CN108133090A - 一种可靠性敏感度驱动的高端复杂装备可靠性分析方法 - Google Patents

一种可靠性敏感度驱动的高端复杂装备可靠性分析方法 Download PDF

Info

Publication number
CN108133090A
CN108133090A CN201711332578.7A CN201711332578A CN108133090A CN 108133090 A CN108133090 A CN 108133090A CN 201711332578 A CN201711332578 A CN 201711332578A CN 108133090 A CN108133090 A CN 108133090A
Authority
CN
China
Prior art keywords
reliability
failure
complex equipment
equipment
end complex
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.)
Granted
Application number
CN201711332578.7A
Other languages
English (en)
Other versions
CN108133090B (zh
Inventor
王荣喜
高建民
姜洪权
高智勇
陈琨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Xian Jiaotong University
State Grid Jiangsu Electric Power Co Ltd
Maintenance Branch of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Xian Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN201711332578.7A priority Critical patent/CN108133090B/zh
Publication of CN108133090A publication Critical patent/CN108133090A/zh
Application granted granted Critical
Publication of CN108133090B publication Critical patent/CN108133090B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/32—Circuit design at the digital level
    • G06F30/333—Design for testability [DFT], e.g. scan chain or built-in self-test [BIST]
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Hardware Design (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Factory Administration (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

本发明公开了一种可靠性敏感度驱动的高端复杂装备可靠性分析方法，以复杂装备故障模式、零部件、失效原因和可靠性指标体系为基础，将故障模式间、失效原因间的关联关系综合纳入复杂装备可靠性分析模型，弥补了传统可靠性分析模型仅侧重功能拓扑结构的不足，扩展了复杂装备可靠性模型的表达能力；以可靠性指标对***整体可靠性影响的敏感度作为分析***可靠性波动的动因，减少了可靠性分析过程中的人为因素，降低了可靠性分析过程中的人为不确定性，有效提高了复杂装备可靠性分析的客观性和精准度。

Description

一种可靠性敏感度驱动的高端复杂装备可靠性分析方法
技术领域
本发明属于高端复杂装备可靠性分析领域，设计一种新的装备可靠性分析方法，具体涉及一种可靠性敏感度驱动的高端复杂装备可靠性分析方法。
背景技术
装备可靠性直接影响装备发生故障的概率，可靠性分析是优化产品设计、降低装备故障概率、减少装备故障损失、提升装备可靠性的有效技术手段。
FMEA(Failure Mode and Effect Analysis,故障模式影响分析)是目前较为主流的可靠性分析方法，由美国在20世纪50年代初用于一种战斗机操作***的设计分析。60年代中期，FMEA技术正式用于美国航天工业。1976年，美国国防部发布了FMEA军用标准，但仅限于设计方面。70年代末，FMEA技术开始进入汽车工业和医疗设备工业。80年代初，进入微电子工业。80年代中期，汽车工业开始应用FMEA确认其制造过程。到了1988年，美国联邦航空局发布咨询通报要求所有航空***的设计及分析都必须使用FMEA。1991年，ISO9000推荐使用FMEA提高产品和过程的设计。1994年，FMEA又成为QS-9000的认证要求，并成为QS-9000五大核心工具之一。至今，FMEA已在工程实践中形成了一套科学而完整的分析方法，并已成为传统工业及高科技行业品质持续改进的必备方法。
FMEA的优点是简单、易行、便于掌握和推广，在没有数据时，只要有关人员具有一定的工程经验均可进行该项工作，因此花钱不多，实际效果好，深受广大工程技术人员欢迎。但在实际应用中也存在一定的问题。
传统FMEA没有考虑到发生率(O)、严重度(S)和难检度(D)三者之间的相对重要性，认为三者的重要性相同；传统FMEA是通过RPN(风险优先数)的大小来评估各故障的风险等级，由于不同的O、S、D相乘可以得到相同的RPN值，但是各种故障对于***的风险作用却不相同；由于专家的经验和知识通常是以主观或定性的语言描述出来，而传统FMEA又很难对这些语言变量做出准确判断；各专家对于同一故障给出的评价信息具有多样性和不确定性，传统的FMEA只是简单的进行加权平均，未能有效的提取各专家的评价信息；传统FMEA只考虑单一因素所导致故障发生的情况，只分析能够导致顶事件发生的独立的失效原因，这一局限性使得FMEA在实际应用中存在一定的不足，无法考虑和分析一个失效原因由多个因素同时作用所引发的情况，而这种失效原因在现实中确实存在，这使得FMEA在分析复杂***的失效原因影响时结果不够全面、完整，因此需要有针对此局限性的多因素失效原因分析法。
同时，传统以故障和失效原因为核心的可靠性分析方法，在可靠性分析建模过程中侧重于装备产品零部件的功能拓扑关系，忽略了故障模式、失效原因间复杂的耦合和传递关系，无法在分析过程中综合分析失效、故障的传播、级联和放大效应，造成了装备可靠性分析结果与实际可靠性状态的不匹配，亟需一种能够综合考虑装备可靠性影响要素的新型可靠性分析方法。
发明内容
针对目前高端复杂装备可靠性分析领域中分析模型表达能力不足以及分析过程不确定性大的问题，本发明提供了一种可靠性敏感度驱动的高端复杂装备可靠性分析方法，能够满足高端复杂装备可靠性分析需求。
本发明立足于企业高端复杂装备可靠性分析的实际需求，面向行业共性科学问题，以高端复杂装备可靠性基础数据为基础，以实现高端复杂装备可靠性快速、准确分析为目标，以图论和信息理论为依据，采用数据分析的手段，以高端复杂装备、零部件、故障模式和失效原因间固有的关联关系为支撑，为高端复杂装备可靠性分析提供一种可靠性敏感度驱动的不依赖装备功能结构拓扑关系、不依赖人为打分的可靠性分析方法，包括高端复杂装备可靠性基础数据收集、高端复杂装备故障模式与影响分析、高端复杂装备可靠性建模和高端复杂装备可靠性分析等几个步骤。
本发明的目的在于为高端复杂装备设计、制造和运维企业提供一种有效的高端复杂装备可靠性分析方法，通过本发明建立的可靠性基础数据模型收集数据，帮助实现数据驱动的复杂装备可靠性模型快速建立、分析复杂装备各可靠性指标对装备***整体可靠性的影响灵敏度，为复杂装备可靠性设计部门提供可靠性优化与提升建议，指导装备制造企业和运维企业进行合理的可靠性控制点配置，提高产品可靠性，产生巨大的经济效益和社会效益。
为了实现上述目的，本发明所采用的技术方案为，一种可靠性敏感度驱动的高端复杂装备可靠性分析方法，包括以下步骤：
1)高端复杂装备可靠性基础数据收集，收集高端复杂装备典型故障模式、失效原因以及频次和可靠性指标数据，整理高端复杂装备的关键零部件数据，梳理高端复杂装备零部件之间、故障模式之间和失效原因之间的影响关系数据；
2)高端复杂装备故障模式与影响分析，依据步骤1)收集到的高端复杂装备可靠性基础数据，对高端复杂装备进行故障模式和影响分析，获得装备关键零部件、故障模式和失效原因对装备可靠性的危害度排序；
3)高端复杂装备可靠性分析建模，将装备可靠性、装备典型故障模式、装备关键零部件、装备零部件失效原因和装备可靠性指标抽象为模型中的结点，并按照上述次序分层排列，将不同层和同层内的关联关系抽象为模型中的连边，将步骤1)中获取到的频次数据处理后作为不同层连边的权重，将步骤2)得到的危害度排序结果数据处理后作为模型中结点的权重；
4)高端复杂装备可靠性分析，根据每个可靠性指标的实测值和可靠性阈值范围，动态划分步骤3)中装备可靠性模型的割集，计算各可靠性指标对***可靠性的敏感度，实现复杂装备可靠性分析。
进一步的，所述步骤1)，包含以下步骤：
1.1)原始数据收集，收集整理NF个高端复杂装备典型故障模式、Nf个失效原因、Np个关键零部件以及失效原因导致关键零部件失效的频次零部件失效导致故障模式发生的频次以及装备可靠性指标体系数据DI，并按照二维关系表方式进行存储，其中：fi表示第i个失效原因；Pi表示第i个关键零部件；Fj表示第j个故障模式；
1.2)分别确定失效原因之间、故障模式之间和关键零部件之间的影响关系矩阵；根据1.1)收集到的故障模式数据、失效原因数据和关键零部件数据，依据历史故障数据确定失效原因之间、故障模式之间和关键零部件之间的关联影响关系，则获得Nf×Nf的失效原因影响关系矩阵，NF×NF的故障模式影响关系矩阵和NP×NP的关键零部件影响关系矩阵。
进一步的，所述步骤2)，包含以下步骤：
2.1)建立基于语言信息的模糊语言术语集和对应的模糊数
针对故障模式与影响分析中的三个风险因素：严重程度S、发生率O和检测难度D建立各风险因素自然描述语言术语集以及对应的量化模糊数，构建各风险因素的量化评价准则；
2.2)基于评价准则的高端复杂装备失效原因及风险因素评价
依据2.1)构建的评价准则，对高端复杂装备故障模式、失效原因和关键零部件风险因素进行评分，形成高端复杂装备故障模式、失效原因和关键零部件风险因素的原始数据集；
2.3)基于粗糙集理论的专家评分信息融合
采用粗糙集理论将步骤2.2)中的评分值转化为区间数，并将获得的区间数进行融合，得到各失效原因、故障模式和关键零部件在各风险因素下的评价区间粗糙数以及融合后各风险因素的权重；
2.4)采用理想点方法计算风险优先级。
进一步的，所述步骤2.4)包含以下步骤：
2.4.1)分别根据故障模式、失效原因和关键零部件的评价区间粗糙数，获得故障模式、失效原因和关键零部件在各风险因素下的理想解和负理想解，其中，理想解是各故障模式、失效原因和关键零部件指在各评价准则中的最佳值；负理想解指各故障模式、失效原因和关键零部件在各评价准则中的最差值；
2.4.2)计算各故障模式、失效原因和关键零部件在各风险因素下的评价区间粗糙数与理想解的距离；
2.4.3)根据各故障模式、失效原因和关键零部件在各风险因素下的评价区间粗糙数与理想解的距离，计算各故障模式、失效原因和关键零部件的群体效用最大化排序S，个体遗撼最小化排序R以及折中排序Q，本发明中以折中排序Q作为故障模式、失效原因和关键零部件危害度的最终排序依据。
进一步的，所述步骤3)，包含以下步骤：
3.1)定义高端复杂装备可靠性分析模型基本结构；对于一个确定的高端复杂装备和给定的可靠性基础数据，定义其可靠性分析模型RM为一个三元组：
RM＝＜V,R,W＞
其中，
V＝{VC,VF,VP,Vf,VI},表示可靠性分析模型中的所有结点集合：VC代表模型中心结点，用以表示高端复杂装备的综合可靠性指标；VI、Vf、VP、VF分别代表可靠性分析模型中的可靠性指标、失效原因、关键零部件和典型故障模式结点；
R＝{RI→f,Rf→f,Rf→P,RP→P,RP→F,RF→F,RF→C}，表示可靠性分析模型中的所有关系矩阵集合：RI→f表示可靠性指标和失效原因之间的关联关系矩阵，Rf→f表示失效原因之间的关联关系矩阵，Rf→P表示失效原因和关键零部件之间的关联关系矩阵，RP→P表示关键零部件之间的关联关系矩阵，RP→F表示关键零部件和故障模式之间的关联关系矩阵，RF→F表示故障模式之间的关联关系矩阵；RF→C表示故障模式与模型中心结点的关联关系矩阵；
表示可靠性分析模型中所有的关系权重矩阵集合：Bf表示失效原因结点的权重矩阵，表示失效原因间关联关系的权重矩阵，表示失效原因与关键零部件间关联关系权重矩阵，BP表示关键零部件结点权重，表示关键零部件间关联关系权重矩阵，表示关键零部件与故障模式关联关系权重矩阵，BF表示故障模式结点权重矩阵，表示故障模式间关联关系权重矩阵；表示故障模式与模型中心结点的关联关系权重矩阵；
3.2)根据步骤1)收集到的可靠性基础数据和步骤2)中高端复杂装备故障模式影响分析获得的危害度排序结果，确定4.1)可靠性模型中的关系矩阵和权重矩阵。
进一步的，所述步骤3.2)包含以下步骤：
3.2.1)确定3.1)模型中层间结点结的关联关系矩阵RI→f、Rf→P、RP→F、RF→C和权重矩阵根据步骤1)收集到的高端复杂装备可靠性基础数据，以失效原因导致关键零部件失效的有无和频次作为确定模型中失效原因层和关键零部件层关系和权重的确定依据；以关键零部件失效导致故障模式产生的有无和频次作为确定模型中关键零部件层和故障模式层关系和权重的确定依据；
3.2.2)确定3.1)模型中同层结点间的关联关系矩阵Rf→f、RP→P、RF→F和权重矩阵Bf、BP、BF；根据步骤1)收集到的高端复杂装备可靠性基础数据，以失效原因间关联关系数据、关键零部件间关联关系数据和故障模式间关联关系数据分别确定Rf→f、RP→P、RF→F；分别使用步骤2)中获得的失效原因、关键零部件和故障模式危害度排序的Q值确定Bf、BP、BF。
进一步的，所述步骤4)包含以下步骤：
4.1)确定引起装备可靠性变化的动因集合Se
根据各可靠性指标的实测值和可靠性阈值，计算该可靠性指标与可靠性安全阈值的距离，如距离大于安全距离，则将该指标Ii加入Se；
Ii∈Se,iffdist(ValueIi,IntervalIi)＞SafedistIi
其中，dist(ValueIi,IntervalIi)为指标实测值与指标可靠性阈值的距离，一般使用隶属度函数进行计算，SafedistIi为该指标不引起失效原因起效的安全距离；
4.2)确定由于环节4.1)中动因所引发的装备可靠性模型变化割集
遍历环节4.1)中动因集合Se中的每一个元素ei，采用广度优先的策略，寻找步骤3)可靠性分析模型中所有到达中心结点VC的通路，所有的通路构成步骤3)可靠性分析模型的一个割集；
4.3)计算4.1)中动因对装备可靠性的敏感度，实现装备可靠性分析
使用下式计算由于4.1)中动因集合Se所引起的***可靠性总波动：
该计算结果代表了动因集合Se中元素对装备可靠性的敏感度，也代表了由于这些动因导致的装备可靠性总变动，实现了装备可靠性的分析。
进一步的，所述步骤1.2)采用统计分析方法或者依据领域专家经验知识的方法。
进一步的，所述步骤2.2)采用专家打分法。
与现有技术相比，本发明采用可靠性敏感度驱动的复杂装备可靠性分析，以复杂装备故障模式、零部件、失效原因和可靠性指标体系为基础，将故障模式间、失效原因间的关联关系综合纳入复杂装备可靠性分析模型，弥补了传统可靠性分析模型仅侧重功能拓扑结构的不足，扩展了高端复杂装备可靠性模型的表达能力；以可靠性指标对***整体可靠性影响的敏感度作为分析***可靠性波动的动因，减少了可靠性分析过程中的人为因素，降低了可靠性分析过程中的不确定性，有效提高了复杂装备可靠性分析的客观性和精准度。本发明能够根据装备可靠性技术数据实现动态建模，根据装备可靠性实际值进行可靠性动态分析，为可靠性设计部门提供产品优化建议，为制造企业提供可靠性控制点配置建议，同时，本发明的部分处理过程为其他同类产品可靠性分析建模提供新的技术思路。
附图说明
图1为本发明提出的可靠性敏感度驱动的高端复杂装备可靠性分析方法框架；
图2为本发明构建的高端复杂装备可靠性分析模型示意图；
图3为本发明步骤4)中动因驱动的可靠性模型割集示意图。
具体实施方式
下面结合说明书附图对本发明作进一步的解释说明。
参考图1，本发明包括以下步骤：
1)高端复杂装备可靠性基础数据收集。收集高端复杂装备典型故障模式、失效原因以及频次和可靠性指标数据，整理高端复杂装备的关键零部件数据，梳理高端复杂装备零部件之间、故障模式之间和失效原因之间的影响关系数据。
1.1)原始数据收集。收集整理NF个高端复杂装备典型故障模式、Nf个失效原因、Np个关键零部件以及失效原因导致关键零部件失效的频次零部件失效导致故障模式发生的频次以及装备可靠性指标体系数据DI，并按照二维关系表方式进行存储。
其中：fi表示第i个失效原因；Pi表示第i个关键零部件；Fj表示第j个故障模式。
1.2)分别确定失效原因之间、故障模式之间和关键零部件之间的影响关系矩阵。
根据1.1)收集到的故障模式数据、失效原因数据和关键零部件数据，采用统计方法或者依据领域专家经验知识的方法，确定失效原因之间、故障模式之间和关键零部件之间的关联影响关系，则获得Nf×Nf的失效原因影响关系矩阵，NF×NF的故障模式影响关系矩阵和NP×NP的关键零部件影响关系矩阵。
2)高端复杂装备故障模式与影响分析。依据步骤1)收集到的高端复杂装备可靠性基础数据，对高端复杂装备进行故障模式和影响分析，获得装备关键零部件、故障模式和失效原因对装备可靠性的危害度排序。
2.1)建立基于语言信息的模糊语言术语集和对应的模糊数。
针对故障模式与影响分析分析中的三个风险因素：严重程度(S)、发生率(O)和检测难度(D)建立各风险因素自然描述语言术语集以及对应的量化的模糊数，构建各风险因素的量化评价准则；
2.2)基于评价准则的高端复杂装备失效原因及风险因素评价。
依据2.1)构建的评价准则，采用专家打分法，对高端复杂装备故障模式、失效原因和关键零部件风险因素进行多专家打分，形成高端复杂装备故障模式、失效原因和关键零部件风险因素的专家打分原始数据集；
2.3)基于粗糙集理论的专家评分信息融合。
采用粗糙集理论将步骤2.2)各专家给出的评分值转化为区间数，并将获得的区间数进行融合，得到各失效原因、故障模式和关键零部件在各风险因素下的评价区间粗糙数以及融合后各风险因素的权重。
2.4)采用理想点解方法计算风险优先级。
2.4.1)分别根据故障模式、失效原因和关键零部件的评价区间粗糙数，获得故障模式、失效原因和关键零部件在各风险因素下的理想解和负理想解(理想解是指各故障模式、失效原因和关键零部件在各评价准则中的最佳值；负理想解指各故障模式、失效原因和关键零部件在各评价准则中的最差值)。
2.4.2)计算各故障模式、失效原因和关键零部件在各风险因素下的评价区间粗糙数与理想解的距离。
2.4.3)根据各故障模式、失效原因和关键零部件在各风险因素下的评价区间粗糙数与理想解的距离，计算各故障模式、失效原因和关键零部件的群体效用最大化排序S，个体遗撼最小化排序R以及折中排序Q，本发明中以折中排序Q作为故障模式、失效原因和关键零部件危害度的最终排序依据。
3)高端复杂装备可靠性分析建模。将装备可靠性、装备典型故障模式、装备关键零部件、装备零部件失效原因和装备可靠性指标抽象为模型中的结点，并按照上述次序分层排列，将不同层和同层内的关联关系抽象为模型中的连边，将步骤1)中获取到的频次数据处理后作为不同层连边的权重，将步骤2)得到的危害度排序结果数据处理后作为模型中结点(关键零部件、故障模式、失效原因)的权重。
3.1)定义高端复杂装备可靠性分析模型基本结构。对于一个确定的高端复杂装备和给定的可靠性基础数据，定义其可靠性分析模型RM为一个三元组：
RM＝＜V,R,W＞
其中，
V＝{VC,VF,VP,Vf,VI},表示可靠性分析模型中的所有结点集合：VC代表模型中心结点，用以表示高端复杂装备的综合可靠性指标；VI、Vf、VP、VF分别代表可靠性分析模型中的可靠性指标、失效原因、关键零部件和典型故障模式结点；
R＝{RI→f,Rf→f,Rf→P,RP→P,RP→F,RF→F,RF→C}，表示可靠性分析模型中的所有关系矩阵集合：RI→f表示可靠性指标和失效原因之间的关联关系矩阵，Rf→f表示失效原因之间的关联关系矩阵，Rf→P表示失效原因和关键零部件之间的关联关系矩阵，RP→P表示关键零部件之间的关联关系矩阵，RP→F表示关键零部件和故障模式之间的关联关系矩阵，RF→F表示故障模式之间的关联关系矩阵；RF→C表示故障模式与模型中心结点的关联关系矩阵；
表示可靠性分析模型中所有的关系权重矩阵集合：Bf表示失效原因结点的权重矩阵，表示失效原因间关联关系的权重矩阵，表示失效原因与关键零部件间关联关系权重矩阵，BP表示关键零部件结点权重，表示关键零部件间关联关系权重矩阵，表示关键零部件与故障模式关联关系权重矩阵，BF表示故障模式结点权重矩阵，表示故障模式间关联关系权重矩阵；表示故障模式与模型中心结点的关联关系权重矩阵；
3.2)根据步骤1)收集到的可靠性基础数据和步骤2)中高端复杂装备故障模式影响分析获得的危害度排序结果，确定3.1)可靠性模型中的关系矩阵和权重矩阵。
3.2.1)确定3.1)模型中层间结点结的关联关系矩阵RI→f、Rf→P、RP→F、RF→C和权重矩阵根据步骤1)收集到的高端复杂装备可靠性基础数据，以失效原因导致关键零部件失效的有无和频次作为确定模型中失效原因层和关键零部件层关系和权重的确定依据；以关键零部件失效导致故障模式产生的有无和频次作为确定模型中关键零部件层和故障模式层关系和权重的确定依据；
3.2.2)确定3.1)模型中同层结点间的关联关系矩阵Rf→f、RP→P、RF→F和权重矩阵Bf、BP、BF。根据步骤1)收集到的高端复杂装备可靠性基础数据，以失效原因间关联关系数据、关键零部件间关联关系数据和故障模式间关联关系数据分别确定Rf→f、RP→P、RF→F；分别使用步骤2)中获得的失效原因、关键零部件和故障模式危害度排序的Q值确定Bf、BP、BF。
步骤3)构建的高端复杂装备可靠性分析模型示意图如附图2所示：模型中共有五层结点(模型中心结点C、故障模式层结点F、关键零部件层结点P、失效原因层结点f和指标层结点I)，对应于3.1)模型定义中的V；模型中的连边对应于3.1)模型定义中的R，每一条连边的权重对应于3.1)模型定义中的W，实线连边代表了不同结点层间关联关系，权重大小代表了下层结点引起上层结点异常的频率，虚线连边代表了同层结点间的关联关系，权重大小代表了同层结点间的相互影响的程度；模型中出了中心结点VC和指标结点VI，每个结点都有大小，代表了结点在模型重的更要度或危害度。
4)高端复杂装备可靠性分析。根据每个可靠性指标的实测值和可靠性阈值范围，动态划分步骤3)中装备可靠性模型的割集，结合本发明中定义的可靠性敏感度计算方法，得到各可靠性指标对***可靠性的敏感度，实现复杂装备可靠性分析。
4.1)确定引起装备可靠性变化的动因集合Se。根据各可靠性指标的实测值和可靠性阈值，计算该可靠性指标与可靠性安全阈值的距离，如距离大于安全距离，则将该指标Ii加入Se。
其中，为指标实测值与指标可靠性阈值的距离，一般使用隶属度函数进行计算，为该指标不引起失效原因起效的安全距离。
4.2)确定由于环节4.1)中动因所引发的装备可靠性模型变化割集。遍历环节4.1)中动因集合Se中的每一个元素ei，采用广度优先的策略，寻找步骤3)可靠性分析模型中所有到达中心结点VC的通路，所有的通路构成步骤3)可靠性分析模型的一个割集，该割集示意图如附图3所示，该割集代表了由于一个或一些可靠性评价指标异常所引起的失效原因、零部件失效、设备故障、可靠性波动的传播、级联和放大过程。
4.3)计算4.1)中动因对装备可靠性的敏感度，实现装备可靠性分析。使用下式计算由于5.1)中动因集合Se所引起的***可靠性总波动。
该计算结果代表了动因集合Se中元素对装备可靠性的敏感度，也代表了由于这些动因导致的装备可靠性总变动，实现了装备可靠性的分析。

Claims (9)

1.一种可靠性敏感度驱动的高端复杂装备可靠性分析方法，其特征在于，包括以下步骤：
1)高端复杂装备可靠性基础数据收集，收集高端复杂装备典型故障模式、失效原因以及频次和可靠性指标数据，整理高端复杂装备的关键零部件数据，梳理高端复杂装备零部件之间、故障模式之间和失效原因之间的影响关系数据；
2)高端复杂装备故障模式与影响分析，依据步骤1)收集到的高端复杂装备可靠性基础数据，对高端复杂装备进行故障模式和影响分析，获得装备关键零部件、故障模式和失效原因对装备可靠性的危害度排序；
3)高端复杂装备可靠性分析建模，将装备可靠性、装备典型故障模式、装备关键零部件、装备零部件失效原因和装备可靠性指标抽象为模型中的结点，并按照上述次序分层排列，将不同层和同层内的关联关系抽象为模型中的连边，将步骤1)中获取到的频次数据处理后作为不同层连边的权重，将步骤2)得到的危害度排序结果数据处理后作为模型中结点的权重；
4)高端复杂装备可靠性分析，根据每个可靠性指标的实测值和可靠性阈值范围，动态划分步骤3)中装备可靠性模型的割集，计算各可靠性指标对***可靠性的敏感度，实现复杂装备可靠性分析。
2.根据权利要求1所述的一种可靠性敏感度驱动的高端复杂装备可靠性分析方法，其特征在于，所述步骤1)，包含以下步骤：
1.1)原始数据收集，收集整理NF个高端复杂装备典型故障模式、Nf个失效原因、Np个关键零部件以及失效原因导致关键零部件失效的频次零部件失效导致故障模式发生的频次以及装备可靠性指标体系数据DI，并按照二维关系表方式进行存储，其中：fi表示第i个失效原因；Pi表示第i个关键零部件；Fj表示第j个故障模式；
1.2)分别确定失效原因之间、故障模式之间和关键零部件之间的影响关系矩阵；根据1.1)收集到的故障模式数据、失效原因数据和关键零部件数据，依据历史故障数据确定失效原因之间、故障模式之间和关键零部件之间的关联影响关系，获得Nf×Nf的失效原因影响关系矩阵，NF×NF的故障模式影响关系矩阵和NP×NP的关键零部件影响关系矩阵。
3.根据权利要求1所述的一种可靠性敏感度驱动的高端复杂装备可靠性分析方法，其特征在于，所述步骤2)，包含以下步骤：
2.1)建立基于语言信息的模糊语言术语集和对应的模糊数
针对故障模式与影响分析中的三个风险因素：严重程度S、发生率O和检测难度D建立各风险因素自然描述语言术语集以及对应的量化模糊数，构建各风险因素的量化评价准则；
2.2)基于评价准则的高端复杂装备失效原因及风险因素评价
依据2.1)构建的评价准则，对高端复杂装备故障模式、失效原因和关键零部件风险因素进行评分，形成高端复杂装备故障模式、失效原因和关键零部件风险因素的原始数据集；
2.3)基于粗糙集理论的专家评分信息融合
采用粗糙集理论将步骤2.2)中的评分值转化为区间数，并将获得的区间数进行融合，得到各失效原因、故障模式和关键零部件在各风险因素下的评价区间粗糙数以及融合后各风险因素的权重；
2.4)采用理想点方法计算风险优先级。
4.根据权利要求3所述的一种可靠性敏感度驱动的高端复杂装备可靠性分析方法，其特征在于，所述步骤2.4)包含以下步骤：
2.4.1)分别根据故障模式、失效原因和关键零部件的评价区间粗糙数，获得故障模式、失效原因和关键零部件在各风险因素下的理想解和负理想解，其中，理想解是各故障模式、失效原因和关键零部件指在各评价准则中的最佳值；负理想解指各故障模式、失效原因和关键零部件在各评价准则中的最差值；
2.4.2)计算各故障模式、失效原因和关键零部件在各风险因素下的评价区间粗糙数与理想解的距离；
2.4.3)根据各故障模式、失效原因和关键零部件在各风险因素下的评价区间粗糙数与理想解的距离，计算各故障模式、失效原因和关键零部件的群体效用最大化排序S，个体遗撼最小化排序R以及折中排序Q，本发明中以折中排序Q作为故障模式、失效原因和关键零部件危害度的最终排序依据。
5.根据权利要求1所述的一种可靠性铭感度驱动的高端复杂装备可靠性分析方法，其特征在于，所述步骤3)，包含以下步骤：
3.1)定义高端复杂装备可靠性分析模型基本结构；对于一个确定的高端复杂装备和给定的可靠性基础数据，定义其可靠性分析模型RM为一个三元组：
RM＝＜V,R,W＞
其中，
V＝{VC,VF,VP,Vf,VI},表示可靠性分析模型中的所有结点集合：VC代表模型中心结点，用以表示高端复杂装备的综合可靠性指标；VI、Vf、VP、VF分别代表可靠性分析模型中的可靠性指标、失效原因、关键零部件和典型故障模式结点；
R＝{RI→f,Rf→f,Rf→P,RP→P,RP→F,RF→F,RF→C}，表示可靠性分析模型中的所有关系矩阵集合：RI→f表示可靠性指标和失效原因之间的关联关系矩阵，Rf→f表示失效原因之间的关联关系矩阵，Rf→P表示失效原因和关键零部件之间的关联关系矩阵，RP→P表示关键零部件之间的关联关系矩阵，RP→F表示关键零部件和故障模式之间的关联关系矩阵，RF→F表示故障模式之间的关联关系矩阵；RF→C表示故障模式与模型中心结点的关联关系矩阵；
表示可靠性分析模型中所有的关系权重矩阵集合：Bf表示失效原因结点的权重矩阵，表示失效原因间关联关系的权重矩阵，表示失效原因与关键零部件间关联关系权重矩阵，BP表示关键零部件结点权重，表示关键零部件间关联关系权重矩阵，表示关键零部件与故障模式关联关系权重矩阵，BF表示故障模式结点权重矩阵，表示故障模式间关联关系权重矩阵；表示故障模式与模型中心结点的关联关系权重矩阵；
3.2)根据步骤1)收集到的可靠性基础数据和步骤2)中高端复杂装备故障模式影响分析获得的危害度排序结果，确定4.1)可靠性模型中的关系矩阵和权重矩阵。
6.根据权利要求5所述的一种可靠性铭感度驱动的高端复杂装备可靠性分析方法，其特征在于，所述步骤3.2)包含以下步骤：
3.2.1)确定3.1)模型中层间结点结的关联关系矩阵RI→f、Rf→P、RP→F、RF→C和权重矩阵根据步骤1)收集到的高端复杂装备可靠性基础数据，以失效原因导致关键零部件失效的有无和频次作为确定模型中失效原因层和关键零部件层关系和权重的确定依据；以关键零部件失效导致故障模式产生的有无和频次作为确定模型中关键零部件层和故障模式层关系和权重的确定依据；
3.2.2)确定3.1)模型中同层结点间的关联关系矩阵Rf→f、RP→P、RF→F和权重矩阵Bf、BP、BF；根据步骤1)收集到的高端复杂装备可靠性基础数据，以失效原因间关联关系数据、关键零部件间关联关系数据和故障模式间关联关系数据分别确定Rf→f、RP→P、RF→F；分别使用步骤2)中获得的失效原因、关键零部件和故障模式危害度排序的Q值确定Bf、BP、BF。
7.根据权利要求1所述的一种可靠性铭感度驱动的高端复杂装备可靠性分析方法，其特征在于，所述步骤4)包含以下步骤：
4.1)确定引起装备可靠性变化的动因集合Se
根据各可靠性指标的实测值和可靠性阈值，计算该可靠性指标与可靠性安全阈值的距离，如距离大于安全距离，则将该指标Ii加入Se；
其中，为指标实测值与指标可靠性阈值的距离，一般使用隶属度函数进行计算，为该指标不引起失效原因起效的安全距离；
4.2)确定由于环节4.1)中动因所引发的装备可靠性模型变化割集
遍历环节4.1)中动因集合Se中的每一个元素ei，采用广度优先的策略，寻找步骤3)可靠性分析模型中所有到达中心结点VC的通路，所有的通路构成步骤3)可靠性分析模型的一个割集；
4.3)计算4.1)中动因对装备可靠性的敏感度，实现装备可靠性分析
使用下式计算由于4.1)中动因集合Se所引起的***可靠性总波动：
该计算结果代表了动因集合Se中元素对装备可靠性的敏感度，也代表了由于这些动因导致的装备可靠性总变动，实现了装备可靠性的分析。
8.根据权利要求2所述的一种可靠性敏感度驱动的高端复杂装备可靠性分析方法，其特征在于，所述步骤1.2)采用统计分析方法或者依据领域专家经验知识的方法。
9.根据权利要求3所述的一种可靠性敏感度驱动的高端复杂装备可靠性分析方法，其特征在于，所述步骤2.2)采用专家打分法。
CN201711332578.7A 2017-12-13 2017-12-13 一种可靠性敏感度驱动的高端复杂装备可靠性分析方法 Expired - Fee Related CN108133090B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711332578.7A CN108133090B (zh) 2017-12-13 2017-12-13 一种可靠性敏感度驱动的高端复杂装备可靠性分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711332578.7A CN108133090B (zh) 2017-12-13 2017-12-13 一种可靠性敏感度驱动的高端复杂装备可靠性分析方法

Publications (2)

Publication Number Publication Date
CN108133090A true CN108133090A (zh) 2018-06-08
CN108133090B CN108133090B (zh) 2020-07-28

Family

ID=62389546

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711332578.7A Expired - Fee Related CN108133090B (zh) 2017-12-13 2017-12-13 一种可靠性敏感度驱动的高端复杂装备可靠性分析方法

Country Status (1)

Country Link
CN (1) CN108133090B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109377039A (zh) * 2018-10-12 2019-02-22 中国人民解放军92942部队 一种***任务可靠性关键故障因素分析方法
CN110991101A (zh) * 2019-11-15 2020-04-10 湖南城市学院 一种压缩式压电加速度计结构优化设计方法
CN111008784A (zh) * 2019-12-06 2020-04-14 中国水利水电科学研究院 一种引调水工程运行过程的风险识别方法
CN113433907A (zh) * 2021-06-24 2021-09-24 中国航空综合技术研究所 基于可靠性关键特性的航空机电产品设计可靠性控制方法
CN113516325A (zh) * 2020-04-10 2021-10-19 中国农业机械化科学研究院 基于信息融合的联合收割机制造质量分析决策方法及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682407A (zh) * 2012-04-06 2012-09-19 广东电网公司电力科学研究院 一种500kV终端变电站的综合可靠性评估方法
CN103279640A (zh) * 2013-04-23 2013-09-04 中国电子科技集团公司第三十六研究所 基于粗糙集理论和可靠性预计的星载电子***fmeca方法
CN103870659A (zh) * 2014-03-28 2014-06-18 吉林大学 一种数控机床故障分析方法
US20150272486A1 (en) * 2010-10-28 2015-10-01 Medtronic Minimed, Inc. Glucose sensor signal reliability analysis
CN106549826A (zh) * 2016-10-20 2017-03-29 国网安徽省电力公司电力科学研究院 智能变电站交换机网络性能测试评估方法
CN106600095A (zh) * 2016-07-27 2017-04-26 中国特种设备检测研究院 一种基于可靠性的维修评估方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150272486A1 (en) * 2010-10-28 2015-10-01 Medtronic Minimed, Inc. Glucose sensor signal reliability analysis
CN102682407A (zh) * 2012-04-06 2012-09-19 广东电网公司电力科学研究院 一种500kV终端变电站的综合可靠性评估方法
CN103279640A (zh) * 2013-04-23 2013-09-04 中国电子科技集团公司第三十六研究所 基于粗糙集理论和可靠性预计的星载电子***fmeca方法
CN103870659A (zh) * 2014-03-28 2014-06-18 吉林大学 一种数控机床故障分析方法
CN106600095A (zh) * 2016-07-27 2017-04-26 中国特种设备检测研究院 一种基于可靠性的维修评估方法
CN106549826A (zh) * 2016-10-20 2017-03-29 国网安徽省电力公司电力科学研究院 智能变电站交换机网络性能测试评估方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109377039A (zh) * 2018-10-12 2019-02-22 中国人民解放军92942部队 一种***任务可靠性关键故障因素分析方法
CN110991101A (zh) * 2019-11-15 2020-04-10 湖南城市学院 一种压缩式压电加速度计结构优化设计方法
CN110991101B (zh) * 2019-11-15 2022-08-02 湖南城市学院 一种压缩式压电加速度计结构优化设计方法
CN111008784A (zh) * 2019-12-06 2020-04-14 中国水利水电科学研究院 一种引调水工程运行过程的风险识别方法
CN113516325A (zh) * 2020-04-10 2021-10-19 中国农业机械化科学研究院 基于信息融合的联合收割机制造质量分析决策方法及***
CN113433907A (zh) * 2021-06-24 2021-09-24 中国航空综合技术研究所 基于可靠性关键特性的航空机电产品设计可靠性控制方法

Also Published As

Publication number Publication date
CN108133090B (zh) 2020-07-28

Similar Documents

Publication Publication Date Title
CN108133090B (zh) 一种可靠性敏感度驱动的高端复杂装备可靠性分析方法
CN107273924B (zh) 基于模糊聚类分析的多数据融合的电厂故障诊断方法
CN109766583A (zh) 基于无标签、不均衡、初值不确定数据的航空发动机寿命预测方法
CN113469241B (zh) 基于工艺网络模型与机器学习算法的产品质量控制方法
CN113360358B (zh) 一种自适应计算it智能运维健康指数的方法及***
CN104461896B (zh) 基于可信属性的航天***关键软件评价方法
CN111260261B (zh) 一种***概率风险自动评价方法
CN104933477A (zh) 一种利用输变电设备风险评估优化检修策略的方法
CN105867341B (zh) 一种烟草加工设备的在线设备健康状态自检方法及***
WO2017071369A1 (zh) 一种预测用户离网的方法和设备
CN112329955B (zh) 一种确定装备维修等级的计算方法
CN117579513B (zh) 汇聚分流设备的可视化运维***及其方法
Lyu et al. A data-driven approach for identifying possible manufacturing processes and production parameters that cause product defects: A thin-film filter company case study
CN114841598A (zh) 针对操作风险的决策方法、装置、设备和程序产品
CN116109212B (zh) 一种机场运行效率评价指标设计及监测方法
CN114548494A (zh) 一种可视化造价数据预测智能分析***
CN111813645B (zh) 一种基于决策图的在线指标异常检测方法
CN103198208B (zh) 一种适用于小子样情形的权重确定方法
TWI400619B (zh) 偵測產品品質超規與評估產品實際量測值的方法
CN114398769B (zh) 一种无人直升机飞行控制***评分自动获取方法
Rao et al. A hybrid Markov system dynamics approach for availability analysis of degraded systems
CN110376982B (zh) 一种基于改进fmea的控制分析方法
CN114638499A (zh) 一种基于犹豫模糊四阶段dea的公共文化效能评估方法
Ghaleb et al. Using fuzzy logic and discrete event simulation to enhance production lines performance: case study
Dweiri et al. The use of statistical quality control charts for the acceptance and sign-off process for web application products

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
TA01 Transfer of patent application right

Effective date of registration: 20190211

Address after: 710049 Xianning West Road, Xi'an, Xi'an, Shaanxi

Applicant after: XI'AN JIAOTONG University

Applicant after: STATE GRID CORPORATION OF CHINA

Applicant after: STATE GRID JIANGSU ELECTRIC POWER Co.,Ltd.

Applicant after: STATE GRID JIANGSU ELECTRIC POWER Co.,Ltd. MAINTENANCE BRANCH

Address before: No. 28 Xianning West Road, Xianning stele area, Xi'an, Shaanxi

Applicant before: Xi'an Jiaotong University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200728

CF01 Termination of patent right due to non-payment of annual fee