CN114757572A - 一种考虑不确定性的机电产品关键质量特性确定方法 - Google Patents
一种考虑不确定性的机电产品关键质量特性确定方法 Download PDFInfo
- Publication number
- CN114757572A CN114757572A CN202210508440.2A CN202210508440A CN114757572A CN 114757572 A CN114757572 A CN 114757572A CN 202210508440 A CN202210508440 A CN 202210508440A CN 114757572 A CN114757572 A CN 114757572A
- Authority
- CN
- China
- Prior art keywords
- sub
- expert
- influence
- quality characteristics
- decision matrix
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000011156 evaluation Methods 0.000 claims abstract description 82
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims description 93
- 230000008569 process Effects 0.000 claims description 34
- 239000013598 vector Substances 0.000 claims description 30
- 230000004927 fusion Effects 0.000 claims description 23
- 238000003908 quality control method Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 11
- 230000008901 benefit Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 10
- 239000002131 composite material Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000011524 similarity measure Methods 0.000 claims description 4
- 238000011077 uniformity evaluation Methods 0.000 claims description 4
- 102000002274 Matrix Metalloproteinases Human genes 0.000 claims description 3
- 108010000684 Matrix Metalloproteinases Proteins 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000011272 standard treatment Methods 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims 1
- 238000009825 accumulation Methods 0.000 abstract description 2
- 238000012163 sequencing technique Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 238000012854 evaluation process Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000001050 lubricating effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Computational Mathematics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种考虑不确定性的机电产品关键质量特性确定方法,首先确定机电产品的质量特性,再确定影响质量特性的影响因素和子影响因素,并采用区间q‑rung orthopair模糊集对质量特性进行评估;然后对专家给出的评估信息进行一致性检查和优化;接下来,计算影响因素和子影响因素的权重;最后区间q‑rung orthopair模糊累积比例评估方法被用来排序质量特性,根据排序的结果确定关键质量特性。本发明考虑了专家评估信息的不确定性和犹豫性,并对专家的评估信息进行了一致性检查和优化,使评估的结果更加符合实际,而且克服了传统关键质量特性排序方法的不足,为机电产品关键质量特性的控制提供了依据。
Description
技术领域
本发明涉及机电产品关键质量特性的提取和控制方法,更具体地说涉及一种考虑不确定性的机电产品关键质量特性确定方法,属于机电产品质量提升技术领域。
背景技术
随着时代和科学技术的发展,机电产品的质量已经成为高端机电产品制造企业在激烈的市场竞争中取胜的关键因素,因为它决定着产品能否满足客户要求,企业的良好信誉和持续发展离不开高质量的产品。为了评估机电产品的质量水平,质量特性的概念被提出,它指的是由客户语言表达的质量需求转化而成的工程语言表达的技术特征。随着市场对于高性能、多功能机电产品需求的增大,机电产品的结构也越来越复杂,导致机电产品的质量特性在层次上具有多样性特征,在领域上具有跨学科特征,在结构上具有多构件多结构特征,这也给机电产品关键质量特性的提取和控制过程带来了一定的困难。
在机电产品的关键质量特性的提取和排序领域,目前常用的方法包括模糊层次分析法、模糊TOPSIS方法和QFD方法等。这些方法在评估质量特性的时候大多采用的是真实的数值或者简单的模糊数,忽略了评估信息的不确定性和犹豫性,导致评估过程的不准确。而且这些方法大都没有对专家的评估信息进行一致性检查,导致各位专家的评估信息不具有一致性。最重要的一点是,这些方法大都只考虑了影响因素对关键质量特性的影响,而忽略了影响因素下面的子影响因素的影响。正是由于传统的方法存在以上三个方面的不足,造成了机电产品关键质量特性提取和排序过程的不准确,也就无法准确给出关键质量特性的控制措施。
机电产品的结构越来越复杂,产品的质量特性也越来越多,这就给专家的评估过程带来了一定的困难,而开展机电产品关键质量特性的提取和排序过程,可以为机电产品质量的提高提供参考依据,所以,有必要提出一种考虑不确定性的机电产品关键质量特性提取和排序方法。
发明内容
针对现有技术存在的上述不足,本发明的目的是提供一种考虑不确定性的机电产品关键质量特性确定方法,本方法能够在关键质量特性的提取和排序过程中考虑评估信息的不确定性、犹豫性和不一致性,而且考虑了子影响因素的影响,使整个评估的过程更符合实际,也使机电产品的关键质量特性的提取和排序过程更加科学和准确,为机电产品的质量提升提供更可靠的依据。
本发明的技术方案是这样实现的:
一种考虑不确定性的机电产品关键质量特性确定方法,按如下步骤进行,
1)确定机电产品质量特性:根据利益相关方的实际需求,确定机电产品的质量特性QC={QC1,QC2…QCi…QCm},其中QCi(i=1,2,…m)表示第i个质量特性;
2)确定机电产品质量特性的影响因素IF={IF1,IF2…IFy…IFp}和每个影响因素的子影响因素SIFy={SIF1y,SIF2y…SIFjy…SIFny}:其中IFy(y=1,2,…p)表示第y个影响因素,SIFjy(j=1,2,…n)表示第y个影响因素的第j个子影响因素;
3)由专家采用语言术语对机电产品的质量特性进行评估,建立语言术语决策矩阵,然后根据语言术语和区间q-rungorthopair模糊数的对应关系,将所有的语言术语等级信息转化为相应的IVq-ROFN,建立区间q-rung orthopair模糊决策矩阵其中表示专家ek对质量特性QCi的子影响因素SIFjy的评级信息转化而来的IVq-ROFN;
4)标准化决策矩阵:对区间q-rung orthopair模糊决策矩阵进行标准化处理;
5)对步骤4)标准化处理后的区间q-rung orthopair模糊决策矩阵进行一致性检查和优化,得到每个专家的最终决策矩阵;
6)利用IVq-ROFWG算子融合所有专家的最终决策矩阵,得到融合决策矩阵;
7)确定每个影响因素和子影响因素的权重;
8)根据影响因素和子影响因素的权重以及步骤6)得到的融合决策矩阵,计算每个质量特性的关键度Qi,关键度Qi指质量特性的重要程度,Qi值越大表示越关键。
在上述步骤5)中,对步骤4)标准化处理后的区间q-rung orthopair模糊决策矩阵进行一致性检查和优化的具体过程为;
5.1)基于标准化处理后的区间q-rung orthopair模糊决策矩阵,采用Minkowski距离计算相似性矩阵SMkt和一致性矩阵CM,
算术平均算子ξ记为:
5.2)基于一致性矩阵CM,将专家评价信息的一致性度量分解为以下三个层次:
①子影响因素层次:考虑子影响因素SIFjy的质量特性QCi的一致性程度ccij,用于计算与给定子影响因素有关的质量特性之间的所有专家评价的一致性水平,定义如下:
ccij=cmij
②质量特性层次:质量特性QCi的一致性程度cai,用于计算该质量特性层次下所有专家评价之间的一致性水平,定义如下:
③决策矩阵层次:决策矩阵的一致性程度ce,用于计算所有专家偏好之间的一致性水平,定义如下:
5.3)将实际一致性水平ce与预设的理想一致性阈值ε∈(0,1]进行比较,以判断是否达到了一致性要求;若ce≥ε或者r>rmax,其中r表示循环次数,rmax表示最大循环次数,则一致性检查过程结束,输出每个专家的最终决策矩阵否则进行步骤5.4);
5.4)获取非一致性识别规则;非一致性识别规则由非一致质量特性集、非一致子影响因素集、非一致决策集组成;非一致质量特性集(IRQC={QCi|cai<ε,i=1,2,…m})表示决策矩阵中需要优化的行;非一致子影响因素集(IRSIFi={SIFi|QCi∈IRQC^ccij<ε,j=1,2,…n})表示应更改的质量特性的相应评价信息;非一致决策集表示需要修改子影响因素偏好值的专家组,其中是专家et和其他专家之间相似性度量的Minkowski距离;非一致性评估信息集IR确定方法如下:
IR={(t,(i,j))|et∈IReij∧QCi∈IRQC∧SIFj∈IRSIFi}
5.5)对不一致的专家评估信息进行修改优化;优化过程分为两方面:若 指的是第r次迭代时专家ek给出的第j个子影响因素对第i个质量特性的评估值,则对于效益型子影响因素,专家应减小评估等级,而成本型子影响因素,专家应增大评估等级;若则对于效益型子影响因素,专家应增大评估等级,而成本型子影响因素,专家应减小评估等级;从而得到r次迭代后的专家决策矩阵
步骤7)确定影响因素和子影响因素的权重,具体方法为,
7.1)邀请l位专家对子影响因素的权重进行评估,得到每个专家的子影响因素的主观权重矩阵对主观权重矩阵进行一致性检查和优化,得到每个专家关于子影响因素的最终决策矩阵然后通过IVq-ROFWG算子对所有专家的最终决策矩阵进行融合,得到融合评价矩阵
7.3)定义基于Minkowski距离的综合偏差D(WO)来描述子影响因素之间的差异:
7.4)构建如下线性规划模型以使综合偏差最大化:
7.5)子影响因素的综合权重向量WSIF=(Wj)1×n=(Wyj)1×n,其中Wyj表示第y个质量特性的第j个子影响因素的权重;
其中,θ∈[0,1]为主观权重的重要度系数;
7.6)将步骤7.1)-7.5)中的子影响因素替换为影响因素,按步骤7.1)-7.5)的方法,得到影响因素的综合权重向量WIF=(Wy)1×p。
本发明步骤8)中,每个质量特性的关键度Qi的计算过程如下,
8.2)按下式计算子影响因素的合成权重:
8.3)按下式计算加权归一化决策矩阵:
8.5)每个质量特性的关键度Qi计算如下:
与现有技术相比,本发明具有以下有益效果:
1、采用利益相关方理论来确定机电产品的质量特性,让质量特性的确定过程更加合理有效。
2、引入了子影响因素的概念,对影响因素进行进一步细化,使整个评估过程能够更加具体。
3、采用区间q-rung orthopair模糊数来评估质量特性,这种模糊数相比传统的三角模糊数,可以将专家评估信息的不确定性和犹豫性考虑在内。
4、进行一致性检查和优化过程,可以消除专家评估信息的不一致性,从而使评估的结果更加合理有效。
本方法的实施,能够合理的、准确的提取和排序机电产品的关键质量特性,有助于通过关键质量特性针对性地制定质量提升改进措施,为机电产品的质量提升奠定基础。
附图说明
图1为本发明流程示意图。
图2为本发明利益相关方法确定数控转台系统的质量特性示意图。
图3为本发明一致性检查和优化的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
S1、质量特性的识别和评估:首先邀请在不同领域都具有丰富的知识和经验的三位专家ek(k=1,2,…l),l=3,根据利益相关方的实际需求,确定产品的质量特性QC={QC1,QC2…QCi…QCm},其中QCi(i=1,2,…m)表示第i个质量特性。并且根据机电产品的技术资料,定义质量特性的影响因素集IF={IF1,IF2…IFy…IFp},其中IFy(y=1,2,…p)表示第y个影响因素,子影响因素集SIFy={SIF1y,SIF2y…SIFjy…SIFny}或SIF={SRF1,SRF2,…SRFn},其中SIFjy(j=1,2,…n)表示第y个影响因素的第j个子影响因素,或SIFj(j=1,2,…n)表示第j个子影响因素。
然后由专家对质量特性进行评估,建立语言术语决策矩阵其中表示专家ek对质量特性QCi的子影响因素SIFjy的等级信息。根据语言术语和IVq-ROF数的对应关系(表1),将所有的语言术语信息都转化为相应的IVq-ROFN,建立IVq-ROFN决策矩阵,表示为其中表示专家ek对质量特性QCi的子影响因素SIFjy的等级信息转化而来的IVq-ROFN。
表1语言术语与IVq-ROFN对应表
效益型是子影响因素越大,质量特性越好,成本性是子影响因素越大,质量特性越差。式中表示一个IVq-ROF模糊数,指的是该模糊数的隶属度,分别指的是隶属度的上限和下限;指的是该模糊数的非隶属度,分别指的是非隶属度的上限和下限。(·)c指的是IVq-ROF模糊数的一种运算,
S2、一致性检查和优化过程:基于获得的标准化区间q-rung orthopair模糊决策矩阵,首先采用Minkowski距离计算相似性矩阵SMkt和一致性矩阵CM,
算术平均算子ξ记为:
基于一致性矩阵CM,将专家评价信息的一致性度量分解为以下三个层次:
①子影响因素层次:关于子影响因素SIFjy的质量特性QCi的一致性程度ccij,可用于计算与给定子影响因素有关的质量特性之间的所有专家评价的一致性水平,定义如下:
ccij=cmij
②质量特性层次:质量特性QCi的一致性程度cai,可用于计算该质量特性层次下所有专家评价之间的一致性水平,定义如下:
③决策矩阵层次:决策矩阵的一致性程度ce可用于计算所有专家偏好之间的一致性水平,定义如下:
计算不同层次的一致性水平时,需要将实际一致性水平ce与预设的理想一致性阈值ε∈(0,1]进行比较,从而判断是否达到了一致性要求。若ce≥ε(表明所有专家给出的评价信息是一致的)或者r>rmax(其中rmax表示最大循环次数),则一致性检查过程结束,否则需要根据上述三个层次的一致性水平进行非一致性识别和优化过程。
非一致性识别法则由非一致质量特性集、非一致子影响因素集、非一致决策集组成。非一致质量特性集(IRQC={QCi|cai<ε,i=1,2,…m})表示决策矩阵中需要优化的行;非一致子影响因素集(IRSIFi={SIFi|QCi∈IRQC^ccij<ε,j=1,2,…n})表示应更改的质量特性的相应评价信息;非一致决策集组成其中是专家et和其他专家之间相似性度量的Minkowski距离)表示需要修改子影响因素偏好值的专家组。综合非一致性评估信息集IR确定方法如下:
IR={(t,(i,j))|et∈IReij^QCi∈IRQC∧SIFj∈IRSIFi}
非一致性识别后,则需要对不一致的专家评估信息进行修改优化。在优化之前,需要利用IVq-ROFWG算子融合专家评价信息,计算第r次迭代时的融合决策矩阵然后进行优化过程,优化过程分为两方面:若(指的是第r次迭代时专家ek给出的第j个子影响因素对第i个质量特性的评估值),则对于效益型子影响因素,专家应减小评估值(评估等级),而成本型子影响因素,专家应增大评估值;若则对于效益型子影响因素,专家应增大评估值,而成本型子影响因素,专家应减小评估值。经过非一致性识别和优化过程,可以得到r次迭代后的决策矩阵然后令r=r+1,重新开始循环,直到一致性要求得到满足,从而获得每个专家最终决策矩阵和ce。最后再利用IVq-ROFWG算子融合所有的最终决策矩阵,得到融合决策矩阵
基于一致性矩阵CM,将专家评价信息的一致性度量分解为以下两个层次:
①子影响因素层次:子影响因素SIFjy的一致性程度ccj,可用于计算给定子影响因素的所有专家评价的一致性水平,定义如下:
ccj=cmj
②决策矩阵层次:决策矩阵的一致性程度ce可用于计算所有专家偏好之间的一致性水平,定义如下:
计算不同层次的一致性水平时,需要将实际一致性水平ce与预设的理想一致性阈值ε∈(0,1]进行比较,从而判断是否达到了一致性要求。若ce≥ε(表明所有专家给出的评价信息是一致的)或者r>rmax(其中rmax表示最大循环次数),则一致性检查过程结束,否则需要根据上述两个层次的一致性水平进行非一致性识别和优化过程。
此时的非一致性识别法则由非一致子影响因素集和非一致决策集组成。非一致子影响因素集(IRSIFi={SIFi|ccj<ε,j=1,2,…n})表示应更改的子影响因素的相应评价信息;非一致决策集组成(其中是专家et和其他专家之间相似性度量的Minkowski距离)表示需要修改子影响因素偏好值的专家组。综合非一致性评估信息集IR确定方法如下:
IR={(t,(i,j))|et∈IReij∧SIFj∈IRSIFi}
非一致性识别后,则需要对不一致的专家评估信息进行修改优化。在优化之前,需要利用IVq-ROFWG算子融合专家评价信息,计算第r次迭代时的融合决策矩阵然后进行优化过程,优化过程分为两方面:若(指的是第r次迭代时专家ek给出的第j个子影响因素的权重评估值),则对于效益型子影响因素,专家应减小评估值(评估等级),而成本型子影响因素,专家应增大评估值;若则对于效益型子影响因素,专家应增大评估值,而成本型子影响因素,专家应减小评估值。经过非一致性识别和优化过程,可以得到r次迭代后的决策矩阵然后令r=r+1,重新开始循环,直到一致性要求得到满足,从而得到每个专家关于子影响因素的最终决策矩阵然后通过IVq-ROFWG算子对所有专家的最终决策矩阵进行融合,得到融合评价矩阵
定义基于Minkowski距离的综合偏差D(WO)来描述子影响因素之间的差异:
鉴于应选择合理的子影响因素权重向量,以使综合偏差最大化,因此构建了如下线性规划模型:
子影响因素的综合权重向量WSIF=(Wj)1×n=(Wyj)1×n,其中Wyj表示第y个质量特性的第j个子影响因素的权重。
其中,θ∈[0,1]为主观权重的重要度系数。
同理,重复前述过程,按照子影响因素的权重计算方法,可得到影响因素的综合权重向量WIF=(Wy)1×p。
由前文可得,子影响因素的权重向量WSIF=(Wyj)1×n和影响因素的权重向量WIF=(Wy)1×p可由IVq-ROF-DMM得到。子影响因素的合成权重计算过程如下:
加权归一化决策矩阵的计算如下:
对于每个质量特性,质量特性的关键度Qi指的是某个质量特性的重要程度,Qi值越大表示越关键,计算如下:
由于较高的Qi值代表越关键,所有的质量特性都根据Qi值的大小按降序排列,即Qi值最大的质量特性排在第一位。
Qi值最大的质量特性即为最关键的质量特性,然后针对最关键的质量特性,给出相应的控制措施,即可有效提高产品的质量特性。
下面结合某型号卧式加工中心的数控转台系统对本发明做进一步说明。
如图1所示,一种考虑不确定性的机电产品关键质量特性提取和排序方法的原理是:首先是采用利益相关方理论和区间q-rung orthopair模糊数对机电产品的质量特性进行识别和评估;然后对专家的评估信息进行一致性检查和优化;接下来就采用区间q-rungorthopair模糊偏差最大化方法计算影响因素和子影响因素的权重,最后采用区间q-rungorthopair模糊累积比例评估方法来排序关键质量特性,并针对最关键的质量特性,采取相应的控制措施。
为了提高数控转台系统的质量,就需要提取数控转台系统的关键质量特性并进行排序。图2为数控转台系统制造过程中的利益相关关系,根据图2可以确定该数控转台的质量特性有11个,分别为环境适应性QC1、安全性QC2、性能稳定性QC3、精度QC4、可靠性QC5、环保性QC6、成本经济性QC7、市场战略性QC8、维修性QC9、可用性QC10和精度寿命QC11。根据数控转台系统的技术资料,可以得到其质量特性的影响因素和子影响因素如表2所示。
表2数控转台系统质量特性的影响因素和子影响因素
以子影响因素为例,计算子影响因素的权重,影响因素的权重可以参照子影响因素进行计算。首先通过IVq-ROFWG算子对所有子影响因素决策矩阵进行融合,得到融合评价矩阵并采用区间q-rung orthopair模糊数的分数函数进行计算,可以得到子影响因素的主观权重向量。
WS=(0.1021,0.0926,0.1250,0.0804,0.0795,0.0658,0.0958,0.0736,0.0744,0.0743,0.0644,0.0722)
鉴于应选择合理的子影响因素权重向量,以使综合偏差最大化,因此构建了如下线性规划模型:
求解上述线性规划模型可得到子影响因素的客观权重向量:
WO=(0.1235,0.1020,0.1375,0.0942,0.0842,0.0330,0.1085,0.0558,0.0733,0.0625,0.0810,0.0445)
在计算子影响因素的综合权重向量的时候,取θ=0.5,从而可以得到子影响因素的综合权重向量:
WSRF=(Wj)1×12=(Wyj)1×12=
(0.1182,0.0996,0.1344,0.0907,0.0830,0.0412,0.1053,0.0602,0.0736,0.0655,0.0768,0.0515)
同理,可得到影响因素的综合权重向量:
WRF=(Wy)1×4=(0.3826,0.2249,0.2491,0.1434)
得到影响因素和子影响因素的综合权重向量之后,接下来就是对数控转台的质量特性进行排序。由一致性检查和优化过程可得到融合决策矩阵根据融合的评估矩阵可以得到各子影响因素的最佳评估值,最佳评估值是指某一个子影响因素对所有质量特性影响最小的值,即:
由前文可以得到子影响因素的权重向量WSIF=(Wyj)1×12和影响因素的权重向量WIF=(Wy)1×4。子影响因素的合成权重计算过程如下:
加权归一化决策矩阵的计算如下:
质量特性QCi的总体关键指标和关键度Qi可以按照前面的公式进行计算。由于较高的Qi值代表越关键,所有的质量特性都根据Qi值的大小按降序排列,即Qi值最大的质量特性排在第一位。计算和排序的结果如表3所示
表3质量特性计算和排序的结果
假定Qi≥0.63的质量特性为关键质量特性,所以数控转台系统的关键质量特性为性能稳定性、精度、可靠性、维修性、可用性和精度寿命,且这六大关键质量特性重要程度排序为可靠性>精度>精度寿命>性能稳定性>可用性>维修性。根据排序的结果可以看出,数控转台系统的可靠性是最重要的,所以需要采取相应的控制措施来提高数控转台的可靠性。
为进一步提高数控转台系统可靠性,应采取合理的预防措施以减少故障的再次发生,将从以下几个方面进行控制:
(1)材料特性方面。为保证零件不失效,根据载荷作用情况,对零件尺寸的限制和零件重要程度,对材料提出强度、刚度、弹性、塑性、冲击韧性、阻尼性和吸振性等力学性能方面的相应要求。同时,由于零件工作环境等其他需求,对材料可能还有密度、导热性、抗腐蚀性、热稳定性等物理性能和化学性能方面的要求等。
(2)零件误差方面。查明影响加工精度的主要原始误差因素之后,设法对其直接进行消除或减少;人为地制造一种误差,去抵消工艺系统固有的原始误差,或者利用一种原始误差去抵消另一种原始误差,从而达到提高加工精度的目的;转移工艺系统的集合误差、受力变形和热变形。
(3)装配误差方面。选择合理的装配基准;避免装配基准的多次传递(减少累计误差);掌握装配误差的变化规律(消除系统误差);合理分配和调节误差数值。
(4)冷却润滑方面。选择润滑粘度合适的润滑油,合理设计数控转台的冷却润滑系统。
最后需要说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管申请人参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种考虑不确定性的机电产品关键质量特性确定方法,其特征在于:按如下步骤进行,
1)确定机电产品质量特性:根据利益相关方的实际需求,确定机电产品的质量特性QC={QC1,QC2…QCi…QCm},其中QCi(i=1,2,…m)表示第i个质量特性;
2)确定机电产品质量特性的影响因素IF={IF1,IF2…IFy…IFp}和每个影响因素的子影响因素SIFy={SIF1y,SIF2y…SIFjy…SIFny}:其中IFy(y=1,2,…p)表示第y个影响因素,SIFjy(j=1,2,…n)表示第y个影响因素的第j个子影响因素;
3)由专家采用语言术语对机电产品的质量特性进行评估,建立语言术语决策矩阵,然后根据语言术语和区间q-rung orthopair模糊数的对应关系,将所有的语言术语等级信息转化为相应的IVq-ROFN,建立区间q-rung orthopair模糊决策矩阵其中表示专家ek对质量特性QCi的子影响因素SIFjy的评级信息转化而来的IVq-ROFN;
4)标准化决策矩阵:对区间q-rung orthopair模糊决策矩阵进行标准化处理;
5)对步骤4)标准化处理后的区间q-rung orthopair模糊决策矩阵进行一致性检查和优化,得到每个专家的最终决策矩阵;
6)利用IVq-ROFWG算子融合所有专家的最终决策矩阵,得到融合决策矩阵;
7)确定每个影响因素和子影响因素的权重;
8)根据影响因素和子影响因素的权重以及步骤6)得到的融合决策矩阵,计算每个质量特性的关键度Qi,关键度Qi指质量特性的重要程度,Qi值越大表示越关键。
3.根据权利要求2所述的一种考虑不确定性的机电产品关键质量特性确定方法,其特征在于,步骤5)中,对步骤4)标准化处理后的区间q-rung orthopair模糊决策矩阵进行一致性检查和优化的具体过程为;
5.1)基于标准化处理后的区间q-rung orthopair模糊决策矩阵,采用Minkowski距离计算相似性矩阵SMkt和一致性矩阵CM,
算术平均算子ξ记为:
5.2)基于一致性矩阵CM,将专家评价信息的一致性度量分解为以下三个层次:
①子影响因素层次:考虑子影响因素SIFjy的质量特性QCi的一致性程度ccij,用于计算与给定子影响因素有关的质量特性之间的所有专家评价的一致性水平,定义如下:
ccij=cmij
②质量特性层次:质量特性QCi的一致性程度cai,用于计算该质量特性层次下所有专家评价之间的一致性水平,定义如下:
③决策矩阵层次:决策矩阵的一致性程度ce,用于计算所有专家偏好之间的一致性水平,定义如下:
5.3)将实际一致性水平ce与预设的理想一致性阈值ε∈(0,1]进行比较,以判断是否达到了一致性要求;若ce≥ε或者r>rmax,其中r表示循环次数,rmax表示最大循环次数,则一致性检查过程结束,输出每个专家的最终决策矩阵否则进行步骤5.4);
5.4)获取非一致性识别规则;非一致性识别规则由非一致质量特性集、非一致子影响因素集、非一致决策集组成;非一致质量特性集(IRQC={QCi|cai<ε,i=1,2,…m})表示决策矩阵中需要优化的行;非一致子影响因素集(IRSIFi={SIFi|QCi∈IRQC∧ccij<ε,j=1,2,…n})表示应更改的质量特性的相应评价信息;非一致决策集表示需要修改子影响因素偏好值的专家组,其中是专家et和其他专家之间相似性度量的Minkowski距离;非一致性评估信息集IR确定方法如下:
IR={(t,(i,j))|et∈IReij∧QCi∈IRQC∧SIFj∈IRSIFi}
5.5)对不一致的专家评估信息进行修改优化;优化过程分为两方面:若 指的是第r次迭代时专家ek给出的第j个子影响因素对第i个质量特性的评估值,则对于效益型子影响因素,专家应减小评估等级,而成本型子影响因素,专家应增大评估等级;若则对于效益型子影响因素,专家应增大评估等级,而成本型子影响因素,专家应减小评估等级;从而得到r次迭代后的专家决策矩阵
5.根据权利要求4所述的一种考虑不确定性的机电产品关键质量特性确定方法,其特征在于,步骤7)确定影响因素和子影响因素的权重,具体方法为,
7.1)邀请l位专家对子影响因素的权重进行评估,得到每个专家的子影响因素的主观权重矩阵对主观权重矩阵进行一致性检查和优化,得到每个专家关于子影响因素的最终决策矩阵然后通过IVq-ROFWG算子对所有专家的最终决策矩阵进行融合,得到融合评价矩阵
7.3)定义基于Minkowski距离的综合偏差D(WO)来描述子影响因素之间的差异:
7.4)构建如下线性规划模型以使综合偏差最大化:
7.5)子影响因素的综合权重向量WSIF=(Wj)1×n=(Wyj)1×n,其中Wyj表示第y个质量特性的第j个子影响因素的权重;
其中,θ∈[0,1]为主观权重的重要度系数;
7.6)将步骤7.1)-7.5)中的子影响因素替换为影响因素,按步骤7.1)-7.5)的方法,得到影响因素的综合权重向量WIF=(Wy)1×p。
6.根据权利要求4所述的一种考虑不确定性的机电产品关键质量特性确定方法,其特征在于,步骤8)中,每个质量特性的关键度Qi的计算过程如下,
8.2)按下式计算子影响因素的合成权重:
8.3)按下式计算加权归一化决策矩阵:
8.5)每个质量特性的关键度Qi计算如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210508440.2A CN114757572A (zh) | 2022-05-10 | 2022-05-10 | 一种考虑不确定性的机电产品关键质量特性确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210508440.2A CN114757572A (zh) | 2022-05-10 | 2022-05-10 | 一种考虑不确定性的机电产品关键质量特性确定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114757572A true CN114757572A (zh) | 2022-07-15 |
Family
ID=82334691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210508440.2A Pending CN114757572A (zh) | 2022-05-10 | 2022-05-10 | 一种考虑不确定性的机电产品关键质量特性确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114757572A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114943492A (zh) * | 2022-07-25 | 2022-08-26 | 深圳市爱博绿环保科技有限公司 | 机电产品质量分数计算方法、装置和计算机设备 |
CN115638754A (zh) * | 2022-10-03 | 2023-01-24 | 北京工业大学 | 一种基于区间层次分析法的三坐标测量机精度分配方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122609A (zh) * | 2017-04-28 | 2017-09-01 | 电子科技大学 | 一种基于质量特性基因理论的机电产品质量评价方法 |
CN113887908A (zh) * | 2021-09-24 | 2022-01-04 | 浙江工业大学 | 考虑主客观交叉融合权重的桥梁风险评估方法 |
-
2022
- 2022-05-10 CN CN202210508440.2A patent/CN114757572A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122609A (zh) * | 2017-04-28 | 2017-09-01 | 电子科技大学 | 一种基于质量特性基因理论的机电产品质量评价方法 |
CN113887908A (zh) * | 2021-09-24 | 2022-01-04 | 浙江工业大学 | 考虑主客观交叉融合权重的桥梁风险评估方法 |
Non-Patent Citations (2)
Title |
---|
CHUANXI JIN等: "Interval-valued q-rung orthopair fuzzy FMEA application to improve risk evaluation process of tool changing manipulator", 机械产品关键质量特性综合识别方法, 18 February 2021 (2021-02-18), pages 1 - 21 * |
鞠萍华 等: "机械产品关键质量特性综合识别方法", 《组合机床与自动化加工技术》, 20 January 2022 (2022-01-20), pages 71 - 75 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114943492A (zh) * | 2022-07-25 | 2022-08-26 | 深圳市爱博绿环保科技有限公司 | 机电产品质量分数计算方法、装置和计算机设备 |
CN115638754A (zh) * | 2022-10-03 | 2023-01-24 | 北京工业大学 | 一种基于区间层次分析法的三坐标测量机精度分配方法 |
CN115638754B (zh) * | 2022-10-03 | 2024-03-15 | 北京工业大学 | 一种基于区间层次分析法的三坐标测量机精度分配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109409628B (zh) | 基于计量大数据聚类模型的采集终端生产厂商评价方法 | |
CN114757572A (zh) | 一种考虑不确定性的机电产品关键质量特性确定方法 | |
CN109471982B (zh) | 一种基于用户和服务聚类QoS感知的Web服务推荐方法 | |
CN113537807A (zh) | 一种企业智慧风控方法及设备 | |
Zhang et al. | Multi-attribute decision making: An innovative method based on the dynamic credibility of experts | |
CN108510180A (zh) | 一种生产设备所处性能区间的计算方法 | |
CN111932081B (zh) | 一种电力信息系统运行状态评估方法及系统 | |
CN111639411A (zh) | 一种基于electre和vikor法的电磁铁多质量特性决策方法 | |
CN110837952A (zh) | 一种基于博弈论的电网新技术设备选择方法及系统 | |
CN116680320A (zh) | 一种基于大数据的混合匹配方法 | |
CN115829683A (zh) | 一种基于逆奖赏学习优化的电力积分商品推荐方法及系统 | |
CN113327047B (zh) | 基于模糊综合模型的电力营销服务渠道决策方法及系统 | |
CN112506977B (zh) | 一种区间直觉模糊多属性群体决策供应商选择方法 | |
CN114548494A (zh) | 一种可视化造价数据预测智能分析系统 | |
CN112597687B (zh) | 一种基于少样本学习的涡轮盘结构混合可靠性分析方法 | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的系统和方法 | |
Dammak et al. | Crisp multi-criteria decision making methods: State of the art | |
CN116797096A (zh) | 基于ahp-熵权法的供应链韧性水平模糊综合评估方法 | |
CN104008429B (zh) | 一种航空发动机装配任务优先度排序方法 | |
CN113033886B (zh) | 一种配电网规划建设评估方法 | |
CN114757578A (zh) | 一种粗糙集框架下的电池多级模糊综合评估筛选方法 | |
CN115171816A (zh) | 一种用于航空装备关键材料应用验证的综合评价方法 | |
CN114048977A (zh) | 一种工程师分级方法、装置及终端设备 | |
CN114298579A (zh) | 一种基于数据挖掘的有源配电网故障风险预警方法及系统 | |
Hu et al. | A hybrid recommendation model for online learning |
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 |