基于delphi法和模糊层次分析法的航天操作复杂度评价模型权重分配

基于delphi法和模糊层次分析法的航天操作复杂度评价模型权重分配

随着航天工业在中国的快速发展，航空航天任务日益增多。它随时承担着维护任务和未来协调任务的任务，这些任务具有很高的参与者和非常复杂的操作任务。如何在高复杂度操作状态下,使操作人员仍保持较高的绩效水平,不出差错,是航天员训练的目标。为了保障航天员的操作可靠性和达到高效节能训练的目的,我们建立了一套航天任务操作复杂度评价模型。在建立评价模型过程中,如何确定评价指标的权重系数是一个核心问题。权重系数是指在评价体系中对目标值起权衡作用的数值。权重系数可分为主观权重系数和客观权重系数。主观权重系数是指人们依照经验,对各个子指标,按其重要程度主观确定的权重系数,例如Delphi法、AHP(analytichierarchyprocess)法等。这类方法人们研究的较早,也较为成熟,但客观性较差。客观权重系数是指对实际发生的资料进行整理、计算和分析,与统计指标进行合成而得到的权重系数。这类方法研究较晚,尚不完善,实际应用较少。考虑到航天操作复杂度评价的实际情况,本文首先采用Delphi法+模糊层次分析法(fuzzyanalytichierarchyprocess,FAHP)+多专家集值统计的方法得到一套主观权重,然后通过评价模型的验证实验结果分析得到一套客观权重。两种权重分配方法各有优势,可以相互补充使用。航天操作复杂度评价模型及指标体系通过文献调研、专家问询及航天任务操作特点分析,根据复杂度原理,本文建立了一套航天任务操作复杂度评价模型。航天飞行中,航天操作处于人-机-环境组成的交互环境中,其操作难度会受到各方面的影响。该操作复杂度评价模型通过对航天任务操作进行复杂度影响因素分析,借鉴了其他领域(如核电站、软件工程等)研究成果,考虑到研究的目的和可行性,该评价模型仅考虑由航天器系统导致的操作复杂度问题,即对航天操作任务本身和操作人机界面构成的复杂度进行分析研究。其他影响因素作用将在后续研究中视应用需要逐步引入。根据以上限定,通过文献调研和专家咨询,确定了操作步骤规模复杂度、操作步骤逻辑复杂度、操作仪器信息复杂度和任务信息复杂度等4个指标组成的评价指标体系。建立了包括4个复杂度度量子指标的评价体系;同时引入软件工程中评估软件复杂程度的熵值法,分别对4个子指标进行度量。4个子指标分别为操作步骤规模复杂度(complexityofoperationstepssize,COSS)、操作步骤逻辑复杂度(complexityofoperationlogicstructure,COLS)、操作仪器信息复杂度(complexityofoperationinstrumentsinformation,COII)和任务信息复杂度(complexityofspacemissioninformation,CSMI),其含义分别为:操作步骤规模复杂度:度量所完成操作需要的动作数量。操作逻辑复杂度:度量操作的逻辑结构的复杂程度。操作仪器信息复杂度:度量操作界面的复杂程度。任务信息的复杂度:度量操作所需的知识层次信息的复杂程度。操作复杂度值(operationcomplexity,OC)由4个子指标度量值计算得到,评价模型核心公式为:ΟC=√(a×CΟSS)2+(b×CΟLS)2+(c×CΟΙΙ)2+(d×CSΜΙ)2(1)OC=(a×COSS)2+(b×COLS)2+(c×COII)2+(d×CSMI)2−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−√(1)公式中的a,b,c,d分别表示4个子指标的权重系数,本文的研究目的即是确定它们的取值。该复杂度评价模型经训练数据验证和操作实验验证,证明所建立的操作复杂度评价模型是有效的,可以用于对航天任务进行复杂度分级,从而建立基于复杂度指数的训练方法体系。主观权重的确定本课题采用了2种方法对4个复杂度子指标进行权重系数确定,主观权重法采用的是专家主观评价的方法;客观权重法则是采用了实验数据拟合的方法。主观权重分配主观权重分配的方法本文中的主观权重分配方法采用的是Delphi法+模糊层次分析法(FAHP)+多专家集值统计的方法。专家咨询权数法(Delphi法)Delphi法是根据专家对指标的重要性打分来确定权重,重要性得分越高,权重越大。优点是集中了众多专家的意见,缺点是通过打分直接给出各指标权重而难以保持权重的合理性。模糊层次分析法(FAHP)层次分析法(AHP)是一种多目标多准则的决策方法,它将评估目标分解成一个多级指标,对于每一层中各指标的相对重要性给出判断。该法的优点是综合考虑评价指标体系中各层指标的重要程度而使各指标权重趋于合理;缺点是在构造各层因素的权重判断矩阵时,一般采用分级定量法赋值,容易造成同一系统中一因素是另一因素的5倍、7倍,甚至9倍,这种判断不能很好地反映人类判断的模糊性,从而影响权重的合理性。FAHP是AHP在Fuzzy环境下进行的扩展,其原理是利用模糊数表征专家的定性判断(本文中引入置信度对专家判断进行模糊化处理),再运用模糊数学的方法综合专家的定性判断。FAHP在概念上有一定的合理之处;同时,基于FAHP的评价易于在综合评价时引入专家权重,以区分不同水平、对问题熟悉程度不同、不同领域专家对决策结果的不同支持作用。因此本文采用了模糊层次分析法(FAHP)的方法。当评价指标个数较多时,若采用FAHP对评价指标进行两两比较,请专家给出较为准确的相对重要性度量是十分困难的,而本复杂度评价模型中的指标个数少于5个,可以直接采用FAHP法确定权重系数。同时在权重调查问卷设置时,进行了先排序,后两两比较的策略。多专家集值统计法多专家集值统计通常有两种方法:阿达玛乘积法和线性加权法。阿达玛乘积法不考虑多专家的权重,而线性加权法则考虑了多专家的权重,可根据具体情况选用。本文中考虑到专家团的同质性,采用了阿达玛乘积法。设有R位专家,基于阿达玛乘积法的多专家集值统计的计算步骤如下:利用FAHP特征根法求出各个专家满足一致性要求的权值w(k),k=1,…,R;利用阿达玛乘积法进行聚集,并进行几何平均:wi=(R∏k=1w(k)i)1R,i=1,⋯,Ν(2)wi=(∏k=1Rw(k)i)1R,i=1,⋯,N(2)归一化wi即得最终权向量:~wi=wiΝ∑i=1wi,i=1,⋯‚Ν(3)本文中采用了以上3种方法联合确定权重的方式,首先利用Delphi法的思想,组建了10名航天员组成的专家团,以集中众多专家的意见;然后是利用FAHP方法,进行4个子指标两两相对比较的模糊判断,得到单个专家确定的指标权重分配,最后用专家集值统计的方法,对专家的权重分配结果进行不加权的汇总统计,最终得到各指标的权重系数。主观权重确定的步骤主观权重确定的具体步骤为首先确定指标的量化标准,然后通过专家调查得到初始权数,对初始权数进行处理并进行一致性检验,得到单个专家的各指标权重。最后进行多专家的指标权重的汇总,得到主观权重结果。(a)确定指标的量化标准确定指标重要性的量化标准常用的方法有:比例标度法和指数标度法。本文采用的是比例标度的1~9标度,以使评判达到更高的精度。1~9标度是指子指标两两之间的重要性比较,可分成9个等级,依次为极端重要(9)、强烈重要(7)、明显重要(5)、稍微重要(3)、同等重要(1)、稍微次要(1/3)、明显次要(1/5)、强烈次要(1/7)、极端次要(1/9)。同时加入模糊判断的概念,对每个判断设置置信度,置信度有3个等级:很有把握(±0.5)、较有把握(±1)、把握一般(±1.5),表示专家对指标间相互对比值的把握程度。(b)设计权重调查表进行专家调查设计了一个权重调查问卷,其中包括4个复杂度子指标组成的指标体系和第一步确定的指标重要性量化标准说明,并进行了相关背景说明。将调查问卷发给各个专家(航天员),让专家们独立对各子指标进行两两比较,给出各指标重要性权数(权重)。各指标在调查问卷中的位置设置见表1。(c)初始权数处理(单个专家的指标权重确定)以专家1的指标权重确定为例,有以下3个步骤:①建立判断矩阵A44根据专家1的权重调查问卷,得到4个评价指标两两比较的判断矩阵A44。判断矩阵A44中,第i行第j列的数值xij,表明指标xi与xj比较后所得的标度。②进行一致性检验判断矩阵的一致性检验是指检查判断矩阵内的初始权数是否存在相互矛盾的现象。如果一个专家的判断矩阵不能通过一致性检验,需要重新组织填写问卷,或者放弃该专家意见。本文中第一轮调查中,某些专家的判断结果不能通过一致性检验;在进行调查问卷修正和第一轮调查结果分析反馈后,第二轮调查中全部专家的判断结果均通过了一致性检验。③运用模糊层次分析法(Fuzzy_AHP)进行权重计算,确定专家1给出的4个指标权重。专家集值统计在进行专家集值统计之前,首先根据各专家给出的各个指标的初始权重,分别计算各指标权重的均值和标准差。然后将所得的均值和方差的资料反馈给专家,要求专家再次提出修改意见或更改指标的建议,并在这基础上重新确定权数。重复以上(b)~(c)的步骤,直至获得较为满意的权重结果为止。一般情况下,需要进行3~5轮的专家调查,以求得各专家趋于统一的权数结果,本文中考虑到专家团的同质性(航天员)以及专家资源的宝贵性,进行了2轮调查,以第2轮调查的结果进行了专家集值统计。虽然各位航天员在经历方面有细微差别,如是否参加过国外训练,是否参加过太空飞行等,鉴于航天员都进行了长期严格的训练,对航天操作有很深刻的认识,因此本文没有对专家进行区分,进行了不加权集值统计。客观权重分配航天任务在操作复杂度评价模型研究中,设计了单因素操作实验以验证该评价模型的有效性。该实验在中国航天员科研训练中心进行,实验任务为7个具有不同复杂度值的应急故障操作单元,实验平台为飞船仪表板训练台。10个被试者参加了该实验,年龄在22岁到35岁之间,均为中国航天员科研训练中心的科技人员。每个被试者完成全部7个操作单元的操作,为一轮,每个被试者进行了18轮实验(其中被试者a进行了17轮),共进行了179轮操作实验。客观权重是采用SPSS15统计软件的nonlinear的分析方法,对操作实验数据中7个操作单元的第12轮到16轮的平均操作时间分析得到。这种非线性回归是一种探索因变量和自变量之间关系的方法,与传统线性回归不同,它不被限定在某个固定线性模型中,研究者可以根据需要自己设定因变量和自变量之间的关系模型。该方法的原理是通过回归,寻找到一套权重系数,根据它计算的复杂度值和平均操作时间的相关度最大。本文中的非线性回归设置见表1。拟合模型为复杂度值和操作时间为线性关系的形式,其中复杂度值用操作复杂度评价模型公式表示,以得到各权重系数的取值。k和e是复杂度值和平均操作时间的线性模型的参数,根据主观权重的复杂度值和操作时间进行的拟合结果,它们的初始值分别设置为89和-87。各权重系数的初始值设置为均权值(0.25)。同时根据实际情况和航天员调查结果,对各权重系数进行了限定(≥0.1),以避免出现0权重系数或极小权重系数的结果。最后回归结果的R2=0.861,说明拟合得到的权重系数使得复杂度值和平均操作时间有很好的相关度。客观权重分析主观权重结果通过主观权重分析,最终得到4个子指标的权重系数见图1。主观权重结果表明COLS和CSMI占的权重大,这说明占用更多认知资源的指标对操作复杂度的影响更大。客观权重结果客观权重分析的结果见图2。客观权重结果与主观权重结果不同,其中COII和CSMI的权重占主要成分。客观权重结果反映了操作实验中的真实情况,被试者在实验后问询中表示,仪表板界面操作费时且易发生错误