(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211302099.1 (22)申请日 2022.10.24 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 (72)发明人 刘宇　周晶　邹源甦　 (74)专利代理 机构 成都虹盛汇泉专利代理有限 公司 51268 专利代理师 王伟 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/04(2012.01) G06F 17/16(2006.01) (54)发明名称 基于可能性机会约束数据包络分析框架的 改进FMEA方法 (57)摘要 本发明公开了一种基于可能性机会约束数 据包络分析框架的改进FMEA方法， 首先将风险引 起的诱发因素引入FMEA， 其次， 构建一个包含串 联、 并联和网络结构形式的通用DEA 框架， 以构建 风险与诱发因素之间的结构相关性， 最后 在FMEA 中引入与Me测度相对应的PCCP模型， 在PCCP 模型 的协助下， 决策者对不精确的参数和/或机会约 束表现出灵活的态度， 从而可以协助决策者获得 稳定的故障模式优先级排序。 本发明的方法， 可 以支持决策者获得故障模式的稳定优 先级排序， 在多种结构形式的DEA框架下， 考虑决策者不同 的乐观悲观系数和置信度水平， 对故障模式的优 先级排序而言， 本发明方法的框架具有稳定的性 能， 不仅限于生产系统领域， 还可 以适用于供应 链网络的风险分析和环境评估等。 权利要求书5页 说明书16页 附图4页 CN 115481822 A 2022.12.16 CN 115481822 A 1.一种基于可能性机会约束数据包络分析框架的改进FM EA方法， 具体步骤如下： S1、 明确生产系统中潜在的故障模式、 可能存在的风险因素和诱发因素， 构建生产系统 的结构形式， 并形成生产系统与关系型 数据包络分析的对应关系模型； S2、 依据专家的知识和经验， 并结合生产 过程中的历史相关数据， 对潜在的故障模式风 险因素和诱发因素进行评估， 获得风险输入和输出矩阵； S3、 基于步骤S1中的对应关系模型， 并结合步骤S2中得到的风险输入和输出矩阵， 构建 以故障模式的期望效率 或期望虚拟输出最大化为目标的优化模型， 得到生产系统中潜在的 故障模式优先级排序。 2.根据权利要求1所述的一种基于可能性机会约束数据包络分析框架的改进FMEA方 法， 其特征在于， 所述 步骤S1中， 具体如下： S101、 厘清生产系统中潜在的故障模式的产生原因和可能的潜在后果， 构建FMEA评估 表； S102、 明确潜在的故障模式FM＝{FMj|FM1,FM2,...,FMJ}(j＝1,2,...,J)、 可能存在的I (i＝1,2,...,I)个风险因素和R(r＝1,2,. ..,R)个诱发因素； 其中， FM1,FM2,...,FMJ表示J个故障模式； S103、 构建生产系统与DEA的对应关系模型， 将生产系统中的工位与DEA中的阶段相对 应。 3.根据权利要求2所述的一种基于可能性机会约束数据包络分析框架的改进FMEA方 法， 其特征在于， 所述步骤S1中， 诱发因素具体为： 由风险或故障模式发生而导致生产系统 遭受损失成本和恢复时间。 4.根据权利要求1所述的一种基于可能性机会约束数据包络分析框架的改进FMEA方 法， 其特征在于， 所述 步骤S2中， 具体如下： S201、 定义决策者对风险因素和诱发因素的评估值， 使用梯形随机分布对每个故障模 式的风险因素和诱发因素进行评估； 其中， ξ＝( ξ(1), ξ(2), ξ(3), ξ(4))表示一组梯形随机分布， ξ(·)(·＝1,2,3,4)遵循均匀分 布U(a(·),b(·))， U表示均匀分布， 由a(·)(即最小值)和b(·)(即最大值)这两个参数定义； S202、 基于PCCP模型中的Me测度中对梯形随机分布的期望值进行定义， 从而可以计算 得到 ξ 的期望值(即EMe[ ξ ])； 利用Me测度对机会约束 进行清晰等 价处理： 其中， Me{...}表示Me测度下的机会约束运算符， χ表示预先设定 的未知变量， λ表示乐 观‑悲观系数， 其遵循均匀分布U(0,1)， α 表 示决策者对不精确参数和/或机会约束的置信水权　利　要　求　书 1/5 页 2 CN 115481822 A 2平， 其服从均匀分布U(0.5,1)； S203、 利用梯形随机分布对每个故障模式的风险因素和诱发因素进行评估， 得到风险 输入矩阵X＝[Xij]I×J和风险输出矩阵Y＝[Yrj]R×J； 其中， i＝1,2,...,I， j＝1,2,...,J， r＝1,2,...,R， Xij是一组梯形随机分布， 表示第j 个故障模式的第i个风险因素的观测值， Yrj也是一组梯形随机分布， 表示第j个故障模式的 第r个诱发因素的观测值。 5.根据权利要求1所述的一种基于可能性机会约束数据包络分析框架的改进FMEA方 法， 其特征在于， 所述 步骤S3中， 具体如下： S301、 划分生产系统的结构形式； 多工位串联、 并联和网络结构形式的生产系统， 基于步骤S103中的对应关系模型， 形成 多阶段串联、 并联和网络结构 DEA； S302、 建立基于PCCP模型的多阶段串联、 并联和网络结构DEA框架， 以故障模式的期望 效率或期望虚拟输出最大化 为优化目标， 以决策者对风险输入与风险传播的态度为约束； 则提出基于DEA框架的FM EA方法， 具体包括以下三类： (1)基于多阶段(单阶段和两阶段)串联DEA的FM EA方法： a.基于单阶段DEA的FM EA方法； 风险输入矩阵X＝[Xij]I×J和风险输出矩阵Y＝[Yrj]R×J分别对应于DEA 中的输入项和 输 出项， X和Y 之间的结构相关性是由DEA中的阶段所诱 发的； 下述优化模 型目的是在Me测度下 最大化第k(k∈J)个故障模式的期望效率(即 )： 其中， Xik是一组梯形随机分布， 表示第k个故障模式的第i个风险因素的观测值， Yrk也是 一组梯形随机分布， 表示第 k个故障模式的第r个诱发因素的观测值； ur和vi分别表示第r个 输出项和第i个输入项的乘 数， ε表示预先设定的一个非常小的常数； 约束 确保第k故障模式的期望效率为[0,1]， 机会约束 和 表示决策者对DEA中阶段的风险输入的乐观态度， 表示期望水平， 其服从均匀分布U(0, 1)； 机会约束集 表示决策者对DEA中阶段内的风险传播的 悲观态度， 表示保守水平， 其服 从均匀分布U(0,1)； α 表示决策者对不精确参数和/或机会 约束的置信水平， 其 服从均匀分布U(0.5,1)； b.基于两阶段串联DEA的FM EA方法；权　利　要　求　书 2/5 页 3 CN 115481822 A 3