CN107703884B - 一种数控机床可用性改进方法及装置 - Google Patents
一种数控机床可用性改进方法及装置 Download PDFInfo
- Publication number
- CN107703884B CN107703884B CN201711129731.6A CN201711129731A CN107703884B CN 107703884 B CN107703884 B CN 107703884B CN 201711129731 A CN201711129731 A CN 201711129731A CN 107703884 B CN107703884 B CN 107703884B
- Authority
- CN
- China
- Prior art keywords
- influence
- fault
- availability
- matrix
- numerical control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/408—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by data handling or data format, e.g. reading, buffering or conversion of data
- G05B19/4086—Coordinate conversions; Other special calculations
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/35—Nc in input of data, input till input file format
- G05B2219/35356—Data handling
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种数控机床可用性改进方法及装置,该方法包括:接收统计的数控机床故障相关数据和用户需求;将数控机床故障相关数据根据决策实验室法得到整体影响矩阵,并转化为解释结构模型中的可达矩阵,建立多级递阶结构模型;建立数控机床的可用性需求族,根据用户需求和多级递阶结构模型分析可用性需求族,构建数控机床的可用性需求层级图。本发明整合DEMATEL/ISM/QFD进行数控机床可用性改进,更有效更迅速地提高数控机床产品可用性,实现数控机床的可用性需求层级更加直观,以满足用户的要求。
Description
技术领域
本发明属于数控机床的技术领域,尤其是一种数控机床可用性改进方法及装置。
背景技术
随着全球性市场竞争的日趋激烈、用户对数控机床产品性能个性化需求的日益增长,数控机床产品的复杂性日渐突出,若出现故障,便会给企业造成重大损失。使机床保持“要用时就能用”的状态,增强其可用性水平已成为提高我国机床产业市场竞争力的关键所在。所以,研究数控机床可用性问题显得极其重要。
当前对可用性改进研究多基于故障分析结果找出关键故障模式来进行,各学者对可用性的研究主要有以下几方面:依据产品故障机理,利用故障模式、影响及危害性分析(Failuremode effects and criticality analysis,FMECA)技术探索系统薄弱环节;依照产品故障传递关系,将GO法分析、故障树分析(Fault tree analysis, FTA)等技术进行故障分析;借助产品各子部件与整机可靠性参数的函数关系获取子部件故障影响度;集成DEMATEL-ISM法,结合故障统计相关数据,探寻故障相关关系及建构故障层级结构模型等。这里DEMATEL与ISM均是进行复杂系统分析与决策的重要方法,其中DEMATEL借助量化的质量特性间相互影响程度,找出复杂系统中的核心问题以及改善方法,ISM是通过量化方式建构具有层级特性的多级递阶模型图。
但是,现有的数控机床可用性改进研究存在主要存在以下缺点:
(1)这些方法均是从产品本身的角度出发,以产品运行中的故障统计数据为基础而进行的研究,在用户对数控机床产品性能个性化需求日益增长的今天,现有的方法在满足广大机床用户对数控机床可用性需求方面存在不足;
(2)DEMATEL与ISM多是单独使用,尽管现有方法中存在DEMATEL 与ISM的整合,整合后ISM系统层次结构简化了单独使用一种工具的复杂度,但在判读上依然较为复杂。
综上所述,针对现有技术如何实现及时满足用户需求,使需求信息实现向数控机床关键组件可用性改进方案有效转化,以及简化使用复杂度的问题,尚缺乏有效的解决方案,成为增强数控机床可用性水平的急需方法。
发明内容
针对现有技术中存在的不足,解决现有技术中如何实现及时满足用户需求,使需求信息实现向数控机床关键组件可用性改进方案有效转化的问题,本发明提供了一种数控机床可用性改进方法及装置,从用户可用性需求出发,根据数控机床的故障机理,采用决策实验室法DEMATEL、解释结构模型ISM和质量功能展开整合法QFD进行数控机床可用性改进方法,以获取准确的可用性改进方案。
本发明的第一目的是提供一种数控机床可用性改进方法。
为了实现上述目的,本发明采用如下一种技术方案:
一种数控机床可用性改进方法,该方法包括:
接收统计的数控机床故障相关数据和用户需求;
将数控机床故障相关数据根据决策实验室法得到整体影响矩阵,并转化为解释结构模型中的可达矩阵,建立多级递阶结构模型;
建立数控机床的可用性需求族,根据用户需求和多级递阶结构模型分析可用性需求族,构建数控机床的可用性需求层级图。
作为进一步的优选方案,在本方法中,所述将数控机床故障相关数据根据决策实验室法得到整体影响矩阵包括:
根据数控机床故障相关数据,确定构成数控机床故障相关组件集合,构建故障有向图;
将故障有向图转化为所有故障组件间的直接影响矩阵;
标准化所有故障组件间的直接影响矩阵,并计算综合影响矩阵;
计算综合影响矩阵与单位矩阵之和得到整体影响矩阵。
作为进一步的优选方案,在本方法中,还根据综合影响矩阵计算故障相关组件之间的关系,所述故障相关组件之间的关系包括每个故障相关组件的影响度、被影响度、中心度和原因度。
作为进一步的优选方案,在本方法中,将可达矩阵进行区域分解与级位划分建立多级递阶结构模型。
作为进一步的优选方案,在本方法中,根据质量功能展开法建立数控机床的可用性需求族。
作为进一步的优选方案,在本方法中,所述可用性需求族包括可靠性需求族和维修性需求族。
作为进一步的优选方案,在本方法中,还包括:根据用户需求和故障相关组件之间的关系分析可用性需求族,计算各个故障组件在用户需求中权重值,通过权重值反映各个故障组件的重要程度;
作为进一步的优选方案,在本方法中,还包括:根据多级递阶结构模型和故障组件的重要程度构建数控机床的可用性需求层级图。
本发明的第二目的是提供一种计算机可读存储介质。
为了实现上述目的,本发明采用如下一种技术方案:
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备设备的处理器加载并执行以下处理:
接收统计的数控机床故障相关数据和用户需求;
将数控机床故障相关数据根据决策实验室法得到整体影响矩阵,并转化为解释结构模型中的可达矩阵,建立多级递阶结构模型;
建立数控机床的可用性需求族,根据用户需求和多级递阶结构模型分析可用性需求族,构建数控机床的可用性需求层级图。
本发明的第三目的是提供一种数控机床可用性改进装置。
为了实现上述目的,本发明采用如下一种技术方案:
一种数控机床可用性改进装置,采用计算终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行以下处理:
接收统计的数控机床故障相关数据和用户需求;
将数控机床故障相关数据根据决策实验室法得到整体影响矩阵,并转化为解释结构模型中的可达矩阵,建立多级递阶结构模型;
建立数控机床的可用性需求族,根据用户需求和多级递阶结构模型分析可用性需求族,构建数控机床的可用性需求层级图。
本发明的有益效果:
本发明所述的一种数控机床可用性改进方法、系统及装置,通过DEMATEL 对故障组件因素间的影响关系程度进行运算;再结合ISM层级化过程有效简化故障组件因素间的复杂关系,准确掌握故障组件可用性改进的优先顺序;最后运用QFD将用户需求转换为技术需求的概念,建立可用性需求族并区分出各族可用性改进重点与优先顺序,使可用性人员更明确掌握各族的改进重点;
本发明所述的一种数控机床可用性改进方法、系统及装置,借助DEMATEL 因果关系图的划分简化QFD矩阵,使可用性技术人员能更清晰掌握各族可用性改进重点;整合DEMATEL/ISM/QFD的可用性改进分析模式,更有效更迅速地提高数控机床产品可用性以满足用户的要求。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本发明中的方法流程图;
图2为本发明中实施例1的方法流程图;
图3为本发明中实施例1的递阶层次结构模型图;
图4为本发明中实施例1的可靠性需求族层级图;
图5为本发明中实施例1的维修性需求族层级图;
图6为本发明中实施例1的因果示意图。
具体实施方式:
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本实施例使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
针对现有技术中存在的不足,解决现有技术中如何实现及时满足用户需求,使需求信息实现向数控机床关键组件可用性改进方案有效转化的问题,本发明提供了一种数控机床可用性改进方法及装置,从用户可用性需求出发,根据数控机床的故障机理,采用决策实验室法、解释结构模型和质量功能展开整合法进行数控机床可用性改进方法,以获取准确的可用性改进方案。
在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面结合附图与实施例对本发明作进一步说明。
实施例1:
本实施例1的目的是提供一种数控机床可用性改进方法。
为了实现上述目的,本发明采用如下一种技术方案:
如图1所示,
一种数控机床可用性改进方法,该方法包括:
步骤(1):接收统计的数控机床故障相关数据和用户需求;
步骤(2):将数控机床故障相关数据根据决策实验室法得到整体影响矩阵,并转化为解释结构模型中的可达矩阵,建立多级递阶结构模型;
步骤(3):建立数控机床的可用性需求族,根据用户需求和多级递阶结构模型分析可用性需求族,构建数控机床的可用性需求层级图。
本实施例以数控机床典型产品—加工中心为例进行实证研究,以达成以下研究目的:
1.采用DEMATEL与ISM法分析因果关系因素间的关联关系与相互影响程度,找出加工中心基础改进组件。
2.引入QFD法,建立加工中心可用性需求族,依照用户需求与故障组件关系分析各族的可用性改进重点,用以缩短各需求族影响因素即故障组件的改进时程。
3.运用影响矩阵乘法的分类法分析故障组件之间的因果关系与相互影响程度,找出加工中心改进故障组件的重点核心。
本实施例首先通过DEMATEL法得到因素间综合影响关系矩阵进而获取整体影响矩阵;依据整体影响矩阵和可达矩阵的关系,实现整体影响矩阵向ISM 中可达矩阵的转换,依据可达矩阵采用ISM法建构其层级结构,再通过QFD依照可用性需求建立关系矩阵,通过权重方式区分出各故障组件的重要程度,最后结合ISM层级结构,依照故障组件重要程度构建出机床可用性需求的层级图,如图2所示。
DEMATEL法目的是将复杂难解的系统,通过直接比较质量特性之间的相互关系,利用矩阵计算获得所有质量特性间的直接与间接因果关系及影响强度,找出复杂系统中的核心问题及改善方向并用于决策制定。
ISM法是由Warfield提出的一种分析与建立复杂系统内元素关系的系统构造模型法。借助该法,可分析复杂系统内各个要素之间的关联关系,并由量化方式建构具有层级特性的多级递阶模型图。
DEMATEL主要目的是简化ISM的运算复杂度,从DEMATEL法中可发现,综合影响矩阵T能揭示出不同因素间影响关系及程度,而无法反映因素对其自身的影响。将T矩阵加上表示因素对其自身的影响矩阵,即单位矩阵I,便可获得整体关系矩阵H。H体现出了系统因素的整体关系。
本实施例的具体步骤如下:
步骤1:根据故障统计相关数据,确定构成数控机床故障相关组件集合 S={Si},i=1,2,…,n;其中Si表示第i个与其他组件存在相关故障的组件,n表示存在相关故障的故障组件数目;
对采集获取的某系列加工中心故障数据进行分析,划分故障组件,如表1 加工中心故障组件所示。
表1
序号 | 组件 | 代码 | 序号 | 组件 | 代码 |
1 | 刀库系统 | S<sub>1</sub> | 6 | 气动系统 | S<sub>6</sub> |
2 | 电气系统 | S<sub>2</sub> | 7 | 润滑系统 | S<sub>7</sub> |
3 | 进给系统 | S<sub>3</sub> | 8 | 数控系统 | S<sub>8</sub> |
4 | 冷却系统 | S<sub>4</sub> | 9 | 主轴系统 | S<sub>9</sub> |
5 | 排屑系统 | S<sub>5</sub> | 10 | 防护系统 | S<sub>10</sub> |
步骤2:将故障有向图转化为所有故障组件间的直接影响矩阵Y
Y=(yij)n×n (1)
其中,yij为组件Si影响组件Sj的影响次数,i=j时,yii=0,n表示存在相关故障的故障组件数目;
由10个故障组件组合而成10*10关系矩阵,通过对故障数据进行分析整理,找出故障组件之间的相关故障,并将组件引起对象组件发生故障的个数作为对其影响程度。在确定影响值时,行要素对列要素的影响值填在该行所处列位置上, 即第m行的要素对第n列要素的影响值应填在第m行第n列的位置。如,S2引起 S1发生4次故障,则在(S2,S1)的位置填入4。
步骤3:对所有故障组件间的直接影响矩阵Y标准化,得到标准化矩阵X
式中:yij为组件Si影响组件Sj的影响次数,n表示存在相关故障的故障组件数目;
定义直接关系矩阵因素间关系强弱后,以列或行的向量和最大者为标准化基准进行矩阵标准化,求出标准化直接关系矩阵。
步骤4:计算综合影响矩阵T
式中:I为单位矩阵,X为标准化矩阵,Xk表示组件Si对组件Sj的k阶段间接影响,其中Si表示第i个与其他组件存在相关故障的组件,Sj表示第j个与其他组件存在相关故障的组件,i,j,k=1,2,…,n;
步骤5:确定整体影响矩阵H
计算整体影响矩阵H,其计算公式为:
H=T+I=[hij]n×n (4)
式中:I为单位矩阵,hij表示考虑故障组件对自身影响后,组件Si对组件Sj的直接与间接影响程度大小,n表示存在相关故障的故障组件数目;
在本实施例中,整体影响矩阵H为:
步骤6:求出每个故障相关组件的影响度、被影响度、中心度、原因度;
设综合影响矩阵T的行和向量为Q、列和向量为D,
T=[tij]n×n,i=1,2,…n;j=1,2,…n (5)
式中:Qi表示影响度;Di表示被影响度;tij表示组件Si对组件Sj的直接与间接影响程度大小,tij≠0,说明组件Si与组件Sj是有故障相互影响关系的,否则无关;n表示存在相关故障的故障组件数目;
因此,Qi+Di为中心度,Qi-Di为原因度:
中心度表明了系统中各要素间的联系程度,该值越大,故障相互作用越密切。原因度决定了各要素在系统中所处的位置。若该值大于0,则表示该故障对其他故障影响大于其他故障对自身影响,称为原因故障要素;原因度小于0,表示该故障对其他故障影响小于其他故障对自身影响,称为结果故障要素。
步骤7:确定可达矩阵M;
通过整体影响矩阵H,即可确定可达矩阵M,令
M=[mij]n×n,i,j=1,2,…n (10)
mij按照下式取值:
其中,λ为给定阈值,λ的大小直接影响可达矩阵构成及后续的层次结构划分;对于n值较小的系统,无需简化,设置λ=0;
mij表示在给定阈值λ下,组件Si对组件Sj是否存在影响,若hij>λ,表示存在影响,mij值为1;若hij≤λ,表示不存在影响,mij为0;
设置门槛值λ=0,采用公式(10-11)将H矩阵转换为可达矩阵M
步骤8:区域分解和级位划分:定义组件Si影响的组件集合为组件Si的可达集R(Si),影响组件Si的组件集合为组件Si的先行集A(Si),借助计算可达集 R(Si)和先行集A(Si),对M进行区域分解与级位划分;
区域分解:将Y=(eij)n×n定义为共同集,把共同集R(Si)∩A(Si)=A(Si)的要素定义为起始集B(S),对于B(S)中的Si和Sj,若R(Si)∩A(Sj)=Φ,则Si和Sj不属同一区域,反之为同一区域,如此可实现区域的分解;区域分解的结果可记为 P(S)=P1,P2,…Pk,其中Pk为第k个相对独立区域的组件集合,k=1,2,…,n;
级位划分:对于同一区域P1,依次获得满足R(Si)∩A(Si)=R(Si)的组件,找出各等级集合,表示为
L1={Si/Si∈P1-L0,R(Si)∩A(Si)=R(Si),i=1,2,…,n}
L2={Si/Si∈P1-L1,R(Si)∩A(Si)=R(Si),i<n}
… (12)
Lk={Si/Si∈P1-L1-…-Lk-1,R(Si)∩A(Si)=R(Si),i<n}
式中,Lk为级位划分得出的各等级集合。
步骤9:根据以上分层结果及可达矩阵得到多级递阶结构模型。
将可达矩阵M确定出各因素的可达集R(Si)和先行集A(Si),对其依据公式 R(Si)∩A(Si)=R(Si)进行层级抽取,将M转换为群聚化可达矩阵M(L)。并采用公式 (12)获得故障组件因素层级图,如图3所示,
由图3可知该模型为三级递阶层次结构模型,由第3层要素借助影响传递关系影响到第二层、第一层要素。其中,第三层要素是深层次要素,属于基础要素,涉及电气系统(S2)、气动系统(S6)和润滑系统(S7);第二级要素是浅层要素,涉及冷却系统(S4)和数控系统(S8);第一级要素是表层要素,涉及刀库系统 (S1)、进给系统(S3)、排屑系统(S5)与主轴系统(S9)。所以,要对电气系统、气动系统和润滑系统的可用性予以重点改进。
步骤10:根据质量功能展开法建立数控机床的可用性需求族。
根据质量功能展开法建立数控机床的可用性需求族。QFD是日本质量专家赤尾洋二与水野滋创造的一种将顾客需求转换为设计需求的工具,它借助质量屋的矩阵分析可以掌握市场与顾客的需求,并将其转换为具体的产品。质量屋一般由左墙、天花板、房间、屋顶、右墙和地下室等组成。
所述可用性需求族包括可靠性需求族和维修性需求族。根据用户需求和故障相关组件之间的关系分析可用性需求族,计算各个故障组件在用户需求中权重值,通过权重值反映各个故障组件的重要程度;
在本实施例中,依照用户需求特性通过访谈方式确定各可靠性需求族和维修性需求族的可用性需求权重,由无影响到强烈影响给予1-5等五个等级的评分。如,满足可靠性需求须有较低的故障率值,给予其权重分数为5分。
由资深可用性技术人员对故障组件对可用性需求的影响进行评判打分,依据故障数据将故障组件对可用性需求的影响给出从无影响到强烈影响0-5等六个等级的评分;算出各可用性需求族中故障组件的加权总值,再通过可用性人员的经验判断设定门槛值,将各组件的加权总值进行区分,大于门槛值的为H(高影响),否则为L(低影响),如表2QFD矩阵表所示。
表2
由QFD矩阵表中求得各族中高影响组件因素分别为,可靠性需求族:S1,S3, S7,S9;维修性需求族:S2,S3,S8,S9。根据多级递阶结构模型和故障组件的重要程度构建数控机床的可用性需求层级图。将各族中拥有高影响程度的组件因素在ISM的因素层级图中找出其相关因素,如图4,图5所示。
由图4与图5各族层级图中可识别出故障组件因素间影响关系,如:可靠性需求族中S7影响S3,S5和S9;S3被S2,S7,S8影响;S9被S2,S6,S7,S8影响,S1被S2,S6,S8影响;因此对可靠性需求族进行改进时,如改进S7应将故障组件S3,S5和S9的被影响状况列入考虑。维修性需求族中S2影响S4, S8,S1,S3,S5,S9;S8影响S1,S3,S9;因此进行维修性需求改进时,应优先改进S2,同时也应将S4,S8,S1,S3,S5,S9的被影响状况列入考虑。
通过QFD依照可用性需求建立关系矩阵,通过权重方式区分出各故障组件的重要程度,最后结合ISM层级结构,依照故障组件重要程度构建出机床可用性需求的层级图。
传统DEMATEL绘制因果图时中心度与原因度作为因果图坐标轴,但此法易因坐标轴刻度过大,无法表达细微的差距,造成判断的敏感度降低。因此本研究将中心度与原因度标准化后的值作为因果图的坐标轴,以避免因坐标轴刻度大造成判断的敏感度降低问题,并由MICMAC的象限定义,对于故障组件因素间的影响关系做出解释,作为加工中心可用性改进优先顺序的参考,结果如图6 所示。
图6中纵轴(标准化后影响度)为影响性的程度,横轴(标准化后被影响度) 为依赖性的程度。各象限存在因素:
第Ⅰ象限为链接因素。影响性与相依性皆强,在系统中极为不稳定,进行可用性改进时必须高度重视。该数据中不存在这类故障因素。
第Ⅱ象限为驱动因素。影响性强,相依性弱,较容易影响其他因素,不易被影响。因素有:电气系统(S2),气动系统(S6),润滑系统(S7),数控系统 (S8)。这四个因素应该被列入可用性改进的重点。
第Ⅲ象限为独立因素。影响性与相依性均弱,此象限中的因素,在系统中呈现稳定性和微弱的影响性,进行可用性改进时重视度低,不需太多关注。因素有:冷却系统(S4),防护系统(S10)。
第Ⅳ象限为依赖因素。影响性弱,相依性强。在此象限的因素较易受到其因素的影响。因素有:刀库(S1),进给系统(S3),排屑系统(S5),主轴系统 (S9)。这四个组件是加工中心可用性最直观的考察组件,应对这几个组件做到严密监测,用以考察加工中心的可用性状况。
由于第Ⅲ象限的因素无需太多关注,因此为降低QFD矩阵计算复杂性,可在开始设定QFD族矩阵时将位于该DEMATEL因果图第Ⅲ象限的因素删除,不将其列入QFD矩阵。
实施例2:
本实施例2的目的是提供一种计算机可读存储介质。
为了实现上述目的,本发明采用如下一种技术方案:
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备设备的处理器加载并执行以下处理:
接收统计的数控机床故障相关数据和用户需求;
将数控机床故障相关数据根据决策实验室法得到整体影响矩阵,并转化为解释结构模型中的可达矩阵,建立多级递阶结构模型;
建立数控机床的可用性需求族,根据用户需求和多级递阶结构模型分析可用性需求族,构建数控机床的可用性需求层级图。
在本实施例中,计算机可读记录介质的例子包括磁存储介质(例如,ROM, RAM,USB,软盘,硬盘等)、光学记录介质(例如,CD-ROM或DVD)、PC 接口(例如,PCI、PCI-Expres、WiFi等)等。然而,本公开的各个方面不限于此。
实施例3:
本实施例3的目的是提供一种数控机床可用性改进装置。
为了实现上述目的,本发明采用如下一种技术方案:
一种数控机床可用性改进装置,采用一种计算终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行以下处理:
接收统计的数控机床故障相关数据和用户需求;
将数控机床故障相关数据根据决策实验室法得到整体影响矩阵,并转化为解释结构模型中的可达矩阵,建立多级递阶结构模型;
建立数控机床的可用性需求族,根据用户需求和多级递阶结构模型分析可用性需求族,构建数控机床的可用性需求层级图。
本领域技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
本发明的有益效果:
本发明所述的一种数控机床可用性改进方法及装置,
本发明所述的一种数控机床可用性改进方法、系统及装置,通过DEMATEL 对故障组件因素间的影响关系程度进行运算;再结合ISM层级化过程有效简化故障组件因素间的复杂关系,准确掌握故障组件可用性改进的优先顺序;最后运用QFD将用户需求转换为技术需求的概念,建立可用性需求族并区分出各族可用性改进重点与优先顺序,使可用性人员更明确掌握各族的改进重点;
本发明所述的一种数控机床可用性改进方法、系统及装置,借助DEMATEL 因果关系图的划分简化QFD矩阵,使可用性技术人员能更清晰掌握各族可用性改进重点;整合DEMATEL/ISM/QFD的可用性改进分析模式,更有效更迅速地提高数控机床产品可用性以满足用户的要求。以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种数控机床可用性改进方法,其特征在于,该方法包括:
接收统计的数控机床故障相关数据和用户需求;
将数控机床故障相关数据根据决策实验室法得到整体影响矩阵,并转化为解释结构模型中的可达矩阵,建立多级递阶结构模型;
建立数控机床的可用性需求族,根据用户需求和多级递阶结构模型分析可用性需求族,构建数控机床的可用性需求层级图;根据质量功能展开法建立数控机床的可用性需求族;所述可用性需求族包括可靠性需求族和维修性需求族;
通过QFD依照可用性需求建立关系矩阵,借助DEMATEL因果关系图的划分简化Q F D矩阵;通过权重方式区分出各故障组件的重要程度,最后结合ISM层级结构,依照故障组件重要程度构建出机床可用性需求的层级图;
采用DEMATEL将所得中心度与原因度标准化后的值作为因果图的坐标轴;并由MICMAC的象限定义;
第Ⅰ象限为链接因素;影响性与相依性皆强,在系统中极为不稳定,进行可用性改进时必须高度重视;该数据中不存在这类故障因素;
第Ⅱ象限为驱动因素;影响性强,相依性弱,较容易影响其他因素,不易被影响;
第Ⅲ象限为独立因素;影响性与相依性均弱,此象限中的因素,在系统中呈现稳定性和微弱的影响性,进行可用性改进时重视度低,不需太多关注;
第Ⅳ象限为依赖因素;影响性弱,相依性强;在此象限的因素较易受到其因素的影响;
删除第Ⅲ象限所涉及因素,进而简化QFD关系矩阵;
根据用户需求和故障相关组件之间的关系分析可用性需求族,计算各个故障组件在用户需求中权重值,通过权重值反映各个故障组件的重要程度;根据多级递阶结构模型和故障组件的重要程度构建数控机床的可用性需求层级图;依照用户需求特性通过访谈方式确定各可靠性需求族和维修性需求族的可用性需求权重,由无影响到强烈影响给予1-5等五个等级的评分;依据故障数据将故障组件对可用性需求的影响给出从无影响到强烈影响0-5等六个等级的评分;算出各可用性需求族中故障组件的加权总值;将各组件的加权总值进行区分。
2.如权利要求1所述的方法,其特征在于,在本方法中,所述将数控机床故障相关数据根据决策实验室法得到整体影响矩阵包括:
根据数控机床故障相关数据,确定构成数控机床故障相关组件集合,构建故障有向图;
将故障有向图转化为所有故障组件间的直接影响矩阵;
标准化所有故障组件间的直接影响矩阵,并计算综合影响矩阵;
计算综合影响矩阵与单位矩阵之和得到整体影响矩阵。
3.如权利要求2所述的方法,其特征在于,在本方法中,还根据综合影响矩阵计算故障相关组件之间的关系。
4.如权利要求1所述的方法,其特征在于,所述故障相关组件之间的关系包括每个故障相关组件的影响度、被影响度、中心度和原因度。
5.如权利要求1所述的方法,其特征在于,在本方法中,将可达矩阵进行区域分解与级位划分建立多级递阶结构模型。
6.一种计算机可读存储介质,其中存储有多条指令,其特征在于,所述指令适于由终端设备设备的处理器加载并执行以下处理:
接收统计的数控机床故障相关数据和用户需求;
将数控机床故障相关数据根据决策实验室法得到整体影响矩阵,并转化为解释结构模型中的可达矩阵,建立多级递阶结构模型;
建立数控机床的可用性需求族,根据用户需求和多级递阶结构模型分析可用性需求族,构建数控机床的可用性需求层级图;
根据质量功能展开法建立数控机床的可用性需求族;可用性需求族包括可靠性需求族和维修性需求族;
通过QFD依照可用性需求建立关系矩阵,借助DEMATEL因果关系图的划分简化Q F D矩阵;通过权重方式区分出各故障组件的重要程度,最后结合ISM层级结构,依照故障组件重要程度构建出机床可用性需求的层级图;
采用DEMATEL将所得中心度与原因度标准化后的值作为因果图的坐标轴;并由MICMAC的象限定义;
第Ⅰ象限为链接因素;影响性与相依性皆强,在系统中极为不稳定,进行可用性改进时必须高度重视;该数据中不存在这类故障因素;
第Ⅱ象限为驱动因素;影响性强,相依性弱,较容易影响其他因素,不易被影响;
第Ⅲ象限为独立因素;影响性与相依性均弱,此象限中的因素,在系统中呈现稳定性和微弱的影响性,进行可用性改进时重视度低,不需太多关注;
第Ⅳ象限为依赖因素;影响性弱,相依性强;在此象限的因素较易受到其因素的影响
删除第Ⅲ象限所涉及因素,进而简化QFD关系矩阵;
根据用户需求和故障相关组件之间的关系分析可用性需求族,计算各个故障组件在用户需求中权重值,通过权重值反映各个故障组件的重要程度;根据多级递阶结构模型和故障组件的重要程度构建数控机床的可用性需求层级图;依照用户需求特性通过访谈方式确定各可靠性需求族和维修性需求族的可用性需求权重,由无影响到强烈影响给予1-5等五个等级的评分;依据故障数据将故障组件对可用性需求的影响给出从无影响到强烈影响0-5等六个等级的评分;算出各可用性需求族中故障组件的加权总值;将各组件的加权总值进行区分。
7.一种数控机床可用性改进装置,采用计算终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,其特征在于,所述指令适于由处理器加载并执行以下处理:
接收统计的数控机床故障相关数据和用户需求;
将数控机床故障相关数据根据决策实验室法得到整体影响矩阵,并转化为解释结构模型中的可达矩阵,建立多级递阶结构模型;
建立数控机床的可用性需求族,根据用户需求和多级递阶结构模型分析可用性需求族,构建数控机床的可用性需求层级图;
根据质量功能展开法建立数控机床的可用性需求族;可用性需求族包括可靠性需求族和维修性需求族;
通过QFD依照可用性需求建立关系矩阵,借助DEMATEL因果关系图的划分简化Q F D矩阵;通过权重方式区分出各故障组件的重要程度,最后结合ISM层级结构,依照故障组件重要程度构建出机床可用性需求的层级图;
采用DEMATEL将所得中心度与原因度标准化后的值作为因果图的坐标轴;并由MICMAC的象限定义;
第Ⅰ象限为链接因素;影响性与相依性皆强,在系统中极为不稳定,进行可用性改进时必须高度重视;该数据中不存在这类故障因素;
第Ⅱ象限为驱动因素;影响性强,相依性弱,较容易影响其他因素,不易被影响;
第Ⅲ象限为独立因素;影响性与相依性均弱,此象限中的因素,在系统中呈现稳定性和微弱的影响性,进行可用性改进时重视度低,不需太多关注;
第Ⅳ象限为依赖因素;影响性弱,相依性强;在此象限的因素较易受到其因素的影响;
删除第Ⅲ象限所涉及因素,进而简化QFD关系矩阵;
根据用户需求和故障相关组件之间的关系分析可用性需求族,计算各个故障组件在用户需求中权重值,通过权重值反映各个故障组件的重要程度;根据多级递阶结构模型和故障组件的重要程度构建数控机床的可用性需求层级图;依照用户需求特性通过访谈方式确定各可靠性需求族和维修性需求族的可用性需求权重,由无影响到强烈影响给予1-5等五个等级的评分;依据故障数据将故障组件对可用性需求的影响给出从无影响到强烈影响0-5等六个等级的评分;算出各可用性需求族中故障组件的加权总值;将各组件的加权总值进行区分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711129731.6A CN107703884B (zh) | 2017-11-15 | 2017-11-15 | 一种数控机床可用性改进方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711129731.6A CN107703884B (zh) | 2017-11-15 | 2017-11-15 | 一种数控机床可用性改进方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107703884A CN107703884A (zh) | 2018-02-16 |
CN107703884B true CN107703884B (zh) | 2020-01-31 |
Family
ID=61179622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711129731.6A Expired - Fee Related CN107703884B (zh) | 2017-11-15 | 2017-11-15 | 一种数控机床可用性改进方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107703884B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175314A (zh) * | 2019-05-27 | 2019-08-27 | 电子科技大学 | 一种基于ism法的软硬件混合指挥控制系统故障分层方法 |
CN116431965B (zh) * | 2022-09-09 | 2024-04-16 | 哈尔滨工业大学 | 一种基于ism模型的建筑安全疏散影响因素分析方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870659A (zh) * | 2014-03-28 | 2014-06-18 | 吉林大学 | 一种数控机床故障分析方法 |
CN107330521A (zh) * | 2017-06-30 | 2017-11-07 | 中国人民解放军军械工程学院 | 无人飞行器状态评估方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101533486A (zh) * | 2008-03-17 | 2009-09-16 | 亿维讯软件(北京)有限公司 | 一种实现质量机能综合展开的方法 |
JP5641541B2 (ja) * | 2011-05-25 | 2014-12-17 | オリオン機械株式会社 | 搾乳システムの牛番管理方法 |
KR20150072890A (ko) * | 2013-12-20 | 2015-06-30 | 세명대학교 산학협력단 | Cnc 머신을 포함한 it 융합형 자동화 라인 모니터링 방법 |
CN107037782B (zh) * | 2017-05-10 | 2019-09-17 | 北京数码大方科技股份有限公司 | 监控机床的方法和装置 |
-
2017
- 2017-11-15 CN CN201711129731.6A patent/CN107703884B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870659A (zh) * | 2014-03-28 | 2014-06-18 | 吉林大学 | 一种数控机床故障分析方法 |
CN107330521A (zh) * | 2017-06-30 | 2017-11-07 | 中国人民解放军军械工程学院 | 无人飞行器状态评估方法及装置 |
Non-Patent Citations (2)
Title |
---|
A synthetic method for the analysis of user availability requirements in CNC machine tools availability house;Gui-xiang SHEN et al.;《Hydromechatronics Engineering》;20160630;第44卷(第12期);第31-38页 * |
基于QFD的加工中心可用性保障技术研究;孙曙光;《中国博士学位论文全文数据库 工程科技Ⅰ辑(月刊)》;20150815(第08期);B022-22:第55-94页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107703884A (zh) | 2018-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902954B (zh) | 一种基于工业大数据的柔性作业车间动态调度方法 | |
CN111259947A (zh) | 一种基于多模态学习的电力系统故障预警方法和系统 | |
CN111027615B (zh) | 基于机器学习的中间件故障预警方法和系统 | |
CN107451747B (zh) | 基于自适应非支配遗传算法的车间调度系统及其工作方法 | |
CN104216888A (zh) | 数据处理任务关系设置方法及系统 | |
CN106383916B (zh) | 基于工业设备预测性维护的数据处理方法 | |
US20240264890A1 (en) | Method and system for analyzing cloud platform logs, device and medium | |
CN111563014A (zh) | 接口服务性能测试方法、装置、设备和存储介质 | |
US20190095495A1 (en) | Computerized methods and systems for grouping data using data streams | |
CN107703884B (zh) | 一种数控机床可用性改进方法及装置 | |
CN115718472A (zh) | 水电机组故障扫描诊断方法 | |
CN113408548A (zh) | 变压器异常数据检测方法、装置、计算机设备和存储介质 | |
CN107918358B (zh) | 数控装备故障分析方法和装置 | |
CN113485878B (zh) | 一种多数据中心故障检测方法 | |
CN102546235B (zh) | 云计算环境下面向web应用的性能诊断方法和系统 | |
CN114238474A (zh) | 基于排水系统的数据处理方法、装置、设备及存储介质 | |
CN113505879A (zh) | 一种基于多注意力特征记忆模型的预测方法和装置 | |
CN109902731A (zh) | 一种基于支持向量机的性能故障的检测方法及装置 | |
CN105373446B (zh) | 一种基于自动演练的系统自动修复方法和装置 | |
CN111400122B (zh) | 一种硬盘健康度评估方法及装置 | |
CN113902222B (zh) | 一种新能源智慧运维系统 | |
CN110176276A (zh) | 生物信息分析流程化管理方法及系统 | |
CN115481183A (zh) | 一种实时数据处理方法和系统 | |
CN107944684B (zh) | 数控装备故障组件重要度分析方法和装置 | |
Lee et al. | An investigation of essential topics on software fault-proneness prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200131 Termination date: 20211115 |