本發(fā)明涉及一種風(fēng)險(xiǎn)評(píng)估方法，具體地說(shuō)是涉及因子權(quán)重信息不完全情況下的fmea風(fēng)險(xiǎn)評(píng)估方法。

背景技術(shù)：

失效模式與影響分析(failuremodeandeffectanalysis,fmea)是一種具有系統(tǒng)性、前瞻性的產(chǎn)品可靠性分析方法，從產(chǎn)品設(shè)計(jì)與制造活動(dòng)中識(shí)別出所有可能的潛在失效模式，評(píng)估這些失效模式的嚴(yán)酷度(severity,s)、發(fā)生頻率(occurrence,o)和檢測(cè)難度(detection,d)，通過(guò)風(fēng)險(xiǎn)優(yōu)先數(shù)(riskprioritynumber,rpn)的計(jì)算來(lái)確定各失效模式(failuremode,fm)的風(fēng)險(xiǎn)排序，以便能合理調(diào)配有限資源來(lái)解決非常急迫的風(fēng)險(xiǎn)項(xiàng)目。

然而，由于人類(lèi)思維的模糊性和分析對(duì)象的復(fù)雜性，精準(zhǔn)地確定風(fēng)險(xiǎn)因子權(quán)重是不容易的。在許多情況下，只能獲得風(fēng)險(xiǎn)因子權(quán)重的不完全信息。因子權(quán)重信息的不完全性，導(dǎo)致無(wú)法確定因子權(quán)重的精準(zhǔn)值，因子權(quán)重值是一個(gè)區(qū)間數(shù)，有許多可能的取值。不同的因子權(quán)重取值將導(dǎo)致失效模式有不同的綜合風(fēng)險(xiǎn)數(shù)，這就為各失效模式的綜合風(fēng)險(xiǎn)排序帶來(lái)了不確定性，使得排序結(jié)果有多種不同的可能結(jié)果。

技術(shù)實(shí)現(xiàn)要素：

為解決上述難題，本發(fā)明的目的在于提供一種因子權(quán)重信息不完全情況下的fmea風(fēng)險(xiǎn)評(píng)估方法，獲得最優(yōu)因子權(quán)重和各失效模式的最大綜合風(fēng)險(xiǎn)數(shù)，據(jù)此進(jìn)行各失效模式的綜合風(fēng)險(xiǎn)排序。在因子權(quán)重的模糊信息約束條件下，尋找最?lèi)毫訝顩r下失效模式所引發(fā)的最大風(fēng)險(xiǎn)值，確保了最?lèi)毫语L(fēng)險(xiǎn)的防范。

本發(fā)明采用以下技術(shù)方案來(lái)實(shí)現(xiàn)上述目的。因子權(quán)重信息不完全情況下的fmea風(fēng)險(xiǎn)評(píng)估方法，其特征在于，其步驟如下：

1)識(shí)別產(chǎn)品制造工藝過(guò)程中的潛在失效模式，并對(duì)所述潛在失效模式的風(fēng)險(xiǎn)因子進(jìn)行置信模糊評(píng)估；

2)設(shè)參考評(píng)估序列為第i種失效模式的評(píng)估序列為則對(duì)于任意的ξ∈(0,1)，廣義點(diǎn)關(guān)聯(lián)系數(shù)為

式中：為專(zhuān)家n對(duì)第i種失效模式的第j個(gè)風(fēng)險(xiǎn)因子所作的置信模糊評(píng)估數(shù)；是參考評(píng)估序列中的第j個(gè)風(fēng)險(xiǎn)因子評(píng)估數(shù)據(jù)與第i種失效模式的第j個(gè)風(fēng)險(xiǎn)因子評(píng)估數(shù)據(jù)之間的廣義豪斯多夫距離；ξ是分辨系數(shù)；

3)設(shè)最高評(píng)估序列x⁺＝{10,10,…,10}，最低評(píng)估序列x^-＝{1,1,…,1}，則可得專(zhuān)家n的第i個(gè)失效模式的第j個(gè)風(fēng)險(xiǎn)因子與最高評(píng)估序列的第j個(gè)風(fēng)險(xiǎn)因子之間的廣義點(diǎn)關(guān)聯(lián)系數(shù)專(zhuān)家n的第i個(gè)失效模式的第j個(gè)風(fēng)險(xiǎn)因子與最低評(píng)估序列的第j個(gè)風(fēng)險(xiǎn)因子之間的廣義點(diǎn)關(guān)聯(lián)系數(shù)專(zhuān)家n的第i個(gè)失效模式的第j個(gè)風(fēng)險(xiǎn)因子的灰關(guān)聯(lián)貼近度為：

4)如果在評(píng)估第i個(gè)失效模式的第j個(gè)風(fēng)險(xiǎn)因子時(shí)，第n個(gè)專(zhuān)家權(quán)重為wij(n)，則第i個(gè)失效模式的第j個(gè)風(fēng)險(xiǎn)因子的群體灰關(guān)聯(lián)貼近度為：

式中：n是評(píng)估專(zhuān)家的總?cè)藬?shù)；

5)采用層次分析法，將不完全的因子權(quán)重信息轉(zhuǎn)化為風(fēng)險(xiǎn)因子權(quán)重的約束性條件，以失效模式綜合風(fēng)險(xiǎn)最大化為目標(biāo)函數(shù)，建立風(fēng)險(xiǎn)因子權(quán)重的優(yōu)化模型，具體如下：

式中：σi是第i個(gè)失效模式的綜合風(fēng)險(xiǎn)數(shù)，λj是第j個(gè)風(fēng)險(xiǎn)因子的權(quán)重，σij是第i個(gè)失效模式的第j個(gè)風(fēng)險(xiǎn)因子的群體灰關(guān)聯(lián)貼近度，λ是由風(fēng)險(xiǎn)因子的不完全權(quán)重信息轉(zhuǎn)化而來(lái)的約束性條件；

6)以失效模式的最大綜合風(fēng)險(xiǎn)數(shù)作為排序數(shù)，對(duì)各失效模式進(jìn)行風(fēng)險(xiǎn)排序。

進(jìn)一步，所述潛在失效模式的風(fēng)險(xiǎn)因子為嚴(yán)酷度、發(fā)生概率和檢測(cè)難度。

進(jìn)一步，所述分辨系數(shù)ξ為0.5。

本發(fā)明解決了由不完全因子權(quán)重信息所帶來(lái)的排序不確定問(wèn)題，具有以下優(yōu)點(diǎn)：

1)構(gòu)建了廣義點(diǎn)關(guān)聯(lián)系數(shù)的計(jì)算公式，不僅適用于實(shí)數(shù)型序列元素，也適用于序列元素為置信模糊評(píng)估數(shù)的情況。將置信模糊評(píng)估數(shù)轉(zhuǎn)換為相對(duì)應(yīng)的灰關(guān)聯(lián)貼近度，后續(xù)的專(zhuān)家信息集結(jié)和風(fēng)險(xiǎn)因子信息集結(jié)都以灰關(guān)聯(lián)貼近度為處理對(duì)象，使得后續(xù)的風(fēng)險(xiǎn)排序無(wú)需解模糊，集結(jié)方式也變得簡(jiǎn)單，只需線(xiàn)性加權(quán)和。

2)針對(duì)無(wú)法精準(zhǔn)確定風(fēng)險(xiǎn)因子權(quán)重的情況，將風(fēng)險(xiǎn)因子權(quán)重的不完全信息轉(zhuǎn)化為因子權(quán)重的約束性條件，構(gòu)建出因子權(quán)重的優(yōu)化模型，求得模糊信息約束條件下各失效模式可能發(fā)生的最大綜合風(fēng)險(xiǎn)數(shù)，并據(jù)此進(jìn)行排序。模糊的權(quán)重信息使得失效模式有多個(gè)可能的綜合風(fēng)險(xiǎn)數(shù)，根據(jù)可能發(fā)生的最大綜合風(fēng)險(xiǎn)數(shù)進(jìn)行排序，就能確保最?lèi)毫语L(fēng)險(xiǎn)的防范，這與風(fēng)險(xiǎn)防范基本原則保持了高度一致性。

具體實(shí)施方式

以下結(jié)合具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。本發(fā)明采用層次分析法將風(fēng)險(xiǎn)因子權(quán)重的不完全信息轉(zhuǎn)換為因子權(quán)重的約束性條件，并以各失效模式綜合風(fēng)險(xiǎn)數(shù)最大化為目標(biāo)，構(gòu)建因子權(quán)重的優(yōu)化模型，獲得各失效模式的最大綜合風(fēng)險(xiǎn)數(shù)，并據(jù)此排序。

因子權(quán)重信息不完全情況下的fmea風(fēng)險(xiǎn)評(píng)估方法，其實(shí)施步驟為：

(1)飛機(jī)方向舵舵機(jī)安裝工藝的fmea案例，共有17個(gè)潛在工藝失效模式，現(xiàn)有5位專(zhuān)家參與評(píng)估，對(duì)各失效模式的嚴(yán)酷度、發(fā)生概率、檢測(cè)難度這三個(gè)風(fēng)險(xiǎn)因子進(jìn)行置信模糊評(píng)估，為專(zhuān)家n對(duì)第i種失效模式的第j個(gè)風(fēng)險(xiǎn)因子所作的評(píng)估意見(jiàn)，此類(lèi)評(píng)估意見(jiàn)既包含模糊語(yǔ)言，也包含置信度，可稱(chēng)為置信模糊評(píng)估數(shù)，評(píng)估意見(jiàn)的一般表達(dá)形式如表1所示。

表1專(zhuān)家評(píng)估意見(jiàn)的一般填寫(xiě)形式

可用廣義豪斯多夫距離來(lái)度量置信模糊評(píng)估數(shù)之間的距離，具體如下：

式中：是置信模糊評(píng)估數(shù)，可統(tǒng)一用來(lái)表示；是在[1,10]上的概率密度函數(shù)；是置信模糊評(píng)估數(shù)的均值；是置信模糊評(píng)估數(shù)的方差。

專(zhuān)家n對(duì)第i種失效模式的第j個(gè)風(fēng)險(xiǎn)因子所作評(píng)估的相似度如下：

式中：分別為專(zhuān)家n、專(zhuān)家m對(duì)第i種失效模式的第j個(gè)風(fēng)險(xiǎn)因子所作的置信模糊評(píng)估數(shù)；n為評(píng)估專(zhuān)家的總數(shù)；為兩個(gè)置信模糊評(píng)估數(shù)之間的廣義豪斯多夫距離。

專(zhuān)家n對(duì)第i種失效模式的第j個(gè)風(fēng)險(xiǎn)因子做風(fēng)險(xiǎn)評(píng)估時(shí)所擁有的權(quán)重如下：

(2)若參考評(píng)估序列為第i種失效模式的評(píng)估序列為則對(duì)于任意的ξ∈(0,1)，廣義點(diǎn)關(guān)聯(lián)系數(shù)為

式中：是參考評(píng)估序列中的第j個(gè)風(fēng)險(xiǎn)因子評(píng)估數(shù)據(jù)與第i種失效模式的第j個(gè)風(fēng)險(xiǎn)因子評(píng)估數(shù)據(jù)之間的廣義豪斯多夫距離；ξ是分辨系數(shù)，通常取0.5；

(3)設(shè)最高評(píng)估序列x⁺＝{10,10,…,10}，最低評(píng)估序列x^-＝{1,1,…,1}，則可得專(zhuān)家n的第i個(gè)失效模式的第j個(gè)風(fēng)險(xiǎn)因子與最高評(píng)估序列的第j個(gè)風(fēng)險(xiǎn)因子之間的廣義點(diǎn)關(guān)聯(lián)系數(shù)專(zhuān)家n的第i個(gè)失效模式的第j個(gè)風(fēng)險(xiǎn)因子與最低評(píng)估序列的第j個(gè)風(fēng)險(xiǎn)因子之間的廣義點(diǎn)關(guān)聯(lián)系數(shù)專(zhuān)家n的第i個(gè)失效模式的第j個(gè)風(fēng)險(xiǎn)因子的灰關(guān)聯(lián)貼近度為

(4)如果在評(píng)估第i個(gè)失效模式的第j個(gè)風(fēng)險(xiǎn)因子時(shí)第n個(gè)專(zhuān)家權(quán)重為wij(n)，則第i個(gè)失效模式的第j個(gè)風(fēng)險(xiǎn)因子的群體灰關(guān)聯(lián)貼近度為

式中：n是評(píng)估專(zhuān)家的總?cè)藬?shù)；

17個(gè)失效模式的群體灰關(guān)聯(lián)貼近度，如表2所示。

表2各失效模式的群體灰關(guān)聯(lián)貼近度

(5)采用層次分析法，將不完全的因子權(quán)重信息轉(zhuǎn)化為風(fēng)險(xiǎn)因子權(quán)重的約束性條件。

由于分析對(duì)象的復(fù)雜性和專(zhuān)家自身的認(rèn)知盲區(qū)，專(zhuān)家無(wú)法精準(zhǔn)給出各風(fēng)險(xiǎn)因子的權(quán)重值，只能給出大概的模糊信息，如“嚴(yán)酷度s的重要性要高于其他兩個(gè)風(fēng)險(xiǎn)因子，但是，重要性高至何種程度卻難以把握，處于無(wú)法確定的狀態(tài)。此外，發(fā)生頻率o和檢測(cè)難度d之間的重要性比較也處于無(wú)法確定狀態(tài)”。

針對(duì)此種模糊情況，可結(jié)合ahp方法確定各因子權(quán)重的上限值和下限值。例如：若s在兩兩比較中均被判定為“極端重要”，與o、d之間差距均達(dá)到最大，則嚴(yán)酷度s能分配到最大的權(quán)重值；當(dāng)s在兩兩比較中均被判定為“稍微重要”，與o、d之間差距均達(dá)到最小，則嚴(yán)酷度s能分配到最小的權(quán)重值。在確保o的重要性小于s前提下，若s、o的重要性均遠(yuǎn)高于d，達(dá)到盡可能的大，則發(fā)生概率o能分配到最大的權(quán)重值；在確保o的重要性小于s前提下，若s、d的重要性均遠(yuǎn)高于o，達(dá)到盡可能地大，則o只能分配到最小的權(quán)重值。同理，d也一樣。

現(xiàn)設(shè)λ1,λ2,λ3分別為嚴(yán)酷度s，發(fā)生頻率o，檢測(cè)難度d的權(quán)重，則具體分析結(jié)果如表3所示。

表3基于ahp法的風(fēng)險(xiǎn)因子權(quán)重分布區(qū)間

由此，以失效模式綜合風(fēng)險(xiǎn)最大化為目標(biāo)函數(shù)，可建立風(fēng)險(xiǎn)因子權(quán)重的優(yōu)化模型，具體如下：

s·t·

式中：σi是第i個(gè)失效模式的綜合風(fēng)險(xiǎn)數(shù)，λj是第j個(gè)風(fēng)險(xiǎn)因子的權(quán)重，σij是第i個(gè)失效模式的第j個(gè)風(fēng)險(xiǎn)因子的群體灰關(guān)聯(lián)貼近度；

對(duì)各失效模式的最大綜合風(fēng)險(xiǎn)數(shù)進(jìn)行排序，具體結(jié)果如表4所示。

表4失效模式的風(fēng)險(xiǎn)排序

本發(fā)明首先，利用數(shù)據(jù)之間的廣義豪斯多夫距離，將專(zhuān)家評(píng)估數(shù)據(jù)轉(zhuǎn)換成對(duì)應(yīng)的廣義點(diǎn)關(guān)聯(lián)系數(shù)，計(jì)算各專(zhuān)家的灰關(guān)聯(lián)貼近度矩陣，并將其集結(jié)為群體灰關(guān)聯(lián)貼近度矩陣。然后，采用層次分析法將風(fēng)險(xiǎn)因子權(quán)重的不完全信息轉(zhuǎn)換為因子權(quán)重的約束性條件，并以各失效模式綜合風(fēng)險(xiǎn)數(shù)最大化為目標(biāo)，構(gòu)建因子權(quán)重的優(yōu)化模型，獲得最優(yōu)因子權(quán)重和各失效模式的最大綜合風(fēng)險(xiǎn)數(shù)，據(jù)此進(jìn)行各失效模式的綜合風(fēng)險(xiǎn)排序。該方法在因子權(quán)重的模糊信息約束條件下，尋找最?lèi)毫訝顩r下失效模式所引發(fā)的最大風(fēng)險(xiǎn)值，確保了最?lèi)毫语L(fēng)險(xiǎn)的防范。