一种基于区间二元语义和灰色关联分析的改进FMEA的方法技术

本发明专利技术属于可靠性分析技术领域，涉及一种基于区间二元语义和灰色关联分析的改进FMEA的方法，其包括有如下的步骤：S1、将每个评价结果的语言评价矩阵转化为区间二元语义评价矩阵；S2、聚合故障模式的评价，建立集体区间二元语义评价矩阵和每个风险因子的二元语义的风险因子权重；S3、将上述S2步骤中的风险因子权重进行标准化计算；S4、在集体区间二元语义评价矩阵中，故障模式的所有风险因子中确定参考序列；S5、计算每个故障模式的比较序列和参考序列之间的距离，得到距离矩阵；S6、在距离矩阵中计算指定故障模式下每个风险因子的灰色关联系数；S7、根据灰色关联系数计算每个故障模式的灰色关联度；S8、根据灰色关联度确定所有故障模式的风险排序。

【技术实现步骤摘要】
一种基于区间二元语义和灰色关联分析的改进FMEA的方法
本专利技术属于可靠性分析
，具体涉及一种基于区间二元语义和灰色关联分析的改进FMEA的方法，利用区间二元语义和灰色关联分析对传统FMEA风险评估方法进行改进。现有技术二十世纪六十年代，美国航空工业首次提出故障模式与影响分析(FailureModeandEffectAnalysis，FMEA)方法。随后FMEA方法被广泛运用到产品与过程安全性和可靠性分析中，在核能、汽车、电子、建筑和保健等行业取得重大发展。FMEA是一种系统化和前瞻性的可靠性分析技术，用于定义、识别和消除系统、产品、过程以及到达消费者之前的服务环节中潜在的故障、问题和错误。传统FMEA主要包括三个阶段：识别潜在故障模式及其影响、评估故障模式风险、采取措施消除故障源。与其他风险评估工具不同，FMEA旨在故障发生之前就识别出系统中的潜在故障模式，并提供防止故障发生的预防策略。着重强调事先预防的作用，而不是在故障发生后找到解决方案。FMEA方法可以帮助团队成员调整现有的进程，增加补偿条款，减少故障发生可能性，降低故障概率并避免危险事故。FMEA方法运用之前，首先要建立一个跨职能团队，该团队负责对特定系统或产品进行分析，识别其中所有可能发生的潜在故障。之后对这些故障模式进行危害性分析，评估出每个潜在故障模式的三个风险因子：发生度(Occurrence，O)，严重度(Severity，S)及检测度(Detection，D)。传统上，故障模式的风险次序由故障模式的风险优先级数(RiskPriorityNumber，RPN)决定，通过计算O，S，D的数学乘积来确定RPN值。RPN值越高代表该故障模式的风险越高，在资源有限的情况下，优先对高风险的故障模式进行改进和优化，最终更有效地降低系统风险，提高系统的可靠性和安全性。传统FMEA方法被证实是识别和评估潜在故障的有利工具，但是在实际应用中，它也有存在很多为人诟病的缺点:(1)传统FMEA方法中，三个风险因子O，S，D的重要性程度均相等，但根据实际情况，风险因子对系统可靠性的影响程度不同，应该考虑其相对重要性；(2)传统RPN方法将O，S，D值进行简单相乘计算得出故障模式风险程度(RPN值)，但不同风险因子的组合可能产生相同的RPN值，但风险因子对系统的隐藏风险影响是完全不同的；(3)传统的风险因子都是采用精确值进行评价，但目前FMEA问题中包含大量不确定和模糊的信息，更适合用语言值表示这些信息；(4)不同风险因子的评估值转化过程是不同的，比如发生度评价和相关评分间的关系是非线性的，检测度评价和相关评分间的关系是线性的；(5)目前RPN值的计算公式有待商榷，暂无理论依据支持风险因子乘积作为RPN值这一观点。区间二元语义能够有效模拟和处理不同背景专家出评价值的多样性和不确定性。其优势在于小组成员可以选择不同粒度的语言集合评价故障模式风险。运用区间二元语义表达FMEA评估专家的主观意见，能更灵活的处理不同不确定形式下的语言集，也能有效地避免语言信息处理中信息丢失和失真的问题。灰色关联分析(GreyRelationalAnalysis，GRA)是灰色系统的一个分支，用于评价具有多重关联指标的复杂系统性能，目前已经被用于多因子多变量间存在相互作用关系的多准则决策问题。其基本思想是，计算复杂系统中各个方案的评价值与最优方案的评价值间的关联度，根据关联度大小确定方案最优方案及优劣排序。与传统排序方法相比，灰色关联分析法采用两个方案全局比较的方式替代局部距离测量方式，更加全面和准确。
技术实现思路
为克服传统FMEA方法的诸多弊端，本专利技术提出了一种基于区间二元语义和灰色关联分析的改进FMEA方法。该方法用区间二元语义表示专家对故障模式的评估值和风险因子权重，利用灰色关联分析方法对所有故障模式进行排序，提高不确定环境下FMEA分析的有效性。本专利技术是通过以下的技术方案来实现的:本专利技术提出了一种基于区间二元语义和灰色关联分析的改进FMEA的方法，设定FMEA评估团队中有l个评估人员TMk(k＝1,2,...,l)对m个故障模式FMi(i＝1,2,...,m)就n个风险因子RFj(j＝1,2,...,n)进行评估。每个评估人员TMk的权重为λk＞0(k＝1,2,...,l)，λk表示该评估人员在评估成员中的相对重要程度。设定评估人员TMk给出的评价结果的语言评价矩阵为表示由评估人员TMk对故障模式FMi关于风险因子RFj进行评价得到的语言值。设定是由评估人员TMk给定风险因子RFj的语言权重，反映该风险因子在确定故障模式风险因子风险优先顺序的重要程度。设定FMEA团队成员可以使用不同的语言术语集来表达他们自己的评估值。基于上述设定，该方法包括以下步骤：步骤1：将评价结果的语言评价矩阵转化为区间二元语义评价矩阵设定评估人员TMk从一个包含五个语言术语的语言集S中提供他的评价结果，语言集表示为S＝{s0＝很低,s1＝低,s2＝中等,s3＝高,s4＝很高}.确切的评估值如“低”可以表示为[(s1,0),(s1,0)]，区间评估如“低-中等”可以表示为[(s1,0),(s2,0)]。有时，FMEA小组成员给出的评价值在“很低-很高”之间，这表示他们不愿意或无法提供失效模式的风险因子评估值，这种估值通常表示为[(s0,0),(s4,0)]。将语言评价矩阵转化为区间二元语义评价矩阵其中步骤2：聚合专家评价聚合故障模式的评价，建立集体区间二元语义评价矩阵确定每个风险因子的二元语义的风险因子权重(wj,αwj)。计算公式如下所示：通过公式(7)，区间二元语义评价矩阵可以进行比较。步骤3：计算风险因子权重上述步骤中的风险因子权重(wj,αwj),j＝1,2,...,n需要通过以下公式进行标准化。步骤4：确定参考序列在进行FMEA时，评估得分低表示该故障模式风险低，因此，将风险因子评价值中得分最低的语言集可以看作是参考序列。在上述集体区间二元语义评价矩阵中，其中最小的二元语义是(s0,0)。因此，参考序列为：r0＝(r0j)1×n＝[(s0,0),(s0,0),...,(s0,0)].(10)步骤5：计算距离矩阵在FMEA中，每一个故障模式的比较序列和参考序列r0j之间的距离用表示，步骤6：计算灰色关联系数灰色关联系数表示和r0j的距离，灰色关联系数越大，距离r0j越近。故障模式和r0j关于每个风险因子的灰色关联系数γij通过以下公式计算：其中表示和r0j之间的距离，分辨系数ζ，ζ∈[0,1]，只影响故障模式风险的相对值，不改变故障模式的风险优先顺序，通常取ζ＝0.5。步骤7：计算灰色关联度根据集体灰色关联系数γij，每个故障模式之间的灰色关联度可以通过下式计算：步骤8：确定所有故障模式的风险排序。对于FMEA，关联度越高的故障模式，其潜在风险越小，所以根据关联度的升序排序，可以确定所有故障模式从大到小的风险排序。注意：上述计算中转化函数Δ与Δ-1的定义如下：令S＝(s0,s1,...,sg)为一个有序的离散语言变量集，区间二元语义包含两个二元语义，即[(si,α1)(sj,α2)]。其中(si,α1)≤(sj,α2)，si,sj和α1,α2分别表示的语言变量和符号转变值。本文档来自技高网...

【技术保护点】
1.一种基于区间二元语义和灰色关联分析的改进FMEA的方法，其包括有如下的步骤：S1、将每个评价结果的语言评价矩阵转化为区间二元语义评价矩阵；S2、聚合故障模式的评价，建立集体区间二元语义评价矩阵和每个风险因子的二元语义的风险因子权重；S3、将上述S2步骤中的风险因子权重进行标准化计算；S4、在集体区间二元语义评价矩阵中，故障模式的所有风险因子中确定参考序列；S5、计算每个故障模式的比较序列和参考序列之间的距离，得到距离矩阵；S6、在距离矩阵中计算指定故障模式下每个风险因子的灰色关联系数；S7、根据灰色关联系数计算每个故障模式的灰色关联度；S8、根据灰色关联度确定所有故障模式的风险排序。

【技术特征摘要】
1.一种基于区间二元语义和灰色关联分析的改进FMEA的方法，其包括有如下的步骤：S1、将每个评价结果的语言评价矩阵转化为区间二元语义评价矩阵；S2、聚合故障模式的评价，建立集体区间二元语义评价矩阵和每个风险因子的二元语义的风险因子权重；S3、将上述S2步骤中的风险因子权重进行标准化计算；S4、在集体区间二元语义评价矩阵中，故障模式的所有风险因子中确定参考序列；S5、计算每个故障模式的比较序列和参考序列之间的距离，得到距离矩阵；S6、在距离矩阵中计算指定故障模式下每个风险因子的灰色关联系数；S7、根据灰色关联系数计算每个故障模式的灰色关联度；S8、根据灰色关联度确定所有故障模式的风险排序。2.根据权利要求1所述的基于区间二元语义和灰色关联分析的改进FMEA的方法，其特征在于，所述S1步骤中的区间二元语义评价矩阵表示为其中3.根据权利要求1所述的基于区间二元语义和灰色关联分析的改进FMEA的方法，其特征在于，所述S2步骤中的集体区间二元语义评价矩阵的计算公式为风险因子的二元...

【专利技术属性】
技术研发人员：刘虎沉，何创新，苗中华，栾雪，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海,31