[发明专利]一种基于模糊证据推理和模糊Petri网改进的FMEA方法

说明书

本发明公开了一种基于模糊证据推理和模糊Petri网改进的FMEA方法，包括有如下的步骤：S1、聚合FMEA专家的评估；S2、确定风险因子权重；S3、建立一个规则库和模糊Petri网；S4、利用模糊Petri网确定所有故障模式的风险排序。

技术领域

本发明属于可靠性分析技术领域，具体涉及一种基于模糊证据推理和模糊Petri网改进的FMEA方法，利用模糊证据推理和模糊Petri网对传统FMEA方法进行改进。

现有技术

故障模式与影响分析(Failure Mode and Effect Analysis，FMEA)是一种广泛使用的系统可靠性分析技术，用于识别、分析和消除系统、设计、过程和服务中已知或潜在的故障、问题和错误。作为一种结构化，系统化和自下而上的工程技术，它通过识别特定产品或流程可能发生故障的位置和方式，为风险管理者提供有价值的决策信息。FMEA最初由美国宇航局于20世纪60年代开发，并应用于美国航空航天工业，以确保和提高军事产品的安全性和可靠性。与其他风险分析工具不同，FMEA的核心是识别系统中的所有潜在故障模式，分析故障模式的原因及其可能的影响，然后通过消除关键故障来增强系统的稳定性。因此，FMEA能够预测故障模式的原因和严重程度，防止故障模式的发生，同时节省资源和时间，提高产品质量和客户满意度。作为一种重要的风险分析技术，FMEA在制造业、航空航天和医疗等领域得到了广泛的应用。

传统的FMEA是基于风险优先级数(Risk Priority Number，RPN)对每种故障模式进行排序的，RPN是与故障模式相对应的三个风险因子：发生度(Occurrence，O)，严重度(Severity，S)及检测度(Detection，D)的数学乘积。尽管传统的FMEA被认为是一种有效的故障预防工具，但它也存在很多为人诟病的缺点：(1)由于FMEA问题固有的模糊性和不确定性，团队成员很难用1到10之间的精确数字来评估故障模式；(2)传统的RPN中，O、S和D三个风险因子被赋予相同的权重，这与现实应用不符；(3)不同的风险因子组合可能产生完全相同的RPN值，而相应的风险故障模式对系统的隐藏风险影响可能完全不同，这可能会导致许多重要的故障模式被忽视。(4)目前RPN值的计算公式有待商榷，暂无科学依据支持风险因子乘积作为RPN值这一观点。

模糊证据推理是一种解决复杂不确定的多属性决策问题的方法,它为解决模糊评价等级的模糊性问题把传统证据推理中的评价等级推广到模糊评价等级。它能够有效模拟和处理不同背景专家出评价值的多样性和不确定性，有效地避免语言信息处理中信息丢失和失真的问题。

模糊Petri网是对传统Petri网的一种改进，用于处理基于知识的系统中的不精确、模糊或模糊信息，被广泛应用于模糊生产规则的建模和基于规则的模糊推理的自动生成。模糊Petri网是一个有标记的图形系统，包含库所和转换，其中图形圆表示库所，条形表示转换，有向弧表示从库所到转换或从转换到库所的关联关系。模糊Petri网的主要特点是支持信息的结构组织，提供知识推理的可视化，并有助于设计有效的模糊推理算法。

发明内容

为了克服传统FMEA方法的诸多缺点，本发明提出了一种基于模糊证据推理和模糊Petri网的FMEA方法。该方法采用信念结构来更好地表达FMEA团队成员风险评估的模糊性和不确定性。然后基于规则库，建立故障模式风险优先级的模糊Petri网，根据风险优先级值(Risk Priority Value，RPV)确定故障模式的风险优先级。该方法能更灵活、更智能地处理FMEA问题。

本发明是通过以下的技术方案来实现的：