CN108510209A - 一种基于模糊理论的工艺失效模式识别及评价方法 - Google Patents
一种基于模糊理论的工艺失效模式识别及评价方法 Download PDFInfo
- Publication number
- CN108510209A CN108510209A CN201810335698.0A CN201810335698A CN108510209A CN 108510209 A CN108510209 A CN 108510209A CN 201810335698 A CN201810335698 A CN 201810335698A CN 108510209 A CN108510209 A CN 108510209A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- evaluation
- matrix
- failure
- failure pattern
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 228
- 238000011156 evaluation Methods 0.000 title claims abstract description 96
- 238000012567 pattern recognition method Methods 0.000 title claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 74
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 9
- 239000000047 product Substances 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 17
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 239000006227 byproduct Substances 0.000 claims description 2
- 238000013210 evaluation model Methods 0.000 claims description 2
- 238000010129 solution processing Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 238000003754 machining Methods 0.000 abstract description 3
- 238000011058 failure modes and effects analysis Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的一种基于模糊理论的工艺失效模式识别及评价方法,属于机械加工领域,能够推广至其他产品加工质量提升领域。本发明实现方法如下:在工序构成要素分解基础上,结合工艺失效判定准则,求解失效判断矩阵,实现工艺失效模式的识别;借助专家系统及模糊评价等级获取模糊评价矩阵;基于模糊理论的层次分析法计算评价指标的主观权重,由熵权法计算评价指标的客观权重,综合所述的主观权重和客观权重实现评价指标权重的计算;由逼近理想解排序法获得工艺失效模式的排序;结合失效模式排序,由秩和比法实现工艺失效模式的分档;对档次较高的工艺失效模式所在工序,进行产品加工工艺改进,进而提高产品加工质量及可靠性。
Description
技术领域
本发明涉及一种基于模糊理论的工艺失效模式识别及评价方法,属于机械加工领域,能够推广至其他产品加工质量提升领域。
背景技术
作为一种有效的产品加工质量分析方法,PFMEA(Process Failure mode andeffects analysis)已经成为各大生产企业管理产品质量的有力工具。通过对产品制造过程中可能出现的失效模式进行预测、评估和分析,PFMEA可以帮助工艺人员制定相应的工艺失效预防措施,降低和避免产品缺陷。作为FMEA(Failure mode and effects analysis)技术在产品制造阶段的延伸和扩展,PFMEA采用了和FMEA技术同样的实施步骤和评价指标,即首先通过专家经验获取潜在的工艺失效模式,然后依据评分准则对失效模式的严重度S、发生度O和检测度D进行评分,最后依据风险优先数RPN的值进行工艺失效模式的排序。
然而,随着产品制造复杂度的提升,暴露出传统PFMEA的许多不合理之处,主要包括:
(1)没有系统化的方法用于工艺失效模式的识别,完全凭经验判断,容易造成失效模式的遗漏;
(2)严重度S、发生度O和检测度D的评价具有很大的不确定性和模糊性,采用1~10的精确等级评价且完全凭主观获得评价值并不合理;
(3)严重度S、发生度O和检测度D采用相同的权重并不合理;
(4)风险优先数RPN是严重度S、发生度O和检测度D的乘积,当RPN值相同时无法判断失效的优先顺序;
(5)没有对失效模式进行分档,不利于资源的有效分配。
针对上述问题,有必要在现有PFMEA关键技术的基础上,研究和发明更适用于复杂产品加工、采用更少的专家主观经验和更能准确量化专家语义的工艺失效模式识别和评价方法。
发明内容
针对现有工艺失效模式识别和评价方法借助专家主观经验过多且专家语义量化不准确等问题,本发明公开的一种基于模糊理论的工艺失效模式识别及评价方法,要解决的技术问题是降低现有工艺失效模式识别和评价方法借助专家主观经验过多的影响,降低专家语义量化不准确的影响,且提高工艺失效模式识别和评价准确率,进而提高产品加工质量及可靠性。
本发明公开的一种基于模糊理论的工艺失效模式识别及评价方法,在工序构成要素分解基础上,结合工艺失效判定准则,求解失效判断矩阵,实现工艺失效模式的识别。借助专家系统及模糊评价等级获取模糊评价矩阵。基于模糊理论的层次分析法计算评价指标的主观权重,由熵权法计算评价指标的客观权重,综合所述的主观权重和客观权重实现评价指标权重的计算。由逼近理想解排序法获得工艺失效模式的排序。结合失效模式排序,由秩和比法实现工艺失效模式的分档。对档次较高的工艺失效模式所在工序,进行产品加工工艺改进,进而提高产品加工质量及可靠性。
本发明公开的一种基于模糊理论的工艺失效模式识别及评价方法,包括如下步骤:
步骤1:在工序构成要素分解基础上,结合工艺失效判定准则,求解失效判断矩阵,实现工艺失效模式的识别。
步骤1-1:工序构成要素分解。
将产品制造过程中某一工序按照工艺要求、执行结果、资源需求、执行环境和检测控制共5种构成要素进行分解。其中,工艺要求为产品工艺的执行依据和执行目标;执行结果为某一工序完成后的质量特性;资源需求为工序执行过程中所需资源,所述的所需资源包括设备、技术;执行环境为工序执行时的自然环境;检测控制为对上述5种构成要素的检测方法。
由工序的构成要素分解,定义工序i的构成要素矩阵Ei如式(1)所示,其中Epi为工艺要求,Ewi为执行结果,Eri为资源需求,Eei为执行环境,Eti为检测控制。
Ei=[Epi,Ewi,Eri,Eei,Eti] (1)
步骤1-2:制定工艺失效判定准则。
由步骤1-1对工序构成要素的分解可知,产品制造过程中某一工序具有潜在的工艺失效可能,则具有潜在的工艺失效可能的工序一定存在不符合要求的工序要素,因此,利用预设的工序要素失效判定准则逐一对每道工序的每个构成要素进行判断,系统化的识别出潜在的工艺失效模式。由工艺失效的判定准则定义失效判定矩阵F如式(2)所示,其中f代表失效判定准则,nz代表判定准则的个数:
F=[f1 f2 … fnz] (2)
步骤1-2所述的预设的工序要素失效判定准则由产品加工过程、及专家经验确定。机械加工领域优选如表2所示的工艺失效判定准则。
表2工艺失效的判定准则
步骤1-3:求解工序i的失效判断矩阵,实现对工序i的工艺失效模式的识别。
求解失效判断矩阵M如式(3)所示,其中运算符Δ为失效判断运算,矩阵M中有一个因素判断为失效,则工序i具有潜在的工艺失效模式。
步骤1-4:根据步骤1-3的方法逐一对每道工序进行工艺失效模式判断,实现所有工艺失效模式的识别。
步骤2:借助专家系统及模糊评价等级获取模糊评价矩阵。
现有PFMEA中严重度S、发生度O和检测度D是通过1~10的精确评价等级进行专家评价的,然而在产品工艺失效模式评价中,工艺专家经常会给出“一般”、“稍微”、“非常”等模糊字眼,显然采用精确的评价等级并不能准确表述专家的判断。
模糊理论能够将专家的模糊语言用模糊数加以量化,因此更适用于专家评价的表达。常用的模糊数为三角模糊数,其形式如式(4)所示,其中b为模糊中值,即发生概率最大的值,a和c为模糊数的上限和下限,两者差值越大,表明事件越模糊。
为了便于模糊数的比较,对三角模糊数进行解模糊处理,采用式(5)作为三角模糊数的清晰数:
定义“很低”、“低”、“稍低”、“中等”、“稍高”、“高”和“很高”共7级的语义变量,借助Zadeh所提方法获得每一级的三角模糊评价值,如表3所示:
表3语义变量及其评价值
借助表3的语义变量,工艺专家实现对工艺失效模式的严重度S、发生度O和检测度D进行更为合理的模糊评价。当专家系统中存在k名专家时,则该项评价指标的最终模糊评价值取k名专家对该评价指标的模糊评价均值,如式(6)所示,其中为某位专家对第i个失效模式第j个评价指标的模糊评价值。
当所有专家完成对所有失效模式及其评价指标的模糊评价后,形成模糊评价矩阵其中m为失效模式个数,n为评价指标个数。借助模糊矩阵可以进行优于风险优先数RPN的失效模式排序,是后续评价方法的数据基础。
步骤3:由基于模糊理论的层次分析法计算评价指标的主观权重,由熵权法计算评价指标的客观权重,综合所述的主观权重和客观权重实现评价指标权重的计算。
步骤3-1:应用基于模糊理论的层次分析法计算评价指标的主观权重。
层次分析法AHP作为定量和定性分析相结合的多目标决策方法,可以结合专家系统进行主观权重的计算。各指标两两比较后得出的判断矩阵是AHP方法的计算依据。两指标的比较标度如表4所示:
表4两指标比较标度
通过上表可知,层次分析法AHP中,判断矩阵由确定数构成,无法对专家的模糊判断进行量化表达。将各指标的相对重要程度用三角模糊数加以描述,其中Sbij为三角模糊数的中值,其意义与传统AHP判断矩阵一致,Scij-Saij的值越大,表明该专家对两指标的重要程度判断越模糊,反之判断则越清晰。
步骤3-1具体实现方法如下:
Step1:构建主观权重模糊判断矩阵如下式所示:
其中具有如下性质:
当专家系统中存在k位专家时,为多位专家判断的三角模糊均值:
Step2:由主观权重模糊判断矩阵构建模糊评价因子矩阵G:
Step3:由矩阵G计算获取调整判断矩阵H:
Step4:将判断矩阵H转换为对角线为1的判断矩阵L=(lij)n×n。
Step5:由矩阵L得到相容矩阵Q=(qij)n×n,其中qij按照公式(14)进行计算:
Step6:由相容矩阵Q计算各指标的主观权重:
其中:
步骤3-2:由熵权法计算评价指标的客观权重。
采用熵权法计算各评价指标的客观权重,实现步骤如下:
Step1:由模糊评价矩阵构建规范化评价矩阵
其中B为效益型属性类型,即属性值越大越好;C为成本型属性类型,即属性值越小越好。由于严重度S、发生度O和检测度D的数值均是越小越好,因此三种评价指标均属于成本型。
Step2:计算第j项决策指标下,第i个失效模式的特征比重:
其中:
0≤pij≤1 (20)
Step3:计算各决策指标的熵值:
Step4:计算各决策指标的差异系数:
DPj=1-Enj (23)
Step5:使用熵权法计算决策指标的客观权重:
步骤3-3:综合步骤3-1所述的主观权重和步骤3-2所述的客观权重实现评价指标综合权重的计算。
综合步骤3-1所述的主观权重和步骤3-2所述的客观权重,确定决策指标的综合权重如公式(25)所示:
步骤4:由逼近理想解排序法获得工艺失效模式的排序。
在逼近理想解排序法TOPSIS的基础上,由公式(29)和(30)所示的距离计算公式替换逼近理想解排序法TOPSIS中距离计算公式,使其更加适用于工艺失效模式的评价排序。工艺失效模式的排序步骤如下:
Step1:由规范化评价矩阵构建考虑决策指标综合权重的评价矩阵
Step2:确定模糊理想解A+和模糊负理想解A-:
Step3:计算各失效模式到模糊理想解和模糊负理想解之间的距离。现令则其距离模糊理想解和模糊负理想解的距离分别为:
Step4:根据公式(31)计算相对贴近度cci。
Step5:根据相对贴近度cci进行失效模式的排序。相对贴近度cci越大,排序越高,相应的失效模式越有必要采取措施进行控制。
步骤5:结合步骤4的失效模式排序,由秩和比法实现工艺失效模式的分档。
随着潜在工艺失效模式的增多,工艺人员往往困惑于,工艺失效模式到底要达到多高的排序,才值得对该种失效模式加以预防。因此,仅仅依靠潜在工艺失效模式的排序,并不能科学地指导工艺人员确定需要进行工艺改进的工序。将秩和比法(RSR)推广至产品的质量管理领域,在潜在工艺失效模式排序的基础上,对其进行科学的分档和归类,从而使有限的工艺资源得到高效的分配。
步骤5具体实现方法包括如下步骤:
Step1:根据相对贴近度cci,对所有的m个失效模式进行倒序编秩;
Step2:计算秩和比值,由于分档指标只有相对贴近度一项,因此计算公式简化如下,其中R为Step1中的编秩,m为失效模式个数;
Step3:分别计算各RSR值对应的频次、向下累计频数和向下累计频率,然后借助《百分数与概率单位对照表》,获得对应的概率单位值Y;
Step4:求解回归方程RSR=α×Y+β;
Step5:查询常用分档临界值,确定步骤1识别获取的失效模式所在分档。
步骤6:对步骤5中档次较高的工艺失效模式所在工序,进行产品加工工艺改进,进而提高产品加工质量及可靠性。
有益效果:
1、本发明公开的一种基于模糊理论的工艺失效模式识别及评价方法,由于能够综合主观权重和客观权重,因此,可有效减少工艺失效模式评价中的专家主观因素,评价结果更为客观。
2、本发明公开的一种基于模糊理论的工艺失效模式识别及评价方法,由于将各评价指标的相对重要程度用三角模糊数加以描述,因此,对专家语义的量化结果更为准确。
3、本发明公开的一种基于模糊理论的工艺失效模式识别及评价方法,由于采用基于工艺要素分解的工艺失效模式识别方法,因此,识别过程更为系统,识别结果更为准确。
4、本发明公开的一种基于模糊理论的工艺失效模式识别及评价方法,由于采用逼近理想解排序法TOPSIS进行失效模式的排序,且采用新的更适用于工艺失效模式评价排序的距离计算公式,因此,工艺失效模式的评价更为准确。
5、现有技术中,随着潜在工艺失效模式的增多,工艺人员往往困惑于,工艺失效模式到底要达到多高的排序,才值得对该种失效模式加以预防。因此,仅仅依靠潜在工艺失效模式的排序,并不能科学地指导工艺人员确定需要进行工艺改进的工序。本发明公开的一种基于模糊理论的工艺失效模式识别及评价方法,将秩和比法(RSR)推广至产品的质量管理领域,在潜在工艺失效模式排序的基础上,对其进行科学的分档和归类,从而使有限的工艺资源得到高效的分配。
6、本发明公开的一种基于模糊理论的工艺失效模式识别及评价方法,由于综合了工艺失效模式识别方法、评价指标权重计算方法、工艺失效模式排序方法以及工艺失效模式分档方法,因此,可以作为一套完整的系统方法,直接应用于产品加工工艺设计的改进。
附图说明
图1为本发明公开的一种基于模糊理论的工艺失效模式识别及评价方法的工序构成要素模型;
图2为本发明公开的一种基于模糊理论的工艺失效模式识别及评价方法总体流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明:
实施例1
航天发动机的转子系统作为重要的发动机子系统,其装配质量对整机的振动表现和性能表现具有显著的影响。良好的转子系统装配工艺是保障转子系统同轴度、初始不平衡量等质量特性的基础。因此,本发明以航天发动机转子系统的装配过程为例对上述PFMEA方法进行验证。
步骤1:在工序构成要素分解基础上,结合工艺失效判定准则,求解失效判断矩阵,实现工艺失效模式的识别。
步骤1-1:工序构成要素分解。
首先根据转子系统的装配过程,完成工序要素的分解,如表5所示:
表5转子装配过程及其工艺要素分解
步骤1-2:制定工艺失效判定准则。
本实施例采用表2所示的机械加工领域优选的判定准则。
步骤1-3:求解工序i的失效判断矩阵,实现对工序i的工艺失效模式的识别。
依据步骤1-1中的工艺要素分解结果和步骤1-2中的判定准则,求解工序i的失效判断矩阵。
步骤1-4:根据步骤1-3的方法逐一对每道工序进行工艺失效模式判断,实现所有工艺失效模式的识别。
逐一求解失效判断矩阵后,获得以下潜在工艺失效模式。
表6失效模式列表
步骤2:借助专家系统及模糊评价等级获取模糊评价矩阵。
建立项目专家小组,小组成员由质量经理、工艺经理、生产经理、项目工艺工程师、产品工程师、现场生产工程师共6位专家组成。采用模糊语言对失效模式进行评价,评价结果如表7所示:
表7失效模式的模糊语义评价
结合表3,计算获得模糊评价矩阵如下:
表8失效模式模糊评价矩阵
步骤3:由基于模糊理论的层次分析法计算评价指标的主观权重,由熵权法计算评价指标的客观权重,综合所述的主观权重和客观权重实现评价指标权重的计算。
步骤3-1:应用基于模糊理论的层次分析法计算评价指标的主观权重。
通过专家判断,获取严酷度S、发生度O和检测度D的模糊比较判断矩阵,如表9所示:
表9评估指标重要性比较结果
构建模糊评价因子矩阵G:
计算获取调整判断矩阵H:
将调整判断矩阵H按列转换为对角线为1的判断矩阵L:
转化为相容矩阵Q:
得出主观权重向量Ws:
Ws=(0.5864,0.3413,0.0722)
步骤3-2:由熵权法计算评价指标的客观权重。
结合式(18),对失效模式模糊评价矩阵进行规范化处理。
表10失效模式规范化评价矩阵
分别由式(19)~(24),计算获得熵值Enj、差异系数DPj和客观权重Woj如下表所示:
表11决策指标的客观权重
步骤3-3:综合步骤3-1所述的主观权重和步骤3-2所述的客观权重实现评价指标综合权重的计算。
由式(25)得到综合权重为Wj=(0.8475,0.0962,0.0563)。
步骤4:由逼近理想解排序法获得工艺失效模式的排序。
通过失效模式规范化评价矩阵和综合权重Wj,结合式(26),获得考虑决策指标综合权重的评价矩阵
表12模糊评价矩阵
确定模糊理想解A+和模糊负理想解A-:
A+=[(0.2011,0.0575,0.0000),(0.0577,0.0289,0.0000),(0.0243,0.0110,0.0000)]
A-=[(0.8475,0.8044,0.6895),(0.0962,0.0721,0.0433),(0.0563,0.0464,0.0331)]
通过式(29)和式(30),计算获得每一个失效模式距离理想解和负理想解的距离,进而计算得到每一种失效模式的相对贴近度cci,最后根据相对贴近度得到失效模式的排序,排序越高,相应的失效模式越需要采取措施对其工艺进行改进。
表13各失效模式的相对贴近度及优先级排序
步骤5:结合步骤4的失效模式排序,由秩和比法实现工艺失效模式的分档。
将失效模式按照相对贴近度的值从小到大进行排序,根据排序结果进行编秩,然后分别计算失效模式的RSR值、频次、向下累计频数和向下累计频率,最后查询《百分数与概率单位对照表》,获得概率单位值,如表14所示。
表14相对贴近度的秩和比分布
计算获取RSR值和概率单位值之间的回归关系为:RSR=0.3272Y-1.1434。本例将失效模式分为5档,分档结果如表15所示。
表15失效模式分档
步骤6:对步骤5中档次较高的工艺失效模式所在工序,进行产品加工工艺改进,进而提高产品加工质量及可靠性。
步骤5中分档结果表明,失效模式Ⅳ和Ⅴ如不采取响应措施,将会严重影响转子系统的装配质量;失效模式Ⅲ和II也需要对其装配工艺进行改善,从而帮助转子系统达到更高的装配质量;失效模式Ⅰ可改善,但对装配质量的影响不大。
以上所述的具体描述,对发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于模糊理论的工艺失效模式识别及评价方法,其特征在于:包括如下步骤:
步骤1:在工序构成要素分解基础上,结合工艺失效判定准则,求解失效判断矩阵,实现工艺失效模式的识别;
步骤2:借助专家系统及模糊评价等级获取模糊评价矩阵;
步骤3:由基于模糊理论的层次分析法计算评价指标的主观权重,由熵权法计算评价指标的客观权重,综合所述的主观权重和客观权重实现评价指标权重的计算;
步骤4:由逼近理想解排序法获得工艺失效模式的排序;
步骤5:结合步骤4的失效模式排序,由秩和比法实现工艺失效模式的分档;
步骤6:对步骤5中档次较高的工艺失效模式所在工序,进行产品加工工艺改进,进而提高产品加工质量及可靠性。
2.如权利要求1所述的一种基于模糊理论的工艺失效模式识别及评价方法,其特征在于:步骤1具体实现方法为,
步骤1-1:工序构成要素分解;
将产品制造过程中某一工序按照工艺要求、执行结果、资源需求、执行环境和检测控制共5种构成要素进行分解;其中,工艺要求为产品工艺的执行依据和执行目标;执行结果为某一工序完成后的质量特性;资源需求为工序执行过程中所需资源,所述的所需资源包括设备、技术;执行环境为工序执行时的自然环境;检测控制为对上述5种构成要素的检测方法;
由工序的构成要素分解,定义工序i的构成要素矩阵Ei如式(1)所示,其中Epi为工艺要求,Ewi为执行结果,Eri为资源需求,Eei为执行环境,Eti为检测控制;
Ei=[Epi,Ewi,Eri,Eei,Eti] (1)
步骤1-2:制定工艺失效判定准则;
由步骤1-1对工序构成要素的分解可知,产品制造过程中某一工序具有潜在的工艺失效可能,则具有潜在的工艺失效可能的工序一定存在不符合要求的工序要素,因此,利用预设的工序要素失效判定准则逐一对每道工序的每个构成要素进行判断,系统化的识别出潜在的工艺失效模式;由工艺失效的判定准则定义失效判定矩阵F如式(2)所示,其中f代表失效判定准则,nz代表判定准则的个数:
F=[f1 f2 … fnz] (2)
步骤1-3:求解工序i的失效判断矩阵,实现对工序i的工艺失效模式的识别;
求解失效判断矩阵M如式(3)所示,其中运算符Δ为失效判断运算,矩阵M中有一个因素判断为失效,则工序i具有潜在的工艺失效模式;
步骤1-4:根据步骤1-3的方法逐一对每道工序进行工艺失效模式判断,实现所有工艺失效模式的识别。
3.如权利要求2所述的一种基于模糊理论的工艺失效模式识别及评价方法,其特征在于:模糊理论能够将专家的模糊语言用模糊数加以量化,因此更适用于专家评价的表达;常用的模糊数为三角模糊数,其形式如式(4)所示,其中b为模糊中值,即发生概率最大的值,a和c为模糊数的上限和下限,两者差值越大,表明事件越模糊;
为了便于模糊数的比较,对三角模糊数进行解模糊处理,采用式(5)作为三角模糊数的清晰数:
定义“很低”、“低”、“稍低”、“中等”、“稍高”、“高”和“很高”共7级的语义变量,借助Zadeh所提方法获得每一级的三角模糊评价值,如表3所示:
表3语义变量及其评价值
借助表3的语义变量,工艺专家实现对工艺失效模式的严重度S、发生度O和检测度D进行更为合理的模糊评价;当专家系统中存在k名专家时,则该项评价指标的最终模糊评价值取k名专家对该评价指标的模糊评价均值,如式(6)所示,其中为某位专家对第i个失效模式第j个评价指标的模糊评价值;
当所有专家完成对所有失效模式及其评价指标的模糊评价后,形成模糊评价矩阵其中m为失效模式个数,n为评价指标个数;借助模糊矩阵可以进行优于风险优先数RPN的失效模式排序,是后续评价方法的数据基础;
4.如权利要求3所述的一种基于模糊理论的工艺失效模式识别及评价方法,其特征在于:步骤4具体实现方法为,
在逼近理想解排序法TOPSIS的基础上,由公式(29)和(30)所示的距离计算公式替换逼近理想解排序法TOPSIS中距离计算公式,使其更加适用于工艺失效模式的评价排序。
5.如权利要求4所述的一种基于模糊理论的工艺失效模式识别及评价方法,其特征在于:步骤1-2所述的预设的工序要素失效判定准则由产品加工过程、及专家经验确定;机械加工领域选如表2所示的工艺失效判定准则;
表2工艺失效的判定准则
6.如权利要求5所述的一种基于模糊理论的工艺失效模式识别及评价方法,其特征在于:步骤3具体实现方法如下,
步骤3-1:应用基于模糊理论的层次分析法计算评价指标的主观权重;
层次分析法AHP作为定量和定性分析相结合的多目标决策方法,可以结合专家系统进行主观权重的计算;各指标两两比较后得出的判断矩阵是AHP方法的计算依据;两指标的比较标度如表4所示:
表4两指标比较标度
通过上表可知,层次分析法AHP中,判断矩阵由确定数构成,无法对专家的模糊判断进行量化表达;将各指标的相对重要程度用三角模糊数加以描述,其中Sbij为三角模糊数的中值,其意义与传统AHP判断矩阵一致,Scij-Saij的值越大,表明该专家对两指标的重要程度判断越模糊,反之判断则越清晰;
步骤3-1具体实现方法如下:
Step1:构建主观权重模糊判断矩阵如下式所示:
其中具有如下性质:
当专家系统中存在k位专家时,为多位专家判断的三角模糊均值:
Step2:由主观权重模糊判断矩阵构建模糊评价因子矩阵G:
Step3:由矩阵G计算获取调整判断矩阵H:
Step4:将判断矩阵H转换为对角线为1的判断矩阵L=(lij)n×n;
Step5:由矩阵L得到相容矩阵Q=(qij)n×n,其中qij按照公式(14)进行计算:
Step6:由相容矩阵Q计算各指标的主观权重:
其中:
步骤3-2:由熵权法计算评价指标的客观权重;
采用熵权法计算各评价指标的客观权重,实现步骤如下:
Step1:由模糊评价矩阵构建规范化评价矩阵
其中B为效益型属性类型,即属性值越大越好;C为成本型属性类型,即属性值越小越好;由于严重度S、发生度O和检测度D的数值均是越小越好,因此三种评价指标均属于成本型;
Step2:计算第j项决策指标下,第i个失效模式的特征比重:
其中:
0≤pij≤1 (20)
Step3:计算各决策指标的熵值:
Step4:计算各决策指标的差异系数:
DPj=1-Enj (23)
Step5:使用熵权法计算决策指标的客观权重:
步骤3-3:综合步骤3-1所述的主观权重和步骤3-2所述的客观权重实现评价指标综合权重的计算;
综合步骤3-1所述的主观权重和步骤3-2所述的客观权重,确定决策指标的综合权重如公式(25)所示:
7.如权利要求6所述的一种基于模糊理论的工艺失效模式识别及评价方法,其特征在于:步骤4中工艺失效模式的排序步骤如下,
Step1:由规范化评价矩阵构建考虑决策指标综合权重的评价矩阵
Step2:确定模糊理想解A+和模糊负理想解A-:
Step3:计算各失效模式到模糊理想解和模糊负理想解之间的距离。现令则其距离模糊理想解和模糊负理想解的距离分别为:
Step4:根据公式(31)计算相对贴近度cci;
Step5:根据相对贴近度cci进行失效模式的排序;相对贴近度cci越大,排序越高,相应的失效模式越有必要采取措施进行控制。
8.如权利要求7所述的一种基于模糊理论的工艺失效模式识别及评价方法,其特征在于:步骤5具体实现方法包括如下步骤,
Step1:根据相对贴近度cci,对所有的m个失效模式进行倒序编秩;
Step2:计算秩和比值,由于分档指标只有相对贴近度一项,因此计算公式简化如下,其中R为Step1中的编秩,m为失效模式个数;
Step3:分别计算各RSR值对应的频次、向下累计频数和向下累计频率,然后借助《百分数与概率单位对照表》,获得对应的概率单位值Y;
Step4:求解回归方程RSR=α×Y+β;
Step5:查询常用分档临界值,确定步骤1识别获取的失效模式所在分档。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810335698.0A CN108510209A (zh) | 2018-04-16 | 2018-04-16 | 一种基于模糊理论的工艺失效模式识别及评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810335698.0A CN108510209A (zh) | 2018-04-16 | 2018-04-16 | 一种基于模糊理论的工艺失效模式识别及评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108510209A true CN108510209A (zh) | 2018-09-07 |
Family
ID=63382261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810335698.0A Pending CN108510209A (zh) | 2018-04-16 | 2018-04-16 | 一种基于模糊理论的工艺失效模式识别及评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510209A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858550A (zh) * | 2019-01-31 | 2019-06-07 | 南昌航空大学 | 潜在工艺失效模式机器识别方法 |
CN110008442A (zh) * | 2019-03-21 | 2019-07-12 | 上海工程技术大学 | 一种基于飞行员综合能力评价的飞行员训练控制方法 |
CN111384828A (zh) * | 2018-12-27 | 2020-07-07 | 中国航发商用航空发动机有限责任公司 | 转子组件装配的优化方法 |
CN111985787A (zh) * | 2020-07-28 | 2020-11-24 | 河南科技大学 | 一种面向大规模定制的工艺模块化方案评价方法 |
CN112508418A (zh) * | 2020-12-11 | 2021-03-16 | 河南中烟工业有限责任公司 | 一种卷接工艺过程的潜在失效模式的识别方法 |
CN112800585A (zh) * | 2021-01-05 | 2021-05-14 | 北京动力机械研究所 | 一种多工序工艺可靠性定量化建模方法 |
CN113610337A (zh) * | 2021-06-22 | 2021-11-05 | 中铁建华南建设有限公司 | 基坑工程风险确定方法、装置、计算机设备和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001100838A (ja) * | 1999-09-27 | 2001-04-13 | Hitachi Ltd | 製造職場の不良の起こし易さ評価方法及びその装置、製品の品質評価方法及びその装置並びに記録媒体 |
CN1996317A (zh) * | 2006-11-15 | 2007-07-11 | 山东大学 | 利用计算机进行定性分析和定量计算相结合的rp工艺选择方法 |
CN101216861A (zh) * | 2008-01-04 | 2008-07-09 | 西安交通大学 | 基于多色集合理论的汽车覆盖件冲压工艺信息模型的构建 |
CN103093099A (zh) * | 2013-01-22 | 2013-05-08 | 辽宁工程技术大学 | 一种露天煤矿安全评价方法 |
CN103530688A (zh) * | 2013-10-10 | 2014-01-22 | 东北大学 | 一种磨削加工工艺检测系统及方法 |
CN103577888A (zh) * | 2013-09-05 | 2014-02-12 | 西安电子科技大学 | 一种改进的熵权层次分析法及其应用 |
CN103729525A (zh) * | 2014-01-26 | 2014-04-16 | 重庆大学 | 一种滚齿加工方法 |
CN103839115A (zh) * | 2014-03-17 | 2014-06-04 | 武汉科技大学 | 一种面向能效提升的机械加工工艺链优化方法 |
CN104750979A (zh) * | 2015-03-13 | 2015-07-01 | 上海交通大学 | 面向体系结构的综合化风险优先数计算方法 |
CN104809306A (zh) * | 2015-05-13 | 2015-07-29 | 梧州学院 | 基于多质量指标的注塑成型工艺参数优化方法 |
CN107784378A (zh) * | 2016-08-26 | 2018-03-09 | 南京理工大学 | 一种弹带与坡膛尺寸公差方案的模糊优选方法 |
-
2018
- 2018-04-16 CN CN201810335698.0A patent/CN108510209A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001100838A (ja) * | 1999-09-27 | 2001-04-13 | Hitachi Ltd | 製造職場の不良の起こし易さ評価方法及びその装置、製品の品質評価方法及びその装置並びに記録媒体 |
CN1996317A (zh) * | 2006-11-15 | 2007-07-11 | 山东大学 | 利用计算机进行定性分析和定量计算相结合的rp工艺选择方法 |
CN101216861A (zh) * | 2008-01-04 | 2008-07-09 | 西安交通大学 | 基于多色集合理论的汽车覆盖件冲压工艺信息模型的构建 |
CN103093099A (zh) * | 2013-01-22 | 2013-05-08 | 辽宁工程技术大学 | 一种露天煤矿安全评价方法 |
CN103577888A (zh) * | 2013-09-05 | 2014-02-12 | 西安电子科技大学 | 一种改进的熵权层次分析法及其应用 |
CN103530688A (zh) * | 2013-10-10 | 2014-01-22 | 东北大学 | 一种磨削加工工艺检测系统及方法 |
CN103729525A (zh) * | 2014-01-26 | 2014-04-16 | 重庆大学 | 一种滚齿加工方法 |
CN103839115A (zh) * | 2014-03-17 | 2014-06-04 | 武汉科技大学 | 一种面向能效提升的机械加工工艺链优化方法 |
CN104750979A (zh) * | 2015-03-13 | 2015-07-01 | 上海交通大学 | 面向体系结构的综合化风险优先数计算方法 |
CN104809306A (zh) * | 2015-05-13 | 2015-07-29 | 梧州学院 | 基于多质量指标的注塑成型工艺参数优化方法 |
CN107784378A (zh) * | 2016-08-26 | 2018-03-09 | 南京理工大学 | 一种弹带与坡膛尺寸公差方案的模糊优选方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111384828A (zh) * | 2018-12-27 | 2020-07-07 | 中国航发商用航空发动机有限责任公司 | 转子组件装配的优化方法 |
CN109858550A (zh) * | 2019-01-31 | 2019-06-07 | 南昌航空大学 | 潜在工艺失效模式机器识别方法 |
CN109858550B (zh) * | 2019-01-31 | 2022-05-06 | 南昌航空大学 | 潜在工艺失效模式机器识别方法 |
CN110008442A (zh) * | 2019-03-21 | 2019-07-12 | 上海工程技术大学 | 一种基于飞行员综合能力评价的飞行员训练控制方法 |
CN111985787A (zh) * | 2020-07-28 | 2020-11-24 | 河南科技大学 | 一种面向大规模定制的工艺模块化方案评价方法 |
CN112508418A (zh) * | 2020-12-11 | 2021-03-16 | 河南中烟工业有限责任公司 | 一种卷接工艺过程的潜在失效模式的识别方法 |
CN112800585A (zh) * | 2021-01-05 | 2021-05-14 | 北京动力机械研究所 | 一种多工序工艺可靠性定量化建模方法 |
CN112800585B (zh) * | 2021-01-05 | 2024-04-09 | 北京动力机械研究所 | 一种多工序工艺可靠性定量化建模方法 |
CN113610337A (zh) * | 2021-06-22 | 2021-11-05 | 中铁建华南建设有限公司 | 基坑工程风险确定方法、装置、计算机设备和存储介质 |
CN113610337B (zh) * | 2021-06-22 | 2024-04-19 | 中铁建华南建设有限公司 | 基坑工程风险确定方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510209A (zh) | 一种基于模糊理论的工艺失效模式识别及评价方法 | |
CN106444703B (zh) | 基于故障模式发生概率的动设备运行状态模糊评价及预测方法 | |
CN105930976B (zh) | 基于加权理想点法的节点电压暂降严重程度综合评估方法 | |
CN109800989A (zh) | 采用评价指标分类综合评价的供应商选择方法 | |
CN108009937B (zh) | 一种配电主设备健康状态的评估方法 | |
CN110134797A (zh) | 一种基于事理图谱和多因子模型研判金融市场变化的方法 | |
Yu et al. | A comprehensive and practical reliability allocation method considering failure effects and reliability costs | |
CN110163486A (zh) | 一种项目风险重要度评估方法及系统 | |
Gu et al. | An improved FMEA analysis method based on QFD and TOPSIS theory | |
CN111949939A (zh) | 基于改进topsis和聚类分析的智能电表运行状态评价方法 | |
Chen et al. | Safety assessment method of bridge crane based on cluster analysis and neural network | |
CN113627735A (zh) | 工程建设项目安全风险的预警方法及系统 | |
CN110705859A (zh) | 基于pca-自组织神经网络的中低压配电网运行状态评估方法 | |
SARI | Measuring The performances of the machines via Preference Selection Index (PSI) method and comparing them with values of Overall Equipment Efficiency (OEE) | |
Subali et al. | A new model for measuring the complexity of SQL commands | |
Moshahedi et al. | A comprehensive design for a manufacturing system using predictive fuzzy models | |
CN112800585B (zh) | 一种多工序工艺可靠性定量化建模方法 | |
CN116957534A (zh) | 一种预测智能电表更换数量的方法 | |
Gu et al. | Reliability allocation method of comprehensive weight computer numerical control machine tool based on failure correlation and factor correlation | |
CN110705841A (zh) | 一种基于改进模糊层次分析法的化工生产安全评估方法 | |
CN110458408B (zh) | 典型故障对动设备及装置影响后果的分析方法 | |
CN108985564B (zh) | 一种基于qfd及二元语义的fmea方法 | |
Yuan et al. | Key process and quality characteristic identification for manufacturing systems using dynamic weighting function and DS evidence theory | |
Tu et al. | Safety evaluation of urban transit signal system based on the improved TOPIS | |
CN116843399B (zh) | 一种基于平衡状态的工程造价分析方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180907 |
|
WD01 | Invention patent application deemed withdrawn after publication |