2017年5月23日 考慮加工中心市場競爭性評價的用戶可用性需求重要度確定 市場競爭性評價指的是從顧客的視角對競爭市場上本企業和競爭對手產品在對顧客需求的滿足程度方面的評價。這一過程能夠掲示出市場上現有產品的優劣勢,并找出本企業產品須改進完善的地方。在QFD分析中考慮市場競爭性評估對顧客需求重要度的影響，是企業依據其實力和改進意愿對基本重要度的一種修正,這樣可得到更合理的顧客需求最終重要度。本文中，由于市場競爭性評價矩陣由待評機床、國外同類機床和國內同類機床三種機床在各項可用性需求指標上的評價值構成，由此需要首先構建市場競爭性評價矩陣，這里涉及到市場競爭評價矩陣中可用性需求定量定性指標的計算。基于該矩陣，引入熵權法進行考慮市場競爭性評價的用戶可用性需求重要度求取。3.3.1加工中心市場競爭性評價矩陣構建由于市場競爭性評價矩陣是對于待評機床、國外同類以及國內同類機床在所確定的七個可用性需求指標上的滿意性分值構成的矩陣，涉及到具體數值給定，因此這里矩陣構建實質上是對其中定性定量指標的研究。可用性需求指標既有精度保持性、故障診斷、維修難易程度、符合維修的人機環工要求和維修費用等不容易精確測量的定性指標，又有MTBF,維修時間這樣易計量的可用性需求定量指標，因此，市場競爭性評價矩陣里可用性需求指標上數值的給定需從定性、定量兩個方面展開研究。由于其中定量指標并無滿意度衡量的統一標準，因此所構成市場競爭性評價矩陣中用定量值直接給定。3.3.3.1市場競爭性評價矩陣定量指標計算構建CNC加工中心市場競爭性評價矩陣，需對整機可靠性和維修性進行建模,明晰其MTBF及MTTR估計值。本文通過加工中心可用性現場試驗，由試驗性質進行二者定量數值探尋。(1)加工中心可用性現場試驗加工中心現場故障及維修信息是進行市場競爭性評價的基本依據。本次加工中心可用性試驗試驗樣本為137臺，這些樣本都是出廠前，經過檢測確定為合格產品，并有正式合格證的加工中心，如此確定了考核的范圍和選擇的樣機。另外，為了保證此次試驗能夠公平、公證、合理有效的進行，與廠家相關工作人員（維護者、設備管理者以及機床生產企業的售后服務者）一起溝通協調后，共同制定了本次實驗方案。為期6個月的定時截尾可用性現場試驗結束后，對所有樣本的故障，按照故障依據和類型進行分類，并得到137臺精工加工中心的故障時間和具體的維修記錄，由記錄數據進行機床整機可靠性及維修性建模，進而得到MTBF與MTTR點估計值。(2)整機可靠性建模(1)整機故障數據處理在數據處理之前，需要將故障數據和截尾數據按增序排列，這里為了更合理的對故障進行排序，采用Johnson法[112_114]。該方法一般采用如下方法來確定順序號：假定數組中有〃個數據，而右截尾數據^個，故障數據個，采用的是增序排列法，對所有〃個數據，按從小到大排成1到〃，將列編號記為7_。接著，只對其中的故障數據進行編號，并按照從小到大的順序由1記到將列編號記為/。第/個故障數據的故障順序號可采用如下關系式來計算：假設故障間隔時間的經驗分布函數^(0服從威布爾分布，兩參數威布爾分布公式為:立式加工中心故障間隔時間的參數估計可用最小二乘法來進行[115]。設直線方程為夕=2+心，4、5為線性回歸的估計值。按照線性回歸法得到四種分布模型的參數估計和相關系數見表3.9。因為，故可以認為線性關系顯著。即故障數據對表中四種分布都不拒絕。故需進行擬合優度檢驗，以確定故障數據的最優分布模型。(2)基于熵權-TOPSIS的可靠性模型優選為使可靠性模型的判斷更具有科學性，在分析現有可靠性模型確定方法的基礎上，本文提出采用綜合考慮主、客觀等多種因素的熵值-TOPSIS的方法來確定試驗數據的最佳分布[117],其中TOPSIS(TechniqueforOrderPreferencebySimilaritytoIdealSolution)法是一種較新的有限方案多目標決策分析法，該法具有計算簡便、分析結果較合理、應用靈活等特點，將其引入可靠性模型優選中，并采用熵理論來計算權重，為可靠性模型優選提供了一種新途徑[118_119]。具體步驟如下：(3)決策矩陣的確定與標準化因為所得實驗數據對于四種分布都不拒絕，所以選威布爾分布、指數分布、正態分布和對數正態分布等構成備擇分布，記為。另外，為判定哪一種分布模型最符合試驗數據，建立了5種判據指標，構成判據指標集。其中前4種為定量指標，第5種為定性指標，5種指標指代內容及數值計算如下：整機可靠性建模線軌加工中心的可用性，既要注意產品是否易壞，也要注意產品是否易修。因此，為了對加工中心的可用性進行研究，就需要對本次試驗中加工中心維修性的規律問題進行研究，并得到MTTR估計值。1)整機維修性模型判斷按照加工中心（高速加工中心）的維修性觀測值，對維修模型的概率密度函數和分布函數進行擬合。將維修時間的192個觀測值te(1.5，473)劃分為十組，具體如表3.10。表3.10加工中心維修時間分組情況 組號 區間上 區間下 組中值 頻數 頻率 累計 1 1.87 48.983 50.853 137 0.713 0.713 2 48.98 96.096 72.539 25 0.130 0.844 3 96.096 143.209 119.652 10 0.0520 0.896 4 143.209 190.322 166.765 11 0.057 0.953 5 190.322 237.435 213.878 5 0.026 0.979 6 237.435 284.548 260.991 0 0 0.979 7 284.548 331.661 308.104 0 0 0.979 8 331.661 378.774 355.217 0 0 0.979 9 378.774 425.887 402.330 0 0 0.979 10 425.887 473 449.443 4 0.021 1 通過分析上面兩幅圖，可以看出，此次試驗加工中心（龍門加工中心）的維修概率密度函數曲線都是呈現單峰偏態分布，且其函數曲線整體呈現凸形。并且，與其它常見的維修性分布類型的曲線相比較，得出正態分布、對數正態分布和伽瑪分布與本次維修時間分布類型最為接近，因此，由以上圖的特征以及基于經驗綜合比較后，本次試驗采用對數正態分布作為本模型的分布圖。2)經驗分布函數經驗分布函數要以樣本為基礎，對總體的特征進行推斷，一般是采用由樣本頻率對總體進行估計。這里，假設本組的觀測數據…通過該組觀測值所得到的維修時間順序統計量為：^SS…SS…S。上式中，對數正態分布的對數均值和對數方差兩個參數分別用#和cr2來表示，而對于這兩個參數的估計，本文采用極大似然法，對其進行估計。依據該方法，在進行估計之前,需要選定好相應的參數，使得樣本在該區域內出現的可能性較大，并將該值當作未知參數的點估計值。假定從滿足對數正態分布的樣本總體中取出一組樣本{tl5t2，…tj,其中，tl5t2，…tn為該次試驗加工中心（臥式加工中心）維修時間的"次獨立觀察值，則其似然函數為：同樣，這里為了更好的對擬合模型進行估計，以保證與維修數據之間的吻合，針對模型的性能參數，采取最大似然估計的方法對參數進行檢驗與擬合。計算樣本數據的觀察值與擬合模型的計算值之間的誤差，當差異充分小時，就可以接受擬合模型。設樣本的總體分布函數是從(0,經驗分布函數是財„(0,對所有數據的MQ(x,)進行計算，將MQ(x,)與經驗分布函數#„(^,)做對比，其中差值的最大絕對值就是檢驗統計量化的觀察值。將化與化#做對比，拒絕域為：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！本文由海天精工整理發表文章均來自網絡僅供學習參考，轉載請注明！ ? 上一篇 關鍵外購外協件入廠驗收下一篇 ? 可用性需求指標篩選