失效模式的模糊风险评估及其评估参数的灵敏度分析.pdf

第2 9卷第8期计算机集成制造系统V o l.2 9N o.82023年8月C o m p u t e r I n t e g r a t e dM a n u f a c t u r i n gS y s t e m sA u g.2 0 2 3D O I:1 0.1 3 1 9 6/j.c i m s.2 0 2 3.0 8.0 0 8收稿日期:2 0 2 1-0 3-2 3;修订日期:2 0 2 1-0 7-2 6。R e c e i v e d2 3M a r.2 0 2 1;a c c e p t e d2 6J u l y2 0 2 1.基金项目:国家自然科学基金资助项目(7 1 6 6 1 0 2 3)。F o u n d a t i o ni t e m:P r o j e c ts u p p o r t e db yt h eN a t i o n a lN a t u r a lS c i e n c eF o u n d a t i o n,C h i n a(N o.7 1 6 6 1 0 2 3).失效模式的模糊风险评估及其评估参数的灵敏度分析刘卫东1,杨 超1,刘 艳1+,陈 韦2,陈炳松3(1.南昌大学 先进制造学院,江西 南昌 3 3 0 0 3 1;2.航空工业江西洪都航空集团有限公司制造工程部,江西 南昌 3 3 0 0 0 0;3.南昌航空大学 测试与光电工程学院,江西 南昌 3 3 0 0 6 3)摘 要:目前失效模式风险评估研究主要集中在给出更为复杂的评估模型,而缺乏对评估模型的工程应用考虑和各评估参数对评估结果影响性质和影响程度的研究。本文首先研究构建失效模式风险因子的模糊置信区间评估模型,通过将模糊置信区间数转化为三角模糊数,实现风险因子评估结果的综合及评估结果的标量度量;以此为基础分析给出风险因子评估模型中各评估参数的概率分布模型,再应用基于高斯径向基函数的全局灵敏度分析方法,确定各评估参数对评估结果的影响性质和影响程度,据此指导制定更为精细的评估参数取值准则。某型飞机发动机安装工艺过程的失效模式及影响分析(FME A)应用研究结果表明,所给出的模型和基于灵敏度分析结果制定的评估参数取值准则可使评估专家更为客观精细地给出风险因子的评估意见,得到满足工业标准要求的风险评估结果,并显著提升评估结果对失效模式风险的区分度。关键词:失效模式及影响分析;失效模式;模糊风险评估;参数灵敏度分析;高斯径向基函数;发动机安装中图分类号:F 4 0 6.3 文献标识码:AF u z z yr i s ka s s e s s m e n t o f f a i l u r em o d ea n ds e n s i t i v i t ya n a l y s i so f i t sa s s e s s m e n tp a r a m e t e r sL I U W e i d o n g1,Y ANGC h a o1,L I UY a n1+,CHEN W e i2,CHENB i n g s o n g3(1.S c h o o l o fA d v a n c e dM a n u f a c t u r i n g,N a n c h a n gU n i v e r s i t y,N a n c h a n g3 3 0 0 3 1,C h i n a;2.M a n u f a c t u r i n gE n g i n e e r i n gD e p a r t m e n t,AV I CJ i a n g x iH o n g d uA v i a t i o nI n d u s t r yG r o u pC o m p a n yL t d,N a n c h a n g3 3 0 0 0 0,C h i n a)3.S c h o o l o fM e a s u r i n ga n dO p t i c a lE n g i n e e r i n g,N a n c h a n gH a n g k o n gU n i v e r s i t y,N a n c h a n g3 3 0 0 6 3,C h i n a)A b s t r a c t:T h ec u r r e n tr e s e a r c h e so ff a i l u r e m o d er i s k a s s e s s m e n t m a i n l yf o c u so n p r o v i d i n g m o r ec o m p l e xa s s e s s m e n tm o d e l s,b u t t h e ys u f f e r f r o mt h e l a c ko f c o n s i d e r a t i o no ne n g i n e e r i n ga p p l i c a t i o no fa s s e s s m e n tm o d e l sa n dr e s e a r c ho nt h ep r o p e r t ya n de x t e n to f e a c ha s s e s s m e n tp a r a m e t e rs i m p a c to nt h ea s s e s s m e n t r e s u l t s.Af u z z yc o n f i d e n c e i n t e r v a l e v a l u a t i o nm o d e l f o r f a i l u r em o d e r i s k f a c t o r sw a s c o n s t r u c t e d,t h e s y n t h e s i so f t h e r i s k f a c t o r e-v a l u a t i o nr e s u l t sa n dt h e s c a l a rq u a n t i t a t i v em e a s u r e m e n t o f t h ee v a l u a t i o nr e s u l t sw e r e r e a l i z e db yt r a n s f o r m i n gt h ef u z z yc o n f i d e n c e i n t e r v a ln u m b e r s i n t ot r i a n g u l a r f u z z yn u m b e r s.O nt h i sb a s i s,t h ep r o b a b i l i t yd i s t r i b u t i o nm o d e l so f e a c he v a l u a t i o np a r a m e t e ri nt h er i s kf a c t o re v a l u a t i o n m o d e lw e r eg i v e n.Ag l o b a ls e n s i t i v i t ya n a l y s i sm e t h o db a s e do nG a u s s i a nr a d i a l b a s i s f u n c t i o nw a su s e d t oc o n f i r mt h eF a i l u r eM o d ea n dE f f e c t sA n a l y s i s(FME A),w h i c hg u i d e da n df o r m u l a t e dm o r er e f i n e de v a l u a t i o np a r a m e t e r s e l e c t i o nc r i t e r i a.T h eFME Aa p p l i c a t i o no f ac e r t a i nt y p eo f a i r c r a f t e n g i n es i n s t a l l a t i o np r o c e s s s h o w e d t h a t t h ep r o p o s e dm o d e l a n d t h e e v a l u a t i o np a r a m e t e r s e l e c t i o nc r i t e-r i ab a s e do nt h es e n s i t i v i t ya n a l y s i sr e s u l t sc o u l dn o to n l ye n a b l et h ea s s e s s m e n te x p e r t st og i v et h ea s s e s s m e n t r e-s u l t so f r i s k f a c t o r sm o r e o b j e c t i v e l ya n d f i n e l y,b u tm e e t t h e a p p l i c a t i o nr e q u i r e m e n t s o f i n d u s t r y s t a n d a r d s a sw e l l,计算机集成制造系统第2 9卷a n ds i g n i f i c a n t l y i m p r o v e t h ed i s c r i m i n a t i o no f t h e f a i l u r em o d er i s k i m p a c tb ya s s e s s m e n t r e s u l t s.K e y w o r d s:f a i l u r em o d ea n de f f e c t sa n a l y s i s;f a i l u r em o d e;f u z z yr i s ke v a l u a t i o n;p a r a m e t e rs e n s i t i v i t ya n a l y s i s;G a u s s i a nr a d i a lb a s i s f u n c t i o n;e n g i n e i n s t a l l a t i o n0 引言失 效 模 式 及 影 响 分 析(F a i l u r e M o d ea n dE f f e c t sA n a l y s i s,FME A)是一种通过识别并评估产品设计或生产过程中潜在的失效模式,进而制定相应 改 进 措 施 的 系 统 化 和 程 序 化 的 技 术 分 析 方法1,2,现已形成标准化的应用流程3-5,并广泛应用于航空航天、机械、半导体、软件和医疗等行业的产品设计、制造和服务过程的质量控制6-8。失效模式的风险评估是FME A的关键内容。传统的风险评估是对已识别的失效模式,确定其严酷度(S e v e r i t y,S)、频度(O c c u r r e n c e,O)、可探测度(D e t e c t i o n,D)三个风险因子在值域1,1 0 的整数取值,并通过三个风险因子取值的乘积求得该失效模式的风险顺序数(R i s kP r i o r i t yN u m b e r,R P N),据此确定需要改进的失效模式。传统的风险评估方法存在如下局限性或不足:根据风险因子可能的风险等级进行整数取值的评估方式过于粗略,不能客观全面地反映实际评估过程中存在的诸多不确定性因素;由风险因子整数值的乘积确定的R P N值,会因乘积效应而放大风险因子的评估误差,从而进一步影响结果的准确度;所有10 0 0个可能的R P N取值结果中实际只有1 2 0个不同的数值,无法区分 具 有 相 同R P N值 的 不 同 失 效 模 式 的 风 险程度。为了控制风险因子评估结果的不确定性和提高评估结果的区分度,通常引入模糊数代替整数对风险因子进行评估。如伍晓榕等9将风险因子视为语言变量,构建了含有五个评价术语的语言术语备选集,并采用三角模糊数对语言术语进行量化处理;YANG等1 0、E KME K I O GL U等1 1和刘卫东等1 2分别引入三角模糊数和梯形模糊数来评估风险因子。在此类研究中,为进一步增加语言评估的灵活性,耿秀丽等1 3选择一个或多个语言术语来表述风险因子的评估意见,并采用语义计算的方法来处理评估信息;L I U等1 4应用模糊数运算规则,将可供选择的5个基本评价术语拓展到1 5个;N I E等1 5使用不同的语言术语集并采用比例二元语言模型来表述评估意见;L I U等1 6采用语言区间的形式对风险因子进行评估,并用区间二元语言变量对此类评估信息进行数学量化;HU等1 7使用二维不确定语言变量来描述失效模式的评估结果及其可靠程度。另一类控制风险因子评估结果不确定性和提高评估结果区分度的方法是以传统的1 0等级量表为基础,提出新的风险因子评估及其综合模型。如刘卫东等1 8构建了基于反馈控制原理的定量评估S、O和D的多维评估模型,并将研究结果应用于某型飞机装配工艺过程;王晓峰等1 9采用区间数描述风险因子评估结果,采用百分数形式的可信度来展示评估结果的可靠程度;CH I N等2 0将风险因子传统量表1 0个整数值评估等级拓展为5 5个备选的评估等级,并对 这 些 备 选 评 估 等 级 赋 予 信 度;HUANG等2 1将风险因子设定为1 0个离散数值等级组成的模糊事件,通过逐个等级赋予相应隶属度值来评估风险因子的风险水平;CHE N等2 2、J I ANG等2 3基于1 0个数值等级所构成的证据理论识别框架,分别通过对这1 0个数值等级进行基本概率分配和标注重要度的方式,给出风险因子的评估意见;VAH-D AN I等2 4提出通过主观赋权法来赋予专家风险因子 权 重 评 估 信 息;聂 文 滨 等2 5采 用 广 义H a u s d o r f f距离来计算专家因子评估结果的权重。上述基于1 0等级量表的风险因子模糊评估方法,无需建立模糊规则库,就可根据评估现场的实际状况,给出综合多个视角的风险因子评估意见,在一定程度上控制了风险评估中的相关不确定性,并通过改进S、O和D三个风险因子及其综合的评价模型来进一步提升评价结果的准确度和区分度。但此类方法给出的评估模型也更为复杂,评估结果往往以向量形式给出,这与FME A工业标准3-5对评估结果的标量要求不一致,从而给工程实际应用带来不便。此外,基于1 0等级量表的风险因子及其综合的模糊评估模型的评估参数大多具有随机性和耦合性,这些评估参数的取值即为评估专家依据预先制定的取值准则给出的评估意见,可见取值准则对评估意见的客观准确性具有极为重要的影响。而现有评估参数的取值准则3-5,1 8是根据主观认识和历史经验制定的,并未考虑到不同评估参数对评估结果的影响性质和影响程度,即影响规律的不同。因此,6952第8期刘卫东 等:失效模式的模糊风险评估及其评估参数的灵敏度分析要将基于该类评估模型的评估方法应用于工程实际,还需要通过风险因子评估参数的灵敏度分析来确定其对失效模式风险评估结果的影响规律。而目前这方面的研究极为缺乏,仅有陈虎2 6在文献2 5提出的模糊置信区间评估模型基础上,基于差分法进行评价参数的全局灵敏度分析,研究输入变量对输出贴近度的影响。其它研究主要集中在研究模型中的某个权重的变动对排序结果的影响,其目的仅是为了验证算法本身的鲁棒性2 7-3 2。鉴于三角模糊数在风险因子评价意见描述应用的广泛性,本文针对基于三角模糊数的失效模式风险因子及其综合的评估模型,首先研究解决评估结果的标量化问题以满足FME A工业标准的要求,分析给出风险因子评估模型中各评估参数的概率分布模型及模型参数的取值范围;其次,将高斯径向基函数应用于评估模型中评估参数的全局灵敏度分析,研究确定各评估参数对评估结果的影响性质和影响程度,据此指导制定更为客观精细的评估参数取值准则;最后,将给出的风险评估模型和取值准则应用于某型飞机发动机安装工艺过程的FME A分析,以验证所提出模型和方法的适用性与有效性。1 失效模式风险评估模型失效模式风险评估结果的标量化和评估参数的灵敏度分析是针对特定的风险评估模型进行的。因此,首先构建基于三角模糊数的风险因子及其综合的风险评估模型,并分析确定风险因子评估模型参数的取值规律。1.1 风险因子及其综合的风险评估模型设共有p(i=1,2,p)个失效模式需进行风险评估,各失效模式的S、O和D三个风险因子的评估结果均采用如下模糊置信区间数进行表示,Et:at,bt,yt,zt(t=S,O,D)。(1)式中:at、bt分别表示风险因子t真值的下界和上界整数估计值,at、bt之间存在耦合关系,如先定at,则有at1,1 0,bt(at,1 0,如先定bt,则有bt1,1 0,at1,bt);yt表示风险因子t真值的偏离倾 向 估 计 值,其 值 域 为 偏 左(L e f t,L)、居 中(M i d d l e,M)以及偏右(R i g h t,R),即有ytL,M,R,具体取值由风险因子真值相对于区间at,bt 的位置所决定,可见yt与at、bt之间存在耦合关;zt表示对风险因子t的at、bt和yt估计值的置信度,其具体取值与at,bt 和yt的取值有关,由于yt的取值取决于区间at,bt,因此zt的取值由at,bt 所决定。考虑到实际评价过程中,具有足够专业知识和工程经验的评价者自身不可能接受置信度较低而无意义的at,bt 决策,故设定其连续值域为zt0.5,1,即5 0%至1 0 0%区间范围。当at=bt,则风险因子真值的区间估计退化为点估计,此时yt=M。为定量计算风险评估结果,需将评估专家以模糊置信区间数表述的评估结果式(1)转换为如图1所示的三角模糊数Et=e1,e2,e3;wE。其隶属度函数为ut(x)=x-e1e2-e1wE,x(e1,e2);e3-xe3-e2wE,x(e2,e3),0,x(-,e1)(e3,)。(2)式中参数ei(i=1,2,3)由下式解出:e1=a,e2=e1+E(e3-e1),e3=b。(3)式中E为语言变量yt转换的模糊因子,其约束条件为0E1。语言变量E转换模糊因子的具体转换方法如表1所示。表1 语言变量与模糊因子语言变量模糊因子E左0.2 5中0.5右0.7 5三角模糊数的峰值wE由置信度zt求出,这需要先建立置信度zt与峰值wE的对应关系。为此,建立修正的隶属度区间分布函数ut(axb)=nbaut(x)dxb-a。(4)7952计算机集成制造系统第2 9卷式中n为根据参数ei(i=1,2,3)确定的修正系数,其表达式为:n=Se1e3HFSe1e3G。(5)式中:Se1e3HF为矩形面积,表示风险因子所有可能的取值区域;Se1e3G为三角形面积,表示专家对该风险因子的评估区域。综合式(2)和式(4),可解出峰值wE。考虑到FME A的工业标准3-5是依据风险因子S、风险因子S与O的乘积、失效模式S、O与D的乘积即R P N的标量阈值要求确定需改进失效模式,故由模糊数Et=e1,e2,e3;wE 的重心至坐标原点的坐标yEt=wE3i f e1e3wEe1=e3,xEt=e1+e2+e33,求得重心到坐标原点的距离d=(xEt)2+(yEt)2。(6)以此作为定量度量模糊数Et=e1,e2,e3;wE 的特征值即风险因子t的风险值。根据模糊数的综合运算规则EAEB=e1e1,e2e2,e3e3;m i n(wA,wB),综合失效模式i(i=1,2,p)的S与O两个风险因子和S、O与D三个风险因子的评估结果,得到该失效模式SO、SOD即风险顺序数R P N的三角模糊数形式的风险评估结果E(SO)i=ESiEOiER PNi=ESiEOiEDi,i(i=1,2,p)。(7)同样,采用其重心到坐标原点的距离作为定量度量模糊数E(SO)i、ER PNi的特征值即失效模式的风险值。如FME A工业标准规定的风险因子S、SO和失效模式R P N的阈值分别为S*、(SO)*和R PN*,则可将其分别转换为如下三角模糊数ES*=S*,S*,S*;1,E(SO)*=(SO)*,(SO)*,(SO)*;1,ER PN*=R PN*,R PN*,R PN*;1。(8)进而求出其重心至坐标原点的距离dS*、d(SO)*和dR PN*,据此可确定需要改进的失效模式。1.2 评估参数的概率分布模型在此,根据逐个顺序确定风险因子t的评估参数at、bt、yt和zt具体取值的实际评估过程,构建各评估参数的概率分布模型,并确定其分布模型的参数取值范围。(1)真值的下界与上界估计值at、bt的概率分布在不考虑评估准则系统误差的情况下,由中心极限定律可知,影响评估结果的相互独立的微小随机事件叠加后的分布服从正态分布,即作为风险因子真值的下界估计值,at大于风险因子真值的概率理论上小于at小于风险因子真值的概率,可见下界估计值at是基于点估计值的一个正偏斜正态分布。考虑到at1,1 0,故可假设at服从截尾正偏斜正态分布。设偏斜正态分布的分布函数为(x;,),则at的概率密度函数为:f(at)=2at-at(at-)kat。(9)式中:kat=S N(1 0;,at)-S N(1;,at);分布参数为风险因子t的真值,1,1 0;参数值at为负数,描述at的概率密度函数对评估真值的倾斜程度,通过仿真分析对比at在各个范围波动时对应的概率密度函数变化情况,设定at-1 0,-1;参数受专家实际判断力影响,通过类似于参数at取 值范围的仿 真 分 析 过 程,得 到0.5,2。类似过程可确定风险因子t真值的上界估计值bt从截尾负偏斜正态分布,其概率密度函数为:f(bt|at)=2bt-bt(bt-)kbt(at)。(1 0)式中:kbt=S N(1 0;,bt)-S N(at;,bt);at和bt是绝对值相同、符号相反的一组参数,故可确定bt1,1 0。(2)真值偏离倾向yt的概率分布偏离倾向yt由风险因子t的真值相对于区间at,bt 的位置决定。对应其值域ytL,M,R,将区间at,bt 平分为3个子区间,根据风险因子t真值所处子区间的估计结果确定其偏离倾向yt取值;当评估专家不能确定风险因子t真值所处具体子区间时,则yt=0。根据最大熵原理,可认为风险因子t的真值在区间at,bt 均匀分布,yt取值示意如图2所示。8952第8期刘卫东 等:失效模式的模糊风险评估及其评估参数的灵敏度分析根据yt在各区间的取值:PL-ab-a3b-2(b-a)3,PMb-a3-a2(b-a)32(b-a)3)b-b-a3,PR2(b-a)3-ab-a3b-b-a3,P0=1-PL-PM-PR。(1 1)可确定其概率分布为PLb+2a3,PMb+2a32b+a3,PR2b+a30.5 mm3332 7M 1 7:两个纵向测量点测量结果的差值0.5 mm3332 7M 1 8:发动机未调整到水平位置5525 0M 1 9:测量点结果两两间的差值大于2 mm5424 0发动机安装后检查前罩圈与发动机间隙检查调整保险M 2 0:间隙未满足规定要求7863 3 6M 2 1:前罩圈圆周存在漏光现象7884 4 8M 2 2:前罩圈与发动机之间的阶差2 mm7762 9 4M 2 3:前罩圈与发动机之间存在逆差7783 9 2M 2 4:3处以上密封圈凸出进气道2 mm7783 9 2M 2 5:存在2 mm的密封圈凸出进气道7884 4 8M 2 6:密封圈凸出进气道长度大于5 0 mm7783 9 2M 2 7:密封装置压缩2 mm7762 9 4M 2 8:漏打保险或反打保险3781 6 8M 2 9:保险不规范3781 6 8整理现场工作清除多余杂物M 3 0:机上存在多余物3376 3 由五位评估专家组成失效模式风险因子评估小组,针对各失效模式的具体情况,依据图5图7给出的评估参数取值准则,对3 0个失效模式的风险因子S、O和D进行评估打分,给出修正后的评估结果,如表5所示。为便于比较,评估专家根据仅依靠主观认识和历史经验而未考虑具体评估模型及其评估参数对评价结果影响性质和程度制定的原始取值准则,给出的原始评估结果也一并列于表中。表5 风险因子的评估值(原始数据/修正后数据)失效模式SODM 17,8;M;8 5%/8,9;L;9 0%5,6;R;8 0%/6,6;M;1 0 0%7,8;R;9 0%/8,8;M;1 0 0%M 23,4;L;9 0%/3,4;L;9 5%4,5;R;9 0%/4,5;R;9 0%7,8;R;9 0%/7,8;R;9 5%M 37,8;R;8 0%/7,8;R;9 0%3,4;L;9 0%/2,3;L;9 5%7,8;R;9 0%/7,8;M;9 5%6062第8期刘卫东 等:失效模式的模糊风险评估及其评估参数的灵敏度分析M 47,8;R;8 0%/7,8;R;9 0%2,3;R;9 0%/2,3;R;9 5%6,7;R;8 5%/6,7;R;9 0%M 55,6;L;9 0%/5,6;L;9 5%5,6;L;8 5%/5,6;L;9 0%7,8;L;9 0%/7,7;M;1 0 0%M 63,4;L;8 5%/3,4;L;9 0%2,3;R;9 0%/2,3;R;9 0%7,8;L;9 0%/7,8;L;9 5%M 72,3;M;9 0%/2,3;M;1 0 0%3,5;R;8 5%/3,5;R;9 0%7,8;L;9 0%/7,8;L;9 5%M 85,6;L;8 0%/5,6;L;1 0 0%2,3;R;8 5%/2,3;R;9 0%7,8;L;9 0%/7,8;L;9 5%M 94,5;M;8 0%/4,5;L;9 0%5,6;L;8 5%/5,5;M;1 0 0%7,8;R;9 0%/7,8;M;9 0%M 1 07,8;R;8 0%/7,8;M;9 0%3,4;M;9 0%/3,4;M;1 0 0%7,8;R;9 0%/7,8;R;9 0%M 1 16,7;R;8 5%/7,8;L;9 0%7,8;M;9 0%/7,8;M;1 0 0%7,8;R;9 0%/7,8;R;9 5%M 1 25,6;R;8 5%/5,6;R;9 0%2,3;L;9 5%/2,3;L;1 0 0%7,8;R;9 0%/7,8;R;9 5%M 1 36,7;M;9 0%/5,6;L;9 0%4,5;R;9 0%/4,5;R;9 0%7,8;R;8 5%/6,7;M;9 5%M 1 43,4;L;8 0%/3,4;M;9 0%2,3;R;9 0%/3,3;M;1 0 0%3,4;L;9 0%/3,4;L;9 5%M 1 53,4;L;8 0%/3,4;R;8 5%2,3;R;8 5%/3,3;M;1 0 0%3,4;L;9 0%/3,3;M;1 0 0%M 1 63,4;L;8 0%/4,4;M;1 0 0%2,3;R;9 0%/3,4;R;9 5%3,4;L;9 0%/3,4;M;9 0%M 1 73,4;L;8 0%/3,3;M;1 0 0%2,3;R;8 5%/3,3;M;1 0 0%2,3;M;9 0%/3,4;R;9 0%M 1 84,5;R;9 0%/4,5;R;9 0%4,5;R;9 0%/4,5;R;9 0%2,3;M;9 0%/2,3;M;1 0 0%M 1 94,5;R;8 0%/4,5;R;9 0%4,5;L;9 0%/4,5;L;9 0%6,7;L;9 0%/1,2;R;9 0%M 2 06,7;R;8 0%/6,7;R;9 0%8,9;L;8 0%/8,9;L;9 0%6,7;L;9 0%/6,7;L;9 5%M 2 16,7;R;8 5%/6,7;R;9 0%8,9;L;8 0%/8,9;L;9 0%8,8;M;1 0 0%/8,8;M;1 0 0%M 2 26,7;R;8 5%/7,7;R;9 0%6,7;R;9 0%/6,7;M;9 0%6,7;L;9 0%/6,7;R;9 0%M 2 36,7;R;8 5%/7,8;M;9 0%6,7;R;8 5%/7,7;M;1 0 0%8,8;M;1 0 0%/7,8;L;1 0 0%M 2 46,7;R;8 5%/6,7;R;9 0%7,8;L;8 0%/7,8;L;9 0%8,8;M;1 0 0%/8,8;M;1 0 0%M 2 56,7;R;8 5%/7,8;R;9 5%7,8;R;8 0%/7,8;R;9 0%8,8;M;1 0 0%/8,8;M;1 0 0%M 2 66,7;R;8 5%/6,7;M;8 5%6,7;R;8 5%/6,7;R;9 5%8,8;M;1 0 0%/8,8;M;1 0 0%M 2 76,7;R;8 5%/6,7;M;8 5%6,7;R;9 0%/6,7;R;9 0%6,7;L;9 0%/6,7;L;9 0%M 2 83,4;L;9 0%/3,4;L;1 0 0%7,8;L;8 5%/7,8;L;9 5%7,8;R;9 5%/7,8;R;9 5%M 2 92,3;R;9 0%/2,3;R;9 0%7,8;L;8 5%/7,8;L;9 5%7,8;R;9 5%/7,8;T;9 5%M 3 03,4;M;9 0%/3,4;M;1 0 0%3,4;L;9 0%/3,4;L;9 0%7,8;L;9 5%/7,8;L;9 5%4.3 失效模式的风险分析根据前述给出的基于三角模糊数的风险因子及其综合的评估模型,由表5给出的风险因子S、O和D的原始评估结果和修正后的评估结果,分别计算评估结果修正前后的各失效模式的严酷度因子S和失效模式的原始特征距离和修正后特征距离,并根据所求得的特征距离进行风险排序,其结果如表6所示。为便于比较,传统R P N方法的分析结果也在表中一并给出。表6 严酷度因子S和失效模式的风险分析结果失效模式原始特征距离dR PN1修正后特征距离dR PN2严酷度特征距离dS传统R P N值根据dR PN1排序根据dR PN2排序根据R P N排序M 13 7 0.9 04 0 4.0 08.4 23 8 4637M 21 1 9.3 91 2 1.2 13.4 31 2 01 91 91 9M 31 8 2.2 41 4 0.2 67.5 91 9 21 31 71 3M 41 2 9.8 41 3 1.9 57.5 91 6 81 81 81 6M 51 6 5.4 52 0 6.6 55.4 21 7 51 41 11 57062续表5计算机集成制造系统第2 9卷M 66 6.0 56 7.6 03.4 36 32 42 42 2M 77 8.0 38 1.1 92.5 25 62 32 32 4M 81 0 4.5 31 0 6.2 25.4 21 0 52 02 02 0M 91 5 1.0 01 6 6.4 64.4 32 0 01 61 41 2M 1 02 0 2.4 42 0 4.4 17.5 91 9 21 11 21 3M 1 14 3 6.9 03 4 8.3 87.4 24 4 8371M 1 21 0 3.1 21 0 4.7 65.5 99 62 12 12 1M 1 31 6 4.0 51 6 4.0 35.4 22 1 01 51 51 1M 1 43 6.3 73 6.3 83.5 12 72 82 72 7M 1 53 8.9 73 2.2 53.5 92 72 73 02 7M 1 65 6.9 14 9.6 74.0 12 72 52 62 7M 1 73 2.6 23 2.2 53.0 12 72 92 92 7M 1 85 6.9 15 4.4 74.5 95 02 52 52 5M 1 93 2.6 23 3.7 84.5 94 02 92 82 6M 2 03 5 6.3 23 5 9.0 26.5 93 3 6768M 2 14 4 4.2 54 4 4.5 06.5 94 4 8221M 2 23 2 3.5 83 0 0.7 17.0 12 9 4999M 2 33 9 1.5 23 9 4.9 27.5 13 9 2444M 2 43 9 1.5 23 9 1.8 36.5 93 9 2454M 2 54 6 1.0 24 6 1.5 07.5 94 4 8111M 2 63 4 3.3 63 4 3.6 76.5 13 9 2884M 2 72 7 5.4 02 7 7.7 46.5 12 9 41 01 09M 2 81 9 2.9 91 9 5.2 03.4 31 6 81 21 31 6M 2 91 4 2.0 31 4 8.1 72.6 01 6 81 71 61 6M 3 08 9.4 29 1.1 63.5 16 32 22 22 2 从表6给出结果可以看出:依据传统R P N值、原始特征距离和修改后特征距离三者从低到高的排序结果具有高度一致性,但传统R P N方法无法区分M 1 1,M 2 1,M 2 5、M 2 3,M 2 4,M 2 6、M 2 2,M 2 7、M 3,M 1 0、M 4,M 2 8,M 2 9、M 6,M 3 0 以及M 1 4,M 1 5,M 1 6,M 1 7 等7个失效模式组共1 9个失效模式的风险状况;采用本文给出的基于三角模糊数的风险评估模型和依据原始取值准则给出原始评估意见所得评估结果,可以将大部分失效模式区分出来,只有M 2 3,M 2 4、M 1 6,M 1 8、M 1 7,M 1 9 等3个失效模式组共6个各失效模式的风险状况无法区分;而依据重新制定的取值准则给出的修正后的评估意见可以有效区分所有3 0个失效模式,可见论文给出的评估模型和方法显著提高了失效模式风险评估结果的区分度。用特征距离的标准差除以其期望来计算数据的变异系数,可以得到传统R P N值的变异系数为0.7 3 17,原始特征距离dR PN1值的变异系数为0.7 8 31,修正后特征距离dR PN2值的变异系数为0.8 0 61,也表明论文给出的模型和方法所得失效模式风险评估结果具有更好的区分度。若依据FME A工业标准要求设定严酷度风险因子S的阈值为8,R P N的阈值为3 8 0,计算得出对应的特征距离dS*=8.0 0 69,dR P N*=3 8 0.0 0 02。据此可确定:失效模式M 1的严酷度因子S的特征距离dS大于阈值dS*需要改进,失效模式M 1,M 2 1,M 2 3,M 2 4,M 2 5 因R P N的特征距离dR PN值大于阈值dR PN*需要改进。5 结束语论文基于三角模糊数的失效模式风险因子及其综合的评估模型,研究了评估结果标量化问题,采用8062续表6第8期刘卫东 等:失效模式的模糊风险评估及其评估参数的灵敏度分析全局灵敏度分析方法研究了评估参数对失效模式风险评估结果的影响性质和影响程度,据此制定了更为精细的评估参数取值准则,实际案例的应用研究验证了所给出模型和方法的有效与适用性。论文的学术创新和工程价值体现在如下两个方面:(1)采用三角模糊数重心至原点的标量距离作为风险因子S、O和D评估结果及其综合结果的度量指标,有效解决了与确定改进失效模式的标量阈值的衔接问题,可满足FME A工业标准的实际应用要求;(2)基于高斯径向基函数的失效模式风险评估参数的灵敏度分析方法具有普遍应用价值,可适用于不同风险因子及其综合的评估模型,依据评估参数对评估结果的影响性质和影响程度,据此可指导制定更为精细的评估参数取值准则。工程实践中有时需要考虑风险因子S、O和D权重的差异性而非论文考虑的等权重情况,其偏离倾向评估参数也可能不局限于论文考虑的偏左、居中和偏右三种