为提高数控机床的加工精度,必须对精度设计质量特性(Quality characteristics,QCs)进行分析和评估。数控机床的精度设计是多因素、多QCs要求的复杂工程优化问题,且各QCs需要满足特定的技术标准。针对数控机床的加工精度要求,识别出影响...为提高数控机床的加工精度,必须对精度设计质量特性(Quality characteristics,QCs)进行分析和评估。数控机床的精度设计是多因素、多QCs要求的复杂工程优化问题,且各QCs需要满足特定的技术标准。针对数控机床的加工精度要求,识别出影响精度设计QCs的重要质量要素(Quality factors,QFs)。在此基础上,提出基于粗糙集(Rough set,RS)和质量功能配置(Quality function deployment,QFD)中质量屋(House of quality,HoQ)的反向映射模型。运用RS理论简化和提取满足加工质量要求的QFs,并提出应用近似精确粗糙数确定QFs的权重。通过构建精度设计的反向映射模型,实现主要QFs和精度设计QCs之间的转换,确定各精度设计QCs的重要度,帮助产品设计人员完成设计目标。以加工中心为例,验证该模型的实用性。展开更多
针对质量功能配置(quality function deployment,QFD)评价信息中的模糊性和随机性问题,提出一种基于云模型的QFD中工程特性重要度确定方法。采用云模型处理语义评价信息,并基于正向云发生器算法提出云滴贡献值算法,用以将云模型间接转...针对质量功能配置(quality function deployment,QFD)评价信息中的模糊性和随机性问题,提出一种基于云模型的QFD中工程特性重要度确定方法。采用云模型处理语义评价信息,并基于正向云发生器算法提出云滴贡献值算法,用以将云模型间接转换成精确数值,进而计算工程特性重要度。根据技术竞争性评估矩阵,基于最大偏差法的思想构建数学模型确定工程特性重要度修正因子,进而确定工程特性的最终重要度。最后以某企业的一款装载机工程特性重要度计算为例,验证了所提方法的有效性。展开更多
针对质量功能展开(quality function deployment,QFD)中评价信息的模糊性和不确定性问题,考虑球型模糊具有独立确定隶属度、非隶属度和犹豫度的优势,采用球型模糊数处理专家语义评价信息,将供应商和顾客需求映射为工程特性。针对现有模...针对质量功能展开(quality function deployment,QFD)中评价信息的模糊性和不确定性问题,考虑球型模糊具有独立确定隶属度、非隶属度和犹豫度的优势,采用球型模糊数处理专家语义评价信息,将供应商和顾客需求映射为工程特性。针对现有模糊QFD分析中反模糊化造成信息损失以及没有考虑决策者心理偏好的问题,采用TODIM(交互式多准则决策方法葡萄牙语缩写),考虑专家规避风险的心理偏好,通过计算工程特性的总体优势度进行其重要度分析。为验证该方法的有效性,以某电动汽车产品服务系统为例,进行工程特性重要度分析、损失规避系数灵敏度分析,并对比了不同多属性决策方法的工程特性排序结果。结果表明,所提方法能够解决评价信息的模糊性和不确定性问题,同时考虑了决策者风险偏好,更符合实际决策情境。展开更多
文摘为提高数控机床的加工精度,必须对精度设计质量特性(Quality characteristics,QCs)进行分析和评估。数控机床的精度设计是多因素、多QCs要求的复杂工程优化问题,且各QCs需要满足特定的技术标准。针对数控机床的加工精度要求,识别出影响精度设计QCs的重要质量要素(Quality factors,QFs)。在此基础上,提出基于粗糙集(Rough set,RS)和质量功能配置(Quality function deployment,QFD)中质量屋(House of quality,HoQ)的反向映射模型。运用RS理论简化和提取满足加工质量要求的QFs,并提出应用近似精确粗糙数确定QFs的权重。通过构建精度设计的反向映射模型,实现主要QFs和精度设计QCs之间的转换,确定各精度设计QCs的重要度,帮助产品设计人员完成设计目标。以加工中心为例,验证该模型的实用性。
文摘针对质量功能配置(quality function deployment,QFD)评价信息中的模糊性和随机性问题,提出一种基于云模型的QFD中工程特性重要度确定方法。采用云模型处理语义评价信息,并基于正向云发生器算法提出云滴贡献值算法,用以将云模型间接转换成精确数值,进而计算工程特性重要度。根据技术竞争性评估矩阵,基于最大偏差法的思想构建数学模型确定工程特性重要度修正因子,进而确定工程特性的最终重要度。最后以某企业的一款装载机工程特性重要度计算为例,验证了所提方法的有效性。
文摘针对质量功能展开(quality function deployment,QFD)中评价信息的模糊性和不确定性问题,考虑球型模糊具有独立确定隶属度、非隶属度和犹豫度的优势,采用球型模糊数处理专家语义评价信息,将供应商和顾客需求映射为工程特性。针对现有模糊QFD分析中反模糊化造成信息损失以及没有考虑决策者心理偏好的问题,采用TODIM(交互式多准则决策方法葡萄牙语缩写),考虑专家规避风险的心理偏好,通过计算工程特性的总体优势度进行其重要度分析。为验证该方法的有效性,以某电动汽车产品服务系统为例,进行工程特性重要度分析、损失规避系数灵敏度分析,并对比了不同多属性决策方法的工程特性排序结果。结果表明,所提方法能够解决评价信息的模糊性和不确定性问题,同时考虑了决策者风险偏好,更符合实际决策情境。
