考慮加工中心用戶可用性需求指標體系的特點,構(gòu)建相應(yīng)的模型。將7項可用性需求 指標作為內(nèi)生變量,可靠性需求和維修性需求作為可用性需求模型的一階因子中的內(nèi)生潛 變量,可用性需求就是模型中的二階外生潛變量,建立可用性需求模型,如圖3.3所示。
在設(shè)定好模型的標準、潛變量和組織架構(gòu)之后,需要根據(jù)所設(shè)定的模型進行參數(shù)估計, 來判斷模型是否合理,如果不合理就需要對模型進行參數(shù)調(diào)整,直到調(diào)整到合適的模型。 本文采用建模軟件為AMOS 16.0,估計方法為極大似然估計。
(2) 參數(shù)估計
1) 數(shù)據(jù)收集
根據(jù)圖3.3所設(shè)定的模型結(jié)構(gòu),本次調(diào)查針對機床企業(yè)主管、采購人員、維修人員及 操作人員發(fā)出問卷115份,回收了 106份問卷,回收率為92%。問卷依然釆用李克特五點 量表法,將可用性需求重要程度劃分成“很不重要”、“不很重要”、“一般重要”、“比較重要” 和“很重要”5個評比等級。
2) 信度效度分析
在問卷調(diào)查以后,就可以展開信度和效度分析。如果最后計算出的因子負荷系數(shù)在標 準的負荷系數(shù)范圍內(nèi),那么表示模型的結(jié)構(gòu)效度是處于合理程度的。《值在0.8以上說明 問卷效度很好,具體解釋參考第二章。如表3.7是模型的結(jié)構(gòu)效度和信度的檢驗情況。從 該表不難發(fā)現(xiàn),各檢驗結(jié)果都可以達到衡量標準,所以得知此模型的信度和效度良好。
表3.7指標體系因子分析
|
第二層指標 |
第三層指標 |
因子負荷 |
«值 |
|
可靠性需求 |
MTBF |
0.834 |
|
|
|
精度保持性 |
0.912 |
|
|
|
故障診斷 |
0.842 |
|
|
|
維修難易程度 |
0.722 |
0.837 |
|
維修性需求 |
符合維修的人機環(huán)工程要求 |
0.834 |
|
|
|
維修費用 |
0.586 |
|
|
|
維修時間 |
0.673 |
|
3) 基于SEM的二階驗證性因子分析
通過AMOS軟件,分析數(shù)據(jù)的二階驗證性因子,得到可用性需求指標模型的標準化 參數(shù)圖,也即結(jié)構(gòu)方程路徑圖,如圖3.4所示。
(3) 模型擬合
在AMOS中一般采用極大似然法估計其中的各類參數(shù),并通過擬合參數(shù)的數(shù)值來判 定擬合程度的優(yōu)劣。觀察表3.8可看到,CMIN/DF=2.146小于3, P值小于0.05, AGFI、 NFI、CFI和IFI均接近或大于0.9, RMSEA低于0.08,因此各項擬合指標值表明模型與樣
本數(shù)據(jù)的擬合度很好,基于這些指數(shù)與相關(guān)理論,可以認定此次設(shè)計的模型擬合優(yōu)度良好。
表3.8模型的擬合度檢驗
|
指標 |
CMIN/DF |
P |
CFI |
GFI |
RMSEA |
AGFI |
NFI |
IFI |
|
指標值 |
2.146 |
0.01 |
0.947 |
0.93 |
0.07 |
0.85 |
0.907 |
0.948 |
(4) 評價模型結(jié)構(gòu)參數(shù)
從上表3.8,不難得出各擬合指標都可以達到預(yù)期的要求,所有數(shù)據(jù)都處于較好水平, 這也意味著建立可用性需求指標模型得到了較好的數(shù)據(jù)支持。
(5) 客觀重要度計算
通過圖3.4可以看出,結(jié)構(gòu)方程模型一方面導(dǎo)出了每個測量變量對潛變量的影響路徑 系數(shù),同時也導(dǎo)出了每個一階因子對二階因子的路徑影響系數(shù),對這些路徑系數(shù)進行歸一 化后便得到相關(guān)變量的權(quán)重系數(shù)(田飛,2007)。本文結(jié)合路徑分析法借助路徑系數(shù)計算 結(jié)果對可用性需求指標進行賦權(quán),從指標解釋的功能性角度確定指標權(quán)重,以闡述各變量 之間的相對重要程度。按照該方法,所得到的指標權(quán)重值通常會隨著評價指標與評價范圍 的調(diào)整而發(fā)生調(diào)整,因此該方法是一種動態(tài)分析法,實用性較強。具體計算如下:
客觀重要度的歸一化方法。把所有分類指標的路徑系數(shù)相加,所有指標與該路徑 系數(shù)總和相除,以取得權(quán)重值。例如:可靠性需求、維修性需求的重要度各為:0.628, 0.935, 則歸一化后二者重要度各為0.4, 0.6。同樣,還可以計算各個指標相對重要度。
具體指標客觀重要度的計算方法。第一層歸一化后指標的重要度與第二層每個觀 測變量歸一化后的指標重要度做乘法,就可以得到每個具體指標的重要度。
本文采摘自“基于QFD的加工中心可用性保障技術(shù)研究”,因為編輯困難導(dǎo)致有些函數(shù)、表格、圖片、內(nèi)容無法顯示,有需要者可以在網(wǎng)絡(luò)中查找相關(guān)文章!
本文由伯特利數(shù)控整理發(fā)表文章均來自網(wǎng)絡(luò)僅供學習參考,轉(zhuǎn)載請注明!
相關(guān)內(nèi)容可查閱:主頁(加工中心)、產(chǎn)品頁(CNC加工中心)、文章頁(數(shù)控加工中心)
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(guī)則和整體剛性差,并通過設(shè)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(shù)控加工提供了一個典型案例,對于五軸加工中心數(shù)控加工也具有指導(dǎo)作用和重要… [了解更多]
2024-11
宇匠數(shù)控 備注:為保證文章的完整度,本文核心內(nèi)容由PDF格式顯示,如未有顯示請刷新或轉(zhuǎn)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(lián)五軸加工中心自適應(yīng)深度學習控制方法的 研 究,可 知 此 方 法 的 創(chuàng) 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(shù)由于其成本低、檢測效率高、無需二次裝夾等優(yōu)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(tǒng)的構(gòu)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(tǒng)、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(chǎn)品質(zhì)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(fā)展,精密的儀器和零件在生產(chǎn)實踐中占據(jù)的分量逐漸增加,在數(shù)控機床這種精密機器精度不斷提高的同時,必須控制內(nèi)外界環(huán)境的隨機影響因素在… [了解更多]