一种FMEA风险量化评估方法、装置和设备与流程

本技术实施例涉及风险评估领域，具体涉及一种fmea风险量化评估方法、装置和设备。

背景技术：

1、失效模式与影响分析fmea(failure mode and effects analysis)即“潜在失效模式及后果分析”，是在产品设计阶段和过程设计阶段，对构成产品的子系统、零件，对构成过程的各个工序逐一进行分析，找出所有潜在的失效模式，并分析其可能的后果，从而预先采取必要的措施，以提高产品的质量和可靠性的一种系统化的活动。

2、传统fmea风险量化评估的过程中，通过计算风险优先数(rpn)进行关键性评估，rpn值越大，表示失效模式的风险优先级越高。

3、传统fmea风险量化评估模式虽然已经得到广泛的应用，但评估结果仍然不够准确。因此，如何提高fmea风险量化评估结果的准确性成了一个亟待解决的问题。

技术实现思路

1、鉴于上述问题，本技术实施例提供了一种fmea风险量化评估方法、装置和设备，用于解决现有技术中存在的fmea风险量化评估结果不够准确的问题。

2、根据本技术实施例的一个方面，提供了一种fmea风险量化评估方法，所述方法包括：

3、获取评估对象的失效模式和预设的风险因子；

4、确定所述失效模式在各所述风险因子下对应的评估值；

5、确定各所述风险因子对应的初始权重值；

6、将所述失效模式在各所述风险因子下对应的评估值转换为模糊评价矩阵，将各所述风险因子对应的初始权重值转换为所述风险因子的权重矩阵；

7、根据所述权重矩阵确定所述风险因子的模糊综合程度值，根据所述模糊综合程度值确定模糊数可能度值，根据所述模糊数可能度值对所述模糊综合程度值进行去模糊化处理，得到所述风险因子对应的重要度参数，将所述重要度参数进行归一化处理，得到所述风险因子对应的主观权重；

8、根据模糊数去模糊化法则对所述模糊评价矩阵进行去模糊化处理，得到评价矩阵，对所述评价矩阵进行归一化处理得到标准矩阵，基于最大偏差法，通过所述标准矩阵建立所述风险因子的重要度模型，通过所述重要度模型得到所述风险因子的重要度值，根据所述重要度值确定所述风险因子对应的客观权重；

9、对所述主观权重和所述客观权重进行加权处理得到所述风险因子对应的综合权重；

10、对所述模糊评价矩阵进行规范化处理得到规范化矩阵，根据所述规范化矩阵确定所述风险因子的最优指标集，对所述最优指标集和所述规范化矩阵采用灰色关联分析法构建关联系数矩阵；

11、通过所述关联系数矩阵和所述综合权重确定加权灰色关联度，所述加权灰色关联度用于对所述评估对象的各所述失效模式的风险性进行排序。

12、在一种可选的方式中，所述确定失效模式在各所述风险因子下对应的评估值，包括：

13、确定与第一语言变量对应的所述失效模式在各所述风险因子下对应的评估值，所述第一语言变量为预设的所述失效模式的风险等级的语言变量；

14、所述确定各所述风险因子对应的初始权重值，包括：

15、确定与第二语言变量对应的所述风险因子对应的初始权重值，所述第二语言变量为预设的所述风险因子权重等级的语言变量；

16、所述将失效模式在各所述风险因子下对应的评估值转换为模糊评价矩阵，将各所述风险因子对应的初始权重值转换为所述风险因子的权重矩阵，包括：

17、根据所述第一语言变量将所述失效模式在各所述风险因子下对应的评估值转换为第一三角模糊数值，根据所述第一三角模糊数值构建所述模糊评价矩阵；

18、根据所述第二语言变量将各所述风险因子对应的初始权重值转换为第二三角模糊数值，根据所述第二三角模糊数值构建所述风险因子的权重矩阵。

19、在一种可选的方式中，所述根据第一三角模糊数值构建所述模糊评价矩阵，包括：

20、根据所述第一三角模糊数值构建多个子模糊评价矩阵；

21、根据预设的多个子模糊评价矩阵对应的权重值对所述各所述子模糊评价矩阵进行加权处理得到所述模糊评价矩阵；

22、所述根据第二三角模糊数值构建所述风险因子的权重矩阵，包括：

23、根据所述第二三角模糊数值构建所述风险因子对应的多个子权重矩阵；

24、根据预设的多个子权重矩阵对应的权重值对各所述子权重矩阵进行加权处理得到所述权重矩阵。

25、在一种可选的方式中，所述根据权重矩阵确定所述风险因子的模糊综合程度值，具体为：

26、si为第i个风险因子的模糊综合程度值，采用如下公式确定si：

27、

28、其中，所述风险因子设有m个，mm×m为m×m维的m个风险因子的权重矩阵，为所述权重矩阵mm×m中第i行第j列的元素对应的所述第二三角模糊数的第g个值，三角模糊数值共有3个值；

29、所述根据模糊综合程度值确定模糊数可能度值，具体为：

30、v(si>sj)为模糊数si大于模糊数sj的可能度值，采用如下公式确定v(si>sj)：

31、

32、其中，si为第i个风险因子的模糊综合程度值，sj为第j个风险因子的模糊综合程度值，模糊数si＝(li，mi，ui)，li为三角模糊数si的第一个值，mi为三角模糊数si的第二个值，ui为三角模糊数si的第三个值，模糊数sj＝(lj，mj，uj)，lj为三角模糊数sj的第一个值，mj为三角模糊数sj的第二个值，uj为三角模糊数sj的第三个值；

33、所述根据所述模糊数可能度值对所述模糊综合程度值进行去模糊化处理，得到所述风险因子对应的重要度参数，具体为：

34、d(si)为第i个风险因子的模糊综合程度值si的重要度参数，采用如下公式确定d(si)：

35、d(si)＝v(si≥s1，s2，...，sm)＝v([(si≥s1)和(si≥s2)和...和(si≥sm)])＝minv(si≥sj)，1≤i≤m，j＝1，2，…，m

36、其中，v(si≥sj)为模糊数si大于模糊数sj的可能度值；

37、所述将所述重要度参数进行归一化处理，得到所述风险因子对应的主观权重，包括：

38、将第i个风险因子的模糊综合程度值si的重要度参数d(si)进行归一化处理，得到d(si)；

39、根据d(si)得到所述风险因子对应的主观权重为ω1，其中，ω1＝(d(s1)，d(s2)，...，d(sm))t。

40、在一种可选的方式中，所述根据模糊数去模糊化法则对所述模糊评价矩阵进行去模糊化处理，得到评价矩阵，具体为：

41、r为所述评价矩阵，采用如下公式确定r：

42、r＝[pij]m×n；

43、其中，pij为r的组成元素，pij由如下公式确定：

44、

45、

46、l＝min(pijl)，u＝max(piju)，δ＝u-l；

47、其中，所述风险因子有n个，所述失效模式有m个，pij为所述失效模式i在各所述风险因子j下对应的去模糊化的评价值，所述评价矩阵r由m×n维的pij组成，为所述失效模式i在各所述风险因子j下对应的第一三角模糊数值，组成m×n维的所述模糊评价矩阵具体为(pijl，pijh，piju)，pij由去模糊化得到，l表示所述模糊评价矩阵的所有三角模糊数值(pijl，pijh，piju)中最小的pijl值，u表示所述模糊评价矩阵的所有三角模糊数值(pijl，pijh，piju)中最大的piju值；

48、所述对所述评价矩阵进行归一化处理得到标准矩阵，具体为：

49、nr为m×n维的所述标准矩阵，采用如下公式确定nr：

50、nr＝[npij]m×n；

51、其中，npij为nr的组成元素，npij由如下公式确定：

52、

53、其中，npij为所述标准矩阵nr的第i行第j列的元素，pij为所述评价矩阵的第i行第j列的元素，为所述评价矩阵第j列中最小的元素值，为所述评价矩阵第j列中最大的元素值；

54、所述基于最大偏差法，通过所述标准矩阵建立所述风险因子的重要度模型，其中，所述风险因子的重要度模型如下：

55、

56、且

57、其中，npij为所述标准矩阵nr第i行第j列的元素值，npkj为所述标准矩阵nr第k行第j列的元素值，irj为第j个风险因子的重要度值；

58、所述通过所述重要度模型得到所述风险因子的重要度值，具体为：

59、irj为第j个风险因子的重要度值，采用如下公式得到irj：

60、

61、所述根据所述重要度值确定所述风险因子对应的客观权重，具体为：

62、ω2为所述客观权重，采用如下公式确定ω2：

63、

64、其中，由如下公式确定：

65、

66、其中，为第j个风险因子的客观权重值，irj为第j个风险因子的重要度值。

67、在一种可选的方式中，对所述模糊评价矩阵进行规范化处理得到规范化矩阵，包括：

68、将所述风险因子分类为消耗性指标和收益性指标；

69、根据所述风险因子的类别，确定所述模糊评价矩阵中的每个元素是消耗性元素或者是收益性元素；

70、通过如下公式对所述模糊评价矩阵进行规范化处理得到所述规范化矩阵x*：

71、

72、其中，为x*的组成元素，由如下公式确定：

73、

74、其中，x*为由组成的m×n维的所述规范化矩阵，是由xij进行规范化处理得到的元素值，xij为所述模糊评价矩阵xm×n第i行第j列的元素；

75、所述根据所述规范化矩阵确定所述风险因子的最优指标集，包括：

76、确定所述风险因子为所述消耗性指标时，通过如下公式确定第j个风险因子的最优指标xj*：

77、

78、确定所述风险因子为所述收益性指标时，通过如下公式确定第j个风险因子的最优指标xj*：

79、

80、其中，为所述规范化矩阵第i行第j列的元素；

81、采用如下公式通过所述风险因子的最优指标确定所述风险因子的最优指标集x′：

82、x′＝(x1*，x2*，...，xn*)

83、其中，xj*为第j个风险因子的最优指标；

84、所述对所述最优指标集和所述规范化矩阵采用灰色关联分析法构建关联系数矩阵，具体为：

85、e为由关联系数εij组成的m×n维的所述关联系数矩阵，采用如下公式确定e：

86、

87、e＝[εij]m×n

88、其中，ρ为分辨系数，xj*为第j个风险因子的最优指标，为所述规范化矩阵第i行第j列的元素。

89、在一种可选的方式中，通过所述关联系数矩阵和所述综合权重确定加权灰色关联度，具体为：

90、r为所述加权灰色关联度，通过如下公式确定r：

91、r＝e×w

92、r＝[ri]，i＝1，2，...，m

93、其中，ri为第i个所述失效模式对应的加权灰色关联度，e为m×n维的所述关联系数矩阵，w为m×1维的所述综合权重。

94、根据本技术实施例的另一方面，提供了一种fmea风险量化评估装置，包括：

95、获取模块，用于获取评估对象的失效模式和预设的风险因子；

96、第一处理模块，用于确定所述失效模式在各所述风险因子下对应的评估值和确定各所述风险因子对应的初始权重值；

97、第二处理模块，用于将所述失效模式在各所述风险因子下对应的评估值转换为模糊评价矩阵，将各所述风险因子对应的初始权重值转换为所述风险因子的权重矩阵；

98、第一计算模块，用于根据所述权重矩阵确定所述风险因子的模糊综合程度值，根据所述模糊综合程度值确定模糊数可能度值，根据所述模糊数可能度值对所述模糊综合程度值进行去模糊化处理，得到所述风险因子对应的重要度参数，将所述重要度参数进行归一化处理，得到所述风险因子对应的主观权重；

99、第二计算模块，用于根据模糊数去模糊化法则对所述模糊评价矩阵进行去模糊化处理，得到评价矩阵，对所述评价矩阵进行归一化处理得到标准矩阵，基于最大偏差法，通过所述标准矩阵建立所述风险因子的重要度模型，通过所述重要度模型得到所述风险因子的重要度值，根据所述重要度值确定所述风险因子对应的客观权重；

100、第三计算模块，用于对所述主观权重和所述客观权重进行加权处理得到所述风险因子对应的综合权重；

101、第四计算模块，用于对所述模糊评价矩阵进行规范化处理得到规范化矩阵，根据所述规范化矩阵确定所述风险因子的最优指标集，对所述最优指标集和所述规范化矩阵采用灰色关联分析法构建关联系数矩阵，通过所述关联系数矩阵和所述综合权重确定加权灰色关联度，所述加权灰色关联度用于对所述评估对象的各所述失效模式的风险性进行排序。

102、根据本技术实施例的又一方面，提供了一种fmea风险量化评估设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

103、所述存储器用于存储可执行指令，所述可执行指令使所述处理器执行任意实施例所述的fmea风险量化评估方法的操作。

104、根据本技术实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有可执行指令，所述可执行指令在fmea风险量化评估设备上运行时，使得fmea风险量化评估设备执行任意实施例所述的fmea风险量化评估方法的操作。

105、本技术实施例通过模糊数形式的初始权重值得到风险因子的主观权重，采用最大偏差法对模糊数形式的评估值进行处理得到风险因子的客观权重，结合主观权重和客观权重得到风险因子的综合权重。其中，用于得到综合权重的数据均处理为模糊数形式。本技术实施例通过对原始数据中那些不确定的信息进行模糊化，采用模糊数学的方法进行处理，解决了评价信息模糊性刻画的问题，从一定程度上减少了由于主观性带来的误差，提高了风险评估结果的准确性；同时，通过结合主观权重和客观权重得到的综合权重，既能基于fmea团队专家的经验给风险因子赋予相对的权重，又能有效解决各失效模式进行风险评估得到的风险评估值之间偏差过大的问题，且克服了仅从单方面方法的计算权重局限性。进一步的，采用灰色关联分析法对模糊评价矩阵进行处理得到关联系数矩阵，刻画了样本和理想情况的关联性，考虑了各失效模式之间直接和间接的关系，结合综合权重和灰色关联分析得到各失效模式的加权灰色关联度，通过对各失效模式加权灰色关联度的大小进行排序，得到各失效模式风险性的高低，使得对各失效模式风险性的评估更为准确，且减少了风险评估过程中，不同失效模式具有相同风险性的情况的发生，最终得到评估对象各失效模式间较为准确的风险性的排序，提高fmea风险量化评估结果的准确性。

106、上述说明仅是本技术实施例技术方案的概述，为了能够更清楚了解本技术实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本技术实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。