《Applied Sciences》：MCDM for Selection of Optimal Technological Parameters in Grinding in Ceramic Tile Production
编辑推荐：
湿法研磨是陶瓷砖生产技术流程中的重要工序。从研磨获得的泥浆（slip）的性质取决于原料（混合物中原料的类型和特性、混合配方）以及研磨操作参数（磨机的技术特性、研磨系统类型、磨机装填量、研磨介质、研磨时间等）。这些影响参数的最优选择能够使泥浆获得令人满意的性质，
湿法研磨是陶瓷砖生产技术流程中的重要工序。从研磨获得的泥浆（slip）的性质取决于原料（混合物中原料的类型和特性、混合配方）以及研磨操作参数（磨机的技术特性、研磨系统类型、磨机装填量、研磨介质、研磨时间等）。这些影响参数的最优选择能够使泥浆获得令人满意的性质，即实现高效的研磨工序，从而确保后续工序（尤其是喷雾干燥）的顺利和高效实现。在技术流程的末端，最终目标是获得质量合格的陶瓷砖。多准则决策（MCDM）是一种日益广泛应用于优化、问题解决和技术流程改进中用于选择最优技术参数的工具。研究人员提出了对称点准则-周长相似度排序（SPC-RAPS）作为一种MCDM混合方法，用于陶瓷砖生产过程中研磨工序最优技术参数的选择。根据多种准则对备选方案（原料、研磨球和研磨时间）进行排序和选择。除了与研磨产品（泥浆）特性及最终产品（陶瓷砖）技术特性相关的技术参数外，准则还包括经济参数（原料市场价格和研磨单位能耗）。所建立的数学模型能够选择最佳备选方案作为该问题的解决方案。
**论文解读：基于SPC-RAPS混合MCDM方法的陶瓷砖生产研磨工艺参数优化**
**研究背景与问题**
陶瓷砖作为一种建筑装饰材料，其生产过程涉及多个因果关联的工序，其中湿法研磨是制备泥浆（slip）的关键步骤。泥浆的性质（如粒度分布、密度、黏度）直接影响后续喷雾干燥及最终陶瓷砖的质量。研磨工序的参数选择复杂，涉及原料类型（高岭土化花岗岩、长石、黏土）、研磨球类型（硅质球、氧化铝球）、研磨时间等多个变量，且需兼顾经济性（原料价格、能耗）。现有研究多采用单一准则或经验法确定参数，缺乏系统性多准则优化手段。为综合解决技术指标与经济指标的权衡问题，研究人员引入多准则决策（MCDM）方法，提出SPC-RAPS（对称点准则-周长相似度排序）混合模型，旨在从工业试验数据中筛选最优研磨参数组合。
**研究内容与结论**
研究人员基于塞尔维亚陶瓷工业的实测数据，设计了6种备选方案（A1–A6），涉及不同粒度长石（细粒80%-0.045 mm与粗粒80%-4+2 mm）、研磨球类型/尺寸（硅质球-50+20 mm、硅质球-100+40 mm、氧化铝球-50+20 mm）及研磨时间（5–13 h）。定义了9个评价准则：C1（筛下量，%）、C2（泥浆密度，kg/m3）、C3（泥浆黏度，s）、C4（原料市场价格，EUR/t）、C5（陶瓷砖收缩率，%）、C6（陶瓷砖烧失量，%）、C7（陶瓷砖抗弯强度，MPa）、C8（陶瓷砖吸水率，%）、C9（研磨单位能耗，kWh/t）。其中C2、C3、C7、C8为区间目标准则，通过Hausdorff距离转换为最小化目标；所有准则最终均处理为最小化目标。应用SPC方法确定客观权重，RAPS方法计算备选方案的周长相似度并排序。结果表明，最优方案为A5：粗粒长石（80%-4+2 mm）+硅质球（-100+40 mm）+研磨时间12 h。经济因素权重最高（原料价格24%，能耗12%），技术参数权重介于8%–12%，烧失量权重最低（5%）。敏感性分析显示模型对权重变化敏感，但A5在多数场景中保持首位。该研究验证了SPC-RAPS方法在陶瓷研磨工艺优化中的有效性，为多参数耦合的工业过程提供了一种定量决策工具。论文发表在《Applied Sciences》。
**关键技术与方法**
1. **SPC-RAPS混合MCDM框架**：结合对称点准则（SPC）确定客观权重与周长相似度排序（RAPS）进行备选方案排序。
2. **Hausdorff距离变换**：将区间目标准则（如C2、C3、C7、C8）的实际值与目标区间间的距离量化为实数，实现混合决策矩阵的归一化。
3. **对称点准则（SPC）权重计算**：基于各准则值与其对称点（最小与最大值的均值）的绝对距离，计算模量对称性，得到无主观偏好的客观权重。
4. **RAPS排序算法**：通过加权归一化矩阵分解备选方案为最大/最小分量，计算最优备选方案周长及备选方案周长相似度，按相似度降序排列。
5. **敏感性分析**：设置10种不同权重分配场景，利用Pearson相关系数评估模型稳定性，验证A5的鲁棒性（5/10场景保持首位）。
**研究结果**
**1. 问题定义与描述**
研究人员基于塞尔维亚工业条件，定义了6组研磨试验（原料组合、研磨球类型、研磨时间），每组筛选出最佳结果，最终形成6个备选方案（A1–A6）。泥浆与陶瓷砖的质量参数依据塞尔维亚标准（SRPS ISO 10545）及制造商内部文件（ISO 9001:2001）检测。
**2. 基于SPC-RAPS的备选方案选择**
- **混合决策矩阵构建**：采用Hausdorff距离将C2、C3、C7、C8的区间目标转化为最小化距离，所有准则统一为最小化目标，并通过倒数变换将C1（筛下量）转为最大化目标以适配双向准则。
- **SPC权重计算**：通过对称点与绝对距离计算，得出各准则客观权重：C4（24%）、C9（12%）、C1（12%）、C2（11%）、C3（10%）、C5（9%）、C7（8%）、C8（8%）、C6（5%），经济因素权重最高。
- **RAPS排序**：加权归一化后，计算最优备选方案（各准则最大值）与各备选方案的周长相似度，按降序排列：A5 > A1 > A4 > A6 > A3 > A2。A5（粗粒长石+硅质球-100+40 mm+12 h）获胜。
**3. 敏感性分析**
通过10种权重分配场景（S1–S10，每种场景将某一准则权重增至50%），Pearson相关系数分析表明：原始场景（S0）与S5（强调C5）完全相关（0.9429），与S1（强调C1）强相关（0.8286），与其余场景相关度低（平均0.2514），显示模型对权重变化敏感。A5在5个场景中保持首位，A2在5个场景中保持末位，其余备选方案稳定性较差。
**讨论与结论**
研究结论部分指出：通过应用MCDM，特别是SPC-RAPS混合方法，得出备选方案A5在6个方案中排名第一。因此，在工业条件下实现研磨原料最优条件（获得满足后续工序要求的泥浆及最终质量合格的陶瓷砖）可设定为：原料为高岭土化花岗岩（60%-0.5 mm）、黏土（80%-0.5 mm）与粗粒长石（80%-4+2 mm）的混合物；研磨介质为硅质球（-100+40 mm）；研磨时间12 h。所有其他操作参数保持不变。各准则对方案选择的影响权重各异：经济因素（原料价格24%、能耗12%）影响最大，其次为泥浆特性（粒度分布、密度、黏度，各8%–12%）及陶瓷砖特性（收缩率、抗弯强度、吸水率，各8%–12%），烧失量影响最小（5%）。MCDM作为一种数学工具，能为技术流程中的问题解决、优化与改进做出显著贡献，尤其适用于由因果关联工序组成的过程。在此案例中，综合考虑技术及经济因素，确定了研磨的最优技术参数。MCDM的特殊价值在于能够在参数小幅变化范围内快速处理数据并选择最佳方案，因而成为一种强大且实用的工具。
