考密 克,1982)工作系统通常分为三组，即手动、机械和自动化系统,。无论多么复杂的和 全面的工作系统，人类和机械因素决定的性能和运行工作系统(库尔特,1993)。在 工作系统中，同步和协调人类和机器的运转取决于工作系统的安全性能。如果有 一个有效的安全管理，达到安全性能也是可能的。在这种情况下，测量一些可能 的风险因素导致错误的行为在工作系统安全性能是非常重要的。安全管理的文献中，有许多方法提出

3、或为了测量安全性能开发的。事故的主 要方法是统计，事故控制图，态度量表(布劳尔,1994)。然而，这些方法大部分是被动 的或主观的方法。例如，事故统计数据只显示安全管理在过去的性能，而事故控制 图演示了安全管理的当前状态，态度量表包括既是主观和定性的测量。由于这些 原因，这些方法没有一个可以定量评估安全管理的现状和意外事件的发生概率估 计(陈和阳,2004)。然而，在他的研究中,Qien(2001 a,b)采取了一个广泛的一步风险 指标的发展，能够提供一个信号或警告o他的方法包括一个包含八个步骤的过程, 包括识别风险影响因素，评估潜在的变化风险影响因素，评估效果变化的风险，选 择风险指标(陈和

4、杨,2004)八步法。在另一项研究中,旨在确定当前的安全性能指标的工作系统，提出了将安全气 候与实际工作场所获得的特征职工调查问卷(1991)。威廉姆森(1997)乂通过调查 问卷把安全氛围与工人对他们的工作环境的看法联系起来,。这两种方法已经证 明了它们在预测或预测事件发生的有效性。事实上，迄今为止在工作场所。似乎 没有经过验证的指标、方法或任何意味着已知能够预测事件的发生。(陈和阳 2004)。陈、杨(2004)观察到缺陷的研究文献中，基于石化工厂不安全的行为或条 件开发出了一种预测风险指标(PRI)。不安全的观察结果是由基于概率的估计危 险(PD),工作接触的频率(FE),许多人(RN)

5、和最大可能的损失风险(MPL)根据几何 平均评级组合风险指数一个简单的量化评级。从上述研究可以看出，在不同的文献中，从不同的观点分析了系统安全问题。 然而，如前所述,陈和阳(2004),安全在工作系统总是动态的。感知，不仅取决于工 人还在许多其他复杂因素，如管理执行安全规定，职工对安全的态度，办公室工作 环境等系统安全管理工作是许多因素的函数(格罗特2003),同时工作系统的一个 因素可能影响另一个因素。此外，工作系统可能会有相互关系的因素。出于这个 原因，系统安全工作应该从整体的角度进行分析。本研究的主要区别其他文学是 其以整体的方式工作系统安全问题的建模。就像在这项研究中，网络分析法(AN

6、P), 这是一个扩展的层次分析法(AHP),并允许分析复杂系统，用于确定错误的行为风 险的工作系统此外，在测量工作系统因素的风险水平时可能遇到很多次的困难 或限制。例如，它是不可能衡量定性因素，如安全文化，感觉适应眉险行为倾向，竞 争,尤其是management-worker关系。因此，测量定性因素通过使用模糊数代替使 用的数字有助于简化决策和获得更现实的结果。在这种情况下，模糊ANP用于确 定计算FBR主要因素权重的因素/子因素所需的研究。2模糊ANPFBR的计算初步研究发现多目标决策技术，称为层次分析法(层次分析法),是最适合解决 复杂决策问题(,2007)。萨提(1980)首次引入AHP

7、和用于不同的决策过程(2005)。 层次分析法的基本假设是上部的功能独立的条件，层次结构,从较低的部分，和标 准或物品在每一个级别。许多决策问题不能在结构上分等级，因为他们涉及各种 因素相互作用，与高层因素有时取决于底层因素(萨提1996)o萨提建议使用AHP 中独立解决问题替代方案或标准，和ANP的使用解决问题方案之间的依赖或标 准。由萨提基于AHP提出来ANPo而AHP代表一个单向分层框架层次分析法 的关系,ANP允许决策水平之间复杂的相互关系和属性。ANP反馈方法替代层次 结构网络水平之间的关系是不容易表示为高或低，主导或下属，直接或间接 (1999)。例如，作为在一个层次结构中，标准的

8、重要性不仅确定备选方案的重要性, 备选方案的重要性也影响标准的重要性(Saaty,1996)。因此,一个自上而下的线性 层次结构不适合一个复杂的系统。2.2 模糊集和模糊数萨提(1965)介绍了模糊集理论处理不精确和模糊不确定性。模糊集理论的主 要贡献是其代表模糊数据的能力。理论还允许数学操作符和编程适用于模糊域。 模糊集是一个类的对象连续的等级的元素。这样一组元素(特征)函数，分配给每个 对象一个元素等级介于。和1。(2003)“”将被放置在符号的符号代表一个模糊集。三角模糊数(TFN的),M e是 图1所示。TFN的仅仅是来标示(1 / m m / u)或参数Lm和u,分别表示最 小的可能

9、值，最有前途的价值,最大的可能值描述一个模糊事件。每个TFN的线性表示在其左、右侧，这样它的隶属函数可以定义为：俨X < /,z I (x-/)/(zh-/), I4x&m.I (u x)/(u /n). m x u, 0,x > u.Nl =(时心),M由)= (/ + (m- l)y. u + (m - u)y), y 0,1,(2)一个模糊数总是可以由相应的左和右的代表每个隶属程度：I(y)和r(y)表示表示左边和右边表示模糊数，分别。在文献中，针对模糊数开 发了许多排名方法。这些方法可能会给不同的排名结果，并且大多数方法都是需 要复杂的数学计算乏味的图形操作。模糊数

10、的代数操作可以在Kahraman中找 到。(2002) o2.3 模糊层次分析法有许多不同的作者提出的模糊层次分析法(AHP)方法(2004)。这些方法是通过使用模糊集理论的概念和层次结构分析。系统化的方法来解 决替代选择和理由的问题。决策者通常发现相对于固定的价值判断，他们更有信 心给区间判断。这通常是因为他/她无法明确的关于他/她的偏好是否应归于比较过程的模糊特性。Fig. 1. A triangular fuzzy number. .V/.在这项研究中，我们更喜欢张的程度(1992、1996)分析方法，因为这种方法的 步骤更容易比其他模糊AHP方法。Chang的步骤(1992、1996)

11、程度分析方法如下: 让X=xl,x2,。、xn 是一个对象集和U= ul,u2 xn是一个目标。根据张的 方法(1992)程度分析，每个元素都被提出来用到过，并且分别根据其目标做了程度 分析,特别是gi,执行。因此、m值为每个对象可以获得程度分析，以下标志：A&M：A/；, r = L2n(3)where all the(J = 1.2,. ?w) arcTFNs.The steps of Chang's extent analysis cun be given as in the followingStep 1. The value of fuzzy synthetic ex

12、tent with respect to ihe ilh object is defined as-iR/-ITo obtain 汇却弘,perform the fuzzy addition operation of m extent analysis values for a parlicular matrix such that£叫=住>,七町(5)A-I-I E /And to obtain 区perform the fuzzy addition operation of A/ (j = 1.2,. .,/n) values such that(8)(9)一 一叱=(心七

13、均)and then compute the inverse of the vector in Eq. (6| such thatn m 一12孕""(七击?击Step 2: The degree of possibility of M2 = d斯力2)2跖is defined asVM2 > 必)=supmiM.(x)/“Q)】 and can be equivalently expressed as follows: 1.if n2 ni.0.if / 2 “2,一. othcruisc.哪里是最高的交点的纵坐标d 1M1和1M2之间(见图2),比较Ml和M2,我

14、们 需要值 V(M1 PM2)和 V(M2PMl)o步骤3:凸模糊数的可能性程度要大于k凸模糊数Mi(i = 12。可以定义为,k)V(M2A，,.) =A/。and (M、M2) and . and (M > A/J(10)Assume that(4 ) = min /(S > SQFor k = I, k # i. Then the weight vector is given by旷=(仙),/(4),/咒where Ai (i= 1,2,.,?) are n elements.=min V(MeM). i= 1.2,，(11)(12)步骤4:通过标准化、归一化权重向量W是非

15、迷糊数值。2.4预警模型的提出工作系统中，该模型确定FBR由以下步骤组成：步骤k确定在模型中使用的因素和子因素。步骤2:构建ANP (网络层次分析法)模型分层次(目标因素，子因素)。步骤3:通过成对比较矩阵，确定局部因素和子因素的权重(假设没有依赖的 因素)。关于相对重要性的模糊尺度测量相对权重(2006)图3和表1中给出。这个 范围用于张的模糊AHP方法。步骤4:确定，模糊尺度(表1),每个因素的内部依赖矩阵的其他因素。这个内部 依赖矩阵乘以与局部权值，确定在步骤3中，计算的相互依存的权重因素。步骤5:计算子因素总体权重。总体子因素权重乘以计算当地子因素的权重与 它所属的相互依存的权重因子。

16、步骤6：:测量子因素。由et al .提出的语言变量程(1999)用于这一步。这些语言变量的隶属度函数图4所示,和平均价值与这些变量如表2所示。 在使用这个评价量表，语言变量可以取不同的值取决于子因素的结构。例如，在评 估的子因素消极地影响着系统安全工作，评价一个子因素影响系统安全积极工作 时，当“高(H)”语言变量需要0.75模糊平均值，相同的语言变量模糊平均值在 0.25 o步骤7:通过使用总体子因素权重和语言值来计算FBR的工作系统。在这个 模型中，风险单位是错误的行为的比例。根据确定的FBR做出以下决定： 停止操作系统的工作，做一个新的设计和重新计算FBR(FBRP0.40)o 采取纠

17、正预防措施并重新计算FBR(0.20 6 FBR < 0.40)。 工作系统(FBR<0.20)能够安全操作。图5提供了确定模型的FBR原理图表i语言尺度的难度和重要性表2语言值和均值模糊数表3局部权重和成对比较矩阵的主要因素表4当地组织子因素的权重和成对比较矩阵表5局部权重和个人子因素的成对比较矩阵表6局部权重和成对比较矩阵子因素相关的工作表7关于“组织因素”内部依赖矩阵的因素表8关于“个人因素”内部依赖矩阵的因素表9关于“工作相关因素“内部依赖矩阵的因素3结果和讨论在安卡拉，土耳其执行的生产设施，预测FBR早期预警模型应用程序的案例 研究。从三个公司分别来自不同部门的管理者和文

18、章的作者，为应用程序，建立 决策委员会。通过使用提出的模糊ANP模型，两个不同公司的FBR的工作系统 被计算了。步骤1:在这个步骤中，评估决策委员会通过一份调查问卷，从不同来源的确 定的23个因素,。三个值3,2和1,对应非常重要，有些重要和不重要，分别被用于 评估。决策者的评价结合的因素值的算术平均值和13以上2选择模型中使用。 这13个因素分为三个组织、个人和工作相关因素。组名是被接受的就像公认的 因素和因素属于子因素这些团体。分组的子因素组织、个人和工作相关的在以下给出：组织因素：安全文化培训和发展Management-worker 关系检查加班个人因素：缺乏技能倾向于冒险行为竞争感觉适

19、应工作相关因素：任务情境单调工作流程角色冲突.L步骤2:ANP模型形成的因素和子因素的确定第一步是图6所示。ANP模型 是由三个阶段组成的。在笫一阶段，确定子因素权重的目的。有相关的因素和子 因素分别在第二和笫三阶段。第二阶段的因素是连接到目标用一个方向箭头。第 二阶段中的箭头代表inner-dependence因素之一。inner-dependence的组织、 个人和工作相关因素在这个阶段被纳入其中,通过这种方式相互影响的因素进行 了分析。子因素相关因素在第三阶段的模型和在步骤1中确定的因素也在这个阶 段。步骤3:在这个步骤中，当地权重的因素和子因素参加第二和第三层次的ANP 模型，提供在图

20、6中,计算。成对比较矩阵形成决策委员会用表1中给出的规模。 例如组织因素和个人因素比较使用“多么重要的问题是组织因素(的)当它与个人 因素(PF)? “答案”强烈(SMI)”更重要，这个语言放在规模相关的细胞对三角模糊数 (3/2,2,5/2)o所有的模糊评价矩阵以同样的方式产生。成对比较矩阵分析了张的 扩展分析方法(2.2节)和地方权重确定。局部权值计算模糊评价矩阵以类似的方 式，在表3所示。成对比较矩阵给出了表3-6与当地的权重。步骤4:在这个步骤中，相互依存的权重计算的因素和因素之间的依赖关系。 依赖的因素是由分析每个因素的影响在其他因素使用成对比较。基于依赖图6 日在第二阶段成对比较矩

21、阵形成的因素(表7 - 9)下面的问题什么是“个人因素” 的相对重要性与工作相关因素的控制相比“组织因素”? “成对比较和导致可能出现 的值(1/2,2/3,1)(弱更重要的是,WMI)表示在表7所示。由此产生的相对重要性权 重给出表的最后一列。利用计算出的相对重要性权重，依赖矩阵形成的因素。相 互依赖的因素的权重计算依赖矩阵相乘的因素我们获得与当地的权重因素表3 中提供。的interdependentweights因素计算如下：0.501.000.68-0.32X0.41"0.350.370.280.501.000.240.351.000.320.68显著差异结果中观察到的因素权重

22、(表3)的相互依存的权重因素。结果变化 从0.41到0.37,0.35,0.28,和0.24至0.35,重量值的因素,PF和JRF分别。第五步:使用相互依存的权重的因素(步骤4)和地方权重子因素(步骤3),总体 权重子因素计算在这一步。总体子因素重量乘以计算局部权重子因素与相互依赖 的因素它所属的重量。计算值见表10o根据总体子因素权重表10所示，三个最重 要子因素可能导致错误的行为是“任务上下文”，“工作流程”,“单调检查三个最 重要的子因素，观察到,最重要的是子因素导致错误的行为与任务有关。为了消除 的因素导致错误的行为，应该首先处理任务相关因素步骤6:在这个阶段,FBR的系统都是由使用总体子因素重量值(表10)和语言 测量尺度(表2),计算结果如表11所示。而确定FBR的工作系统，安全文化(SC), 培训和发展(TD)、management-worker关系(MWR),检查(INS)和感官适应(SA)子 因素被确定为积极子因素减少FBR和语言变量在表2的笫一列是用来评估他们。第七步:剩