一种基于可靠性屋和粗糙理想点法的失效模式与影响分析方法技术

本发明专利技术公开了一种基于可靠性屋和粗糙理想点发的故障模式与影响分析方法，以可靠性屋的矩阵结构为基础，通过专家打分的方式，获得失效模式的评分信息；采用粗糙数融合不同专家给出的评分信息，建立失效模式粗糙数评分矩阵；通过分析失效模式的传播机理，建立失效模式传播链，以失效模式的传播方向和强度作为输入，重新构建失效模式粗糙数评分矩阵，在充分考虑风险因素权重差异的情况下，引入理想点(VIKOR)法对失效模式的风险等级进行排序；相比与传统的FMEA方法及其现有的改进发放，本发明专利技术能够有效地处理专家评分信息的主观性与不确定性问题，充分考虑了失效模式间的传播影响关系，使得出的分析结果更容易被决策者接受。

A failure mode and influence analysis method based on reliability house and rough ideal point method

The invention discloses a fault mode and influence analysis method based on the reliability house and the rough ideal point. Based on the matrix structure of the reliability house, the scoring information of the failure mode is obtained by the method of expert scoring, and the evaluation information given by different experts is fused by the rough number, and the evaluation of the failure mode roughness is established. By analyzing the propagation mechanism of the failure mode, the propagation chain of failure mode is established, and the failure mode's propagation direction and intensity are used as input, and the failure mode roughness score matrix is rebuilt. The risk grade of the failure mode is introduced into the ideal point (VIKOR) method under the full consideration of the difference of the weight of risk factors. Compared with the traditional FMEA method and its existing improvement, the invention can effectively deal with the subjectivity and uncertainty of expert scoring information, fully consider the propagation influence relationship between the failure modes, and make the results more easily accepted by the decision-makers.

【技术实现步骤摘要】
一种基于可靠性屋和粗糙理想点法的失效模式与影响分析方法
本专利技术属于失效模式与影响分析(FMEA)领域，涉及一种设备失效模式风险优先级辨识与分析方法，具体涉及一种基于可靠性屋和粗糙理想点法的失效模式与影响分析方法。
技术介绍
失效模式和影响分析(FMEA)是一种广泛使用的工程技术，用于在产品设计和制造过程中，通过识别和分析系统及工艺过程中各种潜在失效模式、失效原因，确定其对系统所产生的影响，从而识别系统中的薄弱环节和关键项目,为制定改进控制措施提供依据。传统的FMEA采用风险优先数(RiskPriorityNumber，RPN)来表示失效模式对系统造成的影响，即风险等级的大小，从而有针对性地提出预防或改进措施，以保证系统的可靠性。一般来说，通常选取失效模式的发生率(Occurrence，0)、严酷度(Severity，S)和检测难度(Detection，D)来对失效模式进行评估，每个风险因素(O、S和D)有10个等级，RPN值由3个风险因素的等级数相乘确定，RPN值越大，说明该故障模式的风险等级越高，对系统的危害性越大。但传统的FMEA方法在实践中存在以下问题：1)传统FMEA没有考虑到发生率(O)、严酷度(S)和检测难度(D)三者之间的相对重要性，认为三者的重要性相同。然而在实际中，对于不可修复系统来说，发生率D是关键影响因素，其权重不能与严重程度S和检测难易程度D等同。2)传统FMEA是通过RPN(风险优先数)的大小来评估各故障的风险等级，由于不同的O、S、D相乘可以得到相同的RPN值，但是各种故障对于系统的风险作用却不相同。这就使得仅仅以RPN来判断各种失效模式的风险顺序在实际应用中可能会造成资源和时间的浪费，或者在某些情况下，一些高风险的失效模式反而被忽视掉。3)PPN值的计算方法存在很大的争议，因为其对风险因素的变化非常敏感，可能一个风险因素微小的变动会导致RPN值截然不同。比如2个故障模式的O、S和D等级数分别为1、9、9和2、9、9，则它们的RPN值分别为81和162，相差2倍，但由于是发生概率的微小不同，可能对系统的危害相差并不是很大。4)由于专家的经验和知识通常是以主观或定性的语言描述出来，而传统FMEA又很难对这些语言变量做出准确判断。5)各专家对于同一故障给出的评价信息具有多样性和不确定性，传统的FMEA只是简单的进行加权平均，未能有效的提取各专家的评价信息。6)传统的FMEA没有考虑到失效模式间的传播影响关系，在实际应用中，由于零部件间复杂的连接及功能偶合关系，一个零部件故障可能会引发其它零部件发生故障，即故障模式间具有传播效应。因此，在进行故障模式的风险等级评估时有必要考虑故障间的相关性，通过对故障传播链中某一故障引发后续故障的复合影响进行综合评估。为了克服传统FMEA在实际应用中的不足，近年来，许多改进的FMEA方法相继被提出，BowlesandPeláez将模糊集理论引入到FMEA以解决传统FMEA对专家给出的语言变量很难做出准确判断的问题。Hua等针对传统FMEA中各风险因素等权重的缺陷，采用模糊层次分析法计算各风险因素的相对重要度。Hu-ChenLiu等提出了一种组合权重与模糊理想点法相结合的FMEA方法，通过引入模糊层次分析法和信息熵来共同计算各风险因素的权重。为解决传统FMEA中风险优先数计算方法缺陷造成的问题，一些学者将失效模式的风险优先级排序问题看成是多属性决策问题(multiplecriteriadecision-making:MCDM)。Braglia等将多属性决策问题的常用方法-优劣解距离法(TOPSIS)引入到FMEA中，提出了模糊优劣解距离法(FuzzyTOPSIS)来对失效模式的风险优先级进行排序。杜晗恒等将模糊证据推理和TOPSIS相结合，提出了模糊TOPSIS的FMEA方法以解决影响因素难以评价的问题，该方法采用模糊置信结构对影响因素的评价进行表示，并通过去模糊化和加权平均建立明确置信矩阵。同样作为多属性决策问题的常用方法，理想点法(VIKOR)也被应用于FMEA中的失效模式风险优先级排序。Mohsen等提出了一种基于失效模式评价信息熵的VIKOR方法来对失效模式进行排序，该方法通过使用信息熵获取影响因素的客观权重，通过使用VIKOR方法获取失效模式的团体效用最大化排序、个体遗憾最小化排序以及折中排序。另外，为解决传统FMEA团队成员评估意见的多样性问题，有研究者将模糊证据推理方法、D-S证据理论和专家系统用于FMEA实施过程。Yang等将D-S证据理论应用于FMEA，以分析某型飞机发动机转子叶片在不同来源、不同评价信息下各失效模式的风险优先级。Su等为解决不同来源的评价信息间的冲突问题，提出了一种改进的D-S证据理论应用于FMEA，该方法假定评价信息服从高斯分布，通过使用不确定性推理的方法来重构评价信息的基本概率分配。从上面的分析中可以看出，现有的FMEA改良方法大多通过将因子权重和专家模糊度引入到FMEA中以解决风险因素等权重和评价信息难以获取的问题，同时引入多属性决策方法来弥补RPN的计算缺陷，虽然在一定程度上克服了传统FMEA的不足，但是有些问题依然存在。比如专家评价信息的主观性与不确定性问题、未考虑失效模式间相关性的问题等。
技术实现思路
为了解决现有技术中的问题，本专利技术公开了一种基于可靠性屋和粗糙理想点法的失效模式与影响分析方法，有效解决了FMEA中专家评价信息主观性与不确定性以及未考虑失效模式间相关性的问题，提高了失效模式风险等级分析的准确性，能够更为有效地识别系统中的薄弱环节和关键项目，进而指导设计人员提出更为合理的预防或改进措施，以保证系统的可靠性。为了实现以上目的，本专利技术所采用的技术方案为，一种基于可靠性屋和粗糙理想点法的失效模式与影响分析方法，包括以下步骤：1)以可靠性屋(HoR)为理论基础，建立各专家的失效模式评价可靠性屋，其中包括严酷度评价指标向量、零部件失效模式向量、失效模式与严酷度评价指标关系矩阵、失效模式自相关矩阵、失效模式发生概率向量、失效模式检测难易程度向量和失效模式严酷度计算结果向量；建立风险因素的权重评价矩阵；2)根据步骤1)获得的各专家的失效模式评价可靠性屋和风险因素权重评价矩阵，采用粗糙数方法融合各专家给出的关于失效模式的发生率(O)、严酷度(S)和检测难度(D)的评价信息以及各风险因素的权重评价信息，获得各失效模式的发生概率粗糙数、严酷度粗糙数和检测难易程度粗糙数以及各风险因素的权重粗糙数；3)失效模式风险优先级分析：3.1)根据步骤2)获得的各失效模式的发生概率粗糙数、严酷度粗糙数、检测难易程度粗糙数以及各风险因素的权重粗糙数，构建失效模式的粗糙数评分矩阵FM和风险因素的权重粗糙数矩阵RF：3.2)根据步骤3.1)获得的风险因素的权重粗糙数矩阵RF计算各风险因素的权重wj：其中：wj是第j个风险因素的权重，λ是折扣因子，表示粗糙数区间的大小(即不确定度)对风险因素权重的影响程度0≤λ≤1，λ值越大，其对风险因素的权重影响越大；3.3)根据步骤1)中给出的失效模式自相关矩阵获得失效模式间的传播方向及强度，通过考虑失效模式间的传播关系，重构失效模式的粗糙数评价矩阵FM：其中：ait为失效模式i本文档来自技高网...

【技术保护点】
1.一种基于可靠性屋和粗糙理想点法的失效模式与影响分析方法，其特征在于，包括以下步骤：1)以可靠性屋为理论基础，建立各专家的失效模式评价可靠性屋，其中包括严酷度评价指标向量、零部件失效模式向量、失效模式与严酷度评价指标关系矩阵、失效模式自相关矩阵、失效模式发生概率向量、失效模式检测难易程度向量和失效模式严酷度计算结果向量；建立风险因素的权重评价矩阵；2)根据步骤1)获得的各专家的失效模式评价可靠性屋和风险因素权重评价矩阵，采用粗糙数方法融合各专家给出的关于失效模式的发生率(O)、严酷度(S)和检测难度(D)的评价信息以及各风险因素的权重评价信息，获得各失效模式的发生概率粗糙数、严酷度粗糙数和检测难易程度粗糙数以及各风险因素的权重粗糙数；3)失效模式风险优先级分析：3.1)根据步骤2)获得的各失效模式的发生概率粗糙数、严酷度粗糙数、检测难易程度粗糙数以及各风险因素的权重粗糙数，构建失效模式的粗糙数评分矩阵FM和风险因素的权重粗糙数矩阵RF：

【技术特征摘要】
1.一种基于可靠性屋和粗糙理想点法的失效模式与影响分析方法，其特征在于，包括以下步骤：1)以可靠性屋为理论基础，建立各专家的失效模式评价可靠性屋，其中包括严酷度评价指标向量、零部件失效模式向量、失效模式与严酷度评价指标关系矩阵、失效模式自相关矩阵、失效模式发生概率向量、失效模式检测难易程度向量和失效模式严酷度计算结果向量；建立风险因素的权重评价矩阵；2)根据步骤1)获得的各专家的失效模式评价可靠性屋和风险因素权重评价矩阵，采用粗糙数方法融合各专家给出的关于失效模式的发生率(O)、严酷度(S)和检测难度(D)的评价信息以及各风险因素的权重评价信息，获得各失效模式的发生概率粗糙数、严酷度粗糙数和检测难易程度粗糙数以及各风险因素的权重粗糙数；3)失效模式风险优先级分析：3.1)根据步骤2)获得的各失效模式的发生概率粗糙数、严酷度粗糙数、检测难易程度粗糙数以及各风险因素的权重粗糙数，构建失效模式的粗糙数评分矩阵FM和风险因素的权重粗糙数矩阵RF：3.2)根据步骤3.1)获得的风险因素的权重粗糙数矩阵RF计算各风险因素的权重wj：其中：wj是第j个风险因素的权重，λ是折扣因子，表示粗糙数区间的大小对风险因素权重的影响程度，0≤λ≤1，λ值越大，其对风险因素的权重影响越大；3.3)根据步骤1)中给出的失效模式自相关矩阵获得失效模式间的传播方向及强度，通过考虑失效模式间的传播关系，重构失效模式的粗糙数评价矩阵FM：其中：ait为失效模式i到失效模式t的传播强度；ati为失效模式t到失效模式i的传播强度；重构后的失效模式粗糙数评分矩阵为：3.4)根据步骤3.3)中获得的失效模式粗糙数评价矩阵确定各风险因素下的正理想点与负理想点3.5)计算各失效模式到各风险因素正理想点的距离dij：3.6)根据步骤3.5)中各失效模式到各风险因素正理想点的距离dij和风险因素的权重wj，计算各失效模式的团体效用最大化排序Si、个体遗憾最小化排序Ri和折中排序Qi：其中：S*＝minSi,S-＝maxSi,R*＝minRi,R-＝maxRi；v为“大多数准则”策略的权重或最大群体效用权重；v＞0.5时，表示根据大多数人的意见制定决策；v＝0.5时，表示根据赞同的情况制定决策；v＜0.5时，表示根据拒绝的情况制定决策；3.7)对失效模式风险等级进行排序当下面两个条件成立时，可根据Qi的大小对失效模式进行升序排序，Qi的值越小，意味着失效模式的风险等级越高，假设fm(1)是按Qi值升序排序第一的失效模式；条件1：可接受优势Q(fm(2))-Q(fm(1))≥1/(m-1)其中：Q(fm(2))为排序第二的失效模式对应的值，m为失效模式的个数；条件2：决策过程中可接受的稳定性根据Qi值排序第一的失效模式...

【专利技术属性】
技术研发人员：孙岗，高建民，王宁华，张鹏飞，崔博源，陈允，王荣喜，刘贞瑶，陈轩，
申请(专利权)人：国家电网公司，西安交通大学，中国电力科学研究院有限公司，国网江苏省电力公司检修分公司，
类型：发明
国别省市：北京,11