对车辆维修管理指标应用DEMATEL和ANP方法的评价--信管131朱振勇(共22页)

1、对车辆(chling)维修管理指标应用DEMATEL和ANP方法(fngf)的评价Davor Vujanovi ,Vladimir Momcilovic,Bojovic Nebojsa,Vladimir Papi贝尔格莱德大学(dxu),交通学院交通工程,沃加沃德 斯特普305,贝尔格莱德,塞尔维亚文章信息： 关键词：维修管理,车队;节能;多标准决策(指标);决策试验和评价实验室(DEMATEL);网络分析法(ANP) 摘要：本文是指维护管理提高车辆舰队能源效率的重要性。车队维修管理直接影响车辆维修过程本身以及主传输过程，并且还有它们的环境。为了更有效的维护管理提高车队的能源效率，观察维护过程

2、、运输过程和环境是必不可少的。因为此类措施的实施效果可以用不同的指标来衡量，本文分析了所有三个提到领域指标对管理决策的影响。在这个意义上说，适当的指标已定义且随后在车队维修管理中使用。要确定水平和强度的相互依存以及所选指标的相对权重，用两种方法相结合:决策试验和评价实验室(DEMATEL)和网络分析法(ANP)。提出了一个模型用来计算指标相互依存的相对权重。该模型已经在几家有机动车车队的公司进行实施。收集的结果显示公司的管理者评价维护管理过程影响到他们的车队的能源效率。除此之外,通过提出的模型的实现，我们获得同样的管理员对于研究公司内部维修管理的有效性和效率的评价。 2012年爱思唯尔有限公司

3、.保留所有权利。介绍拥有道路车辆的公司通过执行运输服务获得利润。利润的数量显著地被其他事所影响，例如由运输和车辆维护过程中所产生的费用。考虑到公司在寻求完成计划中的所有运输任务的同时最大限度地减少运输成本和维护成本。更高效的车队维修管理会影响合理运输过程的实现，即遭受损失的成本的减少。高效的维护管理，有利于在所需的时间段内完成在一个“准备运行”状态的运输任务中最适合施工作业的车队的实现。这当然在提高车队的能源效率和运输和维护成本的降低上有影响，同时公司的核心性能不危及将要完成的全部计划好的运输任务。为了实现一个高效的维护管理，协调大多数已经在工业生产领域研究的主要（核心）过程与维护是必要的（埃

4、塞瑞亚，蒂伦，和赛纶，1996年；尼克罗普洛斯，梅塔修提斯，乐卡提斯，和艾斯马可普洛斯，2003年；威亚勃，和皮特隆，2002年）。在这些论文中，不同的模型和系统被提出来，都是为了实现提高工业机器的效率和生产力的目标。然而，车辆运行和维护过程不同于那些相关的工业机器，车辆是流动资产，进一步受大量外部环境因素的影响，相比其他静态机器，他们的维护管理迫切需要一种不同的方法。在这个意义上，一个有效的车辆维修管理需要共同遵守：（1）运输过程要作为一个将给公司带来利润的主要的（核心）的过程；（2）车辆维修，作为核心的运输过程中的后勤保障，借助于维护干预的手段将车辆状态从“还没准备好运行”的状态改变为”准

5、备运行状态”；（3）通过技术检查监控到，环境，与维护影响里的安全和环境保护相关联。对于一个集成的维护管理的方法，一个重要的概念是“过程为基础的维护”（朱，格尔德恩，与皮特隆，2002）和（朱与皮特隆，2001）。这一概念，除其他外，包括在维护管理过程中，允许测量的具体措施的实施效果，和监测与根据阀值里未经授权的指标值偏差所做的管理决策和所采用的阀值有关的指标值的必要的指标的定义。然而(rn r)，在衡量实施措施的效果(xiogu)和管理决策的几个指标的情况下，对于(duy)实现一个明确的目标，以确定哪些指标是更重要的是必要的。此外，大量研究的指标具有相互依存的影响，在管理中实施某些措施，可以提

6、高一个指标值，但也会影响不同的大量的其他指标的值。这个所考虑的问题是一个多准则决策（MCDM）的经典例子。因此，在本文中所考虑的问题是确定任务指标相互依赖性的水平，确定它们的重要性和它们在造成车辆能源效率的提高的维护管理上的相对权重，在此条件下计划好的运输计划能够被实现。作为一个解决方案，一个关于它们车队能源效率的影响的排名指标的模型被制造出来。由此产生的模型应该向管理者指出在衡量实施的措施效果和做维护管理决策时指标应该被给予更多的关注。这个被推荐的模型可以被用于评价管理者对提高车队能源效率的维护管理的重要性的认知。此外。管理者可以借助这个模型对在车队维护管理中他们的有效性和效率进行评价。在计

7、算它们相互依赖性的水平和确定与一个明确的目标的完成度有关的指标重要性的水平中，DEMATEL和ANP两种方法的结合将作为多准则决策（MCDM）的工具。DEMATEL方法在1972到1976年之间通过“日内瓦研究科学与人类事务问题的巴特尔纪念研究院”而得到发展，并且被用于研究和解决多个复杂和相互依存的问题组合（福特纳，盖布斯，1974）和（福特纳，盖布斯，1976）。这种方法目前已经被大多数领域所应用（李，曾，2009；林，陈，曾，2009；林，杨，康，于，2011；曾，蒋，李，2007）。结果，因为每个因素（指标）的影响被给予其他因素，以及从其他因素所获得的影响，导致每个因素（指标）总的直接的

8、间接的影响被获得。这种相依性被网络关系图形象地描述出来。ANP方法是比层次分析法（AHP）更为发达的一种方法。由沙提在（沙提，1996）和（沙提，巴尔加斯，1998）中提出，是为了避免在层次分析法中存在的层次约束（沙提，1980）。这是一个用于计算因素的相互关系和确定他们相对权重的较新的多准则决策方法。该方法已经被应用于许多领域（郑，李，波恩，2005）。但是，在ANP方法中，因素相互关系的处理不能被实际系统客观地解决。这种缺陷被DEMATEL方法所覆盖，在这当中，各组（套）因素之间的相互依赖性会被更客观地确定，并且基于网络关系图，一个观测系统的结构被建立，随后将通过利用ANP方法来用于计算因

9、素的相对权重（杨等，2008）。这两种方法的结合使用，最近已落实解决不同领域的多准则决策问题（杨、曾，2011；吴，2008；林，谢，曾，2010）。在本文（李，黄，常，陈，2011）中，作者进一步提出了一种新的混合的方法，相比于由欧阳等人的文章（欧阳等人，2008）这是一个开发版本的方法。根据（李等人，2011）的文章，DEMATEL方法的使用，不仅成为了各组（套）因素相依性的一个更客观的看法，而且它的总影响矩阵T是标准化的，并且通过AHP方法被纳入一个未加权超矩阵。DEMATEL和ANP方法的结合已经被应用于在（Lee et al，2011）写的文章中用的相同方法的研究。通过文献回顾和作者

10、的个人经验的基础上，适当的指标在车队维护管理中被定义。一个包含三个相互依存的群体或领域的模型，运输和维护过程以及他们的环境也得到了发展。在每个领域都有相互依存的因素（指标）。基于对相关领域的教授和来自交通运输工程学院的有关专家在贝尔格莱德的认知研究，指标之间的相互关系，以及观察到的领域之间的相互依赖已经建立。之后，相对权重的指标和每个观察到的领域内的开发模型，都使用上述方法计算。通过管理人员在几家运输公司的调查，并通过对该模型的实施，还有维护管理上的影响，提高了车队的能源效率的评价，以及在每个研究公司维护管理中管理人员的效率的评价。在下面第2节中，对车队维修管理的概念已经进行了详细介绍，连同对

11、选定的指标的描述。第3节描述了DEMATEL和ANP方法。根据调查结果，在该模型中得到了指标的相对权重和观察到的领域。在第4节中，对在几家公司的道路车队提出的模型实施的结果进行了处理。在第5节中，对结果进行了深入的分析，而在最后一节中得出了主要结论和今后的研究课题。2、车队(ch du)维修管理2.1.运输和维修(wixi)过程及其环境的相互依存关系通过(tnggu)研究运输公司最经常拥有的异构机群组成的不同的施工操作（CD）的车辆组，尤其是从他们的现有货运能力来看。车辆必须在一定的时间内完成的所有计划的运输任务在(Milosavljevic,Teodorovic,Papic,&Pavkovi

12、c,1996)和(Momvilovic,Papic,&Vujanovic,2007)的作业计划（OP）中被定义。在这种情况下，可以认为，在研究的运输公司里的车队是根据预定义的作业计划来操作的。在运输任务的实现过程中，即在运输过程中，车辆发生或多或少的重要技术条件恶化（图1）。由于这样的恶化，车辆开始维护请求。在维护干预实现期间，车辆将处于“未准备操作”的状态，以及这些车辆将因为根据作业计划的要求而不能提供运输计划任务的实现。这个时期的时刻和持续时间，主要取决于舰队的维护管理的有效性和效率。在完成所需的维护干预措施之后，车辆进入“准备操作”的状态，并成为可用于进一步的提供运输任务的实现。在这个情

13、况下，车辆维修的过程是运输过程中物流的支持，且另一方面应提供运输服务以满足客户的要求。车辆维修过程的目的是为了保证运输公司的目标，通过确保在准确的时刻所需数量的车辆处于“准备”状态，在这期间，他们是需要一定程度的可靠性(Papic,Medar,&Pejcic Tarle,1999)。这说明了运输和维护过程之间的相互依赖性和影响。另一方面，通过对车辆的维护干预措施的实现，车辆维修过程对环境有影响。后者可以反映车辆的功能，即其可靠性和安全性，以及对有害废气的排放量，燃料和石油消耗等(Yamamoto, Madre, & Kitamura, 2004)。因此，车辆维修过程的目标是通过高品质的维护干预

14、来减少其对环境的影响。从另一个侧面来看，为了限制维护对环境的影响，在完成维护干预措施之后，车辆必须在整个运输过程的实现中保持正确的技术条件（无故障运行）。为了保持环境的影响处于某些法律规定的阈值，车辆通过专门为这样的活动设置的第三方提交定期的技术检查。如果技术检查导致关于车况的一个负面发现，那么它会在运输过程中被撤回，并且保持“未准备操作”状态直到维护完成所有必要的干预措施。这是“环境”，运输和维护过程的相互依赖性。因此，在(Samaras & Kitsopanidis, 2001)的文章中，作者建议用一套方法来评估应用于监测机动车尾气排放的检查和维护(I/M)的替代性试验的效率。根据(gnj

15、)(Johnson, 2002)，控制维护管理系统主要包括组织(zzh)、计划、监督、协调和控制等对确保设备执行它们在经济(jngj)可能性上的设计功能有必要的功能。该系统确保该公司在实现既定的目标时将获得最有效的利用劳动力，设备和材料。车队维护管理的一个目标是在所需时间内根据定义经济可能性的作业计划提供车辆组成“准备操作”状态的最充足的小组。这一目标有利于合理的运输服务，同时实现所有计划的运输任务，根据操作要求，同时提高车辆的车队的能源效率(Vujanovic , Momcilovic , Papic , & Bojovic , 2011)。此外，提高公司的盈利能力的维护管理目标是限制不可再

16、生资源，如燃料，润滑油，轮胎和材料的消耗的目的。综合车队维修管理的结果是高效节能车辆运输服务的合理认识，并且通过这样做来实现客户的要求和获得利润。为了提高车队的维护管理，通过适当的指标来衡量实施效果是不可缺少的。基于这样的理由，基于广泛的参考文献和作者的经验，在随后的文本中一套合适的有效的车队维护管理指标被选择使用。2.2.车队维修管理指标由(Papic et al., 1999) 写的论文的作者为了确定最有利的车队维修策略使用了模拟和层次分析法。作为合适的指标，除了别的以外，作者选择了操作计划（OP）的实现率（以下简称T1）。根据在观察期内所要求的作业计划，T1指标代表相对于计划运输任务的总

17、人数的百分比（在运输吨公里方面）。这个指标的价值影响公司的收入。由(Milosavljevic et al., 1996) 写的文章根据详细解释的作业计划提出了一种基于模糊集理论的车辆运输任务分配模型。在本文中，对于运输任务提出了两种不同版本的车辆分配，并且作为这些变异评估的一个指标，T1指标被采用。因此（Li，Mirchandani，& Borenstein，2009）研究了在车辆故障情况下任务的车辆配置问题，最大限度地提高运输任务实现的标准之一，即最大化T1指标。由 (Haghani & Shafahi, 2002)写的文章中演示了几种形式解决车辆维修调度问题，所采用的标准是在作业计划的实

18、现中把中断减少到最低数量，即最大化T1指标。本文将为了提高车辆能源效率而专注于高效的维护管理，通过(Vujanovic , Mijailovic , Momcilovic , & Papic , 2010) 写的文章已经表明，货物运输的能源效率的显著增加，在于更好地利用车辆运输能力。在这种情况下，一个适当的指标在运输过程中影响车辆能源效率，即车辆载重利用率（以下简称T2），换句话说，就是货物的产能利用率。在观察期内T2指标是携带货物的质量比（或体积）和车辆载荷能力（可用货舱容积）的比率。(Vujanovic et al., 2010)文章的作者指出在实现运输过程中如何提高T2指标，从而导致减少

19、每单位体积燃油消耗QT（L / 100吨公里），即降低通过作业计划实施的车队的燃料消耗的总数量，从而减少运输成本和维护。同样，(Vujanovic et al., 2011) 等人强调提高T2指标在车队维修管理中提高能源效率的重要性。在(McKinnon, 1999)的文章中，它指出，提高车辆的有效载荷利用率的措施，其中最重要的是提高车队的能源效率。同样在(Kamakate & Schipper, 2009)和(Ruzzenenti & Basosi, 2009)中也提倡更好的车辆运输能力的利用从而提高能源效率的高潜力。 (Papic et al., 1999)的文章中强调显著的节省，相比目前

20、的状况，通过不同策略的应用的作业计划实施所需要的车辆数导致(dozh)了近似相同T1指标值的能源和材料的相当大的节省。在本文(bnwn)所示的储蓄代表了引入另一个指标(zhbio)车辆利用率（以下简称T3）的良好基础。T3指标体现了在作业计划实施中所需要的车辆数和某一时期的车辆总数（库存）的比率。它们之间的差异将体现出空闲车辆的一个额外数目，可作为正在进行维修的车辆的更换。根据(Haghani & Shafahi, 2002)，为了作业计划实施的成功，车辆维修的有效调度需要更少的更换车辆，从而提高T3指标，共同减少运输成本和维护成本。在(Mobley, Higgins, & Wikoff, 2

21、008)的手册中指出，在分析设备的可靠性时，故障之间的平均时间指标（MTBFS）可以使用，以下简称M1。M1是从车辆的工作时间（或公里），并在观察期发生故障的次数的比例计算出来的。如果你得到改善的M1指标，你可以期待更高的车辆的可靠性，这同样提高了车辆的安全性。同时在(Parida & Kumar, 2009)中，M1是测量维护生产力的重要指标之一，而(Norat, 2008)认为M1指标是维修过程中的一个关键绩效指标（KPI）。除了前面提到的,作者(Norat, 2008) 认为作为另一个维修过程KPI平均修复时间(MTTR)。根据 (Mobley et al., 2008),MTTR指标是

22、衡量系统的可维护性。MTTR指标是从需要进行维修和干预措施的劳动总工时到报告期内的故障总数的比率计算出来的(Parida & Kumar, 2009)。然而,对于车队维护过程中,特殊利益的指标应意味着车辆停机(以下简称M2),即车辆的状态还没有准备好运行。这个指标是通过当车辆无法操作的总时间和观察到的故障数量之间的比率获得的。不同于指标MTTR，当计算指标M2时是考虑所需要的修理或维护干预的准备时间，例如等待备件，免费（提供）的工人，免费专用的工作间等，以及（或从）公司维修车间及运输之间的最终的间隔时间。根据(Momcilovic et al., 2007)和(Maroti & Kroon,

23、2005)，维修管理的一个有用的工具是一个维护计划（MP）。MP是一个用于管理人员的决策时，对计划工作和时间进行必要的维护措施对车辆的文件。为了充分准备MP，管理者必须做到：记录维护要求，了解OP，熟悉自己的能力（车辆的工作区，车间工人，配件，设备，材料，等），熟悉外部专业维修设施的市场（地点，专业，质量，等等），监测在MP中的计划干预的充分实现。作为在维护过程中测量的维护计划的实现效率的适当的指标，出现在维护计划的实现中（以下简称M3）。根据(Arts, Knapp, & Mann, 1998)和(Dhillon, 2002)，M3指标是根据维护计划的工作订单数量和在分析期内从维护计划中计划

24、好的工作订单总数之间的比率。在他的论文(Norat, 2008)中，他认为M3指标是维护过程的另一个关键性能指标。维修过程的另一个合适的指标可能是维护计划百分比(以下简称M4)。根据(Arts et al., 1998)，M4指标是在一段时间内，按计划进行的维修工作订单工作时间的百分比。根据(Mobley et al., 2008)，当计划好的维护的百分比增加，就减少了未计划好的维护的百分比，这同样会影响维护成本降低。计划维修比例的增加给予了运输和维修流程一体化更大的机会，以这种方式来提高车辆能源效率(Vujanovic et al., 2011)。关于车辆维修(wixi)管理车队车辆性能指标

25、的百分比的环境影响（以下简称E1）。E1指标(zhbio)是指符合有关技术(jsh)条件要求的车辆技术检验检查的最低百分比，即在汽车安全和排放方面，车辆进行性能测试，相比于在一定时期内技术检验控制的车辆总数的百分比。在(Bin, 2003)的文章中显示的道路车辆制造商的百分比不符合法律要求（阈值）的排放量检验。这些范围约占测试车辆的数量的410%。同时(Christensen & Elvik, 2007) 指出，当在一个给定的周期数增加进行技术检查时，汽车技术故障的数目也减少了。此外，另一个指标也在事故车车辆性能中占据适当的比例（以下简称E2）。E2指标是参加交通事故的车辆，并遵守有关车辆安全

26、系统（例如：制动、转向、悬挂、照明系统等）的最低要求的车辆数相对于参与事故的车辆总数的比率。本文(Randhawa, Miller, Bell, & Montagne, 1998)认为，技术故障或故障导致大约5%的商用车所观察到的事故。作者(Rechnitzer, Haworth, & Kowadlo, 2000)提供的研究表明，3%的事故车辆状况分析了交通事故的发生一定影响的结果的概述，即技术故障或失灵是事故的主要原因。在随后的表1中显示的车队维修管理指标，在运输，维护和环境领域，进一步诠释了本文。应用方法本文采用DEMATEL方法来确定现有的维修管理所选指标之间以及构建网络关系(gun x

27、)图的相互依赖水平（NRM）。基于构造NRM和对指标(zhbio)相互依赖性的水平(shupng)的计算，模型的结构已经开发。通过对DEMATEL和ANP方法综合执行的计算，即在所定义的目标模型中观察到的相关指标的相对权重，从而在维护管理中提高车辆能源效率。在这方面，计算选定指标的相互关系水平的DEMATEL方法将首先被解释。将在ANP方法中使用的总影响矩阵随后被说明。接下来ANP方法将被解释并且和DEMATEL相结合从而计算选定指标的相对权重。一个收集所有必要的数据的调查将随后被详细说明。根据所观察到的指标的相对权重的方法将被计算。3.1.DEMATEL方法DEMATEL（决策试验和评价实验

28、室）是分析复杂的因素之间的因果关系的结构模型设计的一个综合的方法（Wu & Lee，2007）。不同于认为因素是相互独立的层次分析法（AHP）的方法，DEMATEL方法考虑相互依存的因素和决定它们之间相互依存的程度。所观察到的方法是基于图论的，为了更好地理解相互关系，允许可视化规划和解决问题以便相关因素可以被分为因果关系和相应关系(Li & Tzeng, 2009)。这种科学的研究方法能够提高对具体问题的复杂结构的认识并且有助于通过一个层次结构的因素和可行性解决方案的关系的识别(Tzeng et al., 2007)。DEMATEL方法过程的最终产品是一种视觉表现-一个人的心灵地图-由答辩人（

29、管理者）在领域内组织自己的活动(Lin, Chen, & Tzeng, 2009)。 采用DEMATEL方法计算所考虑的因素的相互依存的程度的程序可以通过以下步骤为代表：步骤1：创建权威级感知矩阵X1，X2，XH。假设在调查中有H行和n因子要被考虑到，每一行都应该确定因子i到因子j的影响的水平。当i=1,.,n; j=1,.,n;k=1,.,H时，通过k行每对因子i和j的比较分析通过表示出来。每对的值都采用具有以下含义的一个整数值：0-无影响，1-低影响，2-中等影响，3-高影响，4-超高影响。k行的答案是由一个n*n的秩矩阵代表的，而在表达式中每一个元素k表示一个非负数，其中k=1H。因此，

30、矩阵X1，X2，.，XH代表每个H行的应答矩阵。每一行的应答矩阵的对角线元素都设置为零，因为该因素不能影响自身。步骤2：计算平均感知矩阵A。基于从所有的H行里确定的应答矩阵，它可以用平均应答矩阵来计算，它代表了以下方式的矩阵A的每个元素的H调查对象的观点的培养基值：其中。矩阵A显示了特定因素引起的初始效应，而且他收到了来自其他因素的初始影响。步骤(bzhu)3：计算平均正常感知矩阵D。矩阵D从矩阵A计算出来，如下：先使，然后D=A/s。作为矩阵A的每一行i的总和代表了因子(ynz)i对于其它因子的总的直接影响，表达式代表了特定因子对于其它因子的最重要的总的直接影响。同样，作为矩阵(j zhn)

31、A的每一列j的总和代表了因子j对于其它因子的总的直接影响，表达式代表了特定因子对于其它因子的最重要的总的直接影响。S(3)考虑了上述两个表达式的主要价值。当矩阵A的每个元素被表达式s所除时，得到矩阵D。矩阵D的每个元素在介于0和小于1之间取值。步骤4：计算出总关系矩阵T。矩阵T是一个n*n的矩阵，计算如下：其中I是一个n*n的单位矩阵。矩阵T的行和列的数目由矢量R和分别代表，明确：，。其中符号代表转置矩阵。使作为矩阵T i行的总和。然后代表因子i对于其它因子的总的直接和间接的影响。使作为矩阵Tj列的总和。然后代表因子j对于其它因子的总的直接和间接的影响。在当i=j的情况下，代表因子的一定程度的

32、重要性，代表因子的净效应导致系统与其它因子的关系。如果是正的，因子i就是自变量，如果前面的表达式是负的，那么因子i就是因变量(Tzeng et al,2007)。步骤5：设置一个阀值P，并且获得网络关系图(NRM)。在权威意见的基础上确定阀值P，在矩阵T里过滤掉微不足道的或者小的影响。矩阵T里小于或者等于所采用的p值的元素的值，都设置为零，而矩阵T里的大于所采用的p值的其他元素，依然保持它们的现在值。采用p值应该过低，但系统的结构仍然将是复杂和难以理解的，而如果阀值P值太高时，结构将是过于简单化的且忽略了重要的影响。因此，基于采用阀值p，我们可以过滤掉矩阵T的小效应，基于它将获得NRM，如图3

33、所示，这有助于考虑系统关系的理解。3.2.DEMATEL和ANP方法(fngf)的集成 ANP方法被开发用来避免在层次分析法(AHP)中存在的层次约束(Saaty,1996)。在关于ANP的文章中，结合(jih)DEMATEL方法将用于计算被用于车队维护管理的因素（指标）的相对权重。当只使用传统的ANP方法来计算因素的相对权重时，因素的依赖性水平被视为倒数值。然而，根据(gnj)DEMATEL方法，因素的相互依赖性水平没有互惠的价值，这是接近真实系统的(Yang & Tzeng,2011)。因此，为了计算因素的相对权重，它将在DEMATEL方法里使用总关系矩阵(矩阵T)，为了避免在ANP方法中

34、提到的缺点。根据(Lee et al,2011)，DEMATEL方法不是只用于计算不同组的因素的影响水平，而且在ANP方法中，正常化的总影响矩阵将被纳入未加权的超矩阵W中，为了计算不同因素的相互依赖性的水平。在这方面，DEMATEL和ANP方法的结合的方法由四个步骤组成。第一步是以NRM(图3)和为了构建观测系统定义的目标的网络层次结构的总影响矩阵T为基础的。第二步是计算未加权的超矩阵W。有关于用DEMATEL方法计算的总影响的因子矩阵的每组因素的影响的总和如图(9)所示。而矩阵(j zhn)是D1组里的因子和关于D1组因子的影响(yngxing)的矩阵，如(10)所示，矩阵是D1组里的因子和

35、关于D2组因子的影响的矩阵(j zhn)，以此类推。因子总影响矩阵在正常化后变成,如(11)所示。其中(qzhng)是一个关于D1组因子c11c1m1的因子影响和计算以上所得的总和(zngh)的正常化矩阵(12).当关于D1组的因子c1c1m1的影响的总和(zngh)如下时：；for i = 1,2,元素代表关于D1组的因子c11c1m1的因子影响的值，且元素代表它们的正常值。的计算过程，与矩阵里的其它所有的正常化矩阵是相同的。关于每组因素的因子影响的正常值都被纳入未加权的矩阵W的计算中。根据(14),采用ANP方法。其中(qzhng)矩阵表示了关于D1组因素的D1组的因子影响的值，根据(15

36、)可得。零值的因子影响的矢量(shling)表明了这个因子对组织的独立影响。用相同的方式获得矩阵和超矩阵(j zhn)W的其它矩阵。第三步，计算加权的超矩阵Ww，关于总影响的矩阵的所有组的每组因子的影响的正常值总和(16)。当确定矩阵的所有影响的总和时，确定矩阵的所有影响的总和。正常化过程如(17)计算。其中(qzhng)；for i = 1,n。依照(19),加权超矩阵Ww的计算通过整合(zhn h)未加权的矩阵W到影响的各组因子的正常(zhngchng)的矩阵所获得。在第四步中，一个有限的超矩阵通过数个加权超矩阵Ww相乘而计算得到，直到这个超矩阵的矢量值变得稳定，换句话说：当Z趋于无穷时。

37、有限超矩阵的矢量表示了关于定义目标的各因素的相对权重。3.3.实现数据收集在选定的车队维护管理指标的基础上，进行了一项关于收集专家对于运输，维护过程和环境的观察指标的相互依赖性影响的一些看法的调查。为此，一群来自于贝尔格莱德运输与交通工程学院的教授，以及来自于车辆操作和维护领域的拥有长期工作经验的专家被选中。该调查在2011年1月到5月期间被执行。通过这项调查，专家们的看法被获得。以专家们的调查和DEMATEL和ANP方法的结合实现为基础，以提高车辆能源效率为目标的维护管理指标的相对权重的模型被获得。3.4.结果基于专家和使用DEMATEL方法进行的调查，根据(5),总影响矩阵T被计算出来(表

38、2)。除此之外，阀值通过专家评估被确立(p=0.2)。只有大于专家确立的阀值的指标的相互依赖性水平才会被继续考虑，而其它的相互依赖性是被忽视的，即被认为是独立的，并且它们的值都设置为零。以表2为基础，很明显，有一个关于环境指标和维护过程中的M1和M4指标的运输过程的独立影响。根据计算好的总给予和获得的指标影响，根据(7)和(8)，从表3中可以看出，最重要的指标是拥有(r+c)的最高值的维护计划的实施指标（M3），其次是车辆的平均停机时间指标（M2）和平均故障间隔时间指标（M1），而最不重要的指标是汽车事故中车辆性能的比例指标（E2）。影响其他指标值最多变化的指标是计划维护比例指标（M4），拥有

39、(r-c)的最高值，其次是平均故障间隔时间指标（M1）。处于其他所有指标的主要影响下的指标是车辆载荷利用率指标（T2），拥有(r-c)的最低值，其次是操作计划实现百分比指标（T1）。从总影响矩阵T中，我们(w men)总结关于各组，或者各领域的所有的指标影响，我们从TD(表4)中获得了总组影响的矩阵。表4表明，最重要的影响拥有与运输过程指标相关的维护过程指标。由于所选的阀值(p=0.2)由专家所设置，与环境指标影响相比，运输过程指标被认为是无关紧要的，因此被忽略了。表5显示，整体最重要的影响来自于维护过程指标。大部分后者将它们的影响给了其他的指标，因为他们拥有(r-c)的最高值。与此同时拥有(

40、r-c)的最低值的运输过程指标也因此在很大程度上受到其他指标的影响，即很大程度上接受来自于其他指标的影响和效应。根据表2-5显示的结果，下面的图2显示了观察组（字段）之间的相互依赖性结构图，以及各组的指标之间的影响(yngxing)。相互依赖性结构图导致更好地理解模型的整体结构里的指标和组之间的关系。根据使用DEMATEL方法和采用专家设置的阀值(p=0.2)的总影响矩阵T的计算，下面的图3显示了网络关系图(NRM)，为了方便对计算相对权重(qun zhn)的ANP方法中所采用的模型结构的理解。通过将总影响矩阵T合并进未加权的超矩阵W中，且通过使用总组影响矩阵TD来计算加权超矩阵Ww，它已经从

41、ANP方法中的一个有限超矩阵Wzw中被获得，它的矢量代表模型中指标的相对权重(表6)。下面的表6显示在车队维护管理中能够提高能源效率的最重要的指标是：维护计划实现指标（M3），作业计划实现百分比（T1），车辆载荷利用率（T2）。拥有最高相对权重值0.233的维护计划实现指标属于维护过程组。但是，有意义的随后的两个指标是作业计划实现百分比（T1）和车辆载荷利用率（T2），都属于运输过程组。拥有最低水平指标的指标是拥有0.032的相对权重值的计划维护百分比（M4）和拥有0.044相对权重值的平均故障间隔时间（M1），都属于维护过程组，以及拥有0.046相对权重值，属于环境(hunjng)组的事故车

42、辆性能百分比指标（E2）。当你观察每组的相对(xingdu)权重时，车队维护管理最重要的是运输过程，最不重要的是环境。以下则是显示的是在一些公司的维护管理(gunl)方面的管理者评估的目标车队指标的相对权重的模型实现的结果。运输公司模型(mxng)的实现模型显示所选指标的相对权重已经在塞尔维亚共和国拥有车队的几家公司被实现。为此，以下公司的管理者都参与了调查：贝尔格莱德“卫生”公共事业公司(PUC)，城市公共交通GSP“贝尔格莱德”PUC，“贝尔格莱德供水和污水处理”公司和销售和分销汽车零件的私人有限公司“Delmax”。从2011年6月到8月该调查一直以对所选的公司的19个管理者对于9个指标

43、的看法的介绍为形式而被进行。管理者负责评估关于两个方面的从表1到表5的指标。第一次评估，管理决定在多大程度上适合维护管理的影响的测量的每个观测指标，记住最低分数1表示最小优势（或更高的缺点），与此同时分数5表示主要优势。在第二次评估中，管理者和来自于运输与交通工程学院的专家们已经评价了根据他们在观察的企业里的实际值所选的指标（再一次1分是最低效率参数，5分是公司/车队高度重视的最高效率的指标）。在上述评价中，每个指标的一个平均分通过拥有获得实现指标值的相对权重的被实施的模型计算得到，当在观察的公司里总结给一个总分S到S时。指标评价中的总分很好的显示了公司管理者关于提高车队能源效率（S）的维护管

44、理的重要性的一定程度的认识。关于公司里的实现值的指标的评价得总分显示了管理者在管理他们车队的维护管理（S）时的有效性和效率。这次调查的结果显示在以下的细节中。4.1.完成评估的结果根据表7所示的结果，“Delmax”私人有限公司的高管们取得了最好的总分S=4.129。在这个公司里的高管们对车队维修管理利润的重要性有一个高度发达的看法。从这个意义上说，在这家公司的管理者很容易认识到在这一领域实现储蓄和增加利润的趋势。相比于其他公司的管理者，这家公司的管理者都已经给了维护计划实现指标(M3)一个最好的分数，它在模型中有着最高的相对权重。在需要的时期内，“准备操作”状态的最合适的车辆的可用性在维护计

45、划中更好的实现通过OP所需要。它将影响OP的成功实现，以及更好的车辆荷载利用率，从而增加车队能源效率和公司的利润。以总分4.092占据第二位的高管们来自于“贝尔格莱德”城市公共交通公司。来自于“贝尔格莱德供水和污水处理”公共事业公司的管理者取得了最低总分3.120。在通过(tnggu)S处理(chl)维护管理的有效性和效率的总分方面，“Delmax”公司的管理者再次取得(qd)了最好的S分数3.968(表8)。相比于其他公司，这家公司取得了模型中重要的那些指标的较高实际值。因此，例如“Delmax”公司获得了维护计划实现指标(M3)，业务计划实现百分比指标(T1)和车辆载荷利用率指标(T2)的

46、最高值。有效的维护管理在所需时期内提供了更多的“准备运行”状态的车辆，从而影响了经营计划更好的实现，以及获得了更大的利润。此外，有效的维护管理大大促进了最合适车辆运输任务的分配，增加了车辆载荷利用率，因此提高了它们的能源效率和间接提高了盈利能力。在这种情况下，来自于“贝尔格莱德”城市交通公司的管理者以3.236分排名第二。再次的，公共卫生事业公司的管理者在维护管理的有效性和效率上获得了低至2.301的最低的总分S。在所有的四个公司内，管理者的一份更好的考虑的综合评价涉及了他们关于相比于他们的维护管理的效率的总体得分（S），维护管理（S）的重要性的看法。这个在PUC“卫生”公司特别正确，其中S的

47、总分是3.778，而S的总分仅仅是2.301。因此，管理者清楚地认识到车队维护管理的重要性，但就实现而言，他们缺乏他们自己的公司的将来或者现在的目标。结论这篇文章分析了用于在维护管理中测量具体措施的实施效果以提高车辆能源效率的指标相互依赖性的影响。因为一个高效的车队维护管理需要在核心（运输）过程及其环境中被观察，因此在这些特定领域评价这些指标是有必要的。在文献回顾和我们的专家审议上我们选择了9个临时指标用于评估。DEMATEL和ANP方法的结合被用于确定指标的相依性水平和计算它们的相对权重。一个拥有为了提高车队能源效率的主要目标的维护管理指标的相对权重的模型从而被得到。来自于开发模型的一些结论

48、可能是指标在三个观察组/领域中是相互(xingh)依赖的，它们拥有相互依赖性的不同水平且没有明显的权衡。维护计划实现的指标(M3)对于高效的车队维护管理有一个至关重要性。如果所有的维修工作指令根据维护计划(MP)在计划时间内都被意识到，那么它将几乎总是根据行动计划(OP)在所需时间内帮助运输任务提供最合适的车辆，这将减少运输和维护成本。提高该指标的值在很大程度上受到其他相互依赖的指标值的提高的影响。维护管理重要性中排名第二的是工作计划实现百分比(T1)，而排名第三的是车辆载荷利用率指标(T2)。其他重要的指标是表示车辆停机指标(M2)，车辆利用率指标(T3)，车队车辆性能比例指标(E1)，车辆

49、事故中车辆性能比例指标(E2)，平均故障间隔时间指标(M1)和计划维护百分比指标(M4)。这个被提议的拥有指标相对权重的模型为了塞尔维亚共和国拥有车队的几家公司的管理者的评价(pngji)而被实施。相比于其他公司的管理者，“Delmax”私人有限公司的高管们在提高车队能源效率的维护管理重要性的发达认识方面取得(qd)了最好的总分(S)，以及维护管理效率的最佳评价(S)。管理者在能够获得车队能源效率提高的维护管理的重要性认识方面获得的分数(S)比在他们公司里实际有效的维护管理方面获得的分数(S)要更高些。以管理者在有效的维护管理方面的综合评价为基础，得出一个结论，在公共事业公司里，例如PUC“卫

50、生”公司，“贝尔格莱德”城市公共交通公司，“贝尔格莱德供水与污水处理”公司，他们都有一个能够提高在开发模型中拥有更重要的相对权重的指标值重要的潜在性，这将帮助他们管理他们的维护变得更加有效和高效率。声明本文的研究在通过塞尔维亚共和国科学和技术发展部门支持的“管理车队技术条件以增加其能源效率和减少废气排放的模型的开发”项目中已经被意识到。参考文献：Arts, R., Knapp, G. M., & Mann, L. J. (1998). Some aspects of measuring maintenance performance in the process industry. Journ

51、al of Quality in Maintenance Engineering, 4(1), 611. /10.1108/13552519810201520. Ashayeri, J., Teelen, A., & Selen, W. (1996). A production and maintenance planning model for the process industry. International Journal of Production Research, 34(12), 33113326. Bin, O. (2003). A logit analysis of veh

52、icle emissions using inspection and maintenance testing data. Transportation Research Part D: Transport and Environment, 8(3), 215227. /10.1016/S1361-920903)00004-X. Brandolese, M., Franci, M., & Pozzetti, A. (1996). Production and maintenance integrated planning. International Journal of Production

53、 Research, 34(7), 20592075. Christensen, P., & Elvik, R. (2007). Effects on accidents of periodic motor vehicle inspection on Norway. Accident Analysis & Prevention, 39(1), 4752. http:/ /10.1016/j.aap.2006.06.003. Chung, S.-H., Lee, A. H., & Pearn, W. L. (2005). Analytic Network Process (ANP) approa

54、ch for product mix planning in semiconductor fabricator. International Journal of Production Economics, 96(1), 1536. /10.1016/ j.ijpe.2004.02.006. Coulter, K., & Sarkis, J. (2005). Development of a media selection model using the analytic network process. International Journal of Advertising, 24(2),

55、 193215. Dhillon, B. S. (2002). Engineering Maintenance: A modern approach. Boca Raton, Florida, USA: CRC Press. Fontela, E., & Gabus, A. (1974). DEMATEL, innovative methods. Report no. 2 structural analysis of the world problematique. Geneva, Switzerland: Battelle Geneva Research Institute. Fontela

56、, E., & Gabus, A. (1976). The DEMATEL observer. Geneva, Switzerland: Battelle Institute. Geneva Research Center. Haghani, A., & Shafahi, Y. (2002). Bus maintenance systems and maintenance scheduling: Model formulations and solutions. Transportation Research Part A: Policy and Practice, 36(5), 453482

57、. /10.1016/S0965- 856401)00014-3. Johnson, P. D. (2002). Principles of controlled maintenance management. Lilburn, Georgia, USA: The Fairmont Press Inc. Kamakate, F., & Schipper, L. (2009). Trends in truck freight energy use and carbon emissions in selected OECD countries from 1973 to 2005. Energy P

58、olicy, 37(10), 37433751. /10.1016/j.enpol.2009.07.029. Lee, W.-S., Huang, A. Y., Chang, Y.-Y., & Cheng, C.-M. (2011). Analysis of decision making factors for equity investment by DEMATEL and Analytic Network Process. Expert Systems with Applications, 38(7), 83758383. / 10.1016/j.eswa.2011.01.027. Le

59、ung, L. C., Lam, K. C., & Cao, D. (2006). Implementing the balanced scorecard using the analytic hierarchy process & the analytic network process. Journal of the Operational Research Society, 57(6), 682691. Retrieved. Li, J.-Q., Mirchandani, P. B., & Borenstein, D. (2009). Real-time vehicle reroutin

60、g problems with time windows. European Journal of Operational Research, 194(3), 711727. /10.1016/j.ejor.2007.12.037. Li, C.-W., & Tzeng, G.-H. (2009). Identification of a threshold value for the DEMATEL method using the maximum mean de-entropy algorithm to find critical services provided by a semico