【技术实现步骤摘要】
本专利技术提供一种基于模糊数据处理的产品早期故障根原因识别方法,它涉及一种基于关联树与模糊数据包络分析的产品早期故障根原因识别方法,属于可靠性建模与分析
技术介绍
制造末端直接输出的产品在投入使用的初期阶段,常常是顾客定义产品品质优劣并形成消费信任的关键阶段。产品交付使用早期,故障的频发使得早期故障率居高不下,成为企业与顾客亟待规避的诟病。面向产品全寿命周期的失效特点,顾客对早期失效的敏感性,决定了开展传统浴盆曲线中早期故障阶段故障根原因识别研究的重要性和迫切性。产品的早期故障一般界定为在投入使用的早期,由于设计缺陷、材料缺陷、加工制造缺陷及装配缺陷等缺陷因素,在规定的条件与规定的时间内,发生不能完成规定功能的功能性故障和一个或几个性能参数超出允许变化范围的参数性故障。针对产品的早期故障,研究者多从早期故障分布的统计规律入手,在试验数据或使用故障数据分布类型未知的情况下,选择某种分布并进行参数估计,然后给定显著性水平分别对每种分布进行拟合检验,从而确定合适的分布类型及参数,该研究思路很大程度上仅基于故障数据的统计分布规律来分析产品的可靠性以及对产品的早期故障分析,并没有从产品设计、制造、工艺系统性的分析出发,因而不能准确地分析出导致产品早期故障的根原因,使得目前只能通过老练试验表面移除来应对高发的早期故障。无法准确识别故障根原因严重影响了从使用前端消除质量缺陷于萌芽状态以控制早期故障率水平的进程。大量工程实践表明,早期故障的频发关乎产品全寿命周期的方方面面,系统来看,设计的本源思想,制造阶段的生产流程,使用阶段的环境应力,包括来自设计、材料、加 ...
【技术保护点】
一种基于模糊数据处理的产品早期故障根原因识别方法,即一种基于关联树与模糊数据包络分析的产品早期故障根原因识别方法,提出的基本假设如下:假设1制造过程中可靠性设计方案不变;假设2产品设计、制造到使用环节过程是可测量的;假设3过程检测值相互独立;假设4销售、运输环节对产品早期故障的影响不考虑;假设5设计阶段功能需求可量化;基于上述假设,本专利技术提出的一种基于模糊数据处理的产品早期故障根原因识别方法,即一种基于关联树与模糊数据包络分析的产品早期故障根原因识别方法,其特征在于:其步骤如下:步骤1构建产品早期故障根原因关联树层级模型;步骤2构建潜在故障根原因数据模型;步骤3产品寿命周期质量与可靠性数据收集;步骤4基于故障关联树层级模型,确定过程目标节点及其数据模糊性分析,进而确定节点影响因素及其模糊值;步骤5构建产品早期故障根原因模糊数据包络分析模型;步骤6估算故障关联树节点的效率评价值;步骤7故障关联节点相对权值的划分及节点优先级排序;步骤8结果分析,完成故障根原因的识别。
【技术特征摘要】
1.一种基于模糊数据处理的产品早期故障根原因识别方法,即一种基于关联树与模糊数据包络分析的产品早期故障根原因识别方法,提出的基本假设如下:假设1制造过程中可靠性设计方案不变;假设2产品设计、制造到使用环节过程是可测量的;假设3过程检测值相互独立;假设4销售、运输环节对产品早期故障的影响不考虑;假设5设计阶段功能需求可量化;基于上述假设,本发明提出的一种基于模糊数据处理的产品早期故障根原因识别方法,即一种基于关联树与模糊数据包络分析的产品早期故障根原因识别方法,其特征在于:其步骤如下:步骤1构建产品早期故障根原因关联树层级模型;步骤2构建潜在故障根原因数据模型;步骤3产品寿命周期质量与可靠性数据收集;步骤4基于故障关联树层级模型,确定过程目标节点及其数据模糊性分析,进而确定节点影响因素及其模糊值;步骤5构建产品早期故障根原因模糊数据包络分析模型;步骤6估算故障关联树节点的效率评价值;步骤7故障关联节点相对权值的划分及节点优先级排序;步骤8结果分析,完成故障根原因的识别。2.根据权利要求1所述的一种基于模糊数据处理的产品早期故障根原因识别方法,即一种基于关联树与模糊数据包络分析的产品早期故障根原因识别方法,其特征在于:在步骤1中所述的“故障根原因关联树”是指,将设计到的所以潜在原因都系统化的梳理起来,形成系统架构的树图即故障根原因关联树;而这里的“故障根原因”是指区别于直接原因且具有潜在性的特点,是导致故障发生的最根本的原因;所述的“构建产品早期故障根原因关联树层级模型”,其构建的做法如下:从系统论角度自上而下将早期故障特征,利用公理化域映射理论映射到功能域,衍生出功能树结构;进而,功能域给出故障特征相关的中每个功能需求,并独立地被结构域中相应的设计参数满足而不影响其它的功能需求,衍生出物理树结构;继而,被映射到对应特定工艺执行参数的过程域,衍生出工艺树结构,最终形成产品早期故障根原因关联树层级模型。3.根据权利要求1所述的一种基于模糊数据处理的产品早期故障根原因识别方法,即一种基于关联树与模糊数据包络分析的产品早期故障根原因识别方法,其特征在于:在步骤2中所述的“故障根原因”是指区别于直接原因且具有潜在性的特点,是导致故障发生的最根本的原因;所述的“构建潜在故障根原因数据模型”,其构建方法如下:首先,针对目前笼统归因于设计、制造和使用偏差累积造成的故障机理认知的模糊性问题,立足于产品早期故障,以制造过程质量为核心,上游追溯到设计,下游落于使用,对导致早期故障的原因进行系统梳理;其次,从系统论角度自上而下的分析,分析来自于设计、制造和使用三方面导致产品早期故障的原因,提取导致故障的设计和制造参数;最后,依据所提取的设计和制造参数,建立起潜在故障根原因数据模型。4.根据权利要求1所述的一种基于模糊数据处理的产品早期故障根原因识别方法,即一种基于关联树与模糊数据包络分析的产品早期故障根原因识别方法,其特征在于:在步骤3中所述的“产品寿命周期质量与可靠性数据收集”是指利用传统历史数据和专家经验诸手段收集设计、制造、使用三方面的为主的产品生命周期内的质量检测历史数据以及故障数据。5.根据权利要求1所述的一种基于模糊数据处理的产品早期故障根原因识别方法,即一种基于关联树与模糊数据包络分析的产品早期故障根原因识别方法,其特征在于:在步骤4中所述的“基于故障关联树层级模型,确定过程目标节点及其数据模糊性分析,进而确定节点影响因素及其模糊值”,其分析方法如下:首先,在关联树层级模型中选择进行权重分析的目标节点;其次,针对建立的故障根原因数据模型,考虑到指标影响越大,节点重要程度越低,将操作和技术成本、技术环境作为输入指标,选择节点间的关联作为输出指标,利用5个输出指标:波动概率、波动影响、故障的概率、故障的可检测程度和故障影响严酷度作为输出指标评估节点关联程度;继而,根据目标节点与影响因素的关联程度,通过专家经验确定输入输出变量指标的模糊值,并利用三角模糊数M(l,m,r)处理表述模糊数据;最后,利用三角模糊数去构建关联树中各节点影响故障关联权重的评估指标权重,基于历史数据和专家经验,得到关联权重评估指标及其影响因子。6.根据权利要求1所述的一种基于模糊数据处理的产品早期故障根原因识别方法,即一种基于关联树与模糊数据包络分析的产品早期故障根原因识别方法,其特征在于:在步骤5中所述的“构建产品早期故障根原因模糊数据包络分析模型”,其构建方法如下:这里数据包络分析模型为, h j 0 = Σ r = 1 s u r y r j 0 / Σ i = 1 m v i x i j 0 ]]> s . t . Σ r = 1 s u r y r j / v i x i j ≤ 1 ]]>v≥0,u≥0,j=1,2,…,n模型中是第j0个决策单元DMUj相应的效率评价指数;xij0和yrj0分别为第j0个决策单元的输入和输出;vi是第种i输入的权系数,μr是第r种输出变量的权系数;依据上述数据包络分析模型以及步骤4中所确定的目标节点和相应的模糊值,依据经典Charnes-Cooper的变换,令w=tv,μ=tu,建立起各输入输出变量与目标节点的线性规划模型,具体模型表达如下: M a x h 0 ~ = Σ r = 1 s μ r ( y r 0 L , y r 0 M , y r 0 R ) ]]> s . t . Σ i = 1 m ω i ( x i 0 L , x i 0 M , x i 0 ...
【专利技术属性】
技术研发人员:何益海,何珍珍,谷长超,韩笑,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。