选矿过程工艺指标确定方法及应用.pdf

200 9年 5月 第1 6 卷第3 期 控 制 工 程 Co n t r o l En g i n e e r i n g o f Ch i n a Ma v 2 0 0 9 Vo 1 ．1 6， No ． 3 文章编号 1 6 7 1 7 8 4 8 2 0 0 9 0 3 - 0 3 7 1 4 3 4 选矿过程工艺指标确定方法及应用 杨新 ，马恩杰 ，柴天佑 1 ．东北大学 流程 工业综合 自动化教育部重点实验室 ，辽宁 沈阳1 1 0 0 0 4；2 ．东北大学 自动化研究 中心 ，辽宁 沈阳1 1 o o 0 4 摘 要 当前选矿 生产 实现 了对 个别 工序 工 艺指标 的优化控 制 ，但 各 工序的 工艺指 标 目 标值仍然由选矿工程师根据入选原矿情况来确定，具有较大的模糊性与随意性，各工序之 间 不能有效协调，无法满足对更好综合生产指标的追求。因此，以某选矿厂为实际背景，设计了 一 套基于案例推理技术确定各工序工艺指标 目标值的系统，为避免人工确定初始案例的缺点， 采用动态自组织映射神经网络从历史数据中提取了若干初始案例，该系统与各工序原有的过 程优化控制 系统相配合在实际生产中取得了较好效果。 关键词选矿过程；工艺指标；综合生产指标；案例推理；自组织神经网络 中图分类号 T P 2 7 文献标识码 A Ap p r o a c h f o r De t e r mi n i n g Mi n e r a l P r o c e s s a n d Te c h n i c a l I n d i c e s i n i t s Ap p l i c a t i o n s Y A NG X i n ， M A E n - j i e ．C H A I T i a n y o u ’ 1 ． K e y L a b o r a t o r y o f P r o c e s s I n d u s t r y A u t o ma t i o n ，Mi n i s t ry o f E d u c a t i o n ，N o r th e a s t e rn U n i v e r s i t y ，S h e n y a n g 1 1 0 0 0 4，C h i n a ； 2 ．R e s e a r c h C e n t e r o f A u t o ma t i o n ，N o r t h e a s t e r n U n i v e r s i t y ， S h e n y a n g 1 1 0 0 0 4， C h i n a Ab s t r a c t T h e t e c h n i c a l i n d e x o p t i mi z a t i o n c o n t r o l i s r e a l i z e d c u r r e n t l y i n i n d i v i d u a l s e c t i o n o f mi n e r a l p r o c e s s i n g，b u t t h e t a r g e t s i n e a c h s e c t i o n o f mi n e r a l p r o c e s s i n g a r e s t i l l d e t e r mi n e d b y t h e mi n e r a l e n g i n e e r s a c c o r d i n g t o t h e f e a t u r e o f o r e s ．Wi t h l arg e e x t e n t o f f u z z i n e s s a n d r a n d o mn e s s ，i t i s h a r d t o c o o p e r a t e e f f e c t i v e l y b e t w e e n t h e s e c t i o n s ，a n d t h e p u r p o s e f o r b e t t e r g l o b a l p r o d u c t i o n i n d i c e s c a n n o t b e r e a c h e d e a s i l y ．C o n s i d e r i n g t h e a c t u a l b a c k g r o u n d i n mi n e r a l p r o c e s s i n g p l a n t ，a s y s t e m i s d e s i g n e d t o d e t e r mi n e t h e t e c h n i c a l i n d i c e s o f e a c h s e c t i o n b a s e d o n t h e t e c h n o l o g y o f c a s e b a s e d r e a s o n i n g ． T h e s y s t e m a d o p t s t h e d y n a mi c s e l f - o r g a n i z i n g ma p p i n g S O M n e t w o r k t o p i c k u p t h e c a s e s f r o m t h e h i s t o r i c a l d a t a ．P r e f e r a b l e e f f e c t i s o b t a i n e d i n p r a c t i c e w i t h t h e c o o p e r a t i o n b e t w e e n t h i s s y s t e m a n d t h e p r oce s s o p t i mi z a t i o n c o n t r o l s y s t e m i n e a c h s e c t i o n ． Ke y wo r d s m i n e r a l p r o c e s s i n g ； t e c h n i c a l i n d i c e s ；g l o b a l p r o d u c t i o n i n d i c e s ；c a s e - b a s e d r e a s o n i n g C B R ；s e l f - o r g a n i z i n g ma p p i n g n et wo r k 1 引 言 选矿生产 是一种典 型的连续 流程型 的生 产方 式 ，整个过程 由相互影响、相互制约的多个工序构 成。工艺指标是用来 评价单个工 序加工质 量的指 标，各工序的工艺指标对选矿生产最终 的精矿 品位 及金属 回收率等综合生产指标有着重要 的影响【 1 -2 ] 。 文献[ 3 - 6 ] 通过过程优化控制保证选矿单个工序工 艺指标方面取得了较好的效果 。文献 [ 7 ] 采用正交 试验的方法确定各工序最佳的工艺指标 目标值。基 于案例的推理是一种典型的利用先前的实例和经验 进行推理的新问题求解机制 ，非常适合于难 以应用 确定模型而需要丰富经验的决策环境l 8 』 。本文从选 矿生产的实际需求出发 ，以某选矿厂为背景 ，设计 了一套基 于 C a s e B a s e d R e a s o n i n g C B R 技术确定 各工序工艺指标 目标值的系统。 2 背景描述 ．圃． 匦 塑 废石l 焙烧矿 图 1 某选矿厂选 矿生产 流程 F i g ． 1 F l o w c h a r t o f i r o n mi n e r a l s p r o c e s s i n g 生产过程 分 为原料 处理 、竖炉 焙烧 、强磁磨 收稿 日期 2 0 0 8 - 0 4 - 1 6 ； 收修定稿 日期 2 0 0 8 -0 5 -03 基金项目 国家 自然科学基金重点资助项 目 6 0 5 3 4 0 1 0 ； 国家创 新研究群体科 学基金资助项 目 6 0 5 2 1 0 0 3 ； 长江学 者和创新 团队发展计 划 基金资助项 目 1 R T I M2 I 作者简介杨新 1 9 7 3 一 ，女 ，辽宁阜新人 ，博 士 ，主要研 究方 向为冶金企业 动态成本控 制的理论 、模 型 、方 法研 究及软件应 用等 ； 柴天佑 1 9 4 7 一 ，男 ，教授 ，博士生导师 ，中国工程 院院士 。 3 7 2 控制 工程 第 l 6卷 矿、弱磁磨矿 、强磁选别 、弱磁选别 、尾矿处理及 精矿处理 8个工序。原矿进入生产流程后，首先通 过原料工序，筛分为小于 1 5 m m的粉矿和大于 1 5 1T I I T I 的块矿，分别进入到强、弱 磁 2个系列 。筛 分出的块矿 占每种矿石投入总量的比率用块矿率表 示 。粉矿通过强磁磨矿工序磨细 ，其主要工艺指标 为磨矿粒度 ，通常用 一 2 0 0目粒级矿物的百分含量 来衡量 ，用来评价磨矿质量 。块矿经过竖炉工序进 行焙烧 ，其工艺指标为一次溢流 回收率 ，用来评价 焙烧矿的质量 ，反映了块矿经过焙烧后磁性转化的 大小 ，在焙烧过程中形成一定量的废石被排除生产 流程 ，废石量 占处理块矿量的比率为废石率。竖炉 工序生产的焙烧矿进入弱磁磨矿工序进行磨细，其 工艺指标同样为磨矿粒度 ；粉矿经过强磁磨矿后进 入强磁选别 ，其工艺指标为强磁精矿 品位和尾矿品 位；焙烧矿经过弱磁磨矿后进入弱磁选别工序，其 工艺指标为弱磁精矿品位和尾矿品位。弱磁精矿及 强磁精矿混合后经精矿处理工序进行脱水形成最后 的综合精矿 ，而弱磁尾矿与强磁尾矿共同构成综合 尾矿 经过滤 后送尾 矿坝堆 放 。 2 工艺指标间的关系及其确定过程 由于原 料处理工序 只是将原矿按大小进行分离，而精矿和 尾矿处理工序主要是将混合后的精矿与尾矿进行脱 水 ，这 3个工序并未对物料进行加工 ，不涉及到工 艺指标 的问题。强 、弱磁磨矿工 序、竖炉焙烧工 序，强 、弱磁选别工序对物料进行了加工处理 ，其 工艺指标决定了综合生产指标的先进与否，通过前 文介绍 ，根据物料平衡和金属平衡原则 ，可以推导 出如下关系 Q 强 精Q 粉 矿 P 粉 矿一 尸 强 尾 ／ P 强 精一 P 强 尾 1 O 弱 精Q 焙 烧 1 一 废 石 P 焙 烧一P 弱 尾 ／ P 弱 精一P 弱 尾 2 Q 精 矿Q 强 精Q 弱 精 3 P 精 矿 Q 强 精 P 强 精Q 弱 精 P 弱 精 ／ Q 精 矿 4 7 Q 精 矿 P 精 矿 ／ Q 粉 矿P 粉 矿Q 焙 烧 P 焙 烧 5 式中， Q 粉 矿， Q 焙 烧， Q 强 精， Q 弱 精， Q 精 矿 表示 强磁粉矿量、 焙烧矿量 、 强磁精矿量 、 弱磁精矿量 和综合精矿量； P 粉 矿， P 焙 烧， P 强 精， P 弱 精， P强 尾， P 弱 尾， P 精 矿表示 粉矿品 位 、 焙烧矿品位 、 强磁精矿品位 、 弱磁精矿 品位 、 强磁 尾矿品位 、 弱磁尾矿品位和综合精矿品位 ； 7 7 睫 石， 表 示废石率和金属 回收率 。 选矿厂生产计划给出了每 日待选的原矿种类和 数量， 根据每种矿石的块矿率 ， 当天强磁与弱磁系列 的粉矿与块矿 总的投入量 及对应的 品位也就确定 了， 废石率与废石品位通常取固定值 ， 焙烧矿品位也 可以通过物料平衡和金属平衡原则计算出来。通过 上面推导出的关系可知 ， 当入选原矿情况确定后， 直 接影响到最终 的综合精矿品位 、 产量及金属 回收率 的是选别作业的 4个工艺指标 强磁精矿品位 、 强磁 尾矿品位 、 弱磁精矿及尾矿品位， 它们决定了强弱磁 2个系列的配合方式 ， 对综合精矿品位 、 产量和金属 回收率的贡献 比例 。当入选原矿情 况给定后 ， 必然 存在一组最佳的配合 比例 ， 使精矿品位在合格范围 内而精矿产量和金属 回收率最 高 当人选原矿确定 后 ， 对最高金属 回收率 的追求 等同于对最高产量的 追求 ，另一方面 ，这组最佳 的强磁精矿品位 、强 磁尾矿品位 、弱磁精矿及尾矿品位配合 比例还受到 选别前准备一次溢流回收率及强磁 、弱磁磨矿粒度 的约束 ，这 3 个指标需要达到何种程度一方面受到 入选原矿的约束 ，另一方面还要考虑到它们对后面 选别作业工艺指标的影响。由上面的分析可知 ，当 入选原矿确定后 ，各工序的工艺指标决定了当天选 矿生产能够达到总的综合生产指标是多少。 当前 ，该选矿厂对于竖炉和强、弱磁磨矿工序 的工艺指标规定了一个 固定的 目标范围，无论何种 矿石只要进入到这个范围的最低限即可，实 际中选 矿工程师则根据矿石的情况依据个人经验给出一个 其 自身认为合适的磨矿粒度。而对于强 、弱磁选别 的工艺指标则是由选矿厂工艺部门根据典型入选矿 石的性质 ，依据最高金属回收率原则 ，确定了一个 强磁精矿及尾矿品位，弱磁精矿及尾矿品位的理想 配合方式 ，如果实际中因为入选矿石情况的差异 ， 导致强磁精矿及尾矿品位 ，弱磁精矿及尾矿品位达 不到理想值 ，选矿工程师则根据个人经验在保证精 矿品位的条件下对这 4个指标的配合方式重新进行 调整确定。当前在各工序的工艺指标的确定上主要 还是以人工为主，具有很大的模糊性与随意性。 3 基于案例推理的选矿过程工艺指标目 标值确定方法 对于整个选矿系统 ，入选原矿情况可以看作是 系统外部因素，而各工序的工艺指标可 以看作是 内 部 因素，选矿生产达到何种综合生产指标是系统 内 外部因素共 同作用的结果。随着综合 自动化系统在 该厂的应用 ，数据库 中记录了大量 的历史数据 ， 将以往实现了较好综合生产指标所对应的典型入选 矿石情况及其各工序采用的工艺指标目标值总结成 案例形式存放在案例库中。实际应用中，根据给定 的入选原矿情况 ，通过案例检索 、案例重用 、案例 修正及存储等一系列过程 ，使问题转化为案例的调 整 、修正和案例库的更新和增删过程 ，就可 以确定 各工序最合适的工艺指标 目标。 1 案例的表示结构 由于入选矿石情况决定 了何种工艺指标目标值最合适，因此需要对人选矿 石情况进行描述 。矿石特征有些可 以定量描述 如 第 3期 杨新等选矿过程工艺指标确定方法及应用 3 7 3 投入量 、 品位等 ， 有些只能定性表示 如可磨度 、 嵌 布粒度及矿石硬度等 。实际生产 中，每 日入选原 矿是由多种来 自不 同供矿点 的矿石组成 ，可以简单 认为同一供矿点提供 的矿石具有 相同的性质特征。 因此 ，对于难于定量表示的人选原矿特征这里通过 不 同矿点的矿石 比例来表示 。 下面为叙述方便 ，定义如下符号 i 1 ， ⋯， 凡 代表该厂人选 n种原矿中的任意 一 种 ；q 表示 当天每种矿石 的处理量 ；P 表示每种 矿石的品位 ； 表示每种矿石块矿率。 人选矿石进入 到生产 流程后 分为粉矿和块 矿 ， 可以用粉矿和块矿 的情 况对人选 矿石情况作 出描 述。粉矿情况 ，可用粉矿投入量 、粉矿 品位及粉矿 中各种原矿百分含量来描述 当天粉矿情况。其 中 ， 当日 粉矿总投入量Q ，∑q ‘ 1 一 ， 粉矿品位 E l 为 ∑q ‘ 1 ～ IX ‘ p ／ Q ， ， 粉矿中 不同 原矿的 i l 百分 比为P q 1一 t x ／ Q 块矿情况 ，可用块矿 投入量 、块矿品位及块矿 中各种原矿百分含量来描 述当天块矿情况。其 中，当 日块矿总投入量 Q ∑q 肛 ， 块矿 品 位为 ∑q IX p i ／ Q ， 块 矿 i l i 1 中不同原矿的百分比为P q i ／ Q 。 粉矿和块矿的 比率 Q ， ／ Q 。 案例表示结构主要 由人选原矿特征和解特征组 成。设 F ， ， f 3 ，⋯， ，⋯， 和 J J 。 ， J 2 ， ⋯， 分别描述 了人选原矿特征 和解 特 征。其中， ， ， 分别表示粉矿的品位 、块 矿的 品 位 和 粉 矿 与 块 矿 投 人 量 的 比 率 ； ， ⋯ ， 分别表示 粉矿 中各 种矿石 的百分含量 P ； ，⋯， ， 分别表示 块矿 中各种 矿石 的百 分含量 p K ； J ， ⋯， 分别表示需要优化确定 的一次 溢流回收率 、强磁磨矿粒度 、弱磁磨矿粒度 、强磁 精矿品位 、强磁尾矿 品位 、弱磁精矿及尾 矿品位。 为了进行相关案例操作的需要 ，增加时间 和相似 度 S I M属性 ，其 中， 为案例获得 时间，S I M 为当 前工况描述与案例库中该 条案例的相似度。因此 ， 案例的表示结构为 { T ， ，， J ， S 1 M} 。 2 案例库中初始案例的获取案例库 中的初 始案例应该由以往好的经验数据构成 ，既要保证案 例覆盖范围，又要保证不能有冗余，在实际应用中 初始案例库通常是由领域专家确定输入。前文确定 了案例的表示结构 ，由于该 厂人选原矿种类较 多， 比较复杂 ，如果由人工负责确定初始的案例 ，可能 会导致初始案例的冗余或覆盖度不够 ，如何避免这 些问题 ，获得好 的初始案例是整个 C B R系统正确 有效地运行的关键。随着综合 自动化系统 的应用 ， 在数据库中已经积累了大量的历史数据 ，利用这些 记录获得初始案例已成为可能。本文利用 自组织映 射神经网络从历史数据 中提取 出了若 干初始案例。 其过程如下 S t e p 1数据选取从管理数据库中取得较长一 段时间每 日的生产记录 ，构成数据挖掘的基础 。每 条记录应包括以下 3方面的内容。 a 人选原矿情 况 ，包括各 种原 矿 的投 入量 、 品位及块矿率 。b 生产 过程各工 序 的工 艺指标 ， 包括强弱磁磨矿粒度 、一次溢流 回收率 、强磁精矿 品位 、尾矿品位 ，由于这些指标每隔 2个小时化验 一 次 ，因此 ，与每天原矿情况对应 的各工序指标是 采用 当天 1 2次化验的平均值。C 当天的总金属 回 收率和总精矿品位 。 S t e p 2数据 的预处 理滤掉 明显 的异常记录 ， 补全缺失值以及利用滑动平均处理去噪声。将当天 总精矿 品位不合格的数据记录去掉 ，以保证挖掘出 的案例都能够保证总精矿品位的合格 。 S t e p 3本文采用 自组织映射神经 网络 1 。 。 对人选 原矿情况进行分类。 S t e p 4在分好 的每一类记录中，找出金属 回收 率最高的记录 ，其所对应的入选原矿情况与各工序 的工艺指标分别作为入选原矿特征和解特征构成一 条案例 ，存人初始案例库。 由此 ，针对每一类人选矿石情况 ，确定 了可 以 使其达到最高金属 回收率的各工序工艺指标 ，所有 类别的人选矿石情况构成了初始案例库。 3 案例 检索 与 匹配 设 当前 人选 矿石 特 征 O r e的描述特 征为 F ， ， ，⋯， 。 ，⋯， ，案例库中案例为 C { T k ，F ， } ，F ， ， ． ， ⋯ ， ，， ， ， ，⋯ ，J ’7 ， k 1 ，⋯，m，其 中，m为案例库 中案例数量 ，由 于 与 ， J 1 ， ⋯， 2 凡十3 都是数值型数据 ，因此 O r e的描 述 特 征 与 案 例 的 描 述 特 征 ． 1 ，⋯，2 n 3 的相似度可定义为 s m ， 1 一if ； 一 ， I ／ m a x f； ， 6 矿石特征 O r e和案例 C 的相似度函数定义为 2 n3 S I M O r e ， C k ∑ m ， 7 式中， 为案例特征权值，可由经验知识确定。 相似度计算完毕后 ，赋值给案例库 中相应案例 的 “ 相似度”属性 S I M，相似度 阈值 S I M 确定如 下 s - { ⋯ ， ㈩ 式中 ，S I M n l ，a x S l M O r e ， C ； 阚值 X 由 1 ．Z ．一 ． m ’ 领域专家确定 ，可取 0 ． 9 。 4 案例重用 设经案例检索的匹配案例集为 3 7 4 控制 工程 第 l 6卷 C f { ， ， J ， S I M } ，1 ≤f ≤m，S I Mz 为 C f 对应的 相似度属性值 ，设 为具有最大相似度 S I M 的案 例，其对应案例解为 ， ，⋯， ，设 ．， ， ，⋯， J 7 为当前人选 矿石 O r e的解 ，那 么 有 r J ， S I M⋯ 1 o r S I M S I M⋯ ， 、 ， s J f I ∑ s i M ／∑S I M ， 其 他 式 中，s 1 ，2 ，⋯，7 。 最后将结果输出 ，并将本次案例求解 的时间、 人选矿石特征描述及解存人数据库。 5 案例修正与存储修正 的第一步是对重用 结果进行评价 ，如果成功则不必修正 ，否则进行案 例修正 ，以改善工艺指标 目标值 的精度。本文案例 修正在新 的工艺指标 目标值执行过程后出现 了问题 的基础上进行 。首先从管理数据库 中读 取精矿 品 位 、单位精矿能耗和金属回收率以及记录时间。然 后在实时数据库中检索 “ 时间”属性值与 最接 近的数据纪录 ，记检索到 的纪录为 C { ，，， J } 。判断精矿品位 ，金属回收率是否达到专家设定 的阈值 。若精矿品位和金属回收率达到了专家设定 的阈值 ，不需要进行案例修正，只要对其进行案例 学习以决定是否将其加入案例库 ；否则进行案例修 正 ，具体过程为，将 F重新进行案例检索与匹配及 案例重用操作 ，然后从匹配案例中挑选出具有最大 相似度 S I M⋯的案例 { ， ， } 。若 S I M⋯ y 憎 】 ， 汜由领域专 家确 定 ，则把案例 C { T Q ， F，J } F ， ，L D ， ， 加入到案例 库；否则把案例 e用 C 取代即可。 为了使案例库控制在一定规模 内，必须对加人 案例库中的案例进行学习。对要加入的新案例 ，按 照前述相似度计算公式 ，计算其与案例库中所有案 例的相似度 。若求出的相似度都不大于某一个给定 的阈值 H 0H 1 ，则加入该新案例 ；若至少 存在一个相似度大于该阈值 口，则改写具有最大相 似度且 “ 时间”较早 的旧案例 ；若存在一个 相似 度为 1 ，则表明该案例与新案例完全匹配 ，不予存 储 。 4工业应用 根据该选矿厂的实际需求 ，开发了确定各工序 工艺指标 目标值 的软件系统。它是选 矿企业实施 ME S中的一个子系统 ，处于生产过程管理和生产过 程控制的过渡层，实现与过程管理系统的信息共享 和对过程控制系统设定指标的下装 。 系统的初始案例库从该选矿厂 2 0 0 2 ，2 0 0 3年 2 年数据记录中获得。选矿厂的入选原矿共 4种，分 别为预选 矿 、未预选 矿、黑沟矿 和大堆粉矿 。首 先 ，经过数据预处理及将精矿总品位不合格的记录 剔除 ，共得到 6 5 0条记 录，构 成 了数据 挖掘 的基 础 ；然后 ，利用 自组织映射神经网络对入选原矿情 况进行 了分类 ，并将每一类入选矿石情况 中具有最 高金属回收率的记录提取 出来 ，共得到 4 8条初始 案例。 通过对系统需求和特点的分析 ，考虑到在选矿 企业中对本系统的使用用户少 ，系统体系结构采用 C ／ S模式 ，交互性强 ，提高了响应速度，其存取模 式安全 ，降低了网络的通信量 ，更利于处理大量数 据。整个系统的实现包括界面前台 、数据库后台和 辅助软件实现功能 3个部分 。本系统兼顾上层管理 和下层控制系统的要求 ，既要用 O r a c l e客户端访问 管理层 O r a c l e数据库服务器，而且要通过 O P C通 信实现对下 层 R s v i e w优 化控制 系统 的数据传送 。 某 日该软件运行界面，如图 2所示。 图 2工艺指标优化设定 画面 Fi g ． 2 S e t t i n g i n t e rfa c e o f T e c h n i c a l i n d i c e 选矿工程师输人 当 日综合生产指标及入选原 矿情况后 ，系统首先给出了当日各工序需达到的工 艺指标。该系统与局部过程优化控制 系统相配合 ， 经过一段时间的连续运行 ，经统计使得金属回收率 提高 2 ． 0 1％ ， 精矿品位提高 0 ． 5 7％ ，取得了显著 的经济效益。 5 结语 针对选矿生产具有复杂的非线性关系，难于建 立精确数学模型的特点，提 出了基于案例推理来确 定选矿过程工艺指标 目标值 的方法。为避免人工确 定初始案例可能出现的问题 ，采用动态 自组织 映射 神经网络从历史数据中提取了若干初始案例 ，利用 本文提出的方法可以依据入选矿石的情况 自动确定 选矿过程各工序最佳的工艺指标 目标值，能够保 障 整个选矿系统的协调 、稳定和连续运行 ，进而取得 更好的综合生产指标。 下转第 3 8 2页 3 8 2 控制 工程 第 1 6卷 组的定性分析一致 。 5 结 语 发供电企业供应商管理对于培育和提升企业的 E 3 1 核心竞争能力 、保障发配电设备的正常运行 、降低 故障损失具有重要的意义。供应商的量化评价的核 心是构建一个能够准确反映企业需求的评价指标体 E 4 j 系，本文采用三角模糊数来表示评 价指标 的不定 性 ，符合发供电企业决策者决策的特点 ，可以更为 真实地表达领域决策者知识。对于评价指标的相对 [ 5 ] 重要程度采用 A H P确定各评价指标的权重 。通过 计算备选供应商和理想供应商之间模糊贴近度，实 现供应商的优化选择 。最后 以某发供 电企业 为例， 给出了实例验证。本文提出的供应商评价方法 已成 [ 6 ] 功应用于某大型发供电企业的设备采购 ，对供应商 进行量化评价 ，为采购招标过程的规范化 、标准化 [ 7 ] 提供了技术手段支撑 ；取得了很好的应用效果。 参考文献 R e f e r e n c e s _ 一 l 8 j [ 1 ] 张志清， 杨中华．基于A H P和 N E U L O N E T的供应商选择问题 一一 [ J ] ．系 统工 程 与 电子 技 术 ， 2 0 0 7 ， 2 9 4 5 7 0 - 5 7 3 ． Z h a n g l 9j Zh i q i n g，Ya n g Zh o n g h H a ． Re s e a r c h o n s u p p l i e r s e l e c t i o n b a s e d o n A H P a n d N E U L O N E T s y s t e m s [ J ] ． E n g i n e e ri n g a n d E l e c t r o n i c s ， 2 0 0 7 ， 2 9 4 5 7 0 - 5 7 3 ． [ 2 1 倪现存 ， 左洪福 ， 白芳 ， 等 ．基 于模糊 多属性群决策 及 OWA算 子的民机备件供应商评估 [ j J ． 机械科学与技术， 2 0 0 6 ， 2 5 1 2 1 4 0 4 1 4 0 7 ． N i X i a n c u n ，Z u o Ho n g f u， B a i F a n g ． e t a 1 ． E v a l u a t i o n o f s p a r e p a r t s s u p p l ie r s b a s e d o n f u z z y mu l t i p l e a t t r i b u t e g r o u p d e c i s i o n ma k i n g a n d O WA o p e r a t o r s r J ] ．Me e h a n i c al S e i e n c e a n d T e c h n o l o g y ， 2 0 0 6 ， 2 5 1 2 1 4 0 4 ． 1 4 0 7 ． 刘晓， 李海越．供应商选 择模 型与方法 综述 [ J ] ． 中国管理科 学 ， 2 0 0 4， 1 2 1 1 3 9 1 4 8 ． L i u Xi a o ．L i Ha i y u e ．A s u r v e y o f s u p p l i e r s e l e c t i o n m o d e l s a n d a p p r o a c h e s [ J ] ．C h i n e s e J o u r n a l o f Ma n a g e m e n t S c i e n c e ， 2 0 0 4． 1 2 1 1 3 9 1 4 8 ． 马士华 ，王许斌 ． 确定供应商评价指标权重 的一种方法[ J ] ． 工 业工程与管理 ， 2 0 0 2 ， 7 6 5 - 8 ． Ma S h i h u a ． Wa n g X u b i n ．A s t u d y o n t h e me t h o d o f d e t e r mi n i n g s u p p l i e r e v a l u a t i o n i n d e x w e i g h t [ J ] ．I n d u s t ri a l E n g i n e e r i n g a n d M a n a g e m e n t ， 2 0 0 2， 7 6 5 - 8 ． 杨玉中 ， 张强 ， 吴立云 ．基于熵权 的 T OP S I S供应 商选择方 法 [ J j ．北京理工大学 学报 ， 2 0 0 6， 2 6 1 3 1 - 3 5 ． Y a n g Y u z h o n g ， Z h a n g Qi a n g ，Wu L iy u n ．T e c h n i q u e f o r o r d e r p r e f e r e n c e b y s i m i l a r it y t o I d e a l s o l u t i o n b a s e d o n e n t r o p y w e i g h t f o r s u p p l i e r s e l e c t i o n [ J ] ． T r a n s a c t i o n s o f B e i j i n g I n s t i t u t e o f T e c h n o lo gy， 2 0 0 6， 2 6 1 3 1 - 3 5 ． Ca o Y K ， L i Y F ． An i n t e l l i g e n t f u z z y b a s e d r e c o mme n d a t io n s y s t e m f o r c o n s u m e r e l e c t r o n i c p r o d u c t s [ J ] ．E x p e rt S y s t A p p l ，2 0 0 7 ， 3 3 1 2 3 0 - 2 4 0 ． 曹渝昆 ．改进型模糊神经网络在颐客分类 中的应用研究 [ J ] ． 计算机工程与应用， 2 0 0 6 ， 4 2 1 9 2 1 8 - 2 2 1 ． C a o Y u k u n． A c u s t o m e r c l a s s i fi c a t i o n b a s e d m o d i f i e d f u z z y n e u r a l N e t w o r k f J ] ． C o mp u t e r E n g i n e e ri n g a n d A p p l i c a t i o n s ，2 0 0 6 ， 4 2 1 9 2 1 8 2 2 1 ． O i c k s o n ．A n a n aly s i s o f v e n d o r s e l e e t io n s v s t e l n s a n d d e c i s i o n s f J 1 ． J o u r n al o f P u r c h a s i n g ， 1 9 9 6， 2 1 5 - 1 7 ． 陈志祥 ． 供应链中供需合作关系的分析与优化理论[ J ] ． 计算 机集 成 制 造 系 统 ， 2 0 0 5 ，1 1 3 3 8 6 ． 3 9 3 ． C h e n Z h i x i a n g ． Emp i ric a l a n a l y s i s a n d o p t i mi z a t i o n t h e o r y o f s u p p l y c h a i n I e l a t i o n s h i p [ J J ．C o mp u t e r I n t e g r a t e d Ma n u f a c t u r i n g S y s t e ms ， 2 0 0 5 ， 1 1 3 3 8 6 3 9 3 ． 。卜一 ’ 一” ”十” 卜 一”卜 ” 卜 十一十”一 ■一“”一 卜 “十一““一” 一十” ” 一十“” 上接第 3 7 4页 参考文献 R e f e r e n c e s [ 1 ] H o d o u i n D， J a m s a J o u n e l a S L ． m i n e r a l p r o c e s s i n g c o n t r o l [ J ] 2 0 0 1 ，9 9 9 9 5 - 1 0 0 5 ． [ 6 ] S t a t e o f t h e a r t a n d c h a l l e n g e s i n r 7] Co n t r 0 1 E n g i n e e r i “ g P r a c t i c e， L f， 【 2 l L a i n e S ，P u l k k i n e