综合判断提高排序合理性的改进FMEA方法及装置

本发明属于可靠性分析方法领域，具体涉及一种综合判断提高排序合理性的改进fmea方法及装置

背景技术：

1、失效模式与影响分析failure mode and effects analysis，以下简称fmea，该理念于二十世纪六十年代被提出，如今被广泛应用于分析各种系统的失效模式与影响中。fmea作为一种质量管理的有效方法，发掘对象潜在失效模式，探寻失效模式产生原因与造成影响、制定合理改善计划为目标，针对产品、过程、系统等多类对象的失效模式进行定义、识别、分析、改善与消除。fmea方法的分析结果被应用于帮助工作人员识别和纠正对系统有不利影响的失效模式，在系统与产品开发的早期阶段探寻改进可能性，减少失效模式可能产生的损失及修复成本，有效提升系统开发与应用的效率。

2、fmea方法通过预先对未发生的失效模式进行监控与防范提高整个系统的安全性与可靠性，为管理团队提供决策依据，并为实施团队提供指导信息。图1是实施fmea的原理示意图。如图1所示，在实施fmea时，首先应针对分析对象建立一个跨领域专家团队对分析对象依次进行全面分析问题、总结失效模式和分析原因与影响。之后，团队将确定发生度o等级、确定严重度s等级和确定可探测度d等级，再分别进行发生度评分、严重度评分和可探测度评分。最后根据评分依次进行风险优先数(rpn)计算、失效模式排序和改进与优化，从而实现fmea方法。

3、但是，上述fmea分析过于笼统，未考虑到各个风险因子间的相对重要性，难以对风险因子精确评分。

技术实现思路

1、本发明是为了解决上述问题而进行的，目的在于提供一种综合判断提高排序合理性的改进fmea方法及装置。

2、本发明提供了一种综合判断提高排序合理性的改进fmea方法，用于根据l个分析人员对n个风险因子的相对重要程度评分数据和对m个失效模式的各个风险因子的评价数据，得到m个失效模式的重要程度排序结果，具有这样的特征，包括以下步骤：步骤s1，根据模糊层次分析法与critic(criteria importance through intercriteria correlation)方法，对所有相对重要程度评分数据进行处理，得到各个风险因子对应的综合权重；步骤s2，根据所有评价数据，计算得到各个失效模式对各个风险因子的表现值；步骤s3，对所有表现值进行规范化处理，得到规范化评价矩阵；步骤s4，根据规范化评价矩阵，计算得到各个风险因子对应的最理想情况数值和最不理想情况数值；步骤s5，根据综合权重、规范化评价矩阵、最理想情况数值和最不理想情况数值，计算得到各个失效模式对应的最优距离和最劣距离；步骤s6，对各个失效模式，根据对应的最优距离和最劣距离，计算得到对应的贴进度；步骤s7，将所有失效模式按照对应的贴进度从大到小进行排序，得到重要程度排序结果，其中，重要程度排序结果中的排名越靠前，对应的失效模式的重要程度越高。

3、在本发明提供的综合判断提高排序合理性的改进fmea方法中，还可以具有这样的特征：其中，风险因子包括严重度s、发生度o、可探测度d和关联度r，关联度r用于描述失效模式间相互影响的特性。

4、在本发明提供的综合判断提高排序合理性的改进fmea方法中，还可以具有这样的特征：其中，步骤s1包括以下子步骤：步骤s1-1，根据模糊层次分析法对所有相对重要程度评分数据进行处理，得到各个分析人员对各个风险因子的主观权重和各个风险因子的综合主观权重；步骤s1-2，根据critic方法，对所有主观权重和综合主观权重进行处理，得到各个风险因子的客观权重；步骤s1-3，根据所有综合主观权重和客观权重，计算得到各个风险因子的综合权重。

5、在本发明提供的综合判断提高排序合理性的改进fmea方法中，还可以具有这样的特征：其中，步骤s1-1包括以下子步骤：步骤s1-1-1，将各个相对重要程度评分数据中的相对重要程度分数转化为对应的模糊数，得到相对重要程度矩阵；步骤s1-1-2，对相对重要程度矩阵进行中立期望计算，得到期望矩阵；步骤s1-1-3，根据期望矩阵计算得到各个分析人员对各个风险因子的主观模糊权重；步骤s1-1-4，对各个分析人员对应的各个风险因子，计算对应的主观模糊权重的期望值作为主观权重；步骤s1-1-5，对各个风险因子，计算对应的所有主观权重的平均值，作为该风险因子的综合主观权重。

6、在本发明提供的综合判断提高排序合理性的改进fmea方法中，还可以具有这样的特征：其中，相对重要程度矩阵的表达式为：式中为模糊数，为相对重要程度矩阵，的期望矩阵的表达式为：式中为期望矩阵，为相对重要程度矩阵中第p行第q列的元素，主观模糊权重的计算表达式为：式中为分析人员对第p个风险因子的主观模糊权重，为该分析人员对应的相对重要程度矩阵中第p行第q列的元素对应的an，为该分析人员对应的相对重要程度矩阵中第p行第q列的元素对应的al，为该分析人员对应的相对重要程度矩阵中第p行第q列的元素对应的ap。

7、在本发明提供的综合判断提高排序合理性的改进fmea方法中，还可以具有这样的特征：其中，在步骤s1-2中，客观权重的计算表达式为：kj＝sj×rj，式中βj为第j个风险因子的客观权重，kj为第j个风险因子的信息量，rj为第j个风险因子的冲突性，rtj为第t个风险因子和第j个风险因子权重的相关系数，pt为第t个风险因子的主观权重向量，sj为第j个风险因子的标准差，为第j个风险因子的综合主观权重，pij为第i个分析人员对第j个风险因子的主观权重，min(pj)为第j个风险因子对应的主观权重中的最小值，max(pj)为第j个风险因子对应的主观权重中的最大值，在步骤s1-3中，综合权重的计算表达式为：式中ωj为第j个风险因子的综合权重，αj为第j个风险因子的综合主观权重，βj为第j个风险因子的客观权重。

8、在本发明提供的综合判断提高排序合理性的改进fmea方法中，还可以具有这样的特征：其中，在步骤s3中，规范化评价矩阵的表达式为：a＝(aij)m×n，式中a为规范化评价矩阵，aij为规范化评价矩阵中第i个失效模式对第j个风险因子对应的元素，qij为第i个失效模式对第j个风险因子的表现值。

9、在本发明提供的综合判断提高排序合理性的改进fmea方法中，还可以具有这样的特征：其中，第j个风险因子的最理想情况数值bj*和最不理想情况数值bjo的表达式为：

10、式中i为失效模式序号，maxj(aij)为规范化评价矩阵中第j个风险因子对应的所有元素中的最大值，minj(aij)为规范化评价矩阵中第j个风险因子对应的所有元素中的最小值，式中极大型指标代表指标的值越大越符合期待，极小型指标代表指标的值越小越符合期待。

11、在本发明提供的综合判断提高排序合理性的改进fmea方法中，还可以具有这样的特征：其中，最优距离的计算表达式为：式中为第i个失效模式的最优距离，ωj为第j个风险因子的综合权重，aij为规范化评价矩阵中第i个失效模式对第j个风险因子对应的元素，bj*为第j个风险因子的最理想情况数值，最劣距离的计算表达式为：式中为第i个失效模式的最劣距离，bjo为第j个风险因子的最不理想情况数值，贴进度的计算表达式为：式中si为第i个失效模式的贴进度。

12、本发明还提供了一种综合判断提高排序合理性的改进fmea装置，用于根据l个分析人员对n个风险因子的相对重要程度评分数据和对m个失效模式的各个风险因子的评价数据，得到m个失效模式的重要程度排序结果，具有这样的特征，包括：综合权重计算模块，用于根据模糊层次分析法与critic方法，对所有相对重要程度评分数据进行处理，得到各个风险因子对应的综合权重；表现值计算模块，用于根据所有评价数据，计算得到各个失效模式对各个风险因子的表现值；规范化模块，用于对所有表现值进行规范化处理，得到规范化评价矩阵；数值计算模块，用于根据规范化评价矩阵，计算得到各个风险因子对应的最理想情况数值和最不理想情况数值；距离计算模块，用于根据综合权重、规范化评价矩阵、最理想情况数值和最不理想情况数值，计算得到各个失效模式对应的最优距离和最劣距离；贴进度计算模块，用于对各个失效模式，根据对应的最优距离和最劣距离，计算得到对应的贴进度；重要程度计算模块，用于将所有失效模式按照对应的贴进度从大到小进行排序，得到重要程度排序结果，其中，重要程度排序结果中的排名越靠前，对应的失效模式的重要程度越高。

13、发明的作用与效果

14、根据本发明所涉及的综合判断提高排序合理性的改进fmea方法及装置，因为，首先，通过综合权重计算模块利用模糊层次分析法计算得到主观权重，利用critic方法计算得到客观权重；其次，通过表现值计算模块和规范化模块进行模糊数评价方法，得到各失效模式与各个风险因子的规范化评价；接着，根据数值计算模块、距离计算模块和贴进度计算模块通过权重与分数计算得到贴进度；最后，通过重要程度计算模块根据贴进度对所有失效模式进行排序，从而得到各个失效模式的重要程度排序结果。所以，本发明的综合判断提高排序合理性的改进fmea方法及装置能够考虑各风险因子之间的相对重要性，准确对风险因子进行评分，从而得到各个失效模式的重要程度排序结果。