基于模糊理論的汽車冷凝器PFMEA改進

張佳棟，夏蓓鑫

(上海大學機電與自動化工程學院，上海 200072)

基于模糊理論的汽車冷凝器PFMEA改進

張佳棟，夏蓓鑫

(上海大學機電與自動化工程學院，上海 200072)

為了解決傳統PFMEA中RPN分析存在的分辨率和準確性不高的問題，提出一種利用權重賦予法和模糊分析的綜合評價方法。通過引入專家組構建評價指標的判斷矩陣，基于一致性檢驗及算術平均法計算得到各評價指標的權重，以提高RPN的分辨率；綜合考慮評價指標權重集對指標的模糊評價矩陣的影響，賦予專家組的模糊評價矩陣不同的權重，以量化不確定的主觀判斷因素。研究結果表明：在汽車空調冷凝器制造PFMEA中出現工序RPN值相同和其風險順序不能反映實際情況的問題時，該綜合評價方法能夠對工序風險程度進行正確排序，加強了PFMEA對風險控制和預判的作用。

機械制造工藝與設備其他學科；PFMEA；汽車空調冷凝器；風險順序；RPN；模糊分析

作為一種風險評估工具，PFMEA主要應用于生產制造過程，是一種識別生產過程中失效潛在影響的重要方法[1]。管理者可以通過PFMEA實現風險排序，進而將有限的資源投入到最高風險的控制措施中，從而有效降低整個過程風險[2-3]。傳統的PFMEA一般使用RPN來確定風險順序，其中RPN=嚴重度(S，Severity)×發生頻度(O，Occurrence)×探測度(D，Detectability)[4]。

隨著市場競爭動態化、全球化和用戶驅動的趨勢加劇，制造業所面臨的挑戰也越來越嚴峻，PFMEA的作用開始凸顯[5]。然而，使用RPN來衡量風險的傳統PFMEA方法暴露出一系列問題[6-7]。其中一個重要問題是在一些情況下RPN值無法表征風險順序，具體包括：當RPN值相同時，無法判斷應當優先采取哪一項措施；RPN值越大并不意味著優先采取措施。例如在汽車空調冷凝器生產PFMEA中有A和B兩道工序，A釬焊工序的RPN為90，嚴重度為9，B氦檢工序的RPN為112，嚴重度為7。在這樣的情況下，即使B工序的RPN值比A工序的高，也不能確定是否應該對B工序先采取措施，因為A釬焊工序是全鋁式冷凝器制造過程中的核心工序[8]。另一個重要問題是，傳統風險分析的過程帶有很強的主觀判斷，如有時小組成員在評定風險時試圖通過設定一個較低的數值來降低RPN值[9]。這種行為雖然可以使措施的工作量減少，但是會使產品的風險大大增加。

鑒于以上情況，本文提出模糊綜合評價方法以解決上述問題。模糊綜合評價方法的優點在于能對信息呈現模糊性的資料作出比較科學、合理、貼近實際的量化評價[10]。因此，根據該方法，在綜合考慮嚴重度、發生頻度、探測度差異的基礎上，通過引入專家組，量化專家組的主觀因素，并對結論進行評分來確定風險優先級別[11]，從而加強PFMEA對風險控制和預判的作用。

1 模糊綜合評價法的PFMEA分析

1.1 收集PFMEA數據

收集PFMEA數據，建立PFMEA表格，這些數據應該包括：

1) 潛在的產品失效模式，是指過程中可能出現的不滿足設計要求和性能的問題點；

2) 潛在的后果，是指失效模式對產品質量可能引發的不良影響；

3)潛在的失效原因，是指失效是怎樣引起的，針對每個潛在的失效模式列出盡可能多的失效原因；

4) 現行控制的方式，是指在當前過程中，盡可能防止失效模式發生的控制方法的描述；

5) 風險順序，是指該項特性對于產品性能影響的嚴重程度。

1.2OSD權重評估

成立專家小組，對評價指標嚴重度(S)、發生頻度(O)、探測度(D)進行比較分析，建立判斷矩陣，行、列按照O，S，D3個元素排列，可通過表1選取O，S，D之間的比較數值Vij，其中用整數表示前者和后者比的重要程度，倒數表示后者和前者比的重要程度[12]。

表1 O，S，D比較數值

注：*選取數值2，4，6，8表示介于上述比較程度之間。

式(1)是第i個專家對O，S，D的判斷矩陣

(1)

對判斷矩陣Zi進行一致性檢驗，要求CR<0.1，否則需要對判斷矩陣進行修正，直到通過一致性檢驗。

CR=CI/RI，

(2)

1.3 確立各權重值

設評價指標權重向量為A，

A=(a1a2… an) 。

(3)

使用算術平均法對判斷矩陣Zi的每列進行平整化處理，分別得到O，S，D的權重分配[13]

(4)

1.4 建立模糊評價矩陣

首先對各工序中的失效因素的評價指標給予不同的評價等級Vj，讓專家組對各項指標進行評定，設V為評價等級集，它包含j個由專家組對指標的主觀評定信息的評分結果。

V={V1,V2,…,Vj} 。

(5)

一般取j=5，即極低、較低、一般、較高、極高5級評價等級：

V={V1,V2,V3,V4,V5}={極低，較低，一般，較高，極高} 。

(6)

然后由專家組對項目中的失效因素依據O，S，D3個指標進行打分，用Vij表示對第i項指標的第j級評價等級，再計算出不同評價等級在各項指標評價等級中的比例，用rij表示

(7)

最后，將上述專家組的主觀評價信息匯總，建立指標的模糊評價矩陣[14]

(8)

1.5 模糊綜合評價

(b1b2…bn)。

(9)

(10)

為了方便風險順序的排序，設M為模糊評價結論等級值，再建立等級矩陣C，矩陣中包含n項等級的評分數值，將模糊評價矩陣B點乘等級矩陣C的轉置矩陣，賦值后即得到結論等級值M：

C=(C1C2…Cn) ，

(11)

(12)

2 模糊綜合評價法的PFMEA應用

根據以上分析，以某汽車空調制造商為例[15]，按照客戶和TS16949要求制作冷凝器產品的PFMEA，如表2所示。

表2 冷凝器PFMEA

在該傳統的PFMEA表中存在2個問題。其一，存在A1工序和A2工序RPN值相同的情況。難以區分采取措施的優先順序。其二，存在不合理的情況。以A3工序和A5工序為例，兩者只在D上稍有偏差，使得A3工序比A5工序的RPN值高，但是A3工序的失效不會對冷凝器的性能有任何影響，而A5工序的失效則會使冷凝器性能下降。

現在使用模糊綜合評價法對表2中工序的風險進行重新排序。

1)建立項目專家小組，小組成員由質量經理、工藝經理、生產經理、項目工藝工程師、產品工程師、現場生產工程師組成，對表2中的評價指標O，S，D進行權重評估，根據評價結果建立判斷矩陣，見表3。

使用算術平均法計算每個專家的O，S，D權重矩陣Z，見表4。

對6個專家的權重結果進行平均化，得到權重向量A=(0.149 9 0.663 2 0.187 0)

專家組對失效模式從O，S，D3方面進行等級評價，見表5。

表3 O，S，D判斷矩陣

表4 O，S，D權重矩陣

表5 等級評價矩陣

統計各等級評分數量在評分總量上所占的比例，建立如下模糊評價矩陣。

分別與權重矩陣A相乘，得到如下每個工序風險的模糊評價。

B1=[0.03 0.16 0.1 0.05 0.66] ，

B2=[0 0.09 0.64 0.27 0]，

B3=[0 0.26 0.41 0.33 0] ，

B4=[0.10 0.11 0.13 0.11 0.55] ，

B5=[0 0.23 0.44 0.33 0] ，

B6=[0.12 0.06 0.16 0.55 0.11]。

利用等級矩陣C=[1 2 3 4 5]對以上模糊評價賦值，得到等級值M：

M1=4.15；M2=3.18；M3=3.07；M4=3.90；M5=3.10；M6=3.47。

匯總以上數據見表6，發現與傳統的RPN分析法相比，使用該方法得到結論等級值M都是不相同的，符合實際情況。

根據表6數據繪制帕累托圖(見圖1)，可以看到A1，A4，A6，A2工序的失效頻率占總失效頻率的70%以上，是產品失效的主要原因，應當優先采取措施預防風險。

圖1 工序失效帕累托圖Fig.1 Process failure Pareto diagram

3 結 論

改進后的PFMEA方法一方面利用O，S，D權重賦予法，通過專家組的評價矩陣、一致性檢驗及算術平均法確定評價矩陣的權重，從而將RPN中3項指標的差異因素凸顯出來，提高了RPN值的分辨率；另一方面引入模糊理論，綜合考慮評價指標權重集對指標的模糊評價矩陣的影響，進而賦予專家組的模糊評價矩陣不同的權重，從而大幅降低以往PFMEA方法中專家組存在的主觀判斷問題，提升了RPN值的準確性。汽車空調冷凝器制造的實例驗證表明該PFMEA在實際應用中能發揮更大作用。

[1] 王紹印.故障模式和影響分析(FMEA)[M].廣州:中山大學出版社,2003.

[2] CHANG C L, WEI C C, LEE Y H. Failure mode and effects analysis using fuzzy method and grey theory[J]. Kybernetes,1999, 28: 1072-1080.

[3] 鄧慧瓊, 徐剛, 張穎. 考慮隱性故障時電網二級連鎖過載的風險水平分析方法研究[J]. 河北科技大學學報, 2014, 35(2):164-171. DENG Huiqiong, XU Gang, ZHANG Ying. Researchon risk level analysis method of cascading overload in power grid with two stages considering recessive faults[J]. Journal of Hebei University of Science and Technology, 2014, 35(2): 164-171.

[4] AMBEKAR S B, EDLABADKAR A, SHROUTY V. A Review: Implementation of failure mode and effect analysis[J]. International Journal of Engineering and Innovative Technology, 2013, 2(8): 37-41.

[5] 王雷, 李震, 劉志虎，等. 基于信息素的制造系統動態協調研究[J]. 河北科技大學學報, 2014, 35(4):318-323. WANG Lei, LI Zhen, LIU Zhihu, et al. Research on pheromone-based dynamic coordination for manufacturing system[J]. Journal of Hebei University of Science and Technology, 2014, 35(4): 318-323.

[6]DINMOHAMMADI F, SHAFIEE M. A fuzzy-FMEA risk assessment approach for offshore wind turbines[J]. International Journal of Prognostics and Health Management, 2013,4: 1-10.

[7]SELLAPPAN N, PALANIKUMAR K. Modified prioritization methodology for risk priority number in failure mode and effect analysis[J]. International Journal of Applied Science and Technology,2013, 3(4): 27-36.

[8]蔣金龍.汽車鋁熱交換器的真空釬焊[J].焊接技術,1999(2): 8-10. JIANG Jinlong. Vacuum brazing of aluminum heat exchangers for automotive[J]. Welding Technology, 1999(2): 8-10.

[9]奚立峰,徐剛.FMEA在過程管理中的應用[J].工業工程與管理,2002(1):37-39. XI Lifeng, XU Gang. Application of FMEA in process management[J]. Industrial Engineering and Management, 2002(1):37-39.

[11]楊倫標,高英儀.模糊數學原理及應用[M].廣州:華南理工大學出版社,1993.

[12]任玉輝,肖羽堂. 層次分析法在校園火災危險性分析中的應用[J].安全與環境工程,2008, 15(1): 85-88. REN Yuhui, XIAO Yutang. Application of analytic hierarchy process to the campus fire hazard analysis[J]. Safety and Environmental Engineering, 2008, 15(1): 85-88.

[13]李榮鈞,鄺英強.運籌學[M].廣州:華南理工大學出版社,2002.

[14]熊啟才.數學建模方法及應用[M].重慶:重慶大學出版社,2005.

[15]張蕾.汽車空調[M].北京:機械工業出版社,2007.

Improvement of PFMEA for automobile condenser based on fuzzy theory

ZHANG Jiadong, XIA Beixin

(School of Electrical Engineering and Automation, Shanghai University, Shanghai 200072, China)

Aiming at the problems of low resolution and low accuracy of RPN(risk priority number) analysis in traditional PFMEA (process failure mode and effects analysis), a comprehensive evaluation method based on weight given and fuzz analysis techniques is proposed. Expert group is introduced to establish judgment matrix of evaluation indexes, then the weights are calculated based on consistency check and arithmetic method to improve the resolution of RPN. The effect of weight set on fuzzy judgment matrix is overall considered, and the fuzzy judgment matrixes of the expert group are assigned with different weights to quantize uncertain subjective factors. The results indicate that the proposed method can correctly sort the degrees of process risks when process RPN value is equal or the risk order cannot reflect actual condition in automobile air conditioning condenser, which strengthens the PFMEA’s abilities in risk control and prognosis.

other discipline of manufacturing processes and equipment; PFMEA; automobile air conditioning condenser; risk order; RPN; fuzz analysis

1008-1534(2016)04-0324-05

2016-03-15;

2016-04-01；責任編輯：馮 民

國家自然科學基金(71401098)；上海市高校青年教師培養資助計劃項目(ZZSD15047)

張佳棟(1985—)，男，上海人，碩士研究生，主要從事風險控制方面的研究。

夏蓓鑫博士，講師。E-mail: bxxia@shu.edu.cn

TH165.3

A

10.7535/hbgykj.2016yx04011

張佳棟，夏蓓鑫.基于模糊理論的汽車冷凝器PFMEA改進[J].河北工業科技,2016,33(4):324-328. ZHANG Jiadong, XIA Beixin.Improvement of PFMEA for automobile condenser based on fuzzy theory[J].Hebei Journal of Industrial Science and Technology,2016,33(4):324-328.