基于SHEL和区间直觉模糊评价的车间人因可靠性评估方法技术

本发明专利技术涉及基于SHEL和区间直觉模糊评价的数字化车间人因可靠性评估方法，属于智能制造领域。包括以下步骤：成立评估小组，建立数字化车间人因分析的SHEL模型；应用加权算子得到风险因素主观和客观权重向量表；计算数字化车间人因失效模式的区间直觉模糊风险评价数据集；构建数字化车间人因失效模式的权健区间直觉模糊正理想和区间直觉模糊负理想；分别计算区间直觉模糊正理想和区间负理想的距离，计算每个失效模式与区间直觉模糊正理想的相对贴进度；结合各人因失效模式风险的量化指标，评估和评价数字化车间人因可靠性水平。本方法提高了直觉模糊集处理不确定信息的能力，能更加准确的对数字化车间的人因差错故障进行评估，有很好的应用前景。

Human reliability evaluation method of workshop based on shell and interval intuitionistic fuzzy evaluation

【技术实现步骤摘要】
基于SHEL和区间直觉模糊评价的车间人因可靠性评估方法
本专利技术涉及智能制造领域，具体地说是基于SHEL和区间直觉模糊评价的数字化车间人因可靠性评估方法。
技术介绍
随着计算机和控制技术的发展，制造车间逐步向数字化发展，仪表和控制系统从模拟控制发展为数字化控制，新技术的引入改变了信息显示方式、规程、人员控制等影响因素，由此带来数字化车间新的人因可靠性问题。随着国家《中国制造2025》实施，智能制造技术越来越受到国家重视，针对制造业的数字化车间和数字化系统大量建设和使用，新的制造科学技术不断涌现，在这个背景下，随着数字化设备的普及使用，数字化车间人与仪表和控制系统的交互越来越复杂，人的角色从操作者逐渐转变到监控、决策和管理者，多方面共同作用使人因失误出现了新的特征。数字化车间中控制系统日益进入高风险系统，应用环境的变化改变了操作员的认知和行为方式，使传统的人因失误模型难以体现真实情境下的人的认知和行为过程，需发展新的认知模型来满足新的分析要求。应用环境的变化使得传统的分析方法难以满足先进的数字化车间中人因可靠性的要求，故需建立一种满足数字化车间特征的人因可靠性定量分析方法，对传统的人因失误风险的评价方法进行改进，通过引入直觉模糊集理论考虑因子的相对权重，使评价更为合理，考虑到评估的主观性、模糊性和不确定性，建立基于SHEL和直觉模糊评价的方法，提出人因失误风险评价流程，为数字化车间人因失误风险的预测提供可靠的和有效的方法支持。由于数字化车间系统的复杂性、操作主体的异质性等因素的影响，存在一定犹豫度，用区间直觉模糊数来表示主体信息是一种可行的方法。本文针对数字化车间分风险评估问题构建基于区间直觉模糊的计算模型，通过不同配置方案与理想点的相对接近度对配置方案进行优化排序，并在专家权重设定时，采用基于关联度的主观权重与基于专家评价矩的客观权重相结合的方法，对数字化车间人因可靠性评估方法进行优化。在专利“CN106600077A一种模糊TOPSIS评价方法”中，作者通过模糊控制的方法将专家的评价信息进行模糊化，并结合专家信息贡献的权重计算欧拉距离，并进行贴进度的排序，该方法针对专家信息处理方面过于简单，没有考虑到人员参与决策中人员的犹豫性，导致评估结果的不准确。通过直觉模糊集的方法实现多属性的决策已经有人在应用，在专利“CN104812027A基于直觉模糊集多属性决策的网络选择方法”中，作者通过总的离差和各属性的权重，通过IFWA算子计算网络的最优路径，该专利通过梯形模糊数集得到隶属函数，不能将人主观的决策因素考虑进去，影响最终的评价结果。在专利“CN107015526A基于直觉模糊多属性决策的智能数控系统风险评估方法”，提出基于直觉模糊进行数控机床系统的风险评估，针对于数字化车间的风险评估，该评估方法有其缺陷和局限性,所定义的风险评估中的评价值是确定的直觉模糊值，并没有考虑犹豫度对风险评估准确度的影响，相当于是把区间数转化为确定数,有可能造成重要信息的丢失。针对上述专利存在的问题，本文提出了基于区间直觉模糊评价的数字化车间人因可靠性评估方法，将区间直觉模糊集理论的隶属度、非隶属度以及犹豫度扩展成区间数,提高了直觉模糊集处理不确定信息的能力，能更加准确的对数字化车间的人因差错故障进行评估。
技术实现思路
针对现有技术的不足，本专利技术提供基于SHEL和区间直觉模糊评价的数字化车间人因可靠性评估方法，首先基于SHEL模型构建数字化车间分人因差错风险模式，成立风险评估小组，并结合将区间直觉模糊集理论的隶属度、非隶属度以及犹豫度扩展成风险评价值区间数,通过每个失效模式与区间直觉模糊正理想的相对贴进度进行风险评价，该方法通过模糊区间的设计，提高了直觉模糊集处理不确定信息的能力，能很好的对数字化车间的人因差错故障进行评估。本专利技术为实现上述目的所采用的技术方案：基于SHEL和区间直觉模糊评价的数字化车间人因可靠性评估方法，包括以下步骤：步骤S101：成立评估小组，建立数字化车间人因分析的SHEL模型，确定人因差错失效模式及其风险评价因子；步骤S102：聚合评估小组评价信息，使用加权算子，计算数字化车间人因差错失效模式的区间直觉模糊评价数据集，得到风险评价因子的权重评价；步骤S103：依据评估专家小组成员的经验程度，使用加权算子对专家小组成员的风险评价因子的权重评价进行集成，得到风险因素主观权重和客观权重；步骤S104：构建数字化车间人因失效模式的区间直觉模糊正理想和区间直觉模糊负理想；步骤S105：根据风险因素主观权重和客观权重，分别计算各失效模式到区间直觉模糊正理想的距离Di+和区间负理想的距离Di-,并计算每个失效模式与区间直觉模糊正理想的相对贴进度；步骤S106：根据贴进度评估数字化车间人因可靠性。在步骤S101中，SHEL模型的4个系统包括L-S、L-H、L-E、L-L，其中L-S表示数字化车间任何软件环节，L-H表示人和数字化车间硬件环节，L-E表示人和数字化车间环境环节，L-L表示人和人的环节。在步骤S101中，人因差错失效模式的风险评价因子：人因差错失效模式的风险评价因子＝严重程度Se*(暴露频率和持续时间Fr+发生概率Pr+避免或限制伤害的概率Av)。在步骤S102中，评估小组人员数为m位，成员的权重为λn,n＝1,2,3...,m且k个失效模式，4个风险因子，记第n个小组成员对第i个失效模式的第j个风险因素的区间直觉模糊数为其中为属于该模式的模糊隶属度，为不属于该模式的隶属度，将直觉模糊集中的隶属度和非隶属度由实数值扩展到区间值，得到区间直觉模糊评价数据集为闭区间，且为闭区间，且且评估小组对第i个失效模式的第j个风险因子的评价为得到针对于第j个风险因子的权重评价为在步骤S103中，第j个风险因素的权重评价为ηj，通过区间直觉模糊评价数据集的得分函数，通过加权算子得到主观权重得到客观权重其中πj为客观权重的判别因子，且为区间直觉模糊评价数据集的得分函数。在步骤S104中，建立区间直觉模糊正理想区间直觉模糊正理想和区间直觉模糊负理想其中表示失效模式关于风险因素的最优水平，表示失效模式关于风险因素的最差水平。在步骤S105中，分别计算各失效模式到区间直觉模糊正理想距离和和负理想的距离d(x,y)为两个区间直觉模糊集x和y之间的距离，为加权因子，和为直觉模糊集中针对于第j个风险因素的正理想和负理想，得到计算每个失效模式与区间直觉模糊正理想的相对贴进度其中在步骤S106中，根据大小对失效模式风险进行排序，越小表示风险越大。基于SHEL和区间直觉模糊评价的数字化车间人因可靠性评估方法，用于机器人制造的数字化车间。本专利技术具有以下有益效果及优点：1.本专利技术针对数字化车间人因差错失效的模式，结合SHEL模型，构建针对数字化车间的人因失效模型，并结合失效模式对人因失效原因和影响进行分析，结合模糊集数据处理的方法对失效的风险进行定量本文档来自技高网...

【技术保护点】
1.基于SHEL和区间直觉模糊评价的数字化车间人因可靠性评估方法，其特征在于，包括以下步骤：/n步骤S101：成立评估小组，建立数字化车间人因分析的SHEL模型，确定人因差错失效模式及其风险评价因子；/n步骤S102：聚合评估小组评价信息，使用加权算子，计算数字化车间人因差错失效模式的区间直觉模糊评价数据集，得到风险评价因子的权重评价；/n步骤S103：依据评估专家小组成员的经验程度，使用加权算子对专家小组成员的风险评价因子的权重评价进行集成，得到风险因素主观权重和客观权重；/n步骤S104：构建数字化车间人因失效模式的区间直觉模糊正理想和区间直觉模糊负理想；/n步骤S105：根据风险因素主观权重和客观权重，分别计算各失效模式到区间直觉模糊正理想的距离

【技术特征摘要】
1.基于SHEL和区间直觉模糊评价的数字化车间人因可靠性评估方法，其特征在于，包括以下步骤：
步骤S101：成立评估小组，建立数字化车间人因分析的SHEL模型，确定人因差错失效模式及其风险评价因子；
步骤S102：聚合评估小组评价信息，使用加权算子，计算数字化车间人因差错失效模式的区间直觉模糊评价数据集，得到风险评价因子的权重评价；
步骤S103：依据评估专家小组成员的经验程度，使用加权算子对专家小组成员的风险评价因子的权重评价进行集成，得到风险因素主观权重和客观权重；
步骤S104：构建数字化车间人因失效模式的区间直觉模糊正理想和区间直觉模糊负理想；
步骤S105：根据风险因素主观权重和客观权重，分别计算各失效模式到区间直觉模糊正理想的距离和区间负理想的距离并计算每个失效模式与区间直觉模糊正理想的相对贴进度；
步骤S106：根据贴进度评估数字化车间人因可靠性。


2.根据权利要求1所述的基于SHEL和区间直觉模糊评价的数字化车间人因可靠性评估方法，其特征在于：在步骤S101中，SHEL模型的4个系统包括L-S、L-H、L-E、L-L，其中L-S表示数字化车间任何软件环节，L-H表示人和数字化车间硬件环节，L-E表示人和数字化车间环境环节，L-L表示人和人的环节。


3.根据权利要求1所述的基于SHEL和区间直觉模糊评价的数字化车间人因可靠性评估方法，其特征在于：在步骤S101中，人因差错失效模式的风险评价因子：
人因差错失效模式的风险评价因子＝严重程度Se*(暴露频率和持续时间Fr+发生概率Pr+避免或限制伤害的概率Av)。


4.根据权利要求1所述的基于SHEL和区间直觉模糊评价的数字化车间人因可靠性评估方法，其特征在于：在步骤S102中，评估小组人员数为m位，成员的权重为λn,n＝1,2,3...,m且k个失效模式，4个风险因子，...

【专利技术属性】
技术研发人员：于海斌，徐皑冬，闫炳均，胡波，王志平，冮明旭，王锴，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：辽宁;21