System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及可靠性分析方法的,特别涉及一种基于模糊层次分析法、模糊vikor法与pam聚类改进fmea的方法。
技术介绍
1、失效模式与影响分析(fmea,failure mode and effects analysis)作为一种系统的、面向群体的、结构化的、主动的、有效的可靠性分析和风险评价方法,可用于识别系统、产品、过程和服务中潜在的失效模式,评价不同失效模式所产生的影响,并分配有限的资源进行改进或消除失效模式,已被广泛应用于企业质量管理与风险分析中,对企业产品、服务及过程的可靠性提高具有有效性。传统fmea中专家小组基于实际情况对失效模式的严重度(s,severity)、发生度(o,occurrence)和检测度(d,detection)进行打分,再将三者相乘计算风险优先数(rpn,risk priority number),以此对失效模式排序。
2、vikor(vlsekriterijumska optimizacija i kompromisno resenje)方法又被称为多准则妥协解排序法,是一种折衷排序方法,它既可以克服逼近理想解排序方法的不足,又能考虑到群体效益的最大化和反对意见的个别遗憾的最小化,还能充分考虑到决策者的主观偏好,模糊vikor方法是vikor方法在模糊环境中的延伸,主要用于解决具有不可公度和冲突标准的离散模糊多准则问题。
3、聚类指将一组数据对象根据一定的规则分成多个由相似度较高的对象组成的簇。聚类分析经过几十年的发展,如今已广泛应用在图像处理、语音识别、数据分析等
4、传统的fmea在过程中存在一定的不足。首先,传统fmea假设三个风险因子的权重相同,并将它们相乘,并没有考虑各风险因子的相对权重和不同应用背景下风险因子之间的区别。其次,传统fmea采用精确数字来评估失效模式的风险因子,评价主要基于专家的主观意见,专家们很难在不确定的环境中给出精确的打分值。第三,传统fmea可能会得到计算出的rpn值相同,但其实际失效模式的风险含义会完全不同的结果,排序结果的准确度较低。
技术实现思路
1、针对现有技术中存在的不足之处,本专利技术的目的是提供一种基于模糊层次分析法、模糊vikor法与pam聚类改进fmea的方法,该方法应用于智能制造系统风险评价中,确定了智能制造系统中各失效模式的重要程度,并识别了关键的风险源,验证了改进方法的有效性。为了实现根据本专利技术的上述目的和其他优点,提供了一种基于模糊层次分析法、模糊vikor法与pam聚类改进fmea的方法,包括以下步骤:
2、s1、根据需求组建fmea团队,对研究对象的运作和结构进行分析;
3、s2、fmea团队通过头脑风暴和查阅资料,确定分析对象的m条潜在失效模式:fm1,fm2,…,fmm;
4、s3、fmea团队中每个专家对每个失效模式的严重度(s)、发生度(o)、可探测度(d)3个风险因子进行评价,通过非常高(vh)、高(h)、中等(m)、非常低(vl)、低(l)的五个语言变量对失效模式的风险因子进行评价,根据语言变量对应评价标准进行评价(如表1所示),得到专家打分表;
5、s4、根据模糊语言变量对应传统fmea打分值(如表2所示),将专家打分表转化成传统fmea中每个专家对各风险因子的打分值,以计算每个风险因子所有专家打分值的算数平均值作为传统fmea中每个风险因子的数值并相乘得到传统fmea中失效模式的风险优先数(rpn);
6、s5、根据表1将专家打分表中的语言变量转化为对应的三角模糊数,得到三角模糊数为fmea团队中共有k名成员,第p名成员的权重为αp,其对应第i个失效模式的第j个风险因子为则团队对于该项的评分其中从而得到综合模糊评价矩阵
7、s6、根据模糊层次分析法确定风险因子的主观权重:fmea团队对三个风险因子进行两两对比评价,风险因子评价语言变量对应三角模糊数如表3所示,得到两两对比矩阵其中每个均为一组三角模糊数(aij',aij”,aij”'),计算第i个对象的模糊综合程度其中再计算两个模糊综合程度s1、s2,其中当s2≥s1时二者之间的可能性程度可以等价地表示为:
8、
9、之后计算一个三角模糊数s大于k个三角模糊数si(i=1,...,k)的可能性程度v(s≥s1,s2,...,sk)=v[(s≥s1)&(s≥s2)&...&(s≥sk)]=minv(s≥si)即可得到d'(ai)=minv(si≥sj)i=1,2,3,j=1,2,3,i≠j,归一化后,得到各风险因子的主观权重:
10、表1语言变量对应评价标准及其对应三角模糊数
11、
12、表2模糊语言变量对应传统fmea打分值
13、
14、表3风险因子评价语言变量对应三角模糊数
15、
16、其次根据熵权法确定风险因子的客观权重:将综合模糊评价矩阵按照去模糊化得到明确置信矩阵x=(xij)m×3;计算第j个风险因子的信息熵其中:k=1/lnm;从而其客观权重为
17、最后根据乘法合成法确定风险因子的综合权重:使用乘法合成法确定其综合权重,得到第j个风险因子的综合权重为
18、s7、由各个评价指标的最优值和最劣值,计算各个失效模式的最大群体效应值和最小个人遗憾值再求得综合评价值其中v是最大群体效用的权重;
19、s8、将失效模式的值去模糊化后得到s、r、q值并按递增顺序排序,产生三个序列,在获得排序结果后,需要满足以下两个条件(1)qa(2)-qa(1)≥1/(m-1),其中qa(1)是排序结果中最优方案的q值,qa(2)是排序结果中次优方案的q值,m为失效模式总数;(2)最优方案的s值或r值同样也要最优,这样才能确保q值最小的方案为最优方案;若上述条件不能同时满足,则可得到妥协解,有如下2种情况:(3)若满足条件(1),则获得一组妥协解:a(1)、a(2),即都为最重要的失效模式;(4)若不满足条件(1)但满足(2),则获得一组妥协解:a(1)、...、a(m),即都为最重要的失效模式,其中,m是根据式qa(m)-qa(1)<1/(m-1)确定的最大化m值;
20、s9、将rpn值与q值作为描述第i个失效模式的两个特征值,得到描述矩阵f,
21、输入:期望聚类数目k’,包含m个数据对象的数据集;
22、输出:使得所有点与其最近中心点的相异度总和最小的k’个簇;
23、s91、在m个数据对象中随机选择k’个点,作为初始中心集;
24、s92、计算每个非代表对象到本文档来自技高网...
【技术保护点】
1.一种基于模糊层次分析法、模糊VIKOR法与PAM聚类改进FMEA的方法,其特征在于,包括以下步骤:
2.如权利要求1所述的一种基于模糊层次分析法、模糊VIKOR法与PAM聚类改进FMEA的方法,其特征在于,步骤S5中三角模糊数为FMEA团队中共有k名成员,第p名成员的权重为αp,其对应第i个失效模式的第j个风险因子为则团队对于该项的评分其中从而得到综合模糊评价矩阵
3.如权利要求1所述的一种基于模糊层次分析法、模糊VIKOR法与PAM聚类改进FMEA的方法,其特征在于,步骤S6中根据模糊层次分析法与熵权法确定风险因子综合权重的方法包括以下步骤:
4.如权利要求1所述的一种基于模糊层次分析法、模糊VIKOR法与PAM聚类改进FMEA的方法,其特征在于,步骤S8中有如下2种情况:(3)若满足条件(1),则获得一组妥协解:A(1)、A(2),即都为最重要的失效模式;(4)若不满足条件(1)但满足(2),则获得一组妥协解:A(1)、...、A(M),即都为最重要的失效模式,其中,M是根据式QA(M)-QA(1)<1/(m-1)确定的最大化M值。
...【技术特征摘要】
1.一种基于模糊层次分析法、模糊vikor法与pam聚类改进fmea的方法,其特征在于,包括以下步骤:
2.如权利要求1所述的一种基于模糊层次分析法、模糊vikor法与pam聚类改进fmea的方法,其特征在于,步骤s5中三角模糊数为fmea团队中共有k名成员,第p名成员的权重为αp,其对应第i个失效模式的第j个风险因子为则团队对于该项的评分其中从而得到综合模糊评价矩阵
3.如权利要求1所述的一种基于模糊层次分析法、模糊vikor法与pam聚类改进fmea的方法,其特征在于,步骤s6中根据模糊层次分析法与熵权法确定风险因子综合权重的方法包括以下步骤:
4.如权利要求1所述的一种基于模糊层次分析法、模糊vikor法与pam聚类改进...
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。