随着计算机技术的发展趋势日益增长，利用信息和计算机技术以解决农业问题，尤其是解决在农业油机行业中的问题变得非常重要。信息计算技术（ICT）的发展可以应用于材料加工行业，以提高加工机械的效率、质量和生产力。
开发背景与目标
在现代工业中，机器的性能评估对于提高生产效率、优化资源利用和降低成本非常关键。
过去，许多研究者尝试通过考虑工程特性、供应条件或单独关注机器的生产力和盈利能力来确定机器的经济性能。然而，随着技术的发展和市场竞争的加剧，这种传统的单一策略已经不能完全满足工业机器性能评估的需求。
同时，环境保护和可持续发展的要求也越来越迫切。许多国家和组织都在推动减少温室气体排放和环境污染的措施。因此，在工业机器性能评估中，不仅要考虑经济效益，还要关注环境友好性和可持续性。
因此，开发一种多标准计算机辅助系统，用于工业机器性能评估变得至关重要。该系统可以综合考虑多个关键指标，如年度运营成本、机器效果和成本效益指数等，从而更全面地评估机器的性能。
通过采用计算机技术，可以自动化数据处理和分析过程，提高评估的准确性和效率。
开发用于工业机器性能评估的多标准计算机辅助系统的背景和动机源于对传统评估方法的不足和现代工业的需求变化。这样的系统有助于提高工业机器的效率和可持续性，为企业的发展和可持续发展做出贡献。
开发用于工业机器性能评估的多标准计算机辅助系统的目标是为工业企业提供一个综合、准确和高效的评估工具，以帮助他们评估和优化机器的性能。以下是该系统的主要目标：
综合评估：该系统旨在综合考虑多个关键指标，包括经济性、环境友好性和可持续性等方面。通过综合评估，可以全面了解机器的性能表现，并作出准确的决策。
自动化处理：系统将采用计算机辅助技术，自动化数据处理和分析过程。这将提高评估的准确性，并减少人为错误的可能性。
提供决策支持：系统将提供可视化和报告生成功能，以直观的方式呈现评估结果。这将帮助用户更好地理解和分析机器的性能，并提供决策支持。
高效性：系统的设计旨在提高评估的效率，减少评估过程所需的时间和资源。通过快速而准确的评估，工业企业可以更及时地做出决策，并采取相应的措施来提高机器的性能。
可定制性：系统将具有一定的灵活性和可定制性，以适应不同工业机器和行业的需求。用户可以根据自己的特定要求和条件进行设置和调整。
总的来说，开发多标准计算机辅助系统的目标是帮助工业企业全面评估机器的性能，并提供准确、可靠的数据和决策支持，以优化生产过程，提高效率和可持续性。通过实现这些目标，该系统有助于提升工业机器的竞争力和可持续发展能力。
系统开发
在开发用于工业机器性能评估的多标准计算机辅助系统时，战略决策和属性的识别是关键的步骤。
首先，需要确定在机器性能评估过程中需要考虑的关键战略决策。这些决策可能包括年度运营成本、机器效能和成本效益指数等。这些决策将直接影响机器的性能评估结果。
接下来，需要识别与每个战略决策相关的属性。属性是用于衡量和评估机器性能的特定指标或参数。例如，年度运营成本的属性可能包括能源消耗、维护成本和人工成本等。通过识别和定义属性，可以确定需要收集和分析的数据类型和指标。
在评估过程中，不同属性可能具有不同的重要性和优先级。因此，需要确定每个属性的权重和优先级，以反映其在总体性能评估中的相对重要性。这可以通过专家评估、决策者的意见或分析方法（如层次分析法）来确定。
基于识别的战略决策和属性，需要开发一个适当的评估模型和逻辑来计算和衡量机器的性能。这可能涉及到数学模型、统计分析方法或其他算法的应用。模型和逻辑应该能够准确地反映出不同属性的权重和优先级，以提供综合的性能评估结果。
通过识别战略决策和属性，并采用相应的模型和逻辑，多标准计算机辅助系统能够提供全面而准确的机器性能评估。这将为工业企业提供重要的决策支持，并帮助他们优化机器的性能、降低成本、提高效率和可持续性。
在确定战略决策和完成属性识别后，模型开发至关重要。
对于战略决策，开发的模型包括：机器年度运营成本、整体机器效能和机器成本效益指数。
机器年度运营成本模型：该模型用于评估机器的年度运营成本。它考虑了能源消耗、维护成本、人工成本等因素，并计算出机器在一年内的运营成本总额。
整体机器效能模型：该模型用于评估机器的整体效能。它考虑了机器在生产过程中的性能指标，例如生产能力、生产质量和可靠性等。通过综合考虑这些指标，可以评估机器的整体效能水平。
机器成本效益指数模型：该模型用于评估机器的成本效益指数。它将机器的性能和成本进行综合比较，以确定机器在性能和成本方面的相对优势。通过计算成本效益指数，可以帮助决策者更好地理解机器的性能和成本之间的关系。
这些模型的开发基于对战略决策的识别和属性的定义。通过收集和分析相关数据，并应用适当的数学和统计方法，这些模型可以提供有关机器性能的定量评估和决策支持。
决策者可以根据这些模型的结果，制定相应的措施和改进方案，以提高机器的性能和效益，并降低运营成本。
系统开发所选用的算法是针对所选的战略决策开发的。这些算法基于多标准决策方法，结合了机器年度运行成本、整体机器效率和机器成本效益指标等因素进行评估。算法采用了数学模型和计算方法，以确保准确性和可靠性。
针对开发的算法，设计和开发了相应的软件。这个软件是一个计算机应用程序，提供了用户界面和功能，用于数据输入、计算和结果生成。用户可以通过该软件输入相关数据，包括机器的各项指标和属性。
软件会自动应用算法对数据进行计算和分析，得出综合评估结果。同时，软件还具备数据管理功能，可以存储和检索历史数据，方便用户进行比较和追踪。
在软件的开发过程中，采用了计算机编程语言（如Java、Python等）进行编码和实现。通过合理的软件架构和模块设计，确保软件的稳定性和可扩展性。此外，还对软件进行了测试和优化，以确保其性能和效果的良好表现。
为了有效地收集数据、进行分析并生成评估结果，开发了一个用户界面。该界面为用户提供了一个直观和易于操作的平台，用于输入和管理所需的数据，并展示分析结果。
图1 数据收集、分析和结果生成的界面
图2 对窗户机器在机器年度运行成本（MAOC）方面的性能进行统计分析
图3 对窗户机器在机器年度运行成本（MAOC）方面的性能进行统计分析
性能评估
多标准计算机辅助系统的性能评估部分涉及到对多个关键性能指标的分析和测量。其中之一是机器的年度运行成本（MAOC），它反映了机器在一年内运行所需的成本。MAOC是一个重要的指标，它直接影响到机器的经济性和可持续性。
图4 MAOC部分3D图
在进行MAOC的统计分析时，我们首先需要收集机器的相关数据。这些数据可以包括机器的能耗、维护费用、零部件更换成本等。接下来，我们可以利用统计分析方法，例如均值、标准差和变异系数，对这些数据进行分析和计算。
除了统计分析，多标准计算机辅助系统还可以使用数据可视化技术来展示MAOC的结果。通过绘制柱状图、折线图或饼图等图表，我们可以直观地了解机器在不同时间段的运行成本变化情况，以及不同因素对成本的影响程度。
图5 性能评估
此外，多标准计算机辅助系统还可以提供对机器性能评估结果的自动化生成。系统可以根据收集的数据和分析结果，自动生成评估报告或汇总表格，以便用户更方便地查看和分析结果。这样的自动生成功能可以提高工作效率，并确保结果的一致性和准确性。
可以直观得发现，与手动生成的结果相比，多标准计算机辅助系统使用统计分析和数据处理算法，可以确保评估结果的准确性。它可以避免手动计算中可能出现的人为错误，并提供更精确的数据分析和测量。
此外，多标准计算机辅助系统可以自动化生成评估报告或汇总表格，提供对评估结果的一致性和规范性。它可以根据预设的格式和要求，自动整合和呈现数据，减少了手动整理和编写报告的工作量。
而且多标准计算机辅助系统可以通过数据可视化技术将评估结果以图表或图形的形式展示出来。这样的可视化结果更直观、易于理解，并能够帮助用户更好地分析和比较不同的性能指标。
相比之下，手动生成结果通常是以表格或文本的形式呈现，可视性较低，用户可能需要花费更多的时间和精力来理解和解读结果。
总的来说，多标准计算机辅助系统在工业机器性能评估中相比手动生成结果具有明显的优势。它能够提供更准确、高效、可视化和自动化的评估结果，为决策者提供更全面和可靠的信息支持。
通过引入这样的系统，可以提高评估的质量和可靠性，并提升工业机器的性能和效益。
总结与未来展望
通过上述介绍，现在已经实现了计算机算法和软件开发的目标，且成功通过将几乎具有相似功能但仅限于单一标准的国外软件的成本与多标准成本的软件进行比较，确定了成本效益，并且该软件能够在互联网上收集的六款软件的平均成本基础上节省40%的成本。
该工具能够考虑生产过程中的经济、工程和生产力特征，减少/消除可能阻碍最佳性能的所有障碍。此结果为工业工程领域的现有知识作出了贡献，特别是在机器运行成本的决策制定、提高生产力的整体机器效率和机器运营成本有效指数方面。
随着人工智能和机器学习的快速发展，这些技术可以应用于工业机器性能评估系统中，以提高预测和决策的准确性。智能算法和机器学习可以分析大量的数据，并提供更精确的预测和优化建议。
目前的系统已经涵盖了多个评估指标，如机器年度运营成本、机器整体效率和机器成本效益指数。未来的系统可以进一步扩展，支持更多的评估指标，以便更全面地评估机器的性能和效益。
未来的系统可以与物联网（IoT）技术结合，实现实时数据采集和监控功能。通过实时监测机器的运行数据和性能参数，系统可以及时发现问题并采取相应的措施，以确保机器的最佳性能和效益。
为了更好地呈现评估结果和决策建议，未来的系统还可以提供更先进和直观的可视化功能。用户可以通过直观的图表、图形和报告了解机器的性能指标，并更好地理解评估结果。
总的来说，未来的多标准计算机辅助系统将不断演进和改进，以满足工业机器性能评估的需求，并提供更准确、可靠和智能的决策支持。这将有助于优化机器的运行成本、提高效率和生产力，并促进工业领域的可持续发展。