[发明专利]一种通过SVM文本挖掘处理数据的FMECA方法

说明书

技术领域

本发明属于可靠性分析领域，特别涉及一种通过SVM文本挖掘处理数据的FMECA方法。

背景技术

故障模式、影响及危害性分析(FMECA)是工程应用中最常用的一种可靠性分析方法，也是一个有效的预防性分析工具，通过分析产品的所有可能产生的失效模式、后果及其原因，并按照每一种故障模式发生的概率、检测的难易程度以及危害程度予以分类，找到相应的改进措施，从而避免实际失效的发生的一种归纳分析方法。FMECA分析方法由故障模式、影响分析(FMEA)和危害性分析(CA)两部分组成，FMEA属于定性分析，CA是在FMEA的基础上依靠一定数据进行定量分析。只有在进行FMEA的基础上，才能进行CA。目前，FMECA技术已经被广泛应用于航空、航天、电子、电气、机械等领域，FMECA也被认为是实用、高效的可靠性分析技术。

根据FMECA分析理论，通过分析所得数据对产品使用阶段中可能或实际发生的故障、原因及其影响进行分析。其中故障是指产品不能或将不能完成预定功能的事件或状态。对于某些不可修复的产品，如电子元器件，导弹等，称之为失效；故障模式是指产品或系统故障的表现形式，通常指能被观察到的故障现象，如涡轮轴断裂、铜套磨损等；故障原因包括直接原因和间接原因。直接原因是指引起零部件故障的物理、化学变化的内在原因，间接原因是指导致本故障的其他环境和人为因素等；故障影响是指故障模式对产品或系统的使用、功能或状态所导致的后果，这些后果是指对产品与人的安全、使用、任务功能、环境、经济等各方面的综合后果。

FMECA分析的一般包括制定FMECA的计划及相关工作、定义系统、确定产品所有可能的故障模式、确定每个故障模式可能的原因及其发生的概率等级、确定每个故障模式可能的影响、确定每个故障模式可能的检测方法、确定每个故障模式可能发生的概率等级与严酷度等级或危害度/风险优先数的大小、确定薄弱环节及关键项目、生成FMECA报告等10个基本步骤。

故障模式分析是FMECA的基础。它的目的是根据被分析产品的硬件或功能特性，假设产品所有可能的故障模式，进而对每个假设的故障模式进行分析。对于具体产品，应结合产品功能、任务和使用环境等，给出产品故障判别的准则，即故障判据，他是判断产品故障与非故障的标准。产品的故障模式一般可以通过试验、统计、分析、预测和参考相似产品等方法获取，对于现有型号的产品，可以参考该产品在以往的生产和使用的过程中所发生的故障模式，再依照该产品不同的使用条件进行分析修正，进而得到该产品的故障模式；对于新研制的产品，可根据该产品的功能原理和结构特点，结合设计人员的经验知识，对产品的故障模式进行分析和预测，也可以参照与该产品功能、结构相似的产品所发生的故障模式，分析判断该产品的故障模式。

现如今的传统方法主要存在以下几个主要问题：

①由于网络的快速发展，用于FMECA分析的数据量显著增加，导致分析过程所需成本成倍提高，对于相对复杂的系统，工作量巨大，个人及规模小的团队无法短时间内完成。

②各种渠道的数据由不同书写人员书写，具有不同的书写规范，不同公司的售后反馈信息也有各自的框架，人力分析这些不同结构的数据很容易忽略某些故障模式，导致故障模式分析不全。

③在FMECA分析过程中，有很多包含在FMECA文本中的可靠性信息没有得到很好的探索和应用到改善可靠性的行动中，数据的应用效率低。

针对以上传统FMECA方法中存在的问题，急需针对FMECA分析数据提出一种能够解决数量大、种类多、分析成本高的方法，基于此，对分析数据进行文本挖掘很有必要。文本分类和聚类是文本挖掘最重要、最基本的挖掘功能。常用的文本分类方法有基于概率模型的方法，如朴素Bayes方法；隐马尔可夫模型；基于关系学习的决策树方法；基于统计学习的支持向量机方法(SVM)；基于向量空间模型的K-近邻分类法和神经网络方法。

发明内容

本发明的目的在于克服现有技术的不足，提供一种利用SVM文本挖掘对故障数据进行结构化处理，通过分析故障数据中提取的特征元素建立准确的故障模式预测模型，准确预测故障数据所对应的故障模式，进而分析的出故障原因，完善并生成FMEA报告表的通过SVM文本挖掘处理数据的FMECA方法。

本发明的目的是通过以下技术方案来实现的：一种通过SVM文本挖掘处理数据的FMECA方法，包括以下步骤：

S1、数据准备：搜集用于FMECA分析的故障数据，并将其导入FMECA分析软件；

S2、数据整理：将不利于模型建立的数据删除；