基于熵权TOPSIS的服装流水线智能化评估模型

杨 艳，陆春立，陶雅芸，汪 蓉，曹进露，强宝珠，何少锋，范 敏

(江苏阳光集团有限公司，江苏 江阴 214426)

服装流水线可看成是一种排队系统。随着服装生产日益向多品种、小批量、快交货的方向发展，服装企业的生产管理面临严峻挑战，原有生产模式已无法满足企业发展的需要，迫切需要进行智能化升级改造。智能化硬件设备、软件系统、数据采集与处理等成为数字化流水线的基本要求[1-4]，在智能化推进过程中，各企业的智能化程度各不相同，缺少统一评估标准。本文通过对10家服装流水线的智能化状况进行数据采集，构建了服装流水线智能化评价指标体系，利用熵权TOPSIS方法建立的综合评价模型，对流水线的智能化进行评价。

1 建立指标体系

1.1 指标体系构建原则

随着智能制造的不断推进，各服装企业也积极投入到智能化的升级改造中。本文结合各服装企业的智能化生产特点，提出服装流水线智能化评价体系。

由于涉及服装流水线智能化评估的因素较多，若要准确、全面地反映服装流水线的智能化情况，评价指标体系应具有层次性，这种分层不仅能得到总的评价结果，而且能了解到各个层面的发展态势和形成要因。构建服装流水线智能化指标体系时需遵循4个原则：一是针对性原则，评价体系要反映服装生产的特性，有针对性地准确评价服装智能化发展水平。二是科学性原则，评价指标的选择和指标体系的构建围绕智能化展开，设计的每项指标都应反映服装生产智能化的推进状况。三是实用性的原则，评价指标的选取应建立在充分调研、系统研究的科学基础上，指标体系应尽可能涵盖服装流水线智能化目标，评价体系需要进行有效测评，具有一定的可比性。四是全面性原则，指标体系作为一个系统，应成为全面衡量服装流水线智能化发展水平的工具，从不同角度反映智能化发展的主要特征和状况。

1.2 服装智能流水线指标体系

遵循前述4项原则，结合实际采集的数据，初步构建了服装流水线智能化评估体系，将建立的评估体系分别征求服装专家意见，依此进行调整修改，最终确定的评估体系层次结构如表1所示。

2 基于熵权TOPSIS的服装智能流水线评价模型构建

2.1 熵权模型

熵权法是一种客观赋权方法，原理是根据各评价指标数值的变异程度所反映的信息量大小来确定权数[5]。信息是系统有序程度的一种度量，熵是系统无序程度的一种度量，两者绝对值相等，符号相反。通过熵权法计算可得到各个指标的信息熵：信息熵越小，信息的无序度越低，信息的效用值或指标的权重越大；反之，信息熵越大，信息的无序度越高，信息的效用值或指标的权重也越小。熵权法最大特点是直接利用决策矩阵所给的信息来计算权重，而没有引入决策者的主观判断，从而得出较为客观的综合评价结果。

表1 评价体系层次结构

设有m个企业，n项评价指标，每个企业相对于每项评价指标的观察值为Xij，形成决策矩阵：A=(Xij)m×n。

若决策矩阵(Xij)当中的项j指标值ij的差异越大，则该指标在综合评价中所起的作用就越大；如果某项指标的指标值全部相等，说明该指标在综合评价中不起作用，可将该指标剔除，然后对剩余指标引入熵权。

2.2 TOPSIS模型

TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)是一种多目标决策方法[6]，又称接近理想点法。运用TOPSIS法对被评价对象指标进行综合评价，基本原理是通过计量被评价对象的指标评价值向量与综合评价问题的理想解和负理想解的相对距离，并进行排序，其中距离指(加权以后的)欧几里德距离。

计算时，可将每个被评价对象的指标评价值向量与最优解、最劣解作比较，考察它们之间的距离，若某被评价对象的指标评价值向量最接近于最优解同时又最远离最劣解，则该被评价对象为最佳；反之为最差，用这种方法可以对各被评价对象进行排序。

3 实验与结果分析

3.1 数据采集

文本选取10家服装智能化企业作为研究对象，编号分别为1#～10#。在此仅对3级指标层利用熵权法计算各指标的权重，再借助TOPSIS法对10家服装智能企业进行综合评价及排序。

根据表1的3级指标层设计5段量表问卷进行实地数据采集，其中：1为非常不赞同，2为不赞同，3为一般，4为赞同，5为非常赞同。采集整理的原始数据如表2所示。

表2 服装流水线智能化推进的数据

3.2 评估

根据表2的数据，构建服装流水线智能化的综合评价决策矩阵，计算各指标的熵值(Ej)、差异系数(dj)及权重(wj)。计算过程使用Mlatlab编程实现，计算结果如表3所示。

表3 各指标的熵值Ej、差异系数dj、权重wj

由表3可知，指标权重在0.05以上的有10个，依次是A31、A32、A41、B11、B13、B21、B22、C11、C21、E21，其中指标A32对服装流水线的智能化影响最大，其次是C11，最后是A41。

根据表3得出的权重，求得正距离、负距离和相对接近度，被研究企业的综合评价结果和排序如表4所示。

3.3 结果分析

由表4数据分析和排名结果可知，在被研究的10家企业中，智能化水平的排序分别为8#>10#>9#>7#>6#>5#>4#>1#>2#>3#。

根据这一结果，实地调研验证分析各服装流水线的智能化水平，发现前四位企业的智能化特点是：(1)具有MTM样板系统，建立了智能样板库；可以根据量体数据自动生成样板，如8#、10#企业。(2)具有GST工艺系统，建立了智能工艺库，如8#、10#、7#企业。(3)实现RFID卡或条码全流程监控，如8#、10#企业。(4)有智能吊挂线，并根据加工方案自动传输，如8#、10#、9#企业。(5)基于MES系统对生产全流程进行智能监控；有计划与调度系统，根据生产数据采集进行生产调度，瓶颈工序提前预警，如8#、9#企业。(6)有面辅料仓储管理系统，如8#、9#、7#企业。(7)实现智能设备间的互联互通与信息采集与发送，如8#、10#、9#、7#企业。

表4 被研究企业的综合评价和排名

4 结语

通过对服装流水线进行数据采集，构建了服装流水线智能化评价指标体系，利用熵权TOPSIS方法建立的综合评价模型，可用于服装流水线的智能化评价。通过对10家服装企业进行数据采集，对企业的智能化水平进行排序，得出8#企业的智能化水平最高，通过实地调研的验证分析表明：该方法可行，为服装流水线的智能化评价提供了较好的分析工具。