将中性哲学逻辑与MCDM中的熵-VIKOR方法相结合，以优化制造业中自动焊接机器人的选择

《Results in Engineering》：Synergizing Neutrosophic Logic with Entropy-VIKOR of MCDM for Superior AWR Robot Selection in Manufacturing

本研究提出了一种基于单值 neutrosophic 数（SVNS）的混合多准则决策（MCDM）模型，结合熵权法和VIKOR方法，用于工业电弧焊接机器人的选型。通过专家评估数据，构建了包含8种机器人、5个评估标准的决策矩阵，验证了该方法在处理不确定信息时的有效性和稳定性。比较分析显示，该模型与其他MCDM方法（如TOPSIS、COPRAS）的排名高度一致（Spearman相关系数均超过0.95），且敏感性分析表明关键参数（如权重）的微小变化不会显著影响最终结果。结论表明，该方法为复杂工业场景下的机器人选型提供了可靠、灵活的决策框架，并具有实际应用价值。

　　工业机器人选择是一个关键的决策过程，对制造操作的效率和竞争力产生重要影响。随着市场上机器人选项的广泛存在，选择最适合特定任务的机器人需要对成本、性能、可靠性以及与操作需求的兼容性等多方面因素进行综合评估。本文提出了一种结合单值中性数（SVNN）与熵值-维克多（VIKOR）方法的混合多标准决策（MCDM）技术，用于工业电弧焊接机器人的选择。通过使用单值中性数定义权重标准并利用熵值-维克多方法对替代方案进行排序，该方法能够高效且经济地选择适合完成所需焊接任务的机器人。本文的研究展示了在实际案例中应用该方法的过程，专家对八种不同的机器人进行了评估，通过结合SVN-熵-维克多方法确定了最佳选择。此外，通过斯皮尔曼相关性分析对排名一致性进行验证，并通过比较分析证明了所应用的MCDM技术的稳健性。

工业机器人是可编程机器，广泛应用于制造行业，以自动化执行诸如焊接、喷涂和装配等任务。这些机器人通过高效处理重复性和精确性操作，显著提高了生产效率、产品质量和工作场所的安全性。随着机器人技术的进步，这些系统在工业和服务业中的应用变得更加多样化，增强了工业竞争力和流程优化。在选择特定工业机器人时，必须考虑诸如负载能力、编程灵活性、成本和重复任务的精度等因素。找到机器人技术特征与性能指标之间的适当平衡对于识别最合适的选项至关重要。为了支持这一复杂的决策过程，多标准决策（MCDM）技术提供了结构化和系统化的评估方法，用于比较和评估多个，往往相互冲突的标准。MCDM方法在制造、工程、可再生能源和供应链管理等多个领域得到了广泛应用。在某些情况下，结合不同的MCDM技术可以提高决策的准确性。例如，将模糊层次分析法（AHP）、TOPSIS和SMART方法结合使用，已被应用于选择用于柔性装配站的机器人，通过构建排名来反映决策者的偏好并减少方法相关的偏差。

然而，依赖单一方法在复杂场景中可能不够充分。因此，结合两种或更多方法的混合MCDM方法正逐渐被认可为提供更平衡和稳健决策的关键。MCDM方法可以遵循不同的路径，它可以依赖传统的明确数据，也可以整合不确定数据来对替代方案进行排序。然而，传统的MCDM方法在处理不确定性和不一致信息时往往证明是不够的。为了解决这一局限性，本文提出了一个基于中性集的MCDM框架，该框架能够有效捕捉和建模决策过程中的不确定性和不一致性。在以往关于电弧焊接机器人（AWR）替代的研究中，数据通常不一致或不完整，使得传统方法的可靠性较低。通过整合Smarandache的中性集理论，本文提出的方法提供了一种更加稳健和现实的方式处理这类不确定数据。因此，本文采用了一种基于中性环境的MCDM方法来选择适合的电弧焊接机器人。

在本文中，基于中性集的决策方法首先通过熵值方法计算标准的权重，然后使用维克多方法对替代方案进行排序。该方法首先确定了目标（决策矩阵），然后对决策矩阵进行归一化处理，计算每个标准的概率，评估每个标准的熵值，测量每个响应中的信息内容变化，并最终确定熵值权重。这一过程确保了决策的客观性，避免了决策者直接输入权重的需要。维克多方法通过基于标准重要性的排序和选择过程来优先考虑替代方案。该方法在多个标准之间允许权衡，使得一个标准的积极结果可以抵消另一个标准的不利影响。

在实际案例中，该方法被应用于选择适合的工业电弧焊接机器人。数据来自八个主要的机器人制造商，其中的替代方案被匿名化为RB-1至RB-8。通过整合熵值方法和维克多方法，该混合模型能够系统地评估和排序这些机器人。为了验证所提出模型的稳健性和实际适用性，结果与已有的MCDM方法进行了比较。此外，还进行了敏感性分析，以进一步检验模型在不同条件下的稳定性。该方法通过综合考虑多个标准，为决策者提供了清晰的排序列表，帮助他们做出更准确的选择。

通过应用SVN-熵-维克多方法，对八个电弧焊接机器人进行了综合评估，得出最终的排序结果。该方法通过计算每个标准的熵值，确定了标准的权重，并通过计算每个替代方案的效用值和遗憾值，进一步对替代方案进行排序。结果表明，RB-7是排名第一的机器人，其次是RB-5和RB-2。最终的排序为RB-7 > RB-5 > RB-2 > RB-8 > RB-4 > RB-6 > RB-1 > RB-3。图6展示了这些替代方案的排序情况，RB-7在所有替代方案中占据明显优势。此外，通过斯皮尔曼等级相关分析，对不同MCDM方法之间的排序一致性进行了评估。结果显示，所提出的模型与传统方法之间具有较高的相关性，表明其结果的稳健性和可靠性。敏感性分析进一步证明了模型在不同参数调整下的稳定性，确保了决策的可靠性和实际应用价值。

通过结合中性集理论和MCDM方法，本文提出的SVN-熵-维克多模型提供了一种新的决策框架，能够更有效地处理工业机器人选择中的不确定性。该模型通过综合考虑多个标准，提供了更加全面和精确的评估结果，同时通过敏感性分析确保了其在不同情况下的稳健性。在工业机器人选择过程中，这一模型不仅提高了决策的科学性和系统性，还通过综合专家意见和实际数据，为决策者提供了更可靠的参考依据。未来的研究可以进一步探索如何将这一方法扩展到其他工业领域，并结合新的评估标准，如环境影响、材料可持续性和长期性能指标，以实现更全面的评估。此外，研究还可以探讨如何将该模型应用于不同行业和应用场景，以提高其适用性和决策质量。