基于云模型與協(xié)同決策的FMEA耦合評估方法

安相華，蔡衛(wèi)國+，宋曉杰

(1.大連海洋大學(xué) 機(jī)械與動(dòng)力工程學(xué)院，遼寧 大連 116023; 2.大連理工大學(xué) 校園規(guī)劃與管理辦公室，遼寧 大連 116024)

0 引言

隨著市場競爭的日益激烈及科技的高速發(fā)展，提高產(chǎn)品生命周期各階段的質(zhì)量可靠性、有效避免產(chǎn)品功能質(zhì)量失效已經(jīng)成為提高客戶滿意度、增加市場占有率的有效策略。失效模式與影響分析(Failure Mode and Effects Analysis，F(xiàn)MEA)是一種系統(tǒng)化的功能質(zhì)量可靠性分析方法，該方法能夠在故障發(fā)生前通過識別產(chǎn)品潛在失效模式的風(fēng)險(xiǎn)程度合理配置資源，并采取相應(yīng)的干預(yù)措施來避免產(chǎn)品功能質(zhì)量的失效,因此具有未雨綢繆的科學(xué)意義。FMEA在航空航天、船舶、汽車、醫(yī)療及服務(wù)等眾多領(lǐng)域?yàn)闆Q策者提供了前瞻性的指導(dǎo)信息，并得到了廣泛認(rèn)可和良好的發(fā)展[1]。

最廣泛使用的FMEA方法是風(fēng)險(xiǎn)優(yōu)先數(shù)(Risk Priority Number, RPN)計(jì)算法，RPN由發(fā)生頻率O、嚴(yán)重度S和檢測難度D 3個(gè)風(fēng)險(xiǎn)因子決定。標(biāo)準(zhǔn)的RPN計(jì)算方法在學(xué)術(shù)界和企業(yè)界一直存在爭議[1-11]。業(yè)內(nèi)學(xué)者歸納了標(biāo)準(zhǔn)RPN計(jì)算法的4個(gè)不足：①風(fēng)險(xiǎn)因子O，S，D的評價(jià)采用精確數(shù)值，忽略了評價(jià)專家知識的模糊性和不確定性信息；②風(fēng)險(xiǎn)因子O，S，D的相對重要度未能區(qū)別對待；③風(fēng)險(xiǎn)因子O，S，D的評價(jià)數(shù)值相乘后可能得到相同的RPN值，其結(jié)果無法反映風(fēng)險(xiǎn)的內(nèi)涵和實(shí)質(zhì)；④風(fēng)險(xiǎn)因子O，S，D將數(shù)值直接相乘后得到RPN值的方法缺乏魯棒性，原因是RPN值對關(guān)鍵因素評價(jià)具有過高的敏感性。

為了解決上述問題，多年來國內(nèi)外大量學(xué)者圍繞RPN的計(jì)算方法進(jìn)行了一系列深入研究，使該領(lǐng)域的研究呈現(xiàn)出百家爭鳴的學(xué)術(shù)氛圍。KOK等[2]采用感知計(jì)算方法處理風(fēng)險(xiǎn)因子O，S，D及其權(quán)重評價(jià)過程中的語言不確定性信息，提出基于區(qū)間二型模糊集(interval type-2 fuzzy sets)和Karnik-Mendel算法的群決策RPN計(jì)算方法；聶文濱等[3]基于模糊集合理論、最大熵原理和廣義豪斯多夫距離等數(shù)學(xué)工具求得風(fēng)險(xiǎn)因子區(qū)間形式的風(fēng)險(xiǎn)順序數(shù),最后用逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution，TOPSIS)對工藝失效模式風(fēng)險(xiǎn)優(yōu)先數(shù)進(jìn)行排序；AHMET等[4]基于模糊集理論處理風(fēng)險(xiǎn)因子評價(jià)過程中的模糊性問題，結(jié)合模糊層次分析法和TOPSIS進(jìn)行RPN計(jì)算；WANG等[5]基于直覺模糊集合(Interval intuitionistic fuzzy sets)對不確定信息進(jìn)行建模，提出一種集成網(wǎng)絡(luò)分析法(Analytic Network Process，ANP)和復(fù)雜比例評價(jià)方法的FMEA新模型，進(jìn)而實(shí)現(xiàn)了RPN的有效評價(jià)；王浩倫等[6]提出一種基于模糊語言變量和三角型模糊軟集的FMEA風(fēng)險(xiǎn)群體決策評估方法；LIU等[7]為充分表達(dá)決策者的評價(jià)信息，建立了風(fēng)險(xiǎn)因子評價(jià)的模糊置信度模型，提出基于證據(jù)推理算法和灰色關(guān)聯(lián)算子的RPN評價(jià)方法；安相華等[8]將模糊粗糙數(shù)用于解決RPN評價(jià)過程中的不確定性問題，引入改進(jìn)的層次分析法和VIKOR算法實(shí)現(xiàn)RPN的初步排序，最后以復(fù)雜網(wǎng)絡(luò)分析失效模式之間的關(guān)聯(lián)性得到完善的RPN排序；CHANG等[9]通過建立失效模式與失效原因之間的網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系，提出一種灰色系統(tǒng)和決策試驗(yàn)和評價(jià)實(shí)驗(yàn)室(DEcision MAking Trial and Evaluation，DEMATEL)集成的RPN評價(jià)方法；伍曉榕等[10]運(yùn)用模糊集理論量化失效評估中專家經(jīng)驗(yàn)和語言的模糊信息，提出基于模糊TOPSIS和DEMATEL模型的模糊關(guān)聯(lián)FMEA方法；耿秀麗等[11]著眼于失效模式間關(guān)聯(lián)關(guān)系對RPN計(jì)算的影響，提出基于猶豫模糊語言、VIKOR方法和DEMATEL模型相集成的FMEA風(fēng)險(xiǎn)評估方法。

就其本質(zhì)而言，RPN的計(jì)算是一個(gè)不確定環(huán)境下的多屬性群體決策過程。雖然現(xiàn)有文獻(xiàn)對此進(jìn)行了深入研究并取得了豐富的理論成果，但在一些基礎(chǔ)性問題的處理上仍然有值得商榷或有待進(jìn)一步改善的地方，具體如下：

(1)在FMEA過程中的不確定信息的處理上，各種類型的模糊集 (如直覺模糊集、區(qū)間二型模糊集、猶豫集等)被廣泛用于不確定性信息的建模與處理并已取得顯著的效果，但模糊集在信息建模的最后階段都要將模糊信息通過去模糊化轉(zhuǎn)變?yōu)榫_數(shù)值，其間極有可能造成決策信息的失真。需要指出的是，隨機(jī)性是不確定信息的重要成分，但各種類型的模糊集在隨機(jī)性信息的處理上卻尤顯不足。

(2)失效模式的RPN計(jì)算是一個(gè)團(tuán)隊(duì)協(xié)同決策過程，如何融合不同專家的評價(jià)意見也是FMEA過程中的關(guān)鍵環(huán)節(jié)。傳統(tǒng)方法都是對FMEA專家賦予權(quán)重后將各專家的評價(jià)值按線性關(guān)系相加得到團(tuán)隊(duì)評價(jià)值，再根據(jù)各失效模式的團(tuán)隊(duì)評價(jià)值進(jìn)行排序。然而，各專家的認(rèn)知程度和知識水平不同，傳統(tǒng)方法缺乏必要的調(diào)解機(jī)制，不能有效處理專家意見的差異性和分歧性而難以滿足團(tuán)隊(duì)決策的“協(xié)調(diào)性”要求。

(3)產(chǎn)品失效模式之間是彼此關(guān)聯(lián)和傳播，而非孤立存在的。文獻(xiàn)[8-11]考慮到失效模式之間存在的關(guān)聯(lián)關(guān)系，利用復(fù)雜網(wǎng)絡(luò)或DEMATEL方法對失效模式之間的交互影響進(jìn)行建模分析，不足之處在于沒有從功能、物理等角度對失效模式的關(guān)聯(lián)傳播機(jī)理進(jìn)行深層次挖掘，缺乏關(guān)于失效模式之間耦合傳播的系統(tǒng)化分析方法，難以保證計(jì)算結(jié)果的客觀性和科學(xué)性。

針對以上問題，本文提出基于云模型和團(tuán)隊(duì)協(xié)同決策的產(chǎn)品耦合傳播FMEA方法。首先，在FMEA過程中采用云模型對具有模糊性和隨機(jī)性的專家評價(jià)信息進(jìn)行建模和處理，利用云模型的相關(guān)算法獲得各個(gè)專家關(guān)于失效模式的RPN計(jì)算值；其次，引入廣義證據(jù)理論對不同專家的評價(jià)結(jié)果進(jìn)行融合，獲得團(tuán)隊(duì)協(xié)同性的RPN決策結(jié)果；在此基礎(chǔ)上，基于解析結(jié)構(gòu)模型對失效模式之間的耦合關(guān)系進(jìn)行分析并定義了耦合傳播指數(shù)，進(jìn)而對RPN進(jìn)行修正并獲得完善的失效模式風(fēng)險(xiǎn)程度排序結(jié)果；最后以大型數(shù)控機(jī)床的失效模式分析為例，對所提方法的有效性進(jìn)行說明和驗(yàn)證。

1 基于云模型的決策機(jī)制

云模型(cloud model)，是信息工程領(lǐng)域科學(xué)家李德毅院士創(chuàng)新性提出的一種能夠?qū)⒍ㄐ愿拍蠲枋雠c定量數(shù)值表達(dá)實(shí)現(xiàn)有機(jī)結(jié)合的不確定信息映射模型。相對于猶豫集、粗糙集和各種模糊集理論，云模型不但能夠勝任不精確、模糊性和不完整信息的建模與計(jì)算，而且在處理隨機(jī)性信息方面具有獨(dú)特的優(yōu)勢，已經(jīng)成為近年來研究熱度較高的新型不確定信息處理理論，在知識發(fā)現(xiàn)、自動(dòng)控制和決策等多個(gè)領(lǐng)域得到廣泛應(yīng)用[12-15]。

1.1 云模型的基本概念[12]

如果定量化數(shù)值論域U是由一系列精確數(shù)值x構(gòu)成的非空集合，即x∈U，Y是描述U的定性概念，任意元素x(x∈U)是Y的一次隨機(jī)實(shí)現(xiàn)，且x對Y的確定度y=μ(x)，滿足μ(x)∈[0,1]是按照某種特定規(guī)律分別的隨機(jī)數(shù)，即

μ:U→[0,1]，?x∈U，x→μ(x)。

(1)

則x在U上的分布稱為云(cloud)，數(shù)學(xué)上表示為Y(U)；每個(gè)二元關(guān)系數(shù)組(x,y)稱為云滴(cloud drop)。

云模型在數(shù)學(xué)上可以利用數(shù)字特征的形式表示為Y(Ex,En,He)，其含義是Y所代表的定性概念可以通過云模型獨(dú)特?fù)碛械钠谕鸈x(expected value)，熵En(entropy)，超熵He(hyper entropy)3個(gè)數(shù)字特征來刻畫其中蘊(yùn)含的模糊性和隨機(jī)性。Ex是關(guān)于定性概念在統(tǒng)計(jì)學(xué)意義上的數(shù)學(xué)期望值，處于所有云滴構(gòu)成的論域空間重心，是最能體現(xiàn)定性概念的數(shù)字特征；En是定性概念不確定性程度的度量,體現(xiàn)了Ex的模糊性和隨機(jī)性，En的數(shù)值越大，表明定性概念的范疇越寬泛；超熵He是熵En的不確定性程度的度量，即En的熵，He同時(shí)反映了En的隨機(jī)性和模糊性，決定了論域空間中云滴不確定度的密集聚合程度。關(guān)于云的3個(gè)數(shù)字特征的詳細(xì)解釋和定義可以參考文獻(xiàn)[12]，限于篇幅，不再贅述。由于絕大多數(shù)科技和社會(huì)現(xiàn)象都符合正態(tài)分布規(guī)律，最具普適性和通用性的正態(tài)云模型成為理論研究和實(shí)際應(yīng)用中的重點(diǎn)。以定義在區(qū)間[0,1]上的論域?yàn)槔湟痪S正態(tài)云分布如圖1所示。

從云模型的定義可知，對于任意x∈U，x到論域[0,1]上的映射是一對多的變換，即x對U的確定度是一個(gè)概率分布而不是一個(gè)固定的數(shù)值。若x滿足x～N(Ex,En′2)，其中En′～N(En,He2)，且x對Y的確定度滿足

(2)

則x在論域U上的分布稱為正態(tài)云(normal cloud)。本文FMEA的風(fēng)險(xiǎn)評估過程中均使用一維正態(tài)云模型。

1.2 云模型的定性語言變量轉(zhuǎn)換

結(jié)合FMEA過程中風(fēng)險(xiǎn)等級評價(jià)的實(shí)際情況，本文擬采用7個(gè)語言標(biāo)度來評價(jià)產(chǎn)品失效模式的各種風(fēng)險(xiǎn)因子，因此利用黃金分割法[12-14]生成七朵云的數(shù)字特征如下：

定義1設(shè)Yα(Exα,Enα,Heα)，Yβ(Exβ,Enβ,Heβ)為兩朵云，則二者之間的Hamming距離定義為

(3)

2 基于云模型的風(fēng)險(xiǎn)優(yōu)先數(shù)評估方法

采用由h個(gè)專家EXk(k=1,2,…,h)組成的FMEA團(tuán)隊(duì)對產(chǎn)品失效模式的風(fēng)險(xiǎn)優(yōu)先數(shù)進(jìn)行評估。在這一決策過程中，假設(shè)產(chǎn)品一共具有m項(xiàng)可能的失效模式集合FM，記為FM=(FM1,FM2,…,FMm)，其中FMi(FMi∈FM,1≤i≤m)是第i項(xiàng)失效模式。從現(xiàn)有文獻(xiàn)的風(fēng)險(xiǎn)評估方式來看，多數(shù)學(xué)者都是只采用發(fā)生頻率、嚴(yán)重度和檢測難度3個(gè)傳統(tǒng)風(fēng)險(xiǎn)因子進(jìn)行評估，部分學(xué)者為了增加FMEA的應(yīng)用范圍，除了采用3個(gè)傳統(tǒng)風(fēng)險(xiǎn)因子外，又增加了失效檢測成本、失效影響程度、危險(xiǎn)波及范圍等其他種類的風(fēng)險(xiǎn)因子。因此，為了增加決策模型的適用范圍和通用性，本文假定失效模式的風(fēng)險(xiǎn)因子共有n項(xiàng)，記作集合RF=(RF1,RF2,…,RFn)，其中RFj(RFj∈RF，1≤j≤n)為第j種風(fēng)險(xiǎn)因子，對應(yīng)的權(quán)重集合為ω=(ω1,ω2,…,ωn)。因此，僅包括發(fā)生頻率O、嚴(yán)重度S和檢測難度D 3個(gè)風(fēng)險(xiǎn)因子的傳統(tǒng)FMEA模型可以認(rèn)為是本文模型(n=3時(shí))的一種特殊情況。為了客觀準(zhǔn)確計(jì)算RPN，決策者引入云模型對風(fēng)險(xiǎn)因子的風(fēng)險(xiǎn)程度進(jìn)行評價(jià)。

FMEA團(tuán)隊(duì)的h個(gè)專家以不確定環(huán)境下統(tǒng)一的語義變量集合{“非常高”、“很高”、“較高”、“一般”、“較低”、“很低”、“非常低”}作為定性概念來評價(jià)風(fēng)險(xiǎn)因子的風(fēng)險(xiǎn)程度，以論域U=[0,1]來映射7個(gè)定性的語義變量，因此生成關(guān)于語義變量的7朵云。FMEA團(tuán)隊(duì)的h個(gè)專家根據(jù)各自的知識和經(jīng)驗(yàn)，利用7朵云表征失效模式的風(fēng)險(xiǎn)程度，得到專家EXk關(guān)于產(chǎn)品失效模式的云模型評估矩陣

RF1RF2…RFn

(4)

(5)

為了評估失效模式的風(fēng)險(xiǎn)程度，需要選取具有參照價(jià)值的理想點(diǎn)以便于后續(xù)計(jì)算，借鑒TOPSIS方法中理想解的方法和思想，定義理想云

(6)

(7)

(8)

3 基于廣義證據(jù)理論的協(xié)同RPN決策

3.1 證據(jù)理論的基本概念

假定存在由q個(gè)互不相容的命題構(gòu)成的集合空間Θ={H1,H2,…,Hq}，Θ為辨識框架。如果在Θ上存在映射函數(shù)M:2Θ→[0,1],且滿足條件

(9)

式中：?是空集，2Θ為Θ的冪集。則稱M(A)是集合A?2Θ的基本概率分配(Basic ProbAbility Assignment,BPA)函數(shù),表示所提供的證據(jù)能夠證實(shí)命題集合A為真的可信度，如果M(A)>0,則稱M為A的焦元。M(Θ)是Θ的BPA函數(shù)，M(Θ)作為特殊焦元是一種不確定性的概率化度量，即所提供的證據(jù)無法證實(shí)Θ中任意一個(gè)命題為真的概率。

在同一辨識框架上的兩個(gè)獨(dú)立證據(jù)源給出的焦元為M1(A)和M2(A),根據(jù)Dempster正交和范式⊕,可以將M1(A)和M2(A)按照式(10)和式(11)進(jìn)行融合集結(jié)：

M1(A)⊕M2(A)=

(10)

K=M1(C)⊙M2(D)=

(11)

式中K稱為規(guī)?；蜃?，其值反映了證據(jù)源之間沖突的大小。當(dāng)焦元多于3個(gè)時(shí)，可按同樣的方法進(jìn)行遞歸融合集結(jié)。例如M1⊕M2⊕M3=M12⊕M3=M123，即先將M1和M2融合集結(jié)獲得M12后，再將M12與M3按式(10)和式(11)進(jìn)行正交加和，由此融合集結(jié)3個(gè)焦元得到M123。在辨識框架上，利用焦元可以定義命題集合A的信任函數(shù)Bel(A)和似真函數(shù)Pls(A)：

(12)

Bel(A)和Pls(A)分別表示置信程度的下限和上限。

3.2 基于廣義證據(jù)理論的協(xié)同決策模型

(14)

Mk(Θ)表示專家EXk確定失效模式集合風(fēng)險(xiǎn)排序的不確定程度，因?yàn)槊總€(gè)專家在計(jì)算失效模式的RPN時(shí)是采用云模型進(jìn)行評價(jià)的，所以引入概率分布式的不確定性。云模型的熵和超熵都是不確定成分的重要來源，廣義證據(jù)理論為分析這種不確定信息提供了一個(gè)可靠的渠道，而一般的評價(jià)方法均未考慮這種不確定性。根據(jù)廣義證據(jù)理論的思想，在邏輯上定義

(15)

考慮到FMEA團(tuán)隊(duì)中不同評價(jià)專家具有不同的權(quán)重，對每個(gè)證據(jù)源的焦元進(jìn)行修正，同時(shí)為方便計(jì)算，對兩類焦元進(jìn)行歸一化處理并得到新的焦元：

(16)

(17)

(18)

4 基于解析結(jié)構(gòu)模型的風(fēng)險(xiǎn)優(yōu)先數(shù)修正方法

產(chǎn)品失效模式之間的耦合關(guān)系可以概括[20]為功能耦合、物理耦合、結(jié)構(gòu)耦合、幾何耦合和維修耦合：①功能耦合指不同失效模式在實(shí)現(xiàn)同一功能時(shí)的相互作用;②物理耦合指失效模式之間在能量和物質(zhì)方面存在傳遞或交換的物理關(guān)系，如電流或力矩的傳遞或交換；③結(jié)構(gòu)耦合指失效模式之間在產(chǎn)品的零部件結(jié)構(gòu)或參數(shù)上的相互關(guān)系；④幾何耦合主要體現(xiàn)在不同失效模式在平行度、垂直度、同軸度等方面的幾何連接關(guān)系;⑤維修耦合可歸納為空間形位關(guān)系的耦合，涉及產(chǎn)生失效模式的零部件之間的聯(lián)接、緊固和裝配關(guān)系等，描述了產(chǎn)品生命周期各階段需要維修保養(yǎng)時(shí)所涉及的裝配性、拆卸性、維護(hù)性等。這5種耦合關(guān)系能夠詳細(xì)地描述產(chǎn)品失效模式的耦合作用機(jī)理。將這5種耦合關(guān)系解析為屬性集{ATy|y=1,2,3,4,5}賦予產(chǎn)品的失效模式，其中：AT1表示功能屬性，AT2表示物理屬性，AT3表示結(jié)構(gòu)屬性，AT4表示幾何屬性，AT5表示維修屬性。構(gòu)建產(chǎn)品失效模式屬性矩陣

AT1AT2AT3AT4AT5

(19)

式中Zi,y表示失效模式FMi的屬性ATy。

(20)

(21)

實(shí)驗(yàn)條件：785 nm激光器，光譜掃描范圍為3 500～200 cm-1，功率為360 MW，激光波長為785 nm，輸出時(shí)間為45 s。

(22)

(23)

5 案例分析與應(yīng)用

數(shù)控機(jī)床是將機(jī)械、電氣、控制等多種技術(shù)融為一體的復(fù)雜機(jī)電系統(tǒng)。隨著制造業(yè)的不斷升級，客戶對數(shù)控機(jī)床的加工精度、穩(wěn)定性等性能提出了越來越高的要求，保障數(shù)控機(jī)床綜合性能的關(guān)鍵便是失效模式與影響分析。本文以大型數(shù)控機(jī)床為研究對象來說明所提出方法的應(yīng)用與實(shí)現(xiàn)過程。大型數(shù)控機(jī)床對安全可靠性和質(zhì)量穩(wěn)定性有極高的要求，F(xiàn)MEA團(tuán)隊(duì)根據(jù)數(shù)控機(jī)床的特點(diǎn)和實(shí)踐經(jīng)驗(yàn)識別26項(xiàng)主要的失效模式，如表1所示。

表1 數(shù)控機(jī)床失效模式信息表

FMEA團(tuán)隊(duì)由來自研發(fā)、生產(chǎn)、質(zhì)檢、維修、管理部門的5位專家組成，其權(quán)重分別為μ1=0.15，μ2=0.25，μ3=0.17，μ2=0.3，μ5=0.13。FMEA團(tuán)隊(duì)結(jié)合數(shù)控機(jī)床的特點(diǎn)，通過層次分析法獲得發(fā)生

表2 單個(gè)專家的云模型評價(jià)信息表

表3 風(fēng)險(xiǎn)優(yōu)先數(shù)的成對比較矩陣

從數(shù)控機(jī)床的功能結(jié)構(gòu)特點(diǎn)出發(fā)，利用文獻(xiàn)[21]提出的基于層次分析法確定功能屬性AT1、物理屬性AT2、結(jié)構(gòu)屬性AT3、幾何屬性AT4、維修屬性AT5在解析結(jié)構(gòu)模型聚類過程中的各屬性聚類影響因子分別為：η1=0.164 8，η2=0.235 8，η3=0.193 7，η4=0.142 2，η5=0.263 5。根據(jù)數(shù)控機(jī)床的每個(gè)失效模式與聚類影響因子之間關(guān)聯(lián)關(guān)系數(shù)值分布的實(shí)際情況，將失效模式與聚類屬性之間的關(guān)聯(lián)關(guān)系通過0-1-3-5-9數(shù)值序列來表示不相關(guān)、弱相關(guān)、一般相關(guān)、強(qiáng)相關(guān)、極強(qiáng)相關(guān)等關(guān)聯(lián)強(qiáng)度，進(jìn)而構(gòu)成失效模式聚類樣本屬性關(guān)聯(lián)矩陣

則產(chǎn)品失效模式屬性矩陣Z可以表示為關(guān)聯(lián)矩陣Γ與聚類影響因子矢量[η1,η2,η3,η4,η5]的叉積，即[Zi,y]26×5=Γ?[η1,η2,η3,η4,η5]，具體數(shù)據(jù)如表4所示。

表4 數(shù)控機(jī)床失效模式屬性矩陣

6 結(jié)束語

FMEA的RPN計(jì)算是一個(gè)蘊(yùn)含多種不確定信息的團(tuán)隊(duì)協(xié)同群決策問題，而失效模式之間存在的耦合關(guān)聯(lián)關(guān)系使這一問題更加復(fù)雜化。為了提高決策的科學(xué)性和真實(shí)性，從而達(dá)到保障FMEA發(fā)揮前瞻性和預(yù)防性的目的，本文采用逐層展開的方式提出基于云模型的不確定信息處理方法、基于廣義證據(jù)理論的團(tuán)隊(duì)協(xié)同決策方法、基于解析結(jié)構(gòu)模型的關(guān)聯(lián)耦合分析方法三位一體的風(fēng)險(xiǎn)評估實(shí)施框架。最后，以大型數(shù)控機(jī)床的失效模式風(fēng)險(xiǎn)評估過程作為應(yīng)用案例，表明了所提方法的靈活性、可行性和實(shí)效性。

相對于現(xiàn)有的FMEA方法，本文提出的基于云模型與協(xié)同決策的FMEA耦合評估方法具有以下優(yōu)點(diǎn)：

(1)運(yùn)用云模型建模專家對風(fēng)險(xiǎn)因子的評估信息，從模糊性、隨機(jī)性兩個(gè)角度充分保證專家在憑借自身知識進(jìn)行決斷時(shí)，既具有最大的主觀能動(dòng)性又不失嚴(yán)謹(jǐn)性，較一般不確定性信息處理方法更加貼近實(shí)際。

(2)以廣義證據(jù)理論作為融合專家意見的手段打破了傳統(tǒng)決策方法賦權(quán)平均的思維定式，能夠模擬交際場景的談判方式，通過專家之間的利益均衡和互相妥協(xié)獲得協(xié)同性決策意見。

(3)基于解析結(jié)構(gòu)模型的失效模式耦合傳播分析方法，從失效模式發(fā)生耦合傳播的內(nèi)在機(jī)理這一全新視角出發(fā)，通過功能、物理、結(jié)構(gòu)等屬性建立失效模式之間的關(guān)聯(lián)耦合模型，定量地為失效模式風(fēng)險(xiǎn)的傳播性評估提供更客觀、全面的參考依據(jù)。文中提出的決策模型不僅適用于FMEA過程，還對其他領(lǐng)域的決策問題具有參考價(jià)值。

參考文獻(xiàn):

[1] LIU Huchen , LIU Long, LIU Nan. Risk evaluation approaches in failure mode and effects analysis:a literature review[J]. Expert Systems with Application,2013,40(2):828-838.

[2] KOK C C, CHIAN H J, KAI M T, et al. A perceptual computing-based method to prioritize failure modes in faiture mode and effect analysis and its application to edible bird nest farming[J]. Applied soft computing,2016,49(C):4000-4015.

[3] NIE Wenbin, LIU Weidong, HU Kun, et al. Process failure risk assessment based on group decision-making and the generalized hausdorff distance[J]. Computer Integrated Manufacturing Systems,2015,21(9):2484-2493(in Chinese).[聶文濱，劉衛(wèi)東，胡 坤，等.基于群決策和廣義豪斯多夫距離的工藝失效風(fēng)險(xiǎn)評估[J].計(jì)算機(jī)集成制造系統(tǒng),2015，21(9):2484-2493.]

[4] AHMET C K, MEHMET E L. Fuzzy failure modes and effects analysis by using fuzzy TOPSIS-based fuzzy AHP[J]. Expert Systems with Applications，2012,39(1):61-67.

[5] WANG Lien, LIU Huchen, QUAN Meiyun. Evaluating the risk of failure modes with a hybrid MCDM model under interval-valued intuitionistic fuzzy environments[J]. Computers & Industrial Engineering,2016,102(11):175-185.

[6] WANG Haolun, XU Xiangbin, GAN Weihua. Using triangular fuzzy soft sets risk evaluation method in FMEA[J]. Computer Integrated Manufacturing Systems,2015,21(11):3054-3062(in Chinese).[王浩倫，徐翔斌，甘衛(wèi)華.基于三角模糊軟集的FMEA風(fēng)險(xiǎn)評估方法[J].計(jì)算機(jī)集成制造系統(tǒng)，2015，21(11):3054-3062.]

[7] LIU Huchen, LIU Long, BIAN Qihao, et al. Failure mode and effects analysis using fuzzy evidential reasoning approach and grey theory[J]. Expert Systems with Applications,2011,38(4):4403-4415.

[8] AN Xianghua, YU Jingbo, CAI Weiguo. Fuzzy rough FMEA evaluation method based on hybrid multi-attribute decision and correlative analysis[J]. Computer Integrated Manufacturing Systems,2016,22(11):2613-2621(in Chinese).[安相華，于靖博，蔡衛(wèi)國.基于混合多屬性決策和關(guān)聯(lián)分析的模糊粗糙FMEA評估方法[J].計(jì)算機(jī)集成制造系統(tǒng),2016,22(11):2613-2621.]

[9] CHANG K H, CHANG Y C, TSAI I T. Enhancing FMEA assessment by integrating grey relational analysis and the decision making trial and evaluation laboratory approach[J]. Engineering Failure Analysis,2015,31(6):211-224.

[10] WU Xiaorong, QIU Lemiao, ZHANG Shuyou, et al. Correlated FMEA method of complex system with linguistic vagueness[J]. Journal of Zhejiang University：Engineering Science,2013,47(5):782-789(in Chinese).[伍曉榕，裘樂淼，張樹有，等.模糊語境下的復(fù)雜系統(tǒng)關(guān)聯(lián)FEMA方法[J].浙江大學(xué)學(xué)報(bào)：工學(xué)版，2013，47(5):782-789.]

[11] GENG Xiuli, ZHANG Yongzheng. Improved FMEA approach for risk evaluation based on hesitant fuzzy set[J]. Computer Integrated Manufacturing Systems, 2017, 23 (2) :340-348(in Chinese).[耿秀麗，張永政.基于猶豫模糊集的改進(jìn)FMEA風(fēng)險(xiǎn)評估方法[J].計(jì)算機(jī)集成制造系統(tǒng),2017 , 23 (2) :340-348.]

[12] LI Deyi, DU Yi. Artificial intelligence with uncertainty[M].Beijing:National Defence Industry Press,2005(in Chinese).[李德毅,杜 鹢.不確定性人工智能[M].北京:國防工業(yè)出版社,2005.]

[13] ZHANG Longchang, YANG Yanhong, ZHAO Xuhui. SaaS decision-making method based on cloud model[J]. Acta Electronica Sinica,2015,43(5):987-992(in Chinese).[張龍昌，楊艷紅，趙緒輝.基于云模型的SaaS決策方法[J].電子學(xué)報(bào)，2015,43(5)：987-992.]

[14] ZHAO Kun, GAO Jianwei, QI Zhiqiang, et al. Multi-criteria risky-decision-making approach based on prospect theory and cloud model[J]. Control and Decision,2015,30(3):17-23(in Chinese).[趙 坤,高建偉,祁之強(qiáng)，等.基于前景理論及云模型多準(zhǔn)則決策方法[J].控制與決策，2015,30(3)：17-23.]

[15] REN Jian. Linguistic-stochastic multi-criterion decision-making method based on cloud model[J]. Computer Integrated Manufacturing Systems,2012,18(12):2792-2797(in Chinese).[任 劍.基于云模型的語言隨機(jī)多準(zhǔn)則決策方法[J].計(jì)算機(jī)集成制造系統(tǒng)，2012，18(12):2792-2797.]

[16] WANG Hongli, FENG Yuqiang. On multiple attribute group decision making with linguistic assessment information based on cloud model[J]. Control and Decision, 2005, 20(6): 679-685(in Chinese).[王洪利，馮玉強(qiáng).基于云模型具有語言評價(jià)信息的多屬性群決策研究[J].控制與決策, 2005,20(6):679-685.]

[17] QIU Dishan, HE Chuan, ZHU Xiaomin. Ranking method research of interval numbers based on probability reliability distribution[J]. Control and Decision,2012,27(12):1894-1898(in Chinese).[邱滌珊,賀 川,朱曉敏.基于概率可信度的區(qū)間數(shù)排序方法[J].控制與決策，2012，27(12):1894-1898.]

[18] PALASH D. Uncertainty modeling in risk assessment based on Dempster-Shafer theory of evidence with generalized fuzzy focal elements[J]. Fuzzy Information and Engineering,2015,7(1):15-30.

[19] WANG Ruihong. Multi-mode intelligent reasoning and fusion based on generalized evidence theory[D].Shanghai:Shanghai Jiao Tong University，2015(in Chinese).[王睿虹.基于廣義證據(jù)理論的多模式智能推理與融合研究[D].上海：上海交通大學(xué)，2015.]

[20] DING Liping, TAN Jianrong, FENG Yixiong, et al. Construction of product module based on interpretive structure modeling and its optimization[J]. Computer Integrated Manufacturing Systems,2008，14(6):1070-1077(in Chinese).[丁力平，譚建榮，馮毅雄，等.基于解析結(jié)構(gòu)模型的產(chǎn)品模塊構(gòu)建及其優(yōu)化[J].計(jì)算機(jī)集成制造系統(tǒng)，2008，14(6)：1070-1077.]

[21] AN Xianghua, FENG Yixiong, TAN Jianrong, et al. Granularity decision method of product based on intelligent clustering algorithm[J]. Computer Integrated Manufacturing Systems,2010,16(4):689-745(in Chinese).[安相華，馮毅雄，譚建榮，等.基于智能聚類算法的產(chǎn)品粒度確定方法[J].計(jì)算機(jī)集成制造系統(tǒng)，2010，16(4):689-745.]