基于AHP-EWM-模糊综合评价的智能油库成熟度评价

王军防，矫捷，李皓，宫敬，李晓平，何智杰，孙小晴

1.国家管网集团东部原油储运有限公司，江苏徐州 221000；2.中国石油大学（北京）机械与储运工程学院，北京 102249

0 引言

近年来，中国石化行业向着智能化方向迅速迈进。在油库智能化发展方面，万波［1］和赵志海等［2］对智能油库建设面临的问题进行分析并给出相应建议，还有些学者［3-8］为实现油库智能化设计出了许多智能化系统，例如：岳斌等［7］设计了一套基于智能视觉物联网的油库人员行为识别与监测系统，可根据监控拍摄的画面分析人员的行动，判断是否有危险行为，并做出警告；Niu 等［8］设计了一套基于射频技术的自动收发油控制与管理系统，通过采集业务流程数据，实现现场过程控制。但总体来说，油库的智能化发展相对缓慢。

成熟度理论将一系列发展过程分为多个阶段，每一个阶段为一个成熟度等级，每个成熟度等级都有明确的等级划分、定义、要求和达成该等级的必要条件［9］。成熟度理论已应用于多个领域［10-11］，特别是在智能制造领域，智能成熟度评价已经较为成熟［12-15］。近年来，石化行业中智慧管网的成熟度评价体系已相对成熟［16-19］，但智能油库作为智慧管网中的重要部分，目前尚未建立起成熟的智能油库成熟度评价体系。本文结合智慧管网全方位感知、一体化管控、自适应优化和智慧化决策四大能力，采用成熟度理论［20］对智能油库进行评价。该评价体系可以指导智能油库的建设，提升油库智能化程度，从而进一步提升智慧管网的智能化程度［21］。

AHP（层次分析法）被广泛应用于石化行业内有关风险评价、可靠性分析和成熟度评价［22-25］。EWM（熵权法）被广泛应用于智能化评价和石化行业内有关风险评价和可靠性分析［26-30］。本文采用AHP 和EWM，结合成熟度评价，建立智能油库成熟度评价模型，通过模糊综合评价确定智能油库成熟度等级，为油库管理者和设计人员提供参考。

1 智能油库成熟度评价模型

1.1 智能油库成熟度等级划分

油库的运转依托于油库内的业务。当油库所涉及的业务均已实现智能化，则该油库整体实现智能化。鉴于此，本文基于业务层面对智能油库成熟度进行评价。根据对油库现场业务的调研并结合文献［31-34］，将油库业务分为生产运行管理、环保安全管理和巡检设备管理三大类。生产运行管理主要涉及油品的收、发、存操作；环保安全管理主要涉及油库的环保和安全方面；巡检设备管理主要涉及设备装置的巡检和维护操作。

参考智慧管网的概念和总体架构［35-40］，从生产运行管理、环保安全管理和巡检设备管理3 个业务层面，在全方位感知、一体化管控、自适应优化、智慧化决策等4 层维度建立智能油库成熟度评价等级。智能油库成熟度评价等级反映了油库智能化建设的阶段和水平，由低至高分别为一级、二级、三级、四级、五级，具体内涵见图1，每个等级的评判标准见表1。

表1 智能油库成熟度等级划分评判标准

图1 智能油库成熟度等级及内涵

1.2 智能油库成熟度评价体系

以智能油库为目标层，基于智能油库所涉及的三大业务构建其指标体系，具体见图2。

图2 智能油库成熟度评价体系

生产运行管理主要涉及油品的收、发、存操作，因此将其划分为收油作业智能率、发油作业智能率和库存及其他作业智能率3 个三级指标。收油作业和发油作业包括公路、铁路、水路和管道4 种运输方式，库存及其他作业包括储罐清洗作业、倒罐作业和储罐排水作业。

环保安全管理主要涉及油库的环保和安全方面，因此环保安全管理划分为环保智能率和安全智能率两部分。由于站场安全管理和消防安全管理在油库管理中均非常重要，并且所属领域不同，因此将安全智能率进一步细分为站场安全智能率和消防安全智能率。最终将环保安全管理划分为站场安全智能率、消防安全智能率和环保智能率3 个三级指标。其中环保智能率包括油气回收作业和含油污水处理作业两部分。

巡检设备管理主要涉及油库中设备装置的巡检和维护操作，因此将巡检设备管理划分为巡检智能率和设备维护智能率2 个三级指标。

2 智能油库成熟度评价流程

合理确定各个指标的权重是建立智能油库成熟度评价体系的基础。本文采用主客观权重相结合的方法，主观权重采用层次分析法得到，客观权重采用熵权法计算，主客观权重线性加权得到最终权重，最后利用模糊综合评价法对智能油库成熟度等级进行评估。

2.1 采用层次分析法计算指标权重

层次分析法是一种结合定性和定量以解决多目标复杂问题的决策分析方法。该方法首先要根据问题性质及最终目标，将其分解成多个相互间有关联的有序层次。

将二级指标和三级指标中同一层级的不同指标进行比较来构建判断矩阵。目标层判断矩阵A=(aij)n×n，其中，aij表示指标i对比指标j的重要程度，用数字1 ～ 3 来表示，越重要的指标数值越高。A1、A2、A3分别为生产运行管理、环保安全管理、巡检设备管理的判断矩阵。

采用和值法计算指标权重，计算步骤如下。

1）将判断矩阵按列归一化：

式中：ωij——aij归一化的值；n——判断矩阵的阶数。

2）计算判断矩阵A的最大特征值：

式中：λmax——最大特征值；ω——归一化的向量；ωi——第i个指标的归一化值。

3）计算一致性指标：

式中：CI——矩阵的一致性指标。

4）根据判断矩阵阶数所对应的RI计算一致性比率CR：

式中：CR——矩阵的一致性比率；RI——平均随机一致性指标。RI只与n有关，其取值见表2。

表2 平均随机一致性指标RI 取值

若CR<0.1，则该判断矩阵的一致性检验通过，反之，则没通过，需要对判断矩阵进行修改调整。

5）计算各指标权重：

选取10 名专家对二级指标、三级指标中的各项指标进行打分，从而构建出判断矩阵A、A1、A2、A3。

根据专家评分可知，二级指标中环保安全管理所得数值最高，三级指标中消防安全智能率所得数值最高。进行任何作业时都必须遵循安全第一的原则，因此在评价油库智能成熟度等级时，也必须优先考虑安全。

通过式（1）至式（6）计算得出层次分析法权重，见表3。

表3 层次分析法权重

2.2 结合熵权法确定指标的综合权重

熵权法是一种客观赋权法，该方法能挖掘原始数据的内在规律和信息量，由其得出的权重不依靠评价者的经验，使得评价结果更具客观性。通常，若某个指标的信息熵越小，则其能提供的信息量越大，在评价中的作用也越大，其权重也越大。相反，信息熵越大，则其权重越小。

1）指标标准化处理：

式中：Yij——标准化处理后的指标赋值矩阵第i个指标被第j个指标所赋的值；αij——指标赋值矩阵第i个指标被第j个指标所赋的值；αi——指标赋值矩阵第i个指标的向量。

2）求信息熵：

式中：Ei——第i个指标的信息熵；m——评价指标的个数。

3）计算熵权法权重：

选取8 名专家对三级指标中的8 项指标进行打分，用数字1 ～ 3 表示（允许小数），得分代表指标需要智能化的重要程度，得到各指标分数如表4 所示，其中专家编号为Z1 ～ Z8，并通过式（7）至式（9）计算得出熵权法权重，见表5。

表4 各指标得分情况

表5 熵权法权重

4）采用加权法计算综合权重：

式中：wi——结合AHP 与EWM 的综合权重值。

通过式（10）计算得出综合权重，见表6。

表6 各指标综合权重

2.3 基于AHP-EWM 的智能油库模糊综合评价

模糊综合评价是根据模糊数学的隶属度理论，将其中定性评价转变为定量评价，即采用模糊数学对有多种制约因素的事物或对象做出一个总体的评价。

2.3.1 确定参数集和评价集

确定智能油库成熟度模型的评价集V={V1,V2,V3,V4,V5}={一级，二级，三级，四级，五级}，评语集E=[1, 2, 3, 4, 5]。根据智能油库中生产运行管理、环保安全管理和巡检设备管理所涉及的范围和层次，评价指标体系中二级指标集合构成参数集U={U1,U2,U3}={生产运行管理，环保安全管理，巡检设备管理}，三级指标参数集U1={U11,U12,U13}={发油作业智能率，收油作业智能率，库存及其他作业智能率}，U2={U21,U22,U23}={环保智能率，站场安全智能率，消防安全智能率}，U3={U31,U32}={巡检智能率，设备维护智能率}。

2.3.2 构建模糊评价矩阵

根据隶属度函数模型，构成模糊评价矩阵：

式中：Ri——模糊评价矩阵；rab——第a个参数做出第b个评价集的专家人数与总专家人数之比；c——专家总人数；d——评价集中参数的总数量。

将结合层次分析法与熵权法计算得出的权重向量Wi与模糊综合评价矩阵相乘得到模糊综合评价集：

式中：Fi——第i个指标的模糊综合评价集，k——权重个数。

将总模糊综合评价集F与评语集E相乘得到相应分数：

式中：L——智能油库评分。

最终，根据计算得出的分数，对照智能油库成熟度等级判断区间（见表7）来判断油库的成熟度等级。

表7 智能油库成熟度等级判断区间

3 评价实例

以D 油库为例进行智能油库成熟度的评价分析。D 油库的业务流程以人工为主，自动化程度及数字化程度均较低。

3.1 油库现状

3.1.1 生产运行管理

油泵、阀门均可实现中心控制室（简称中控室）远程启停和开关，但清罐流程无法远程操作。

收发油流程所需监测数据均可实时采集，但由于尚未实现收发油过程的仿真模拟，因此无法对收发油流程进行优化。

3.1.2 环保安全管理

由于需要现场手动开启消防水泵、消防阀门和泡沫发生器，因此若发生火灾，无法及时启动消防系统。

油库各处布置了大量的可燃气体报警器，当有气体泄漏时，报警信号能第一时间反馈到中控室。

油罐顶部设有温度传感器，当发生火灾时，根据温度变化可以判断着火位置，并自动启动消防系统。

3.1.3 巡检设备管理

巡检采用人工携带PDA（移动终端）的方式进行，巡检频率高，会耗费大量人力。其参数虽然能采集至中控室，但最终依旧需要靠人工录入数据，无法做到数据的自动导入导出。

3.2 确定油库等级

选10 名专家对智能油库二级指标中的每个指标进行打分，R1、R2、R3分别为生产运行管理、环保安全管理和巡检设备管理的模糊综合评价矩阵。

将各二级指标的权重向量Wi与对应的模糊综合评价矩阵Ri加权计算，得到生产运行管理、环保安全管理和巡检设备管理的模糊综合评价集F1、F2、F3：

将各评价权重向量组成二级指标的模糊评价矩阵R与二级指标的总权重向量W加权计算：

将评语集E与总模糊综合评价集F加权计算，最终得到D 油库的总得分为2.085。可见，D 油库的智能化成熟度等级为二级，仍需持续改进。通过模糊综合评价矩阵可知，D 油库的库存及其他作业智能率、环保智能率、巡检智能率和设备维护智能率的等级都集中在一级和二级，表明这4 项指标的智能化程度较低，主要原因是对设备状态的采集能力不足。

库存及其他作业智能率方面，该油库在清罐作业、储罐排水作业中的数据采集能力不足，无法得知储罐罐底油泥厚度和水的高度等。环保智能率方面，该油库对油气回收量和含油污水处理等数据的检测能力不足。巡检智能率方面，该油库采用“人拿PDA”的方式进行巡检，效率低下。目前已有油库采用了机器人、无人机巡检，极大地提高了效率，并且减少了人为失误。设备维护智能率方面，该油库不能对设备内部故障进行准确定位。目前已有油库通过建立设备的数字孪生体，从而及时发现内部故障处并进行维护，提高了效率和安全性。

全方位感知是实现智能油库的基础，只有将油库业务所涉及数据全部进行采集，真正实现全方位感知，才能在此基础上将管理与控制相结合，实现一体化管控，从而实现智能油库的建设。

4 结论

本文基于成熟度理论，以油库业务为维度建立了智能油库成熟度评价体系。结合层次分析法和熵权法得出智能油库成熟度模型中各指标的权重，提高了权重计算的可靠性。通过模糊综合评价将智能油库成熟度评价体系与AHP-EWM 的综合权重相结合，得出油库当前的智能化等级，并进一步分析出当前的智能化短板，提出相应的解决方案，对进一步提升油库智能化水平具有重要意义。