一种基于风险机理分析的改进FMEA方法及装置

本发明涉及可靠性分析的，具体涉及一种基于风险机理分析的改进fmea方法及装置。

背景技术：

1、失效模式与影响分析failure mode and effectsanalysis，即fmea，是一种系统的、前瞻性的风险管理技术。其用于评估系统、设计、过程或服务，以确定系统可能在哪里如何发生失效，并评估不同失效模式的影响，进而找到最重要的失效模式并采取行动消除或减轻其影响。19世纪90年代，该方法首先应用于航空航天产品的设计阶段中。后来，该方法也被应用于其他领域的风险评估问题中。

2、在fmea过程中，首先根据专家知识和相关经验列出针对每种潜在失效模式的失效影响、失效原因和检测措施。然后，fmea团队必须确定对相应失效模式的风险因子发生度occurrence即发生度o、严重度severity即严重度s和检测度detection即检测度d的评估。在传统方法中，fmea团队成员通过使用10分制数字排序方法来估计每种失效模式在每个风险因子下的风险程度。此后对识别出的所有失效模式计算风险优先级数riskprioritynumber，即rpn。它由风险因子o、s和d相乘得到，最后根据rpn值对失效模式进行排序，rpn值越大的失效模式风险等级越高。然而在实践中，传统fmea存在很大的局限性。例如，(1)o、s和d之间的相对重要性未被考虑；(2)o、s和d的不同组合可能出现相同的rpn值；(3)这三个风险因素很难被精确评估；(4)各种失效模式和影响之间的相互依赖性未被考虑；(5)只有三个风险因子被考虑在内等等。

3、总而言之，现有的fmea方法存在较大局限性，计算得到的失效模式风险等级精确度不够。

技术实现思路

1、本发明是为了解决上述问题而进行的，目的在于提供一种基于风险机理分析的改进fmea方法及装置。

2、本发明提供了一种基于风险机理分析的改进fmea方法，用于根据多个评价专家对多个失效模式的各个风险因子对应的评分数据和风险因子直接影响矩阵，得到各个失效模式的风险排名结果，具有这样的特征，包括以下步骤：步骤s1，将所有评分分数转化为对应的区间直觉模糊数，得到各个评价专家对各个失效模式对应的区间直觉模糊数矩阵；步骤s2，对各个区间直觉模糊数矩阵，根据风险函数将各个区间直觉模糊数去模糊化，得到包含对应一维风险值的一维风险评估矩阵；步骤s3，根据最小化不协调方法，对所有一维风险评估矩阵进行处理，得到各个评价专家对应的专家权重向量；步骤s4，根据所有一维风险评估矩阵和专家权重向量，得到团队风险评估矩阵；步骤s5，根据决策试验和评价试验法(dematel)方法和风险因子直接影响矩阵，得到各个风险因子的中心度；步骤s6，根据所有中心度，计算得到系数权重和指数权重；步骤s7，根据系数权重、指数权重和团队风险评估矩阵，得到各个失效模式的综合风险评估值；步骤s8，按照综合风险评估值从大到小，对所有失效模式进行排序，得到风险排名结果，其中，风险排名结果中，失效模式的序号越小，该失效模式的风险越大。

3、在本发明提供的基于风险机理分析的改进fmea方法中，还可以具有这样的特征：其中，评分数据通过评价专家根据q粒度语言术语集对失效模式评分得到，在步骤s1中，评分分数i对应的区间直觉模糊数的计算表达式为：式中sgn(i)为符号函数。

4、在本发明提供的基于风险机理分析的改进fmea方法中，还可以具有这样的特征：其中，在步骤s2中，基于风险区间直觉模糊数机理分析的风险函数的计算表达式为：式中<[a,b],[c,d]>为风险区间直觉模糊数，f(<[a,b],[c,d]>)为对应的一维风险值。

5、在本发明提供的基于风险机理分析的改进fmea方法中，还可以具有这样的特征：其中，在步骤s3中，通过求解非线性规划模型得到专家权重向量，非线性规划模型的表达式为：式中l为评价专家的总数，λ*＝(λ1,λ2,...,λl)为求解结果，包含各个专家权重向量，为第k个评价专家的一维风险评估矩阵中第i行第j列对应的值，一维风险评估矩阵的维度为m×n。

6、在本发明提供的基于风险机理分析的改进fmea方法中，还可以具有这样的特征：其中，在步骤s5中，中心度的计算表达式为：式中mi为第i个风险因子的中心度，di为第i个风险因子的影响度，ci为第i个风险因子的被影响度，tij为综合影响矩阵t中第i行第j列对应的值，tji为综合影响矩阵t中第j行第i列对应的值，n为规范化矩阵，o为风险因子直接影响矩阵，oij为风险因子直接影响矩阵o中第i行第j列对应的值。

7、在本发明提供的基于风险机理分析的改进fmea方法中，还可以具有这样的特征：其中，在步骤s6中，系数权重和指数权重的计算表达式为：式中w1为指数权重，wj(j＝2,3,…,n)为系数权重，mj为第j个风险因子的中心度。

8、在本发明提供的基于风险机理分析的改进fmea方法中，还可以具有这样的特征：其中，在步骤s7中，基于风险因子机理分析的综合风险评估值的计算表达式为：式中zi为第i个失效模式的综合风险评估值，xij为团队风险评估矩阵中第i个失效模式与第j个风险因子对应的值。

9、在本发明提供的基于风险机理分析的改进fmea方法中，还可以具有这样的特征：其中，风险因子层次框架包括第一层风险因子和第二层风险因子，风险因子为第二次风险因子，包括风险因子rf1、风险因子rf2、风险因子rf3、风险因子rf4、风险因子rf5、风险因子rf6、风险因子rf7和风险因子rf8，第一层风险因子包括严重度s、发生度o、检测度d、修复度r和关联度c，风险因子rf1对应发生度o，风险因子rf2、风险因子rf3和风险因子rf4均对应严重度s，风险因子rf5对应检测度d，风险因子rf6和风险因子rf7均对应修复度r，风险因子rf8对应关联度c。

10、在本发明提供的基于风险机理分析的改进fmea方法中，还可以具有这样的特征：其中，风险因子rf1表示失效模式发生的可能性，风险因子rf2表示生产计划和准备过程遭受失效模式影响的严重程度，风险因子rf3表示系统任务执行过程遭受失效模式影响的严重程度，风险因子rf4表示系统基础支持过程遭受失效模式影响的严重程度，风险因子rf5表示失效模式发生后被检测到的难易程度，风险因子rf6表示失效模式被检测到后因资源消耗而造成的修复难度，风险因子rf7表示失效模式被检测到后因技术要求而造成的修复难度，风险因子rf8表示失效模式会引起其它失效模式的程度。

11、本发明提供了一种基于风险机理分析的改进fmea装置，用于根据多个评价专家对多个失效模式的各个风险因子对应的评分数据和风险因子直接影响矩阵，得到各个失效模式的风险排名结果，具有这样的特征，包括：区间直觉模糊数矩阵生成模块，用于将所有评分分数转化为对应的区间直觉模糊数，得到各个评价专家对各个失效模式对应的区间直觉模糊数矩阵；一维风险评估矩阵生成模块，用于对各个区间直觉模糊数矩阵，根据风险函数将各个区间直觉模糊数去模糊化，得到包含对应一维风险值的一维风险评估矩阵；专家权重向量生成模块，用于根据最小化不协调方法，对所有一维风险评估矩阵进行处理，得到各个评价专家对应的专家权重向量；团队风险评估矩阵生成模块，用于根据所有一维风险评估矩阵和专家权重向量，得到团队风险评估矩阵；中心度计算模块，用于根据dematel方法和风险因子直接影响矩阵，得到各个风险因子的中心度；权重计算模块，用于根据所有中心度，计算得到系数权重和指数权重；综合风险评估值计算模块，用于根据系数权重、指数权重和团队风险评估矩阵，得到各个失效模式的综合风险评估值；风险排名结果生成模块，用于按照综合风险评估值从大到小，对所有失效模式进行排序，得到风险排名结果，其中，风险排名结果中，失效模式的序号越小，该失效模式的风险越大。

12、发明的作用与效果

13、根据本发明所涉及的基于风险机理分析的改进fmea方法及装置，因为，首先，通过区间直觉模糊数矩阵生成模块将失效模式的评分分数转化为区间直觉模糊数；其次，通过一维风险评估矩阵生成模块根据风险函数对区间直觉模糊数去模糊化，得到一维风险评估矩阵；再次，通过专家权重向量生成模块根据最小化不协调方法得到专家权重向量；接着，通过团队风险评估矩阵生成模块生成团队风险评估矩阵；随后，通过中心度计算模块和权重计算模块获得系数权重和指数权重；最后，通过综合风险评估值计算模块和风险排名结果生成模块计算综合风险评估值并进行排序，从而得到风险排名结果。所以，本发明的基于风险机理分析的改进fmea方法及装置能够得到各个失效模式准确的风险排名结果。