摘 要:分析了传统故障模式危害性分析中采用的危害性矩阵分析法的缺陷,将故障检测难度和修复难度纳入危害性分析的范畴,提出了利用模糊多属性决策理论(FMADM)分析故障模式危害性的方法,利用逼近理想点(TOPSIS)的排序法,以某轮式底盘制动系统为例作了具体分析,确定出了制动系统的重要件和关键件,为系统测试性指标的分配提供了重要依据。
关键词:FMADM;故障模式;危害性;TOPSIS;行车制动系统
中图分类号:TJ307 文献标识码:A 文章编号:
Abstract: The limitation of traditional failure mode harmfulness analysis is analyzed, the hardness of test and maintenance is brought into the category of harmfulness analysis. The method that using the theory of Fuzzy Multiple Attributes Decision Making to analyze failure mode harmfulness is brought forward, and the technique for order preference by similarity to ideal solution is used to study a wheeled chassis’ brake system, the important and key modules are found, providing the important factors for system testability allocation.
Key words: FMADM; Failure mode; Harmfulness; TOPSIS; Brake system
引 言
在GJB/Z 1391-2006 中,将故障模式危害性分析(The failure mode, effects and criticality analysis,FMECA)的目的定义为:对产品每一个故障模式的严重程度及其发生的概率所产生的综合影响进行分类,以全面评价产品中所有可能出现的故障模式的影响[1]。在这个定义中,只考虑了故障模式的严酷度等级和发生概率两个方面的因素,而没有考虑检测难度和修复难度。在实际情况下,如果某一严酷度等级较高的故障模式不能被及时检测,且又不易及时修复,就会大大增加维修时间,从而可能贻误战机。某型轮式自行火炮是我军新研制并装备部队,具有多作战用途的轮式自行火炮,制动系统是火炮底盘的分系统之一,它控制着车辆的减速甚至停车,平稳下坡以及使已停驶的车辆保持不动,由于此系统技术密集度高,结构复杂,因此维修保障比较困难。为提高装备的维修保障能力,使装备具有良好的任务可靠性和安全性,需要对装备判别系统的重要件和关键件,并对其进行实时的状态监测和测试。
模糊多属性决策(Fuzzy Multiple Attributes Decision Making,FMADM),是用于对现实生活中影响某事件的许多界限不清的模糊问题进行综合分析,进而得出最优方案的分析方法,鉴于故障模式危害性分析中,对于影响故障模式危害性诸多因素的界限不清问题,提出了基于模糊多属性决策的故障模式危害性分析方法,并将检测难度等级和修复难度等级纳入危害性分析的范畴,与严酷度等级、发生概率等级一起组成评价故障模式危害性大小的四个因素,综合评估某一故障模式的危害性。
1 模糊多属性决策理论
模糊多属性决策是决策要素(准则、备选方案和约束条件等)含有模糊性的决策,也是合理的处理含有模糊性的决策时,使用的一套概念、方法和程序,以选择和决定备选方案[2]。由于在决策中常遇到许多界限不清的模糊问题,要处理大量不精确的数据,因此过分追求数学上的严谨和精密,就可能使得本质是模糊系统的分析不协调,甚至引起理论和实际问题之间的很大差距,并且随着系统的复杂性日渐增长,我们对系统特性的精确且有意义的描述能力将降低,直到达到一个阈值,一旦超过它,精确性和有意义性将变成两个几乎互相排斥的特性。模糊多属性决策是应用模糊数学的方法进行量化的决策,是一种方便、辅助决策的方法,分析对象为全部或部分决策要素具有模糊性的问题。其中主要涉及以下几个概念:
1) 模糊性——指客观事物处于共维条件下的差异在中介过渡时所呈现出来的“亦此亦彼”性,人们在识别事物时,总要先对它们进行分类,但有的事物无法找到精确的分类标准,因而很难明确其属于哪类,这种类属的不清晰(不明确)性就是一种模糊性。
2)模糊子集、隶属函数——称是论域U上的一个模糊子集,如果被一个从U到[0, 1]区间的函数所刻划:
则称为的隶属函数[3]。如梯形隶属函数可用图1表示。
图1 梯形隶属函数
3)属性——指物质客体的规定性。在决策中,指备选方案固有的特征、品质或性能,它们可以是客体的实际特性,也可以是主体认定的特性。
模糊多属性决策在实施过程中,首先根据实际工作的需要,在充分考虑现实性和可能性的基础上,提出需要进行决策研究的问题,并尽可能明确所需解决问题的总任务和总准则。然后根据所定义系统的关键变量及逻辑关系,形成若干备选方案。具体的实施过程用图2表示。
图2 模糊多准则决策过程
2 FMADM故障模式危害性分析基本原理
基于FMADM的故障模式危害性分析是对影响故障模式危害性大小的诸多因素进行逐项分析,并将其影响程度用模糊数予以描述,通过一定的数学方法来形成决策的模糊多属性决策。在进行故障模式危害性分析时,对于严酷度等级,发生概率等级,检测难度等级以及修复难度等级的划分是不能用清晰的界限来描述的。为方便分析,本文以表格方式给出故障模式严酷度等级(S)、发生概率等级(O)、检测难度等级(D)和修复难度等级(M)的分类准则和相关梯形模糊数,分别为表1、表2、表3和表4。
表1 严酷度等级(S)分类准则和相关梯形模糊数 S等级 分类准则 梯形模糊数 一般(Ⅳ) 不会对系统造成损害,但可能需要计划外的维修。 [0 0.15 0.25 0.40] 临界(Ⅲ) 造成一般损害,系统性能下降 [0.35 0.45 0.55 0.65] 致命(Ⅱ) 造成严重伤害,系统发生故障 [0.60 0.75 0.80 0.90] 灾难(Ⅰ) 造成人身伤亡或全系统损坏 [0.85 0.95 1.00 1.00]
表2 发生概率等级(O)分类准则和相关梯形模糊数 O等级 分类准则 梯形模糊数 A级(经常) Pm>10-1 [0.80 0.90 1.00 1.00] B级(有时) 10-2
表3 检测难度等级(D)分类准则和相关梯形模糊数 D等级 分类准则 梯形模糊数 微小(Ⅳ) 现行检测方法很可能检测出 [0 0.15 0.20 0.25] 小(Ⅲ) 现行检测方法基本上可以检测出 [0.20 0.35 0.45 0.60] 中等(Ⅱ) 现行检测方法可以检测 [0.55 0.65 0.75 0.85] 高(Ⅰ) 现行检测方法几乎不可能检测出 [0.80 0.95 1.00 1.00]
表4 修复难度等级(M)分类准则和相关梯形模糊数 M等级 分类准则 梯形模糊数 微小(Ⅳ) 使用分队可自己修复 [0 0.15 0.20 0.25] 小(Ⅲ) 基层级修理分队修复 [0.20 0.35 0.45 0.60] 中等(Ⅱ) 中继级修理分队修复 [0.55 0.65 0.75 0.85] 高(Ⅰ) 基地级修理分队修复 [0.80 0.95 1.00 1.00] 本文采用逼近于理想解的排序法(TOPSIS)[4]分析故障模式危害性的大小,并按照危害性大小进行排序。这种方法提出了“理想解”和“负理想解”两个概念。危害性分析是一个寻求危害性最大故障模式的过程,所谓理想解(记为x*)是一个设想的理想解,它表示危害性最大;而负理想解(记为x-)是一个危害性最小的解。将原故障模式集用X表示,把X中的每一个故障模式与x*和x-做比较,如其中有一个最接近x*,同时又最远离x-,则这个故障模式危害性应当为最大。此方法的具体实施步骤如下[2]: