作者：国工智能研发部—杨金良

前言

随着计算机技术的迅猛发展以及Internet进入商业和社会应用阶段，设备的种类、数量越来越多，如何利用先进的网络技术和日新月异的计算机设备来有效地收集、处理这些设备，建立以信息化为核心的管理体制，减轻管理人员和业务人员的数据处理负担，极大地提高设备管理效率和管理手段，己经成为当今社会的潮流。

在现代化大型研究所信息化管理体系建设中，设备管理系统被看作是重中之重。因为设备是工厂生产中的主体，随着科学技术的不断发展，生产设备日益机械化、自动化、大型化、高速化和复杂化，设备在现代工业生产中的作用和影响也随之增大，在整个工业生产过程中对设备的依赖程度也越来越高。设备管理的各项制度、流程涉及的点多面广。

在设备管理系统中，设备维护是非常重要的环节，在设备维护完成后，往往要对此次设备维护进行评价，以此来判断设备维护的效果。在没有项目分析的情况下，评价打分杂乱无章，且单个评价对于整体的设备维护优化并没有太大的作用。本次案例就项目分析（item analysis）与设备管理系统相融合进行探讨及应用举例。

含义

项分析（item analysis）是对测验或量表的项目质量的分析研究。广义还包括定性分析，即从题目的思想性、内容取样的适切性以及表达是否清楚等方面加以评鉴。就是根据试测结果对组成测验的各个题目（项目）进行分析，从而评价题目好坏、对题目进行筛选。分析指标包括项目难度和区分度。

使用项分析可评估调查或检验中多个项目度量同一特征的成都。使用此分析，可以执行以下操作：

1.评估几对项目之间关系的强度和方向。

2.评估检验或调查的总体内部一致性。

3.确定忽略项目是否提高了内部一致性。

案例

某企业随机抽取了3台设备，并分别记录了50次设备维护后，设备使用人员对此次设备维护的评价，1为最低分，5为最高分。

分析过程

首先配置读取组件然后从数据大脑中的组件面板查找项目分析组件，拖到工作面板，配置数据，项目分析组件参数，点击运行。

再通过拖拽的方式将判别分析组件与Excel读取链接到一起。使用集成好算法的判别分析组件进行数据分析处理，对组件参数进行设置。

分析结果

在这些结果中，所有项目都彼此高度相关。项目 1 和项目 2 存在正线性相关，即 0.903。项目 1 和项目 3 存在正线性相关，即 0.867。项目 2 和项目 3 存在正线性相关，即 0.864。且标准差在1.2-1.4之间，上下波动并不大，说明设备使用人员对设备维护的效果是比较满意的。

与设备管理系统相融合

国工数据大脑平台可直接获取设备管理系统数据，直接将反馈数据对接到创建好的项分析模型中，根据统计的数据，得出设备维修满意度分析结果，对设备维护效果有一个整体的把控，从而对维修团队进行整改。提高设备生产效率和使用寿命，为公司创造利益。

参数说明

标准差：标准差能反映一个数据集的离散程度。平均数相同的两组数据，标准差未必相同。

Cronbach Alpha：一般探索性研究，Cranbach's a系数在0.6以上，基准研究在0.8以上，通常情况下Cranbach's a系数在0.6以上，被认为可信度较高。

Pearson相关系数：用来衡量两个数据集合是否在一条线上面，它用来衡量定距变量间的线性关系。大于0.7呈高度相关，则说明这些项目度量同一技能或特征。

适用范围

1、用于统计设备维护后的效果反馈。

2、用于统计培训试题难度的效果反馈。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005