[发明专利]故障模式影响及危害性分析方法、计算机设备及存储介质

说明书

本申请涉及一种故障模式影响及危害性分析方法、计算机设备及存储介质。所述故障模式影响及危害性分析方法包括：获取各故障模式的各个风险因素的第一决策矩阵。获取各风险因素的风险权重向量。根据直觉二元语言效用加权集成算子与各风险因素的风险权重向量，将所述第一决策矩阵中的各故障模式的n种风险因素的直觉二元语言集成为各故障模式的综合二元语言。根据所述各故障模式的综合二元语言，获得各个故障模式的风险等级排序。本申请能够有效提高评估准确度。

技术领域

本申请涉及可靠性评价技术领域，特别是涉及一种故障模式影响及危害性分析方法、计算机设备及存储介质。

背景技术

故障模式影响及危害性分析(Failure mode effects and criticalityanalysis, FMECA)方法是分析产品所有可能的故障模式及其可能产生的影响，并按每个故障模式产生影响的严重程度及其发生概率予以分类的一种归纳分析方法。

传统的FMECA根据风险优先数(RPN)对产品的故障模式进行排序。该风险优先数是通过将风险因素的评价值相乘而获得的。因此，传统的FMECA过程比较简单，导致评估结果偏差较大。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高评估准确度的故障模式影响及危害性分析方法、计算机设备及存储介质。

一种故障模式影响及危害性分析方法，故障模式的数量为m个，风险因素的数量为n个，m、n均为大于1的正整数，所述方法包括：

获取各故障模式的各个风险因素的第一决策矩阵，所述故障模式的种类为 m，所述风险因素的种类为n，m、n均为大于1的正整数，所述第一决策矩阵为直觉二元语言决策矩阵；

获取各风险因素的风险权重向量；

根据直觉二元语言效用加权集成算子与各风险因素的风险权重向量，将所述第一决策矩阵中的各故障模式的n种风险因素的直觉二元语言集成为各故障模式的综合二元语言；

根据所述各故障模式的综合二元语言，获得各个故障模式的风险等级排序。

在其中一个实施例中，所述根据所述各故障模式的综合二元语言，获得各个故障模式的风险等级排序包括：

计算各故障模式的综合二元语言的期望效用值和犹豫度效用值；

根据所述期望效用值和所述犹豫度效用值，得到各个故障模式的风险等级排序。

在其中一个实施例中，所述根据所述期望效用值和所述犹豫度效用值，得到各个故障模式风险等级的排序包括：

判断两个故障模式的期望效用值是否相等；

如果两个故障模式的期望效用值不相等，则判定期望效用值相对较大的故障模式的直觉二元语言优于期望效用值相对较小的故障模式的直觉二元语言；

如果两个故障模式的期望效用值相等，判断两个故障模式的犹豫度效用值是否相等；

如果两个故障模式的犹豫度效用值相等，则判定两个故障模式的直觉二元语言相同；

如果两个故障模式的犹豫度效用值不相等，则判定犹豫度效用值相对较小的故障模式的直觉二元语言优于犹豫度效用值相对较大的故障模式的直觉二元语言。

在其中一个实施例中，所述获取各故障模式的各个风险因素的直觉二元语言的第一决策矩阵包括：

获取p个专家评价各故障模式的各个风险因素的直觉二元语言的专家决策矩阵，p为大于1的正整数；

根据直觉二元语言效用加权集成算子与各专家的专家权重向量，将所述p 个专家的专家决策矩阵集成为所述第一决策矩阵。