一種基於故障機理與域間映射的產品質量事故分級方法與流程

2023-07-15 00:23:41 4

本發明提供了一種基於故障機理與域間映射的產品質量事故分級方法，屬於質量管理領域。

背景技術：

本發明中研究的產品質量事故是狹義的質量事故，指在複雜產品的使用過程中，由於產品自身質量不達標而對人員、設備及環境造成負面影響的事件。近年來，產品功能與結構愈加複雜，不同種類的質量事故也日益頻發，這一問題在複雜產品與工程系統領域尤為突出。在理想情況中，所有已發生的質量事故都應該得到迅速而妥善的解決，然而在大多數情況下，製造商受制於有限的時間與企業資源，必須選擇其中重大而關鍵的質量事故進行優先解決。因此製造商希望找到一種全面而有效的質量事故分級方法，確定事故處理的優先級；對於政府宏觀質量監管部門而言，亦希望把發生在不同企業的不同產品上的質量事故所帶來的質量風險進行規範的量化度量，為開展宏觀的質量安全形勢控制和預警提供客觀依據和一手材料。

目前，在國家現行標準中，通常用事故所產生的直接經濟損失的大小和是否影響產品結構安全等作為事故分級的唯一標準。然而，單純地從事故損失定性分級有如下若干不足：首先，將事故損失作為唯一標準，容易導致管理人員過度重視造成巨大損失但非常罕見的質量事故，而忽略現有技術水平難以檢測和預防的多發性質量事故；其次，與產品功能邏輯結構結合不緊密，忽略質量事故發生機理，導致只能被動地對事故做出反應救火，不利於對類似事故開展主動檢測、預防和控制；最後，對現有質量事故相關症候大數據利用不足，不能充分挖掘質量損害事件、質量偏差、產品缺陷、環境應力等症候數據與事故之間的相關關係，嚴重影響了質量風險預警技術的發展。針對上述缺陷，本專利提出一種基於故障機理和域間映射的產品質量事故分級技術，從風險的角度對已發生的質量事故重新進行系統的挖掘分析，提出質量事故大數據概念與模型，通過故障機理與域間映射對不同質量事故的事故形成機理進行細緻的分析，進而將質量事故損失成本、事故發生概率、潛在事故可探測度作為事故風險因子，以此構建了產品質量事故風險係數模型作為事故分級與排序的依據，並且結合產品結構和基礎數據給出了各參數的定量計算方法。此外，風險因子與風險係數的計算結果能夠協助製造商查找產品薄弱環節，並為產品質量改進提供準確的數學依據。本發明提出一種基於故障機理與域間映射的產品質量事故分級方法，關注質量事故的全貌並強調其風險特性，既能保證事故分級與製造商資源分配的有效性，又能通過分析結果查找導致該類質量事故的潛在根原因以協助事故預防與質量持續改進。

技術實現要素：

(1)本發明的目的：

針對目前僅將事故後果的嚴重性作為唯一分級標準的不足，本發明提供一種新的產品質量事故分級方法——一種基於故障機理與域間映射的產品質量事故分級方法。將已發生的質量事故視為多維風險事件，根據故障機理與域間映射方法分析事故形成機理；進而將質量事故損失成本、事故發生概率與潛在事故可探測度視為風險因子並對其進行定量建模，進而考慮企業決策人員的風險因子偏好建立質量事故風險係數模型線，確定事故風險等級與排序。進一步地，根據風險因子與風險係數的計算結果能夠為製造商進行產品質量改進與事故預防提供定量依據。

(2)技術方案：

本發明是一種基於故障機理與域間映射的產品質量事故分級方法，提出的基本假設如下：

假設1採集到的用於事故分析的數據真實可靠；

假設2產品內部組件僅具有完好和失效兩種狀態。

基於上述假設，本發明提出的一種基於故障機理與域間映射的產品質量事故分級方法，其步驟如下：

步驟1 建立質量事故大資料庫；

步驟2 分析質量事故形成機理，確定直接導致質量事故的失效部件及引發該部件失效的主要故障機理與功能-物理域映射關係；

步驟3 計算質量事故損失成本；

步驟4 建立事故對應擴展故障樹並計算事故發生概率；

步驟5 建立事故對應的關鍵質量特性關聯樹並計算事故可探測度；

步驟6 結合企業風險偏好計算事故對應的風險係數值；

步驟7 根據企業決策確定事故風險等級界限，確定事故的風險等級與風險排序；

步驟8 根據計算結果識別產品薄弱環節，協助產品質量改進與事故預防。

其中，在步驟1中所述的「建立質量事故大資料庫」，是指從產品全壽命周期中提取能夠描述產品質量形成和演化過程的質量數據組成質量事故大資料庫。其做法如下：首先將質量事故大數據分為事故形成過程大數據與事故描述大數據，前者又包含質量設計數據、質量形成數據與質量表現數據。其次在智能製造背景下，上述數據可輕易從產品設計部門、製造部門、用戶反饋與事故分析第三方獲取。

其中，在步驟2中所述的「分析質量事故形成機理，確定直接導致質量事故的失效部件及引發該部件失效的主要故障機理與功能-物理域映射關係」，其分析方法如下：確定失效部件的主要故障機理，是考慮獨立故障、共因故障與級聯故障後確定所有可能導致該部件失效的故障模式及其邏輯關係；確定功能-物理域映射關係，則是指基於公理化設計中域間映射理論得出產品功能需求到物理結構的對應關係。理清部件功能失效的故障機理與功能-物理映射關係將為後續步驟的順利進行打下堅實基礎。

其中，在步驟3中所述的「計算質量事故損失成本」，其計算方法如下：

將事故後果以經濟損失衡量，結合企業財務審計核算得到質量事故損失成本Cqa，表達式為Cqa＝CD+CI+βCH，這裡CD表示直接成本，CI表示間接成本，β∈(0,1)表示權衡係數，CH表示隱性成本。

具體而言，直接成本CD指質量事故發生時幾乎一定會出現的、能在企業帳目中方便地查到具體數值的損失成本，表達式為CD＝Cdamage+Cmedical+Cfine+Cinsurance。其中，Cdamage表示質量事故導致的一切客觀事物毀壞造成的損失，包含事故導致的產品報廢、現場設備系統受損、現場堆放的原材料受損、生產環境的修復與重建、自然環境的汙染治理等；Cmedical指人員發生傷亡導致的成本，包含傷者的急救、治療與護理費用、死者的喪葬與撫恤金以及其他善後處理費用；Cfine指因違反相關法律法規導致的政府罰款；Cpremium指因質量事故導致保險公司提高涉事企業保險金導致的成本。

間接成本CI是指某些確實真實存在但不能直接從企業帳目中查得的成本。其表達式為CI＝Ccapacityloss+Cschedule+Crecruit+Cworktime+CWIP+Csafety。其中，Ccapacity loss指生產減緩甚至停滯造成的生產能力損失成本；Cschedule指為保證按期交付造成的外包費用與不能按時交貨造成的賠償金等構成的生產計劃遲滯成本；Crecruit指聘用臨時工代替受傷工人導致的人員招聘費用與崗前培訓費用；Cwork time指加班工資與相關員工因受到調查等導致的工作時間浪費造成的成本；CWIP指生產管理帶來的成本；Csafety指企業增加防護與監管所致的成本。

權衡係數β∈(0,1)用於描述決策人員對於隱性成本計算的信任與重視程度的係數。當β趨近0時，說明決策者極其不信任計算結果，並且基本不考慮隱性成本對於總損失成本的影響；反之則說明決策者考慮信任計算結果並將隱性成本視為總成本中的重要部分。

隱性成本CH指那些在質量事故發生後難以避免的、無法財務審計中直接或間接計算得出的成本，表達式為CH＝Ccustomer+Cbrand value loss，式中Ccustomer表示因客戶滿意度下降導致產品銷售利潤減少造成的損失，Cbrand value loss表示質量事故導致企業品牌價值下降造成的損失。

其中，在步驟4中所述的「建立事故對應擴展故障樹並計算事故發生概率」，其建立與計算方法如下：

首先將涉及級聯故障的組件模塊化地計算其失效概率，進而整體的形式參與以質量事故發生為頂事件的故障樹建模，最終得到包含獨立故障、共因故障與級聯故障的擴展故障樹，並計算質量事故發生概率Pqa，表達式為

其中Ki為第i個最小割集；n表示最小割集的個數。

其中，在步驟5所述的「建立事故對應的關鍵質量特性關聯樹並計算事故可探測度」，其建立和計算方法如下：

首先確定質量事故對應的關鍵質量特性，並根據域間映射方法建立起關鍵質量特性關聯樹，進而結合零件級測試性信息計算質量事故的可探測度Dqa，表達式為其中wi表示通過模糊決策得到的底層節點歸一化權重係數，FDRi為第i個節點的故障檢測率,n表示底層節點個數。

其中，在步驟6中所述的「結合企業風險偏好計算事故對應的風險係數值」，是指通過模糊決策確定企業對不同風險因子的偏好，進而確定事故風險係數值RN，表達式為為聯合加權係數，pi為風險概率係數，表示各風險因子與其最大接受值之比，wi為歸一化偏好權重係數，由模糊決策與專家評審共同確定。

其中，在步驟7中所述的「根據企業決策確定事故風險等級界限，確定事故的風險等級與風險排序」，是指通過諮詢企業決策人員同時結合歷史事故數據，確定事故風險等級界限的風險因子值並得出對應的風險係數分界線，據此確定特定事故所屬的風險等級並根據風險係數值對多個質量事故的事故處理優先順序進行排列。

其中，在步驟8中所述的「根據計算結果識別產品薄弱環節，協助產品質量改進與事故預防」，是指根據建立的擴展故障樹，計算各底事件對應的條件概率P(X|T)與概率重要度PID，據此確定最可能導致質量事故的根原因，同時通過關鍵質量特性關聯樹，確定難以探測其失效的零件，以協助製造商從降低事故發生概率與提高潛在事故可探測性兩方面進行質量改進與事故預防。

條件概率P(X|T)的表達式為其中X與分別表示特定底事件及其對立事件，T表示頂事件即質量事故；概率重要度PID的表達式為其中j＝1,…,i-1,i+1,…,n。

通過以上步驟，本發明所述的一種基於故障機理與域間映射的產品質量事故分級方法，針對不同類別的產品質量事故的分級排序問題，著眼於產品物理結構與故障模式，並充分考慮質量事故的風險特性，從根本上彌補了傳統方法中僅將事故損失作為唯一分級依據的不足，也有效地改善了在產品質量改進與事故預防中由於定量依據不足而導致的改進效果差的問題。

(3)本發明所述的一種基於故障機理與域間映射的產品質量事故分級方法，其使用方法如下：

步驟1 從企業設計與製造部門、用戶與事故調查第三方處儘可能多地搜集與質量事故與涉事產品質量形成與演化相關的有效數據，進而建立質量事故大資料庫；

步驟2 考慮獨立故障、共因故障與級聯故障模式，並結合域間映射理論得出的產品功能需求到物理結構的對應關係，確定質量事故發生機理；

步驟3 結合企業財務審計估算質量事故損失成本；

步驟4 根據事故機理建立對應的擴展故障樹並計算事故發生概率；

步驟5 根據事故機理建立對應的關鍵質量特性關聯樹並計算潛在事故可探測度；

步驟6 確定企業風險偏好，根據各風險因子值確定事故的風險係數；

步驟7 結合企業決策與歷史數據，確定質量事故風險等級對應的風險係數界限，並確定事故風險等級與排序；

步驟8 根據風險因子與風險係數的計算結果，提供產品質量改進與事故預防的定量建議。

(4)優點和功效：

本發明是一種基於故障機理與域間映射的產品質量事故分級方法，其優點是：

i.本發明重點關注了產品質量事故的風險全貌，突破了傳統方法中僅以事故損失為唯一分級標準的局限。

ii.本發明充分結合產品邏輯結構與故障機理，分析質量事故形成機理，並考慮智能製造帶來的大數據環境，對所採用的風險因子進行定量而精確的計算。

iii.本發明不僅能夠滿足產品質量事故分級需求，其計算結果也能為產品質量改進與事故預防提供很好的幫助。

附圖說明

圖1是本發明所述方法流程圖。

圖2是質量事故大資料庫示意圖。

圖3是擴展故障樹建樹結果示意圖。

圖4是關鍵質量特性關聯樹建樹結果示意圖。

具體實施方式

下面將結合附圖和實例對本發明做進一步詳細說明。

本發明是一種基於故障機理與域間映射的產品質量事故分級方法，見圖1所示，其步驟如下：

步驟1 建立質量事故大資料庫

收集某數控液壓設備電腦板報警故障所致質量事故的質量事故大數據。從企業設計與製造部門、用戶反饋、第三方事故報告確定描述產品質量演化與事故影響的相關數據，歸類形成質量事故大資料庫，如圖2所示。

步驟2 分析質量事故形成機理，確定直接導致質量事故的失效部件及引發該部件失效的主要故障機理與功能-物理域映射關係

經過諮詢設計人員得知，該設備中設置了防靜電模塊，以防止靜電損傷引起壓力電門、傳感器和脈衝發生器的共因故障，該設備由於結構明確，模塊化程度高，可認為不存在級聯故障。因此，電腦板報警故障可視為由各組間的獨立故障與上述靜電共因故障共同作用導致。從功能-結構的映射看，電腦板報警功能由報警顯示和壓力測量兩個模塊協同完成。首先，由壓力測量模塊實時測量設備壓力值，當壓力達到指定值時，其中的脈衝發生器便發射脈衝，將信號傳給報警顯示模塊，亮起警示燈，實現報警功能。

步驟3 計算質量事故損失成本

根據財務審計與市場情況，估算該質量事故造成的損失成本。直接成本、間接成本和隱性成本的計算明細分別如表1、2、3所示。

表1.直接成本計算表

因此，直接成本合計為CD＝46000+15000+12000+16000＝89000元。

表2.間接成本計算表

因此，間接成本合計為CI＝0+150000+3000+13850+0+25000＝191850元。

表3.隱性成本計算表

因此，隱性成本合計為CH＝346000+0＝346000元。

該企業決策人員對隱性成本非常重視，因此可認為信任係數β＝0.95。則根據以上結果，該質量事故損失成本為Cqa＝89000+191850+0.95×346000＝609550元。

步驟4 建立事故對應擴展故障樹並計算事故發生概率

根據步驟2中分析的故障機理，建立電腦板報警故障擴展故障樹，結合底事件發生概率計算質量事故發生概率。擴展故障樹建樹結果如圖3所示，圖中數字代表相應底事件的發生概率。各底事件代號對應的實際意義如表4所示。

表4.底事件代號實際意義對應表

結合所建擴展故障樹共存在11個最小割集，分別是：K1＝{X1,X2},K2＝{X3I},K3＝{CC,X3C},K4＝{X4},K5＝{X5},K6＝{X6,X7},K7＝{X8I},K8＝{CC,X8C},K9＝{X9I},K10＝{CC,X9C},K11＝{X10}。進一步地，結合各底事件發生概率數據，可得到事故發生概率Pqa＝P(K1∪K2∪...∪K11)＝0.0242。

步驟5 建立事故對應的關鍵質量特性關聯樹並計算事故可探測度

根據產品功能-結構映射關係建立關鍵質量特性關聯樹，如圖4所示。考慮樹的龐雜性，選取節點DP2.2.1.2(密封測量室)進行節點可探測度的計算演示。首先根據模糊決策方法確定子節點DP 2.2.1.2.1～DP 2.2.1.2.4的歸一化權重分別為0.2311，0.2604，0.1169，0.3416。又從產品運行與使用數據中，得到上述節點可探測度分別為0.24，0.17，0.21，0.45。因此上級節點DP 2.2.1.2(密封測量室)的節點可探測度為D2.2.1.2＝0.2311×0.24+0.2604×0.17+0.1169×0.21+0.3416×0.45＝0.2885。根據所建關聯樹自下向上逐層計算，最終可得到該質量事故的可探測度為Dqa＝0.3476。

步驟6 結合企業風險偏好計算事故對應的風險係數值

諮詢企業決策人員，確定各風險因子最大可接受值，計算風險概率pi，進而利用模糊決策確定決策人員對各風險因子的歸一化風險偏好權重wi，並最終得到該質量事故對應的風險係數值為1.2300，計算過程如表5所示。

表5.風險係數計算表

步驟7 根據企業決策確定事故風險等級界限，確定事故的風險等級與風險排序

諮詢企業決策人員並結合歷史事故數據，確定風險等級「輕微」與「一般」界限對應的風險概率值為p1＝p2＝p3＝0.3；風險等級「一般」與「嚴重」之間的界限對應的風險概率值為p1＝p2＝p3＝0.6，進而可以得出各等級界限對應的風險係數值分別為RN＝0.7787與RN＝0.13498。最終，可以確定該質量事故屬於「一般」質量事故。需要特別注意的是，該質量事故的RN值較為貼近「一般」級對應風險係數範圍的上界，這說明該事故在「一般」等級中較為值得關注，企業應適當予以資源分配上的傾斜。

步驟8 根據計算結果識別產品薄弱環節，協助產品質量改進與事故預防

根據風險因子與風險係數的計算結果，提供產品質量改進與事故預防的定量建議。首先根據擴展故障樹，計算各底事件對應的條件概率P(X|T)與概率重要度PID，計算結果如表6所示。

表6.底事件條件概率與概率重要度計算結果

從表中數據可知，雖然靜電共因故障涉及了三種不同的零件，但實際上最可能引發該事故的卻是X3,X8和X9的獨立故障，這三類故障更應該得到重視並予以適當控制。此外，事故可探測度對應的風險概率值為0.5793，顯著高於事故損失成本與發生概率的風險概率值，也是導致該事件整體風險程度偏高的重要原因，據此建議設計人員應在產品改進時注重於改善故障可探測性。

最後，將本專利提出的方法與傳統的僅以事故損失為分級依據的分級方法做對比，可以發現，若按照傳統方法進行分級，則該質量事故只屬於「一般」級中較輕微的事故，而本專利給出的基於故障機理與域間映射的產品質量事故分級方法則確定其為「一般」中較為嚴重的事故，這是因為本專利充分考慮了產品質量事故的風系全特性，能夠定量而系統地評價事故風險並確定事故的風險等級，較之傳統方法更具有科學性和實用性，能夠指導企業合理地分配資源，同時協助產品質量改進與事故預防。