定性指標定量化方法很多,如專家評分、模糊評價、層次分析法等,因單指標賦值會 給評價結果帶來偏差,而模糊評價中模糊隸屬度函數,得出此過程極大程度地受到了主觀 因素的影響,這樣直接導致了決策結果難以保證科學合理。因此,本文運用云模型表示決 策者提供的評價信息,有效解決了市場競爭矩陣中定性指標定量化處理問題。
云模型是定性概念與定量描述的不確定性模型,該模型把模糊性和隨機性融合在一 起,以實現定量和定性分析。云的數字特征通常是由如下幾個參數來表示的:期望值盡、 熵盡、超熵乂。其中,期望值指的是屬性概念在論域的中心位置,是一個最有利于體現 這一概念的參數;熵是對屬性概念的模糊程度進行衡量的參數,體現的是被屬性概念所接 受的范圍;超熵是云滴的離散程度的參數,表明了屬性概念隨機性和模糊性的關聯。
借助/H立專家對定性指標進行語言型評判,各個語言型評價值都有一個云模型與其對 應,那么A個語言型評價值便可通過一個綜合云模型進行表示[122],
借助故障數據計算,按照同樣方法,可知國外和國內同類機床產品MTBF和維修時間 值,同時基于故障數據,由4家用戶對三種機床在各個指標上的表現進行滿意度的賦值打 分(其中定量指標值通過計算給定,這是因為機床在MTBF和維修時間指標上并不存在統 一評判標準,故此處直接給出定量值),如表3.12所示。
表3.12指標語言值評價結果
|
用戶可用 |
|
待評產品 |
|
|
國外同類產品 |
|
|
國內同類產品 |
|
|||
|
性需求 |
1 |
2 |
3 |
4 |
1 |
2 |
3 |
4 |
1 |
2 |
3 |
4 |
|
MTBF |
659 |
659 |
659 |
659 |
1576 |
1576 |
1576 |
1576 |
664 |
664 |
664 |
664 |
|
精度保持性 |
一般 |
一般 |
一般 |
一般 |
較好 |
較好 |
一般 |
一般 |
一般 |
一般 |
一般 |
一般 |
|
故障診斷 |
一般 |
較好 |
較好 |
一般 |
較好 |
較好 |
好 |
好 |
一般 |
一般 |
一般 |
一般 |
|
維修難易程度 |
較差 |
較差 |
一般 |
一般 |
一般 |
一般 |
較好 |
較好 |
較差 |
較差 |
差 |
差 |
|
符合維修的人 機環工程要求 |
一般 |
較差 |
較差 |
一般 |
較好 |
較好 |
較好 |
較好 |
一般 |
較好 |
較好 |
一般 |
|
維修費用 |
較好 |
較好 |
一般 |
一般 |
較差 |
較差 |
差 |
差 |
一般 |
較好 |
較好 |
一般 |
|
維修時間 |
53.9 |
53.9 |
53.9 |
53.9 |
28.7 |
28.7 |
28.7 |
28.7 |
30.4 |
30.4 |
30.4 |
30.4 |
|
將各語言值通過云模型反映出來, 為最終的評價結果,結合整機MTBF, |
通過式(3-48)得出定性指標的期望值,并將其作 維修時間的具體數值,得到3個企業7個指標構成 |
|||||||||||
的初始決策矩陣,即市場競爭性評價矩陣,見表3.13。在該矩陣中,國內外同類產品的定 量值通過樣本數據計算以及評分得到,具體方法參考本系列機床產品。
表3.13指標初始決策矩陣
|
加工中心用 戶可用性需求 |
待評產品 |
國外同類產品 |
國內同類產品 |
|
MTBF |
659 |
1576 |
664 |
|
精度保持性 |
0.5000 |
0.6187 |
0.5000 |
|
故障診斷 |
0.6187 |
0.8823 |
0.5000 |
|
維修難易程度 |
0.3813 |
0.618 7 |
0.1177 |
|
符合維修的人機 環工程要求 |
0.3813 |
0.6910 |
0.6187 |
|
維修費用 |
0.618 7 |
0.1177 |
0.618 7 |
|
維修時間 |
53.9 |
28.7 |
30.9 |
本文采摘自“基于QFD的加工中心可用性保障技術研究”,因為編輯困難導致有些函數、表格、圖片、內容無法顯示,有需要者可以在網絡中查找相關文章!
本文由伯特利數控整理發表文章均來自網絡僅供學習參考,轉載請注明!
2024-11
本文以組合式六角亭模型為實例,分析工藝難點與加工可行性,指出該模型的加工難點是模型形狀不規則和整體剛性差,并通過設計新的工藝方案解決加工難點,完成了模型整體的加工。新的加工工藝有助于提高加工效率和精度,為五軸數控加工提供了一個典型案例,對于五軸加工中心數控加工也具有指導作用和重要… [了解更多]
2024-11
宇匠數控 備注:為保證文章的完整度,本文核心內容由PDF格式顯示,如未有顯示請刷新或轉換瀏覽器嘗試,手機瀏覽可能無法正常使用!本文摘要:通過對混聯五軸加工中心自適應深度學習控制方法的 研 究,可 知 此 方 法 的 創 新 之 處 在 于:1)建 立 了 機 床 的 運 動 學 … [了解更多]
2024-11
在機測量技術由于其成本低、檢測效率高、無需二次裝夾等優勢被廣泛用于零件加工測量當中,使得五軸加工中心和五軸鉆攻中心,同時又兼具測量功能。在機測量系統的構成如圖1所示,硬件部分主要是由高精度探頭、信號接收器、機床整個本體,軟件部分由機床控制系統、測量軟件等組成[8]。待零件加工完成… [了解更多]
2024-11
?加工精度是影響機床性能和產品質量的主要難題,也是制約國家精密制造能力的重要因素。本文以五軸加工中心為對象,針對提升機床精度進行了研究。并且隨著科技的發展,精密的儀器和零件在生產實踐中占據的分量逐漸增加,在數控機床這種精密機器精度不斷提高的同時,必須控制內外界環境的隨機影響因素在… [了解更多]