一种基于模糊数据处理的产品早期故障根原因识别方法技术

一种基于模糊数据处理的产品早期故障根原因识别方法，其步骤如下：1、构建产品早期故障根原因关联树层级模型；2、构建潜在故障根原因数据模型；3、产品寿命周期质量与可靠性数据收集；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；5、构建产品早期故障根原因模糊数据包络分析模型；6、估算故障关联树节点的效率评价值；7、故障关联节点相对权值的划分及节点优先级排序；8、结果分析，完成故障根原因的识别。本发明专利技术突破了早期故障机理认知模糊环境下开展早期故障根原因识别技术，有利于在产品设计和工艺设计阶段等早期故障形成阶段采取预防措施，变事后处理为事前预防，为早期故障的预防和整改提供了新思路。

【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、加工制造及装配等的缺陷可映射为不同的偏差状态空间，偏差的传递，累积及 相互作用导致产品在一定使用环境、应力、强度及操作习惯的激励下暴露出诸多的使用早期故障问题。然而，现阶段对这些早期故障问题的描述和评价上存在着诸多的模糊性与不确定性，并没有一个很好的量化指标，大多只是笼统的概念上模糊性评判，这些机理认知的模糊性严重制约着早期故障根原因的精确识别。如何避免这些模糊性问题的影响并从产品全寿命周期出发，考虑制造和设计的源头对早期故障进行优化并没有有效的办法。设计阶段的可靠性概念模型决定了早期故障的根本性问题，制造阶段的生产流程验证了早期故障的薄弱环节，而使用阶段的环境应力则诱发了早期故障的表现形式。早期故障率作为产品最终可靠性的衡量指标，现阶段，一方面，针对使用阶段产品早期故障问题的分析多笼统的归于设计不当、原料及制造缺陷等，这一笼统认识导致了故障根原因识别问题上机理认知的模糊性，不利用于准确定位早期故障根原因(关键设计和制造参数)。另一方面，由于来自于设计、制造以及使用三大模块的功能参数，工艺参数及过程变量等数据往往以一种不精确的方式出现的，而且数据缺乏时多依赖于专家的经验来获得数据，这都必然会带来模糊性。此时数据的模糊性多体现在参量多、关系散、认识标准的困惑，对这些数据的描述并不准确，大都是一些模糊的概念，比如在参数设计评价方面，会有“重要、一般重要、非常重要、不重要”等的一些描述，这些来自于产品寿命周期的大数据的不确定性体现了根原因数据的模糊性，不易于定量化分析根原因。同时，在实际过程中，对于权重的评价，大多依赖于专家主观评价或经验评判，这样会带来较多的人为主观因素判断，无法给出一个客观的评价标准，从而影响了产品早期故障根原因的分析的有效性，从而造成权重评价的模糊性。因此，机理认知的模糊性和数据模糊性以及传统评价方法带来的模糊性严重导致了故障根原因识别分析的不系统、无法准确定位关键设计和制造参数，阻碍了有的放矢解决根源上的可靠性问题。如何系统深入分析造成产品早期故障的根原因以有的放矢解决根源上的可靠性问题，是当前亟需关注的共性问题。因而，从考虑解决机理认识模糊性与数据模糊性以及评价方法带来模糊性三方面出发，从系统层面上分析早期故障根原因的影响因素，从产品生产制造全过程的数据以及各环节影响因素的关联分析入手，精确识别导致产品早期故障相关设计和制造关键参数，为突破早期故障机理的已有认识尤其重要。因此，本专利技术提供了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，首先考虑到早期故障机理认识的模糊性，构造出一个早期故障特征指引下的设计功能 缺陷、物理结构缺陷及过程参数波动的分级故障关联树模型指导潜在根原因的分析。其次，考虑到根原因分析过程中数据的不精确性和模糊性问题，利用对模糊概念具有表达优势的经典三角模糊数去表征专家判断信息以及历史经验数据的不确定和模糊性。同时，考虑到经典的数据包络分析算法是以输入输出指标的权重为变量进行评测，能有效避免了人为确定指标权重的主观性和不确定性评价结果的影响。因此，针对传统主观评价方法的模糊性问题与不足，结合数据的模糊性处理，本专利技术将模糊逻辑引入数据包络分析算法，实现对定性关系的量化处理，进而利用模糊数据包络分析中的决策单元的效率划分方法去建模和划分早期故障关联树的节点权重，确定出不同层级间影响早期故障发生的关键根原因。
技术实现思路
(1)本专利技术的目的：复杂装备批产过程中，量产的产品就会出现可靠性下滑，最直接的体现就是产品早期故障率高。早期故障率高是制约装备顺利批产的关键因素之一，由于缺乏对早期故障故障机理及根原因的认识，当前局限于机理认知的模糊性和数据的模糊性以及传统评价方法带来的模糊性严重导致了故障根原因识别分析的不系统、无法准确定位关键设计和制造参数，缺乏从研制和生产过程主动预防的技术手段，当前工程上只能通过被动可靠性试验和厂内试用磨合来初步去除，给研制方带来巨大的经济损失。因此，如何突破故障机理认知的模糊性、数据的模糊性和评价方法的模糊性，进而从产品研制和生产大数据中识别早期故障根原因，为在研制生产过程开展积极主动的早期故障预防和控制提供明确的对象已经成为工程应用的热点和难点。本专利技术提供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，首先考虑到早期故障机理认识的模糊性，为了将模糊性问题条理化、系统化，阐述了基于公理化域映射理论的产品早期故障机理，构造出一个早期故障特征指引下的设计参数及制造参数的分级故障关联树模型指导潜在根原因的分析。其次，考虑到根原因分析过程中数据的不精确性和模糊性问题，利用对模糊概念具有表达优势的经典三角模糊数去表征专家判断信息以及历史经验数据的不确定和模糊性。同时，考虑到经典的数据包络分析算法是以输入输出指标的权重为变量进行评测，能有效避免了人为确定指标权重的主观性和不确定性评价结果的影响。因此，针对传统主观评价方法的模糊性问题与不足，结合数据的模糊性处理，本专利技术将模糊逻辑引入数据包络分析算法，聚集产品寿命周期内所 有功能参数、物理参数、过程参数中潜在的因素涉及的固有模糊性数据，实现对定性关系的量化处理，进而利用模糊数据包络分析中的决策单元的效率划分方法去建模和划分早期故障关联树的节点权重，确定出不同层级间影响早期故障发生的关键根原因。本专利技术形成了包含设计功能问题、物理结构缺陷及过程参数波动的关联树分层结构，建立起产品早期故障特征与各级影响因素间的映射关系以定量回溯问题的根本所在。本专利技术围绕着如何解决产品早期故障根本文档来自技高网...

【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