基于模糊层次分析法的船舶机舱自动化系统测试资源配置

基于模糊层次分析法的船舶机舱自动化系统测试资源配置

刘海松

(海军驻温州地区军事代表室，浙江 舟山 316000)

TestResourcesAllocationofEngineRoomAutomationSystemBasedonFAHP

LIUHaisong

(MilitaryRepresentativeOfficeofNavyinWenzhou，Zhoushan316000，China)

摘要：针对现有测试资源配置中存在的主要问题，结合机舱自动化系统测试资源的特点，在对相关影响因素进行全面权衡的基础上，采用模糊层次分析法建立了测试资源分配的层次分析模型；以某系统集控站为研究对象，利用模糊层次分析法进行测试资源的优化配置。结果表明，该方法能够在机舱自动化系统测试资源配置过程中全面均衡各种影响因素，提高了测试资源配置的科学性。

关键词：模糊层次分析法；测试资源配置；机舱自动化系统

中图分类号：TM93

文献标识码：A

文章编号：1001-2257(2015)04-0053-05

收稿日期：2014-11-13

作者简介：刘海松(1985-)，男，安徽马鞍山人，工程师，博士，主要从事舰船建造中轮机专业的检验验收工作。

Abstract：According to the problems of test resource allocation and characteristics of test resource in engine room automation system， the influences of test resource allocation were analyzed thoroughly. Then， the fuzzy analytic hierarchy process (FAHP) model for test resource allocation was built. The model was used to allocate test resources of certain concentration control station. The results show that the proposed method can give a comprehensive consideration for the allocation influences.

Keywords：fuzzyanalytichierarchyprocess；testresourcesallocation；engineroomautomationsystem

0引言

通常情况下，对于一种测试可用多种形式的测试资源或其组合来完成，这就需要对各类测试资源进行权衡分析，为各测试项目分配合适的测试资源。因此，测试资源的配置是测试性设计工作的重要组成部分，其目的就是通过对有限的测试资源进行合理配置，在保证完成测试任务的同时实现最大的资源利用率。但在机舱自动化领域，目前对其测试资源配置方面的研究还不够深入，在实际应用中主要还是依靠设计者的经验和主观判断，容易对资源配置的影响因素分析不够全面，而忽略许多重要的约束条件。

1机舱自动化系统测试资源配置的影响因素

一般来说，机舱自动化系统的主要测试手段可以分为脱机自动测试、机内测试和人工测试。实现这些测试手段需要借助各种软硬件资源，包括ATE、ATE的测试软件、BIT装置、BIT程序、人工测试设备、测试流程图和诊断手册等。为了实现这些测试资源优化配置，必须对各种测试资源进行权衡分析，因此测试资源分配方案是诸多因素影响权衡的结果。从测试资源自身特点和装备维护保障要求来看，影响机舱自动化系统测试资源配置的主要因素包括物理制约因素、可靠性与维修性因素、后勤保障因素、人员能力因素以及费用因素等。

1.1物理制约因素

船舶机舱自动化系统布置于船舶机舱内，其测试资源的配置必然受到系统自身的物理约束条件限制。例如，BIT能在系统任务环境中独立工作，实现在线实时监测、自动故障检测与隔离，具有传统测试手段不具备的优势；但BIT装置同时也给原系统的重量、体积和功耗等方面带来额外负担，特别是对于潜艇舱室等对装备重量、尺寸、功耗限制较多的环境，其影响尤为显著。此外，测试资源的配置还受到测试设备使用环境的制约。例如，当测试对象处于机舱中某些人员难以触及的区域时，则难以连接和使用ATE等测试设备；当舰艇出海执行任务期间，一些大型的脱机测试设备无法携带，对于航行期间必需的测试应尽量采用BIT装置、便携式测试设备完成。

1.2可靠性与维修性因素

在测试资源的权衡分析过程中，必须考虑系统的可靠性和维修性。根据机舱自动化系统故障模式的危害程度分析，对于可能影响系统关键功能、危及舰员人身安全的故障模式或故障率高的系统组件应该优先测试，即根据可靠性和维修性要求，确定检测的重点及使用的测试手段。另外，BIT设备不仅增加了系统的重量、体积和功耗，而且其本身的故障会降低系统可靠性；同时BIT普遍存在的虚警现象会带来许多无效的维修工作。而使用ATE等脱机测试设备，则不会影响系统的可靠性和维修性，但会增加大量测试设备自身的维修工作。

1.3后勤保障因素

如果大量使用BIT方式将增加机舱自动化设备的零部件数量，导致后勤保障的负担增加。而设计具备多种测试功能的ATE，则可以避免这样的问题。但ATE同时也存在无法立即使用、需要搬运和要求连接装置等缺点，而且会增加很多测试设备自身的维修保障工作。因此，BIT和ATE的使用时机不同，如果单考虑后勤保障因素，专用测试应优先考虑BIT，通用测试应优先考虑ATE。

1.4人员能力因素

BIT设备能提供较好的显示和处理能力，对船舶操作和维修人员的技能水平要求较低。但使用ATE的维修人员则需要具有较高的技能水平，通常ATE对于复杂系统的检测结果并不是简单的“正常”或“故障”，维修人员需要学会选择使用合适的测试激励，对检测结果能够进行分析和判断。人工测试作为机内测试和脱机自动测试的补充，对那些难以实现自动检测的故障模式或部件进行测试，要求维修人员具有很高的技能水平和丰富的经验积累。

1.5费用因素

不论使用何种测试资源，降低装备寿命周期费用，都是机舱自动化系统测试性设计工作中的重要环节。因此，费用因素对测试资源配置的影响无法回避，必须予以考虑。从测试设备的设计、使用和维护过程来看，其主要费用包括测试设备设计费用、测试设备维修保养费用、测试费用和人员培训费用。

2测试资源配置的层次分析模型

从上一节分析可知，机舱自动化系统的测试资源配置属于多属性决策问题，需要综合考虑多种影响因素。层次分析法(AHP)是解决多属性决策问题的一种有效方法，但对于测试资源配置这类复杂的决策问题，由于判断偏差的存在以及评价标准本身的模糊性和不确定性，使得AHP的决策结果也具有模糊性和不确定性。为了克服层次分析法的局限性，一种有效的方法是在AHP中引入模糊评判理论，构成模糊层次分析方法(FAHP)。将模糊层次分析法应用于船舶机舱自动化系统的测试资源优化配置，按以下4个步骤建立系统的测试资源配置层次分析模型。

2.1建立测试资源配置影响因素的递阶层次结构

应用AHP分析决策问题时，首先要把问题条理化、层次化，将与问题相关的各个因素按照不同属性自上而下地分解为若干个层次，同一层次的元素作为准则对下一层的某些因素起支配作用，同时它又受上一层次因素的支配。一般可分为3个层次：最上层称为目标层，通常只有1个因素，表示问题的预定目标；最下层为实现目标可供选择的各种措施或方案，称为方案层；中间可以有1个或几个层次，包括实现目标所涉及中间环节中需要考虑的准则，称为准则层。

2.2构造三角模糊数互补判断矩阵

递阶层次结构反映了影响因素之间的关系，但准则层中的各因素在目标衡量中所占的比重并不一定相同，而确定所占比重的主要困难在于这些比重不易量化。此外，当影响某因素的因子较多时，如果直接考虑各因子对该因素的影响程度，常常会因考虑不周全、顾此失彼而使决策者提出与实际重要程度不一致的数据，甚至有可能提出1组隐含矛盾的数据。为解决这一问题，以每个层次各因素对上一层次因素的影响程度进行两两比较，并按1~9标度对重要性程度赋值，构造成对比较判断矩阵。

(1)

基本AHP方法通常采用1~9标度对影响因素间的重要性程度赋值，这种标度方式应用最广泛且具有较强的心理学基础，但缺点是可能导致判断矩阵一致性与思维一致性不等价。考虑到这一问题，改用0.1~0.9标度，这种标度方法继承了1~9标度的优点，并发扬了0~1标度的长处，在FAHP中的模糊判断矩阵计算方面具有较大优势。

2.3排序权重向量的计算

进行各影响因素两两比较后，根据得出的模糊判断矩阵计算各影响因素的排序权重，首先需要定义三角模糊数的运算法则。设a=(al， am， au)，b=(bl， bm， bu)是2个三角模糊数，可以求出模糊判断矩阵的单排序权重向量W=(w1，w2，…，wn)T，其中wi为某一层的第i个因素相对于上一层因素的模糊权重：

(2)

先根据式(2)计算出单权重向量，再组合为总模糊权重向量。然后将得出的权重wi进行两两比较，根据式(2)求出wi≥ wj的可能度p(wi≥ wj)，并进一步建立可能度矩阵P=(pij)n×n。则将三角模糊数权重问题转化成求解可能度矩阵的排序向量，对矩阵P按行求和并归一化，就可以得到各因素最终的排序权重向量W′=(w′1，w′2，…，w′n)T。

(3)

2.4一致性检验

在判断矩阵的构造过程中，并没有要求判断具有传递性和一致性，即不要求aij·aik=aik严格成立，这是由客观事物的复杂性与人们认识的多样性所决定的。但判断矩阵应该具有大体上的一致性，否则可能出现“甲比乙重要，乙比丙重要，而丙又比甲重要”这样违反常识的判断，一个混乱的经不起推敲的判断矩阵有可能导致决策上的失误。因此，需要对判断矩阵的一致性进行检验，具体步骤为：

a.计算一致性指标CI，即

(4)

(5)

b.查找相应的平均随机一致性指标RI。

本文首先采用熵权TOPSIS模型测度了新型城镇化视角下新疆产城融合发展水平，从产业发展、城镇发展、人的发展和产城人协同四个维度进行更深层次的分析，以期能够为新疆产业发展和城镇建设提供参考。此外，文章从六个方面分析了新疆产城融合发展水平的决定因素，并进行平稳性检验，检验结果表明本文实证结论是稳健的。研究发现：农业发展水平的提升、市场化程度的加深、持续的科技进步、对外开放程度的提高和人力资本的积累，对产城融合发展水平具有显著的促进作用；而金融支持水平的提升虽然对产城融合发展水平的提升具有促进作用，但是却并不显著。

c.计算一致性比例CR，即

(6)

当CR<0.1时，认为判断矩阵的不一致程度在容许范围之内；当CR≥0.1时，应该对判断矩阵做适当修正。

图2　测试资源分配的层次结构

3某系统集控站测试资源配置实例

为了验证测试资源优化配置方法在船舶机舱自动化系统中的实际应用可行性和效果，应用本文方法对某系统集控站进行测试资源配置，其最优测试集Ts={t1，t4，t5，t6，t9，t11，t12，t15，t16，t17，t18，t19}。主要算法通过Matlab软件编程实现，程序基本流程如图1所示。

图1　模糊层次分析法程序流程

根据对机舱自动化系统测试资源配置影响因素的分析，结合所研究系统的具体特点，添加目标层、方案层和准则层中的要素，并依次建立各要素间的连接关系，可构建递阶层次结构如图2所示。考虑到该系统从国外引进，在测试资源配置中需另外考虑接口设计问题。为便于表述，图2将方案层中的备选测试资源简要概括为机内测试设备、脱机自动测试设备和人工测试设备。

对可能度矩阵P按行求和并归一化，得到各因素最终的排序权重向量W′=449 3， 0.230 3， 0.320 4〗。对于该测试项目可选择其中权重值最大的测试资源，即应采用机内测试设备进行测试。同理，对于该集控站的最优测试集Ts中的其他测试项目，可以采用同样的方法进行测试资源分配决策，得到各测试项目的排序权重向量如表1所示。

表1　最优测试集的排序权重向量

根据各测试项目的排序权重向量，可以为每个测试项目选择最佳的测试资源类型：t1(机内测试设备)，t4(机内测试设备)，t5(机内测试设备)，t6(机内测试设备)，t9(自动测试设备)，t11(自动测试设备)，t12(自动测试设备)，t15(机内测试设备)，t16(机内测试设备)，t17(自动测试设备)，t18(自动测试设备)，t19(自动测试设备)。这样就为该集控站的每个测试项目配置了相应的测试资源。

从上述分析结果可以看出，在船舶机舱自动化系统的测试性设计时，用于LRU模块的测试项目应尽量选用机内测试或脱机自动测试设备实现，人工测试方式主要用于SRU和SSRU的测试。

4结束语

测试资源配置是测试性设计工作的重要组成部分，其目的是通过对有限的测试资源进行合理配置，以实现最大的资源利用率。根据装备测试资源的分类和特点，从物理制约因素、可靠性与维修性因素、后勤保障因素、人员能力因素以及费用因素等方面分析了机舱自动化系统测试资源配置问题，并利用模糊层次分析法建立了测试资源分配的层次分析模型，用于测试资源的分配决策。以某系统集控站为研究对象，针对其实际特点完善评价准则，利用模糊层次分析法进行了测试资源的优化配置。实例研究表明，该方法能够在机舱自动化系统测试资源配置过程中全面均衡各种影响因素，提高了测试资源配置的科学性。

参考文献：

[1]GJB2547-1995 装备测试性大纲．北京：国防科学技术工业委员会，1995．

[2]邱静，刘冠军，杨鹏，等．装备测试性建模与设计技术．北京：科学出版社，2012．

[3]陈希祥．装备测试性方案优化设计技术研究．长沙：国防科学技术大学，2011．

[4]SaatyTL．Theanalytichierarchyprocess．NewYork：McGraw-HillPress，1980．

[5]黄卫来，黄松．一种改进的三角模糊数互补判断矩阵的排序方法．系统工程与电子技术，2007，29(7)：1090-1093．

[6]朱建军．层次分析法的若干问题研究及应用．沈阳：东北大学，2005．

[7]LiuHaisong，WuJiechang，ChenGuojun．Applicationofmulti-signalmodelingtheorytotestabilityanalysisforcomplexelectronicsystem//Proceedingsof2011InternationalConferenceonComputerScienceandNetworkTechnology(ICCSNT2011)，2011：755-758．