基于失效信息和客户需求的再制造工艺方案决策*

吕 磊，王 蕾，曹建华，张泽琳，夏绪辉

(武汉科技大学a.冶金装备及控制教育部重点实验室；b.机械传动与制造工程湖北省重点实验室，武汉 430081)

0 引言

再制造产业是我国制造行业的重点，是机电产品资源化循环利用的最佳途径之一，也是解决资源与环境问题的关键技术支持[1-3]。然而，由于废旧机械零部件种类繁多、服役工况复杂、失效形式多样，其再制造工艺各不相同，导致再制造工艺方案决策过程困难、耗费大量人力物力。当前针对再制造工艺方案的研究主要考虑废旧零部件的失效状态对再制造工艺的影响，对客户需求的考虑不够充分，导致客户对所得工艺方案的满意度不高，需要进行多次修改，增加了废旧产品的再制造时间和成本。因此，如何有效提高废旧机械零部件再制造工艺规划方案的匹配准确性和客户满意度，已成为发展再制造产业急需解决的问题。

目前，国内外学者在废旧机械零件再制造工艺决策与优化等方面已经取得了一些研究成果，ZHANG等[4]建立了一种基于能值的再制造工艺方案智能决策模型；HE等[5]利用本体和语义模型构建再制造知识模型，利用案例推理得到再制造工艺方案；WANG等[6]利用规则推理生成备选方案，采用GA-BP选择最优方案；DU等[7]提出一种基于AHP-熵权与可拓理论的重型机床再制造决策方法，提高重型机床再制造方案的综合效益；WANG等[8]提出基于产品结构和失效特征建立广义增长决策方案，减少传统零件材料回收造成的资源浪费和能源消耗；彭宏等[9]提出了一种面向生态绩效最优的再制造工艺方案决策方法，为再制造工艺方案决策提供了一种新的思路；向鹏等[10]提出了一种基于改进的BP神经网络的工艺方案规划方法，实现再制造工艺方案的快速生成。

现有研究对于恢复废旧机械零部件的性能具有积极的推动作用。然而，大多研究者在建立多目标优化函数进行工艺方案决策时，对客户的个性化需求考虑不足或者在决策过程中目标权重难以把握，导致得到的工艺方案与客户预期有较大偏差。因此本文在综合考虑废旧机械零部件失效信息和客户需求的基础上，提出一种反映决策者主观偏好的再制造工艺方案互反馈决策技术，将物理规划法引入到工艺方案决策中，定义客户偏好函数，从根本上把握客户的再制造需求，避免了传统决策方法中权重确定不合理的缺陷，使选定工艺方案更满足决策者的主观意愿，提高工艺方案决策的客户满意度。

1 基于失效特征和客户需求的再制造工艺方案决策框架

废旧机械零部件再制造工艺方案规划是再制造过程中的关键环节。针对再制造工艺决策过程中影响因素复杂，再制造工艺方案决策困难以及客户满意度差等问题，本文提出一种基于失效特征和客户需求的废旧机械零部件再制造工艺两层匹配模型，如图1所示。

图1 再制造工艺方案决策框架

再制造工艺方案匹配包含再制造工艺方案生成和再制造工艺方案决策两个环节，核心是建立失效特征信息与再制造工艺方案之间的映射关系。其中，再制造工艺方案生成环节是通过分析影响再制造工艺规划的关键因素，构建再制造工艺方案实例集合，根据废旧机械零部件本身的属性以及其失效信息的不同，从实例库中检索与待求解问题最相似的实例，通过相似度阈值筛选，得到可行的再制造工艺方案；再制造工艺方案决策环节是对得到的多个工艺方案进行决策，通过分析客户需求，构建客户需求偏好函数，求解各方案的满意偏好值，根据各再制造工艺方案综合满意偏好值进行排序，选出满意度最大的工艺方案，再将得到的再制造工艺方案输出到客户进行评判，建立客户满意决策的互反馈过程，若方案满足客户需求则输出为最优的再制造工艺方案，若不满足客户需求则重新识别客户满意偏好，构建新的需求偏好函数，进行方案决策直至输出满足客户需求的方案。

2 废旧机械零部件再制造工艺方案决策

2.1 基于失效特征的再制造工艺方案匹配

再制造工艺方案设计过程影响因素复杂，由于零部件自身特征属性及在其服役过程中所受损伤状况不同，导致其失效具有多种失效特征，在实际生产中，即使失效形式和失效程度相同，由于零件材料的不同，其再制造工艺方案也会有很大区别，在其工艺规划过程中，要充分利用以往的成功经验和知识，而实例推理是以过去成功的案例来处理现在的问题，获得当前求解结果的一种推理技术，可以对影响因素较多的复杂问题进行有效求解[11-12]。因此，本文采用实例推理进行再制造工艺方案规划，将失效信息和再制造工艺方案用实例表示，构建再制造工艺方案决策实例库，通过实例检索得到多个可行的再制造工艺方案。

(1)再制造工艺实例集合构建。再制造工艺实例集合主要包含废旧零部件失效属性信息和再制造工艺属性信息两部分。本文将废旧零部件再制造工艺实例定义为一个三元组：CASE={CaseID,F,P}，其中，CaseID为实例编号；F=(F1,F2,…,Fn)为废旧零部件失效信息描述部分，如：零件的类型、材料、尺寸、失效形式、失效程度等；P为对应的再制造工艺方案。其中，对于失效信息向量集合；F=(F1,F2,…,Fn)中的某个属性表达如下：

F={Ni,WRi,Qi}

(1)

式中，Fi为失效信息向量集合(F1,F2,…,Fn)中的第i个属性；Ni为Ri属性的名称；WRi为Fi属性的权重系数；Qi为Fi属性的量化值。

(2)实例检索。再制造工艺实例的检索，是通过选定的实例检索属性，从再制造工艺实例库中匹配得到相似度最大的实例的过程。目前最常用的方法有最邻近法、归纳索引法和知识引导法等[13-14]。其中，最邻近法无需估计参数，相较于其他方法更为简便快捷。因此，本文采用最邻近法来进行检索计算。

①确定各特征的取值类型。废旧零部件再制造工艺特征根据其属性，一般可分为三类：数值型、字符串型、枚举型，具体量化过程参考文献[11]。

②再制造工艺实例检索匹配。采用最邻近法将待求解问题与案例库中实例的特征属性进行匹配，计算其相似度，加权求和得到实例的总相似度。如式(2)所示：

(2)

2.2 基于客户需求的再制造工艺方案决策

再制造工艺方案决策是一个多目标优化过程，目前针对多目标优化问题的研究主要采用基于权重的方法，如加权和法[15]、公理设计法[16]、TOPSIS法[17]、VIKOR法[18]等，但这些方法都要给出目标决策权重，然而，在决策过程中又很难定义一组恰当的且具有实际物理意义的权重来保证决策的有效性和准确性，在实际应用中的操作难度较大。同时，再制造工艺方案决策过程中，客户常会根据自身的需求偏好或经验对再制造产品的工艺方案提出需求，如再制造产品功能属性，再制造工艺方案偏好等。由于客户需求表达模糊、不准确，难以量化，导致决策结果不满足客户期望，需要通过不断反馈识别客户偏好，逐步修正得到客户最满意的方案，目前的研究未考虑客户与工艺方案之间的互反馈，在实际决策应用中缺乏的灵活性和准确性。

图2 再制造工艺方案决策流程

因此，本文提出了一种基于物理规划的工艺方案互反馈决策方法，客户根据自身的需求偏好或经验对再制造产品的工艺方案提出需求，再采用物理规划方法构建各决策目标的客户满意偏好函数，将客户不同满意程度的需求用分段函数拟合，实现对客户偏好需求的函数化表达，将各目标函数值代入偏好函数求解，将决策结果反馈给客户进行评判，实现工艺方案的满意反馈决策，避免传统多目标决策过程中权重难定义的问题，建立的互反馈决策过程通过不断反馈调整客户偏好，有效提高决策方案的客户满意度。本文以越小越好类偏好函数为例来叙述需求偏好函数求解过程，如图2所示。

步骤1：客户根据偏好，分别设定不同的满意程度区间的边界值gi；

步骤2：求解各满意度区间增量；

(3)

式中，N为决策目标的数目；β为大于1的满意度参数。

步骤3：求解决策目标各区间边界偏好函数值；

(4)

步骤4：求解决策目标各区间边界偏好函数导数值；

(5)

式中，α为小于0.1的常系数；ΔKi为决策指标第i段的平均斜率，其表达式为：

(6)

步骤5：对求解的各区间边界值及其导数，用分段函数拟合得到决策者的偏好函数f(x)；

(7)

(8)

(9)

(10)

(11)

步骤6：考虑客户满意的影响因素，以再制造工艺方案的成本、时间、资源消耗为决策目标，建立再制造工艺方案满意偏好函数；

(12)

(2)成本指标C。再制造工艺方案的成本指标主要包括各个加工工艺所需的加工成本Cpr和各加工工位之间的物流成本Cl0。再制造工艺方案完成任务所需的总成本C不能大于客户所要求的最高成本Cmax。

(13)

(3)资源消耗R资源消耗主要是电能消耗。加工时间ti已知主要考虑加工过程中机床的输入功率Pi，例如，对车床来说。

Pi=αPC+PM

(14)

式中，PC为车床的切削功率；PM为车床的空载功率；α=1.15～1.25。

因此，此工序消耗的总能量EZ为：

EZ=Ej+Eu=Pj×ti+Pu×tu

(15)

式中，Ej为加工中消耗的能量；Eu为空转时消耗的能量；tu为空转时间，主要指更换刀具或加工对象、进给调节等时间内机床的空转时间。

参考物理规划的决策模型[19-20]，构建再制造工艺方案满意决策模型：

(16)

(17)

(18)

(19)

(20)

步骤7：求解再制造工艺方案满意决策模型，得到各方案的满意函数偏好值，选出满意度最大的工艺方案；

步骤8：在经过上述废旧机械产品的再制造工艺方案匹配与决策过程，可以获得当前需求偏好下最优再制造工艺方案，但是最终决策得到的工艺方案是否能够完全满足客户要求以及客户各个偏好需求满足情况结果如何，这就需要将决策结果反馈给客户，由客户对决策得到的工艺方案进行评判。建立工艺方案满意决策反馈决策过程，将步骤7得到的结果反馈给客户，如客户满意度较高，则输出为最佳方案，若客户满意度较低，则重新进行步骤1～步骤7，通过修改和调整客户需求偏好，输出新的满意偏好下最佳工艺方案，形成决策者与工艺方案之间的互反馈过程，输出客户满意度最大的再制造工艺方案。

3 案例分析

以某废旧轧辊再制造为例，对本文所提的方法进行应用分析和验证。结合废旧轧辊的属性特征及其技术要求分析可得，其再制造工艺方案实例推理主要由8个影响因素决定，分别是：材料类型(C1)、精度等级(C2)、失效形式(C3)、失效部位(C4)、失效程度(C5)、热处理方式(C6)、表面硬度(C7)、轧辊直径(C8)。针对各影响因素对工艺方案设计的影响程度不同，运用AHP对其两两评价取值，构造判断矩阵如表1所示，确定各个影响因素的权重。

表1 判断矩阵

选取轧辊成功再制造的多个案例作为案例检索的实例，再制造工艺数据库中用于对比检索的再制造工艺以及新工艺的各特征因素如表2所示，用于对比检索的再制造工艺影响因素的局部相似度如表3所示。

表2 再制造工艺实例示意表

续表

表3 再制造工艺实例特征局部相似度

经计算，待再制造轧辊与P1、P2、P3、P4、P5、P6、P7的相似度分别为0.913、0.960、0.951、0.771、0.694、0.324、0.930，取α=0.85，待再制造轧辊与P1、P2、P3、P7的总体相似度均大于α，得到一个可行的再制造工艺方案实例集合，如表4所示。

表4 废旧轧辊的可选再制造工艺方案

根据表5再制造工艺相关数据计算各工艺方案的所消耗的时间、成本和能源消耗。

表5 再制造工艺相关数据

决策者根据客户需求偏好，给出各指标的偏好信息，如表6所示。

表6 再制造工艺方案评价指标偏好信息

根据决策者偏好函数的构造方法和表6数据建立决策目标的偏好函数，如对于成本目标，在α=0.09，β=1.5的条件下建立的偏好函数为：

将工艺方案的各目标值代入对应决策目标的偏好函数中，求解偏好值，并根据式(15)～式(19)求解工艺方案的综合偏好值，如表7所示。由表7中决策1可知，工艺方案2的综合偏好函数值最小，为当前客户满意偏好下的满意工艺方案。

表7 工艺方案满意度评价

将当前决策得到的满意度最大的工艺方案及各目标的满意信息反馈给客户，由客户对当前的满意方案进行选择。在决策1中，方案P2的再制造产品为再制造为原产品，客户对该结果不满意，客户需要得到表面硬度更高的再制造轧辊，用于轧制硬度更高的板材，需要对轧辊进行升级再制造，则可以调整其他目标(如制造成本)，以满足更高的表面质量要求满意度。为此，需要重新捕获客户需求偏好，将新的决策满意偏好反馈到工艺方案决策过程中，进行第二次工艺方案决策，如表7中的决策2所示，此时最满意的工艺方案为P1，实现决策者与工艺方案间的满意信息互反馈，最终匹配得到满足客户需求的工艺方案。

4 总结

本文通过对废旧零部件常见失效形式以及零部件的特征进行分析，得到影响再制造工艺选择的关键因素，建立构建包含失效信息与再制造工艺方案的案例库，通过计算案例属性之间的相似度，利用案例推理得到多个可行的再制造工艺方案集合，再基于客户需求对再制造工艺方案决策，通过分析客户需求偏好，构建客户需求偏好函数表达客户基于自身需求的主观偏好，解决多目标决策过程中各目标权重难以确定的问题，建立工艺方案决策与客户之间的满意信息互反馈，使客户参与到决策过程中，实现工艺方案的满意度反馈决策，提高客户对决策结果的满意度。以废旧轧辊工艺方案决策为例，验证所提决策方法的可行性与有效性。