CN108985554A - 一种基于区间直觉模糊集和混合多准则决策模型的改进fmea的方法 - Google Patents
一种基于区间直觉模糊集和混合多准则决策模型的改进fmea的方法 Download PDFInfo
- Publication number
- CN108985554A CN108985554A CN201810570587.8A CN201810570587A CN108985554A CN 108985554 A CN108985554 A CN 108985554A CN 201810570587 A CN201810570587 A CN 201810570587A CN 108985554 A CN108985554 A CN 108985554A
- Authority
- CN
- China
- Prior art keywords
- risk
- matrix
- interval
- intuitive fuzzy
- interval intuitive
- 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 50
- 238000011058 failure modes and effects analysis Methods 0.000 title claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims abstract description 63
- 238000011156 evaluation Methods 0.000 claims abstract description 42
- 239000013598 vector Substances 0.000 claims abstract description 20
- 238000012502 risk assessment Methods 0.000 claims abstract description 12
- 238000003012 network analysis Methods 0.000 claims abstract description 5
- 230000002776 aggregation Effects 0.000 claims description 12
- 238000004220 aggregation Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000012163 sequencing technique Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010948 quality risk assessment Methods 0.000 description 2
- 206010061274 Malocclusion Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 230000009897 systematic effect Effects 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于区间直觉模糊集和混合多准则决策模型的改进FMEA的方法,其阶段一是利用区间直觉模糊网络分析方法确定风险因子权重,首先,形成风险因子和子风险因子网络结构图,构建区间直觉模糊成对比较矩阵并计算集合度,然后计算局部排序向量,获得初始超矩阵和加权超矩阵,最后确定所有子风险因子的权重。阶段二是使用区间直觉模糊综合比例评估方法确定所有故障模式的风险顺序。首次构建集合区间直觉模糊风险评估矩阵,然后却对其进行标准化和加权,计算每个故障模式的风险总和以及风险度,最终确定所有故障模式的排序。有效处理专家语言评价的模糊性和不确定性;考虑了风险因子之的层次性与相互关系;使得故障模式的风险排序更加准确。
Description
技术领域
本发明属于可靠性分析技术领域,尤其涉及一种基于区间直觉模糊集和混合多准则 决策模型的改进FMEA风险评估的方法。
背景技术
失效模式与影响分析(Failure Mode and Effect Analysis,FMEA)是一种系统化和前瞻 性的可靠性分析和安全性评估技术,用于识别和消除系统、产品、过程以及服务中潜在 的故障、问题和错误,以达到提高其可靠性和安全性的目的。FMEA方法通过对系统进行分析,识别潜在故障模式,故障原因及其对系统性能的影响,评估出各潜在故障模式 的发生度(Occurrence,O),严重度(Severity,S)及检测度(Detection,D)三个风险因 子,并借助于风险优先数(Risk Priority Number,RPN)来确定不同故障模式的风险大小, 进而得出所有故障模式的风险次序,在有限资源下优先对高风险的故障模式进行改进和 优化,最终有效地降低系统风险,提高系统的可靠性和安全性。由于该方法在故障发生 前就及时采取有效的预防措施,最大限度地避免或减少了这些故障的发生,所以被广泛 应用于汽车、机械、电子信息、医疗卫生等行业,效果非常显著。
虽然FMEA方法在可靠性分析上有其独特的优越性,但是在实际应用的时候,自身暴露了以下缺陷:(1)传统FMEA方法采用专家打分的方法对故障模式进行风险等级评 估,但由于评估系统的复杂性以及人类思维的模糊性和不确定性,评估专家很难精确地 使用具体数值对故障模式进行评级;(2)传统FMEA方法假设所有评估专家有相同的打 分权重,但在实际上,专家们打分往往基于自身的经验和知识,对评估系统均有不同的 认识,这样会导致最终的RPN值和实际的风险程度有很大的差别;(3)传统RPN方法 在计算故障模式风险程度的时候,只是对三个风险因子进行简单的相乘,忽略了风险因 子之间的相对重要性,也会对最终的故障模式风险评定产生影响;(4)在不同实际应用 场景下,传统的三个风险因子难以充分反映现实环境下的故障模式的风险程度。
模糊集理论在处理不确定信息和量化定性信息方面具有一些优势,能够较好地表达 模糊评价信息,区间直觉模糊理论作为直觉模糊理论的拓展和延伸,引入区间的形式来表达专家的直觉评估,使得人们可以直接用区间变量来评判研究对象的优劣,这样既能 合理地体现判断的模糊性,又能最充分地利用决策信息。将其应用到表达FMEA评估专 家的主观判断上,会更好地刻画人类思维的模糊性和不确定性。近年来,多准则决策方 法(Multi-Criteria Decision Making,MCDM)因其处理多属性问题的优势,被越来越多 的用于克服传统RPN排序方法缺陷、提高传统FMEA方法结果的准确性,并取得了很 好的效果。综合比例评估(COmplex PRoportional ASsessment,COPRAS)方法作为一种有 效的多准则决策方法,有很多优点:1)能够同时考虑理想点和非理想点;2)考虑了属 性的相对重要性;3)计算过程简单、易于操作。
发明内容
为克服传统FMEA方法的诸多弊端,本发明提出了一种基于区间直觉模糊集和混合多准则决策模型的改进FMEA方法,通过网络分析法计算风险因子的相对权重,并利用 综合比例评估方法对所有故障模式进行排序,提高不确定环境下FMEA分析的有效性。
本发明解决关键技术问题的技术方案是:为实现上述目的,本发明提出一种基于区 间直觉模糊集和混合多准则决策模型的改进FMEA方法,其特征是包括以下阶段和步骤:
阶段一:利用区间直觉模糊网络分析方法确定风险因子权重。
假定评价体系中有n个风险因子(C1,C2,...,Ci,...,Cj,...Cn),其中Ci又有gi个子风险 因子基于以上假设,本阶段包含如下步骤:
步骤1:形成风险因子网络结构图。FMEA评估小组根据各个风险因子和子风险因子之间的相互关系,绘制出风险因子关系网络结构图;
步骤2:构建区间直觉模糊成对比较矩阵。根据风险因子和子风险因子网络结构图的相互关系,得出关于每一个子风险因子的其他所有子风险因子的成对比较矩阵,设 表示关于子风险因子Cst(s=1,2,...,n;t=1,2,...,gs)所得到的区间直觉模糊成对比较矩阵为:
其中
步骤3:计算集合度。矩阵中第u(i=1,2,…,n,u=1,2,…,gi)行的集合度利用下式 计算:
其中,代表第u行的所有元素之和,代表矩阵中所有元素之和。这 样便得到一个矩阵的集合度向量
步骤4:计算局部排序向量。对于集合度向量中的每一个集合度求得整体包含 比较概率u≠h,表示为通过对其进行标准化计算出子风险因子关于Cst(s=1,2,...,n;t=1,2,...,gs)的局部排序向量,表示为其中d(Siu)(i=1,2,...,n;u=1,2,...,gi)代表子风险因子 Ciu的局部权重。
步骤5:获得初始超矩阵。计算出所有子风险因子的局部排序向量之后,把每个局部排序向量放置到初始超矩阵相应位置上,进而获得整个初始超矩阵W:
步骤6:计算加权超矩阵。根据n个风险因子(C1,C2,...,Ci,...,Cj,...Cn)网络结构图中 的相互关系,得出关于每一个风险因子的其他所有风险因子的成对比较矩阵。例如,设表示(C1,C2,...,Ci,...,Cj,...Cn)关于风险因子Cs(s=1,2,...,n)所得到的区间直觉模糊成 对比较矩阵为:
其中
对n个区间直觉模糊成对比较矩阵分别实施步骤3-5,计算出相应的风险因子局部排序向量,然后把每个局部排序向量放置到权重超矩阵相应位置上,最终得到关于这n 个风险因子的权重超矩阵B=(bij)n×n,进而加权超矩阵能够使用下式计算出 来:
步骤7:确定所有子风险因子的权重。加权超矩阵通过k(k是任意整数)次形 式运算,直至收敛之后,所得到的矩阵中每一行的值相同。至此,所得矩阵每一列便是 各个子风险因子的相对权重。
阶段二:使用区间直觉模糊综合比例评估方法确定所有故障模式的风险顺序。
设FMEA问题有m个故障模式(FMi,i=1,2,...,m),l个专家(TMk,k=1,2,...,l),n个风险因子(RFj,j=1,2,...,n)。表示第k个专家对于故障模式FMi关于风 险因子RFj的评价矩阵。基于以上假设,本阶段包含如下步骤:
步骤1:构建集合区间直觉模糊风险评估矩阵。使用IIFOWA算子,集结FMEA团 队多个评估成员的区间直觉模糊评价矩阵,得到集合区间直觉模糊风险评估矩阵
其中,由下式计算得到:
这里的IIFOWA算子的权重通过标准正态分布方法确定。
步骤2:计算标准化区间直觉模糊风险评估矩阵
其中,通过下列四个标准化公式计算。
步骤3:计算加权标准化区间直觉模糊评价矩阵
其中,子风险因子的权重 wj(j=1,2,...,n)通过阶段一确定。
步骤4:计算每个故障模式的风险总和
步骤5:获得每个故障模式的风险度Ui。
这里,表示有最大风险总和的故障模式。
步骤6:确定所有故障模式的风险排序。对于FMEA,风险度越高的故障模式,其 潜在风险越大,所以根据风险度的降序排序,可以确定所有故障模式从大到小的风险 排序。
本发明的技术效果是:(1)利用区间直觉模糊集表达评估专家的评价信息,充分考虑了评价信息的不确定性和模糊性,并且使得专家能够更方便和真实地对故障模式和风险因子做出评价;(2)使用IIFOWA算子集结各个专家的评价矩阵,减少了专家之间因 知识和经验不同而导致的评定偏差对最终风险排序结果的影响;(3)使用一种混合多准 则决策模型代替原有的RPN计算方式,计算最终的故障模式排序,把风险因子的相对 权重考虑了进来,排序结果更加准确有效,且计算过程简单;(4)本发明不仅适用于传 统FMEA的三个风险因子的评价,还适用于故障模式关于多个风险因子的评价,应用范 围更广。
附图说明
图1是本发明的实施例中的方法实施流程图。
图2是本发明的实施例的风险因子网络结构图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。显然,所描述的实施例仅仅是本发明 一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
某医院为提高门诊服务的服务质量和水平,对医院门诊服务流程进行FMEA分 析。为了提高FMEA分析的准确性,应用本发明提出的基于区间直觉模糊集和混合多 准则决策模型的改进FMEA方法对门诊服务进行质量风险评估。本实施例中,FMEA 小组由该医院的两名医务人员和两名患者组成,由他们对门诊服务故障模式进行识别 和评价。由于实际的门诊FMEA项目涉及的故障模式和故障原因众多,限于篇幅所 限,如表1所示,本实施例仅以选出11个故障模式为例说明本发明所提方法的主要操 作步骤。如表2,该FMEA小组根据医院门诊服务的特点将原有的三个风险分解成了7 个子风险因子,用于对这11个故障模式进行评价。
表1故障模式示例
编号 | 潜在故障模式 | 故障原因 |
FM1 | 错误登记 | 错误预约 |
FM2 | 不能及时就诊 | 医生资源有限 |
FM3 | 长时间等待 | 处理时间长 |
FM4 | 预约单遗漏 | 工作人员疏忽 |
FM5 | 等待疲劳 | 基础设施差 |
FM6 | 诊疗不足 | 医务人员不足或设备落后 |
FM7 | 开错药方 | 医生疏忽 |
FM8 | 付款清单困惑 | 清单信息和病人有出入 |
FM9 | 收费错误 | 收银人员疏忽 |
FM10 | 收银设备异常 | 收银设备老旧 |
FM11 | 医生态度不友好 | 医务人员耐心不够 |
表2风险因子和子风险因子示例
在进行FMEA评估时,FMEA评估组成员评估组成员需确定所有子风险因子的相对权重以及对所有故障模式关于其子风险因子进行语言评价,需要事先定义好的语言术 语和相应的区间直觉模糊数。这里规定两种包含5个语言术语的语言术语集S表示为: S1={s0,s1,s2,s3,s4}={同等重要,较重要,重要,很重要,完全重要}和 S2={s0,s1,s2,s3,s4}={很低,较低,中等,较高,很高}用于风险因子和子风险因子相互关系 的语言评价以及故障模式的语言评价。然后,根据表3和表4,将风险因子成对比较和 故障模式评价的语言术语集转化成相应的区间直觉模糊集,以便于对专家的定性评价 进行定量运算。
表3风险因子成对比较的语言术语集和区间直觉模糊集
语言术语 | 区间直觉模糊数 |
同等重要(EI) | ([0.5,0.5],[0.4,0.5]) |
较重要(WI) | ([0.5,0.6],[0.2,0.3]) |
重要(SI) | ([0.6,0.7],[0.1,0.2]) |
很重要(VI) | ([0.7,0.8],[0.1,0.1]) |
完全重要(AI) | ([0.9,1.0],[0.0,0.0]) |
表4故障模式评价的语言术语集合区间直觉模糊数
语言术语 | 区间直觉模糊数 |
很低(VL) | ([0.00,0.05],[0.75,0.95]) |
较低(L) | ([0.05,0.25],[0.50,0.70]) |
中等(M) | ([0.30,0.50],[0.20,0.40]) |
高(H) | ([0.50,0.70],[0.05,0.25]) |
很高(VH) | ([0.75,0.95],[0.00,0.05]) |
如图1所示,采用所述的基于区间直觉模糊集和混合多准则决策模型的改进FMEA的方法对上述医院门诊服务进行服务质量风险评估,包含如下阶段和步骤:
阶段一:利用区间直觉模糊网络分析方法确定风险因子权重
步骤1:形成风险因子和子风险因子网络结构图。FMEA评估小组根据各个风险因子和子风险因子之间的相互关系,绘制出网络结构图,如图2所示。
步骤2:构建区间直觉模糊成对比较矩阵。根据网络结构图中的相互关系,可以获得风险因子之间及子风险因子之间的成对比较矩阵。例如,子风险因子RF3,RF4和RF5关于子风险因子RF1构建成对比较矩阵,如表5所示。
表5RF3,RF4和RF5关于RF1的成对比较矩阵
RF1 | RF3 | RF4 | RF5 | d |
RF3 | ([0.5,0.5],[0.4,0.5]) | ([0.7,0.8],[0.1,0.1]) | ([0.6,0.7],[0.1,0.2]) | 0.60 |
RF4 | ([0.1,0.1],[0.7,0.8]) | ([0.5,0.5],[0.4,0.5]) | ([0.1,0.2],[0.6,0.7]) | 0.12 |
RF5 | ([0.1,0.2],[0.6,0.7]) | ([0.6,0.7],[0.1,0.2]) | ([0.5,0.5],[0.4,0.5]) | 0.28 |
步骤3:计算集合度。应用公式(14)计算每一行的集合度,结果分别为
步骤4:计算局部排序向量。计算每一个集合度相对于其他集合度的整体包含比较 概率
和计算得 到子风险因子RF3,RF4和RF5关于子风险因子RF1的局部权重分别是0.60,0.12和0.28。
步骤5:获得初始超矩阵。同样地,重复利用阶段一中的步骤2-5计算出所有子风险因子的局部排序向量,然后,把每个局部排序向量放置到初始超矩阵相应位置上, 就获得了整个初始超矩阵W。
步骤6:计算加权超矩阵根据3个风险因子(O,S和D)网络结构图中的相互 关系,得出关于每一个风险因子的其他所有风险因子的成对比较矩阵。例如,风险因 子发生度(O),严重度(S)和探测度(D)关于严重度(S)构建成对比较矩阵,如 表5所示。
表5O,S和D关于S的成对比较矩阵
S | O | S | D | d |
O | ([0.5,0.5],[0.4,0.5]) | ([0.2,0.3],[0.5,0.6]) | ([0.6,0.7],[0.1,0.2]) | 0.27 |
S | ([0.5,0.6],[0.2,0.3]) | ([0.5,0.5],[0.4,0.5]) | ([0.6,0.7],[0.1,0.2]) | 0.50 |
D | ([0.1,0.2],[0.6,0.7]) | ([0.1,0.2],[0.6,0.7]) | ([0.5,0.5],[0.4,0.5]) | 0.23 |
对这样3个区间直觉模糊成对比较矩阵分别实施步骤3-5,计算出相应的风险因子局部排序向量,放置到权重超矩阵相应位置上,就可以获得风险因子O,S和D的权重 超矩阵B。
然后,应用公式(17)可以计算出加权超矩阵
步骤7:确定所有子风险因子的权重。加权超矩阵通过3次形式运算,就达到 收敛状态,所得到的矩阵中每一行的值相同,结果为:
至此,得到七个子风险因子的权重,分别是0.2,0.13,0.23,0.04,0.07,0.18和0.15。
阶段二:使用区间直觉模糊综合比例评估方法确定所有故障模式的风险顺序。
步骤1:构建集合区间直觉模糊风险评估矩阵根据表4,专家评价结果汇总得到表6,先将所有语言评价转化为区间直觉模糊评估矩阵,再利用公式(19)和使用标准 正态分布方法确定的IIFOWA算子权重ω=(0.155,0.345,0.345,0.155)T对4个评估人员 的区间直觉模糊评价矩阵进行集结,得到集合区间直觉模糊风险评估矩阵
表6专家评价结果汇总
步骤2:计算标准化区间直觉模糊风险评估矩利用公式(21)来计算。
步骤3:计算加权标准化区间直觉模糊评价矩阵该步骤使用阶段一步骤7确定的七个子风险因子的权重结果计算。
步骤4:计算每个故障模式的风险总和利用公式计算。
步骤5:获得每个故障模式的风险度Ui。利用公式(24)计算。
步骤6:确定所有故障模式的风险排序。根据故障模式风险度的降序排序,可以确定所有故障模式从大到小的风险排序,风险排序结果如表7所示。
表7风险排序结果
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案 及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于区间直觉模糊集和混合多准则决策模型的改进FMEA的方法,其特征是包括以下步骤:
S1、利用区间直觉模糊网络分析方法确定风险因子权重;
S2、使用区间直觉模糊综合比例评估方法确定所有故障模式的风险顺序;
其中所述步骤S1包括有:
S11、形成风险因子网络结构图;
S12、根据风险因子和子风险因子网络结构图,构建区间直觉模糊成对比较矩阵;
S13、计算对比较矩阵的集合度;
S14、计算集合度的局部排序向量;
S15、获得初始超矩阵;
S16、计算加权超矩阵,加权超矩阵通过运算,直至收敛之后,所得到的矩阵中每一行的值相同,所得矩阵每一列便是各个子风险因子的相对权重;
其中所述步骤S2包括:
S21、构建集合区间直觉模糊风险评估矩阵
S22、计算标准化区间直觉模糊风险评估矩阵
S23、计算加权标准化区间直觉模糊评价矩阵
S24、计算每个故障模式的风险总和
S25、获得每个故障模式的风险度Ui;
S26、确定所有故障模式的风险排序,风险度越高的故障模式,其潜在风险越大,根据风险度的降序排序,可以确定所有故障模式从大到小的风险排序。
2.根据权利要求1所述的一种基于区间直觉模糊集和混合多准则决策模型的改进FMEA的方法,其特征在于,所述步骤S12中的构建区间直觉模糊成对比较矩阵具体是,假字评价体系中有n个风险因子(C1,C2,...,Ci,...,Cj,...Cn),其中Ci又有gi个子风险因子
根据风险因子和子风险因子网络结构图的相互关系,得出关于每一个子风险因子的其他所有子风险因子的成对比较矩阵,设表示关于子风险因子Cst(s=1,2,...,n;t=1,2,...,gs)所得到的区间直觉模糊成对比较矩阵为:
其中
3.根据权利要求2所述的一种基于区间直觉模糊集和混合多准则决策模型的改进FMEA的方法,其特征在于,所述步骤S13中的计算对比较矩阵的集合度具体是,在矩阵中第u(i=1,2,…,n,u=1,2,…,gi)行的集合度利用下式计算:
其中,代表第u行的所有元素之和,代表矩阵中所有元素之和。这样便得到一个矩阵的集合度向量
4.根据权利要求3所述的一种基于区间直觉模糊集和混合多准则决策模型的改进FMEA的方法,其特征在于,所述步骤S14中的计算集合度的局部排序向量具体是,对于集合度向量中的每一个集合度求得整体包含比较概率
其中,i=1,2,...,n;u,h=1,2,...,gi;u≠h,表示为
通过对其进行标准化计算出子风险因子Ci1,Ci2,...,Cigi关于Cst(s=1,2,...,n;t=1,2,...,gs)的局部排序向量,表示为
其中d(Siu)(i=1,2,...,n;u=1,2,...,gi)代表子风险因子Ciu的局部权重。
5.根据权利要求4所述的一种基于区间直觉模糊集和混合多准则决策模型的改进FMEA的方法,其特征在于,所述S15步骤的获得初始超矩阵具体是,计算出所有子风险因子的局部排序向量之后,把每个局部排序向量放置到初始超矩阵相应位置上,进而获得整个初始超矩阵W:
6.根据权利要求5所述的一种基于区间直觉模糊集和混合多准则决策模型的改进FMEA的方法,其特征在于,所述步骤S16中的计算加权超矩阵具体是,根据n个风险因子(C1,C2,...,Ci,...,Cj,...Cn)网络结构图中的相互关系,得出关于每一个风险因子的其他所有风险因子的成对比较矩阵,设表示(C1,C2,...,Ci,...,Cj,...Cn)关于风险因子Cs(s=1,2,...,n)所得到的区间直觉模糊成对比较矩阵为:
其中
对n个区间直觉模糊成对比较矩阵分别实施步骤S13-S15,计算出相应的风险因子局部排序向量,然后把每个局部排序向量放置到权重超矩阵相应位置上,最终得到关于这n个风险因子的权重超矩阵B=(bij)n×n,进而加权超矩阵能够使用下式计算出来:
7.根据权利要求1所述的一种基于区间直觉模糊集和混合多准则决策模型的改进FMEA的方法,其特征在于,所述步骤S21中的构建集合区间直觉模糊风险评估矩阵具体是,设FMEA问题有m个故障模式(FMi,i=1,2,...,m),l个专家(TMk,k=1,2,...,l),n个风险因子(RFj,j=1,2,...,n)。表示第k个专家对于故障模式FMi关于风险因子RFj的评价矩阵,所述集合区间直觉模糊风险评估矩阵表示为:
其中,其由下式计算得到:
其中IIFOWA算子的权重通过标准正态分布方法确定。
8.根据权利要求7所述的一种基于区间直觉模糊集和混合多准则决策模型的改进FMEA的方法,其特征在于,所述步骤S22中的计算标准化区间直觉模糊风险评估矩阵具体是,所述计算标准化区间直觉模糊风险评估矩阵表示为:
其中,i=1,2,…,m;j=1,2,…,n,通过下列的四个标准化公式进行计算,
9.根据权利要求8所述的一种基于区间直觉模糊集和混合多准则决策模型的改进FMEA的方法,其特征在于,所述步骤S23中的计算加权标准化区间直觉模糊评价矩阵具体是,所述加权标准化区间直觉模糊评价矩阵表示为:
其中,子风险因子的权重wj(j=1,2,...,n)通过步骤S1确定。
10.根据权利要求9所述的一种基于区间直觉模糊集和混合多准则决策模型的改进FMEA的方法,其特征在于,所述步骤S24中的每个故障模式的风险总和表示为:
所述步骤S25每个故障模式的风险度Ui表示为:
其中,表示有最大风险总和的故障模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810570587.8A CN108985554A (zh) | 2018-06-05 | 2018-06-05 | 一种基于区间直觉模糊集和混合多准则决策模型的改进fmea的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810570587.8A CN108985554A (zh) | 2018-06-05 | 2018-06-05 | 一种基于区间直觉模糊集和混合多准则决策模型的改进fmea的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108985554A true CN108985554A (zh) | 2018-12-11 |
Family
ID=64540643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810570587.8A Pending CN108985554A (zh) | 2018-06-05 | 2018-06-05 | 一种基于区间直觉模糊集和混合多准则决策模型的改进fmea的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108985554A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110376982A (zh) * | 2019-07-11 | 2019-10-25 | 江南大学 | 一种基于改进fmea的控制分析方法 |
CN110728450A (zh) * | 2019-10-12 | 2020-01-24 | 上海大学 | 一种基于区间直觉模糊语言和多属性边界逼近区域比较法相结合改进fmea的方法 |
CN111080174A (zh) * | 2019-12-31 | 2020-04-28 | 南京航空航天大学 | 基于区间概率的装配质量风险评估方法、装置及设备 |
CN111126853A (zh) * | 2019-12-25 | 2020-05-08 | 华北水利水电大学 | 基于模糊fmea的水利工程风险预警分析方法及系统 |
CN111291452A (zh) * | 2020-03-06 | 2020-06-16 | 威海海洋职业学院 | 一种船舶电力推进系统故障模式风险确定方法及系统 |
CN111798094A (zh) * | 2020-05-28 | 2020-10-20 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 故障模式影响及危害性分析方法、计算机设备及存储介质 |
CN112115561A (zh) * | 2020-09-18 | 2020-12-22 | 吉林大学 | 基于区间三角模糊数和模糊vikor法的改进fmea方法 |
CN112184075A (zh) * | 2020-10-29 | 2021-01-05 | 西南交通大学 | 一种可持续供应链风险分析方法 |
CN113065260A (zh) * | 2021-04-19 | 2021-07-02 | 绍兴文理学院 | 一种基于todim法电磁铁潜在失效模式与效果分析方法 |
CN113177724A (zh) * | 2021-05-14 | 2021-07-27 | 中国人民解放军95861部队 | 一种基于图形模糊集和copras的装备外场试验资源调度方法 |
CN113902145A (zh) * | 2021-09-30 | 2022-01-07 | 合肥工业大学智能制造技术研究院 | 一种基于2型模糊语言术语的化工泵维护策略优化方法 |
CN114218959A (zh) * | 2021-11-25 | 2022-03-22 | 哈尔滨工程大学 | 一种犹豫模糊语言术语集多准则决策方法 |
CN118278530A (zh) * | 2024-05-31 | 2024-07-02 | 中国人民解放军海军工程大学 | 一种基于区间直觉模糊聚合算子的多目标损伤评估方法 |
-
2018
- 2018-06-05 CN CN201810570587.8A patent/CN108985554A/zh active Pending
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110376982A (zh) * | 2019-07-11 | 2019-10-25 | 江南大学 | 一种基于改进fmea的控制分析方法 |
CN110728450A (zh) * | 2019-10-12 | 2020-01-24 | 上海大学 | 一种基于区间直觉模糊语言和多属性边界逼近区域比较法相结合改进fmea的方法 |
CN111126853A (zh) * | 2019-12-25 | 2020-05-08 | 华北水利水电大学 | 基于模糊fmea的水利工程风险预警分析方法及系统 |
CN111126853B (zh) * | 2019-12-25 | 2023-08-29 | 华北水利水电大学 | 基于模糊fmea的水利工程风险预警分析方法及系统 |
CN111080174A (zh) * | 2019-12-31 | 2020-04-28 | 南京航空航天大学 | 基于区间概率的装配质量风险评估方法、装置及设备 |
CN111291452B (zh) * | 2020-03-06 | 2023-05-26 | 威海海洋职业学院 | 一种船舶电力推进系统故障模式风险确定方法及系统 |
CN111291452A (zh) * | 2020-03-06 | 2020-06-16 | 威海海洋职业学院 | 一种船舶电力推进系统故障模式风险确定方法及系统 |
CN111798094A (zh) * | 2020-05-28 | 2020-10-20 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 故障模式影响及危害性分析方法、计算机设备及存储介质 |
CN112115561B (zh) * | 2020-09-18 | 2022-04-22 | 吉林大学 | 基于区间三角模糊数和模糊vikor法的改进fmea方法 |
CN112115561A (zh) * | 2020-09-18 | 2020-12-22 | 吉林大学 | 基于区间三角模糊数和模糊vikor法的改进fmea方法 |
CN112184075B (zh) * | 2020-10-29 | 2022-04-22 | 西南交通大学 | 一种可持续供应链风险分析方法 |
CN112184075A (zh) * | 2020-10-29 | 2021-01-05 | 西南交通大学 | 一种可持续供应链风险分析方法 |
CN113065260A (zh) * | 2021-04-19 | 2021-07-02 | 绍兴文理学院 | 一种基于todim法电磁铁潜在失效模式与效果分析方法 |
CN113065260B (zh) * | 2021-04-19 | 2023-11-14 | 绍兴文理学院 | 一种基于todim法电磁铁潜在失效模式与效果分析方法 |
CN113177724A (zh) * | 2021-05-14 | 2021-07-27 | 中国人民解放军95861部队 | 一种基于图形模糊集和copras的装备外场试验资源调度方法 |
CN113177724B (zh) * | 2021-05-14 | 2022-04-19 | 中国人民解放军95861部队 | 一种基于图形模糊集和copras的装备外场试验资源调度方法 |
CN113902145A (zh) * | 2021-09-30 | 2022-01-07 | 合肥工业大学智能制造技术研究院 | 一种基于2型模糊语言术语的化工泵维护策略优化方法 |
CN113902145B (zh) * | 2021-09-30 | 2024-05-24 | 合肥工业大学智能制造技术研究院 | 一种基于2型模糊语言术语的化工泵维护策略优化方法 |
CN114218959A (zh) * | 2021-11-25 | 2022-03-22 | 哈尔滨工程大学 | 一种犹豫模糊语言术语集多准则决策方法 |
CN118278530A (zh) * | 2024-05-31 | 2024-07-02 | 中国人民解放军海军工程大学 | 一种基于区间直觉模糊聚合算子的多目标损伤评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985554A (zh) | 一种基于区间直觉模糊集和混合多准则决策模型的改进fmea的方法 | |
CN104956380B (zh) | 用于远程站点监控的方法和装置 | |
Gao et al. | Consolidating SWOT analysis with nonhomogeneous uncertain preference information | |
Patra et al. | Fuzzy risk analysis using area and height based similarity measure on generalized trapezoidal fuzzy numbers and its application | |
WO2016101181A1 (zh) | 基于指标预报和解相似度分析的光刻工序动态调度方法 | |
US20140236668A1 (en) | Method and apparatus for remote site monitoring | |
CN107067341B (zh) | 一种基于多级熵权的rbfnn配电自动化系统状态操作评价方法 | |
CN110310031A (zh) | 一种配电网多维风险评估方法 | |
CN109214625A (zh) | 一种油罐失效评估方法及装置 | |
Ahituv et al. | Orthogonal information structures—a model to evaluate the information provided by a second opinion | |
CN113835947A (zh) | 一种基于异常识别结果确定异常原因的方法和系统 | |
CN113722195B (zh) | 基于ahp层级分析法的局域网运行评估系统及方法 | |
Liu et al. | FMEA using cloud model and PROMETHEE method and its application to emergency department | |
CN113327655B (zh) | 多维度数据的离群值检测方法、装置、设备和介质 | |
CN113988617A (zh) | 基于综合效能评估的系统测试诊断需求分解计算方法 | |
Galinac et al. | Software verification process improvement proposal using Six Sigma | |
CN104572455B (zh) | 一种基于马尔科夫链的构件化软件可靠性评估方法 | |
Hsiung et al. | A hybrid model to assess the risk of COVID-19 in hospital screening procedures under uncertain information | |
CN113744860A (zh) | 一种针对放射设备进行配置决策的评估方法 | |
Jothimani | A Deep Learning Approach For LSTM Based Covid-19 Forecasting System | |
CN117393118A (zh) | 一种用于智能医生辅助系统的综合评价方法及系统 | |
Rahman | The new generalized averaging aggregation operators and their application on group decision making problem base on interval-valued Pythagorean fuzzy numbers | |
CN103488846B (zh) | 一种飞行器协同设计平台的方案成熟度评估方法 | |
Al-dalain et al. | Enhanced Approach for Prioritisation of Failures in Failure Mode and Effects Analysis Under Uncertainty | |
Smith et al. | Sensitivity analysis for a whole hospital system dynamics model |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181211 |