基于改進(jìn)FMEA 的E-learning 系統(tǒng)質(zhì)量失效模式風(fēng)險(xiǎn)排序

宮華萍，尤建新

（1.同濟(jì)大學(xué)外國(guó)語(yǔ)學(xué)院；2.同濟(jì)大學(xué)經(jīng)濟(jì)與管理學(xué)院，上海 200092）

目前隨著互聯(lián)網(wǎng)教育市場(chǎng)的快速擴(kuò)張和競(jìng)爭(zhēng)的日趨激烈，E-Learning 系統(tǒng)質(zhì)量風(fēng)險(xiǎn)問題逐漸引起企業(yè)的關(guān)注。FMEA（Failure Modes and Effect Analysis，F(xiàn)MEA）是質(zhì)量風(fēng)險(xiǎn)管理的常用理論和方法，通過對(duì)失效模式的識(shí)別及評(píng)估分析，可有效確定失效風(fēng)險(xiǎn)的影響效應(yīng)，幫助企業(yè)決策［1］。運(yùn)用FMEA 對(duì)E-learning 系統(tǒng)進(jìn)行質(zhì)量風(fēng)險(xiǎn)分析，有助于企業(yè)有效識(shí)別并合理處理質(zhì)量風(fēng)險(xiǎn)。由于FMEA 傳統(tǒng)RPN 算法不足和無法處理語(yǔ)言評(píng)價(jià)等問題，區(qū)間二元語(yǔ)義作為一種功能強(qiáng)大的語(yǔ)言計(jì)算和轉(zhuǎn)化模型，被引入到FMEA 實(shí)踐應(yīng)用中。同時(shí)，失效模式風(fēng)險(xiǎn)排序是對(duì)多種評(píng)價(jià)意見和處理方案進(jìn)行綜合評(píng)價(jià)和擇優(yōu)的多準(zhǔn)則決策（Multiple Criteria Decision Making,MCDM）［2］問題。目前區(qū)間二元語(yǔ)義已廣泛應(yīng)用于各種MCDM 問題中［3-4］，且兩者結(jié)合在FMEA 問題中具有較大優(yōu)勢(shì)［5］。因此，本文提出結(jié)合區(qū)間二元語(yǔ)義變量和MCDM 方法中的ELECTRE（Elimination EtChoix Tradusiant la REalite i.e.,Elimination and Choice Expressing the Reality）［6］方法的改進(jìn)FMEA模型，以解決不確定語(yǔ)言環(huán)境下的FMEA 風(fēng)險(xiǎn)排序問題，提高排序的準(zhǔn)確性。最后以E-learning 系統(tǒng)質(zhì)量失效模式的風(fēng)險(xiǎn)排序?yàn)槔?yàn)證了模型的有效性，并對(duì)E-learning 系統(tǒng)研發(fā)企業(yè)提出了質(zhì)量風(fēng)險(xiǎn)管理的有益建議。

1 文獻(xiàn)研究及問題分析

傳統(tǒng)FMEA 通過對(duì)失效模式的三個(gè)風(fēng)險(xiǎn)因素——發(fā)生度(occurrence,O)、嚴(yán)重度(severity,S)和可檢測(cè)度(detection,D)進(jìn)行評(píng)分，并以三者乘積計(jì)算風(fēng)險(xiǎn)優(yōu)先數(shù)（risk priority number,RPN），對(duì)失效模式進(jìn)行評(píng)估和風(fēng)險(xiǎn)排序［7］。RPN 方法存在很多不足［8］，如：相同的RPN 值的風(fēng)險(xiǎn)影響可能完全不同；沒有考慮不同風(fēng)險(xiǎn)因素和專家評(píng)價(jià)的權(quán)重問題；風(fēng)險(xiǎn)因素值難以確定等。實(shí)際上，F(xiàn)MEA 風(fēng)險(xiǎn)評(píng)價(jià)通常由多個(gè)不同領(lǐng)域的專家完成，由于經(jīng)驗(yàn)背景和知識(shí)等的不同，評(píng)價(jià)信息差異較大，甚至有可能出現(xiàn)相互矛盾等極端情況。許多學(xué)者通過將FMEA 與其他方法，如粗糙集［9］、猶豫模糊集［10］、灰度關(guān)聯(lián)分析［11］、Cross 熵［12］、二元語(yǔ)義［13］、云模型［14］和數(shù)據(jù)包絡(luò)分析［15］等的結(jié)合，以彌補(bǔ)傳統(tǒng)FMEA方法在語(yǔ)言信息處理及風(fēng)險(xiǎn)因素權(quán)重等方面的不足。如Chang［16］等提出了灰色關(guān)聯(lián)分析方法的改進(jìn)FMEA，Selim 等［17］提出了TOPSIS 的改進(jìn)FMEA 模型，Song等［18］運(yùn)用熵概念對(duì)風(fēng)險(xiǎn)因素進(jìn)行客觀權(quán)重賦值。盡管目前研究為FMEA 風(fēng)險(xiǎn)評(píng)價(jià)提供了很多方法，但在提高語(yǔ)言評(píng)價(jià)信息轉(zhuǎn)化的精度及風(fēng)險(xiǎn)決策的準(zhǔn)確性方面仍有待更深入地研究。

區(qū)間二元語(yǔ)義能夠?qū)⒄Z(yǔ)言評(píng)價(jià)信息鎖定在某部分區(qū)間內(nèi)，有效處理語(yǔ)言評(píng)價(jià)信息模糊不確定的情況［19］，并根據(jù)需要形成多種類型的模糊集，如區(qū)間模糊集、直覺模糊集、猶豫模糊集等的研究［20］。其中猶豫模糊語(yǔ)言術(shù)語(yǔ)集（Hesitant Fuzzy Linguistic Term Set,HFLTS），采用文本自由語(yǔ)法，將評(píng)價(jià)信息中的自然語(yǔ)言轉(zhuǎn)化為HFLTS 算子進(jìn)行處理，可以有效提高信息聚集轉(zhuǎn)化的公正性和可靠性［21］。同時(shí)，區(qū)間二元語(yǔ)義與TOPSIS、VIKOR、PROMETHEE、ELECTRE 等測(cè)度理論的結(jié)合應(yīng)用研究逐漸興起，在多屬性決策領(lǐng)域具有較廣泛應(yīng)用前景。

為解決FMEA 實(shí)際應(yīng)用中語(yǔ)言評(píng)價(jià)信息的真實(shí)性、準(zhǔn)確性和公平性，本文提出結(jié)合區(qū)間二元語(yǔ)義和ELECTRE 的改進(jìn)FMEA 模型。與其他改進(jìn)FMEA不同的是，本文所提改進(jìn)方法更注重解決語(yǔ)言評(píng)價(jià)信息轉(zhuǎn)化過程中的不確定性、真實(shí)性和公正性，一方面利用HFLTS 進(jìn)行模糊不確定語(yǔ)言信息的量化轉(zhuǎn)換，另一方面通過區(qū)間二元語(yǔ)義混合加權(quán)平均算子，將FMEA 專家的相對(duì)權(quán)重納入到風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果的聚合過程中；同時(shí)與具有非補(bǔ)償性的ELECTRE 決策方法結(jié)合，提出新的結(jié)合區(qū)間二元語(yǔ)義群決策方法，提高FMEA 失效模式風(fēng)險(xiǎn)排序的準(zhǔn)確性。所提方法在處理模糊不確定語(yǔ)言環(huán)境下的多屬性決策問題具有更大的靈活性和準(zhǔn)確性，適用于E-learning 系統(tǒng)質(zhì)量失效模式風(fēng)險(xiǎn)排序問題。

2 改進(jìn)FMEA 模型構(gòu)建

在已有文獻(xiàn)對(duì)區(qū)間二元語(yǔ)義定義［22-23］和ELECTRE 方法［24］研究基礎(chǔ)上，本文將重點(diǎn)研究如何構(gòu)建結(jié)合區(qū)間二元語(yǔ)義變量與ELECTRE 的改進(jìn)FMEA 模型，并對(duì)改進(jìn)模型進(jìn)行案例應(yīng)用和效果驗(yàn)證。所構(gòu)建的改進(jìn)FMEA 模型分為兩部分，一是對(duì)失效模式進(jìn)行區(qū)間二元語(yǔ)義的風(fēng)險(xiǎn)評(píng)價(jià)，二是采用結(jié)合區(qū)間二元語(yǔ)義的ELECTRE 方法進(jìn)行失效模式的風(fēng)險(xiǎn)排序，改進(jìn)FMEA 模型原理圖如下（見圖1）。

圖1 改進(jìn)FMEA 模型

2.1 失效模式的風(fēng)險(xiǎn)評(píng)價(jià)

首先對(duì)FMEA 問題形成區(qū)間二元語(yǔ)義評(píng)價(jià)環(huán)境，然后采用混合平均算子對(duì)FMEA 團(tuán)隊(duì)意見進(jìn)行匯總，得到二元語(yǔ)義評(píng)價(jià)矩陣集合。設(shè)有項(xiàng)潛在失效模式，分別為每個(gè)失效模式有n項(xiàng)風(fēng)險(xiǎn)因素分別為。設(shè)FMEA 專家團(tuán)隊(duì)由K 位不同職能和專業(yè)領(lǐng)域的專家組成。由于FMEA 團(tuán)隊(duì)成員的相對(duì)重要性在現(xiàn)實(shí)中可能不同，因此設(shè)為團(tuán)隊(duì)成員的權(quán)重，和。為了減少偏見影響，專家成員的權(quán)重須正確設(shè)置。根據(jù)專業(yè)領(lǐng)域及知識(shí)經(jīng)驗(yàn)等的不同，F(xiàn)MEA 團(tuán)隊(duì)成員權(quán)重一般可通過評(píng)分法AHP 法或投票法等產(chǎn)生。若無法判別專家相互間的重要度差異，則應(yīng)設(shè)置相同的權(quán)重。

步驟1：使用語(yǔ)言術(shù)語(yǔ)評(píng)價(jià)失效模式。

確定FMEA 中失效模式風(fēng)險(xiǎn)因素級(jí)別評(píng)價(jià)的語(yǔ)言評(píng)分體系，并用區(qū)間二元語(yǔ)義方法來處理FMEA專家成員的語(yǔ)言評(píng)價(jià)。設(shè)10 個(gè)語(yǔ)言評(píng)價(jià)風(fēng)險(xiǎn)因素等級(jí)（見表1），用于評(píng)價(jià)風(fēng)險(xiǎn)因素的風(fēng)險(xiǎn)水平和語(yǔ)言術(shù)語(yǔ)表達(dá)。

表1 失效模式的語(yǔ)言術(shù)語(yǔ)評(píng)價(jià)等級(jí)

步驟2：聚合FMEA 專家評(píng)估為矩陣群。

在風(fēng)險(xiǎn)因素的風(fēng)險(xiǎn)級(jí)別評(píng)價(jià)中，可能存在FMEA 專家因個(gè)人知識(shí)或背景差異而給出極端風(fēng)險(xiǎn)值的情況，因此需要在計(jì)算過程中對(duì)此類極端評(píng)價(jià)設(shè)置較低權(quán)重，以使結(jié)果更加客觀公正。HWA 算子是一種聚合算子，其在同一個(gè)公式中使用加權(quán)平均算子和有序加權(quán)平均算子，可同時(shí)反映出給定參數(shù)和排序位置的重要性程度［25］。在區(qū)間二元組計(jì)算過程中加入混合加權(quán)平均(HWA)算子，形成區(qū)間二元HWA 算子，區(qū)間二元HWA 算子首先對(duì)給定參數(shù)進(jìn)行加權(quán)，然后按降序?qū)訖?quán)參數(shù)重新排序，并按OWA 權(quán)重對(duì)這些有序參數(shù)進(jìn)行加權(quán)，最后將所有加權(quán)參數(shù)聚合為一個(gè)集合。通過區(qū)間二元HWA 算子的聚合，可將FMEA 團(tuán)隊(duì)成員的個(gè)人意見聯(lián)結(jié)起來，并形成區(qū)間二元評(píng)價(jià)矩陣組。

在聚合過程中，需要將FMEA 團(tuán)隊(duì)成員的相對(duì)權(quán)重納入到風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果的聚合過程中。對(duì)于給定的區(qū)間二元組的評(píng)價(jià)級(jí)別，對(duì)于每個(gè)團(tuán)隊(duì)成員的加權(quán)區(qū)間二元組評(píng)級(jí)計(jì)算如下：

然后，根據(jù)加權(quán)區(qū)間二元組的評(píng)分和和精度，可確定所有加權(quán)區(qū)間二元組的排序順序。為了減少不公平評(píng)價(jià)對(duì)風(fēng)險(xiǎn)分析結(jié)果的影響，可采用通過正態(tài)分布方法［26］推導(dǎo)出OWA 權(quán)向量，其 中，，且。基于正態(tài)分布方法，評(píng)價(jià)值(參數(shù))越接近中間值，權(quán)重越大；相反，評(píng)價(jià)值與中間值的距離越遠(yuǎn)，權(quán)重越小。因此通過給“極端”或“有偏見”的風(fēng)險(xiǎn)評(píng)價(jià)設(shè)置較低的權(quán)重，可以減少不公平評(píng)價(jià)對(duì)最終結(jié)果的影響。

2.2 失效模式的風(fēng)險(xiǎn)優(yōu)先排序

ELECTRE 是一種基于多屬性效用理論的多準(zhǔn)則排序方法，目的是從一組提議方案中選擇最佳方案；其優(yōu)點(diǎn)是不具有補(bǔ)償性，可以考慮到影響性能評(píng)價(jià)的不確定性和模糊性。ELECTRE 根據(jù)和諧與不和諧指數(shù)來分析選項(xiàng)之間的越級(jí)關(guān)系，設(shè)定閾值過濾劣勢(shì)選項(xiàng)，選擇優(yōu)勢(shì)選項(xiàng)。基于上一階段確定的群體評(píng)價(jià)矩陣和風(fēng)險(xiǎn)因素組合權(quán)向量，實(shí)現(xiàn)結(jié)合二元語(yǔ)義變量的ELECTRE 法失效模式風(fēng)險(xiǎn)排序的步驟總結(jié)如下。

和諧集的相對(duì)評(píng)價(jià)值可通過對(duì)該集合中和諧風(fēng)險(xiǎn)因子的權(quán)重確定，即和諧指數(shù)的值通過對(duì)和諧集的風(fēng)險(xiǎn)因素的聯(lián)合權(quán)重進(jìn)行相加計(jì)算得到。因此，對(duì)于失效模式對(duì)的和諧指數(shù)計(jì)算如下：

不和諧矩陣D的表達(dá)式為：

步驟5：構(gòu)造和諧超矩陣F和不和諧超矩陣G。

矩陣F中的每個(gè)單位元素表示該失效模式是有效且超其他失效模式的。

同理，不和諧矩陣D的閾值被指定為平均不和諧指數(shù)D，其計(jì)算公式為：

不和諧超矩陣G可以通過比較失效模式對(duì)的不調(diào)和指數(shù)與閾值的關(guān)系得到，其構(gòu)造方式如下：

矩陣G中的單位元素表示該失效模式超其他失效模式主導(dǎo)關(guān)系。

步驟6：確定聚合超矩陣H。

步驟7：構(gòu)建風(fēng)險(xiǎn)曲線，確定非越級(jí)失效模式。

在矩陣H基礎(chǔ)上確定風(fēng)險(xiǎn)曲線，確定失效模式的部分風(fēng)險(xiǎn)級(jí)別。如果，則表示不論是和諧指數(shù)還是非和諧指數(shù)，的優(yōu)先級(jí)是超過的；如果，則表示之間無關(guān)或不可比較。因此，確定是否為非越級(jí)失效模式的條件如下：

若上述兩個(gè)條件不能同時(shí)滿足，則可得到非越級(jí)失效模式。若矩陣H的任何一列中至少有一個(gè)元素為1，那么該列是被對(duì)應(yīng)的行所超的，因此可以從矩陣H 中消除。需要注意的是，公式（11）和（13）得到的和的閾值可用以確定風(fēng)險(xiǎn)標(biāo)準(zhǔn)，以識(shí)別該列最嚴(yán)重的失效模式。只要公式（16）對(duì)于任何失效模式都不成立，則可調(diào)整閾值至出現(xiàn)一部分高風(fēng)險(xiǎn)失效模式為止。

通過矩陣H可清晰識(shí)別非越級(jí)失效模式，得到部分風(fēng)險(xiǎn)級(jí)別，并消除比較不重要的風(fēng)險(xiǎn)模式。但僅根據(jù)風(fēng)險(xiǎn)閾值曲線并不能確定所有失效模式的風(fēng)險(xiǎn)排序。可通過互補(bǔ)分析計(jì)算其凈超關(guān)系對(duì)F 所有失效模式進(jìn)行線性排序。

步驟9：確定失效模式的風(fēng)險(xiǎn)等級(jí)。

3 模型應(yīng)用

3.1 案例應(yīng)用

目前市場(chǎng)上E-learning 系統(tǒng)以語(yǔ)言學(xué)習(xí)和K12教育為主，其中語(yǔ)言學(xué)習(xí)類E-learning 系統(tǒng)數(shù)量多、受眾廣，覆蓋至學(xué)前教育、中小學(xué)、大學(xué)及非正式教育的各個(gè)階段。本文以某公司一款大學(xué)英語(yǔ)自主學(xué)習(xí)E-learning 系統(tǒng)為例，進(jìn)行失效模式的風(fēng)險(xiǎn)排序研究。在前期研究中，通過服務(wù)接觸分析和關(guān)鍵事件法，共確定13 項(xiàng)質(zhì)量失效模式，其具體內(nèi)容及原因和影響如下（見表2）。

表2 E-learning 系統(tǒng)質(zhì)量失效模式分析

FMEA專家團(tuán)隊(duì)成員由與案例產(chǎn)品相關(guān)的企業(yè)、學(xué)校和用戶通過推薦和挑選產(chǎn)生，要求企業(yè)代表應(yīng)具備豐富的產(chǎn)品設(shè)計(jì)或研發(fā)經(jīng)驗(yàn)，直接參與案例產(chǎn)品的設(shè)計(jì)和決策；學(xué)生用戶和老師代表要求有至少2 年且2 種以上在線語(yǔ)言學(xué)習(xí)產(chǎn)品使用經(jīng)驗(yàn)，同時(shí)具備該案例產(chǎn)品至少一年以上使用經(jīng)驗(yàn)。最后確定5 位來自企業(yè)、學(xué)生和老師組成FMEA 專家團(tuán)隊(duì)，分別標(biāo)記為,,…，，以評(píng)價(jià)質(zhì)量失效模式的風(fēng)險(xiǎn)影響。考慮到不同專家的背景和經(jīng)驗(yàn)，為反映風(fēng)險(xiǎn)評(píng)價(jià)信息的準(zhǔn)確性并減少極端偏見的影響，經(jīng)對(duì)專家成員的重要度打分和歸一化處理后，確定各專家權(quán)重為。所考慮的風(fēng)險(xiǎn)因素包括發(fā)生率(O)、嚴(yán)重程度(S)和可檢測(cè)度(D)三項(xiàng)。風(fēng)險(xiǎn)因素權(quán)重通過專家打分確定，通過歸一化處理最后得到的相對(duì)權(quán)重分別是0.45、0.3和0.25。根據(jù)本文所提出的改進(jìn)FMEA 模型，對(duì)案例E-learning 系統(tǒng)質(zhì)量失效模式風(fēng)險(xiǎn)優(yōu)先排序研究，具體實(shí)施過程如下。

首先，對(duì)風(fēng)險(xiǎn)評(píng)價(jià)進(jìn)行二元語(yǔ)義轉(zhuǎn)化。依照表1 所列出的語(yǔ)言評(píng)價(jià)量表，對(duì)失效模式風(fēng)險(xiǎn)等級(jí)按語(yǔ)言特征進(jìn)行評(píng)價(jià)，形成評(píng)價(jià)語(yǔ)言術(shù)語(yǔ)集。5 名專家成員對(duì)13 種關(guān)鍵質(zhì)量失效模式的每種風(fēng)險(xiǎn)因素進(jìn)行了語(yǔ)言評(píng)價(jià)如表2所示。在FMEA 團(tuán)隊(duì)成員對(duì)失效模式關(guān)于O、S 和D的評(píng)價(jià)后，根據(jù)語(yǔ)言評(píng)價(jià)術(shù)語(yǔ)量表轉(zhuǎn)換標(biāo)準(zhǔn)，F(xiàn)MEA團(tuán)隊(duì)對(duì)失效模式風(fēng)險(xiǎn)等級(jí)語(yǔ)言評(píng)價(jià)信息轉(zhuǎn)化為相應(yīng)的區(qū)間二元語(yǔ)義變量組，見表3。

表3 FMEA 團(tuán)隊(duì)對(duì)失效模式的語(yǔ)言評(píng)價(jià)

由于步驟2 中需要進(jìn)行混合聚合計(jì)算，考慮到每個(gè)FMEA 專家成員的相對(duì)重要性，需要計(jì)算加權(quán)區(qū)間二元組。通過使用基于正態(tài)分布的權(quán)重方法，將與OWA 相關(guān)的權(quán)重向量確定為：

利用Eqs.(1)-(2)對(duì)失效模式進(jìn)行分組評(píng)價(jià)，構(gòu)建的集體評(píng)價(jià)矩陣如表4 所示。

表4 失效模式及風(fēng)險(xiǎn)因素權(quán)重的二元語(yǔ)義分組評(píng)價(jià)

風(fēng)險(xiǎn)因素相對(duì)權(quán)重的準(zhǔn)確設(shè)定對(duì)失效模式風(fēng)險(xiǎn)排序結(jié)果有重要影響。風(fēng)險(xiǎn)因素權(quán)重可采用0-1 打分法確定，設(shè)0=非常不重要，1=非常重要。經(jīng)過專家打分法后的歸一化處理，確定風(fēng)險(xiǎn)因素O、S 和D 的權(quán)重分別為0.45，0.30，0.25。

在步驟8 中，通過公式（11）和（13）分別得到和諧指數(shù)與不和諧指數(shù)的平均值（閥值），。通過公式（12）和（14）構(gòu)造和諧超矩陣F(見圖2)和不和諧超矩陣G（見圖3）。在步驟9 中，通過公式（15）得到越級(jí)聚合矩陣H（見圖4）。

根據(jù)矩陣H的每個(gè)元素值，得到案例產(chǎn)品13項(xiàng)失效模式間的越級(jí)關(guān)系為：

FM3＞FM1,FM2,FM6,…,FM9;

FM4＞FM1,FM2,FM7,FM8,FM10;

FM5＞FM1,FM2,FM8,FM10;

FM6＞FM1,FM2,FM10;

FM7＞FM1,FM5,FM6;

FM8＞FM1,FM2;

FM9＞FM5,FM6,FM7;

FM10＞FM1,FM2,FM8;

FM11＞FM1,FM2,FM5,…,FM10;

FM12＞FM1,FM2,FM4,FM5,FM7,FM8;

FM13＞FM1,FM2,FM5,FM7,FM8,FM10。

圖3 不和諧超矩陣G

圖3 不同F(xiàn)MEA 失效模式風(fēng)險(xiǎn)排序比較

圖4 越級(jí)聚合矩陣H

在步驟10 中，使用越級(jí)聚合矩陣H 得到E-learning 系統(tǒng)失效模式的風(fēng)險(xiǎn)圖（見圖5）。由此得到FM1、FM2被FM3,…,FM8,FM10…,FM13所超；FM4被FM12所 超；FM5被FM7、FM9、FM11,…,FM13所超；FM6被FM3、FM7、FM9,…FM11所超；FM7被FM3、FM4、FM9、FM11,…FM13所 超；FM8被FM3,…FM5、FM10,…FM13所超；FM9被FM3和FM11所超；FM10被FM4,…FM6、FM11和FM13所 超。而FM3、FM11、FM12、FM13這四項(xiàng)優(yōu)先于其他失效模式，屬于非越級(jí)失效模式。

圖5 失效模式的風(fēng)險(xiǎn)分析越級(jí)關(guān)系

根據(jù)步驟10 識(shí)別出風(fēng)險(xiǎn)級(jí)別高于其他項(xiàng)的重要失效模式，能確定部分關(guān)鍵失效模式。但對(duì)部分失效模式之間的越級(jí)關(guān)系是無法判斷的，如FM3與FM4、FM11與FM12、FM12與FM13等。為了實(shí)現(xiàn)失效模式的完整排序，需根據(jù)公式 (17)和(18)來計(jì)算所有失效模式的純和諧指數(shù)和純不和諧指數(shù)（見表6）。

表6 改進(jìn)FMEA 模型失效模式風(fēng)險(xiǎn)排序

3.2 比較和討論

為了驗(yàn)證本文改進(jìn)FMEA 方法的有效性，將其與傳統(tǒng)RPN 方法和其他改進(jìn)FMEA，如二元語(yǔ)義結(jié)合TOPSIS 法（已投稿）的風(fēng)險(xiǎn)排序結(jié)果比較。通過上述方法得到的13 種失效模式的風(fēng)險(xiǎn)排序圖（見圖3）可知，傳統(tǒng)FMEA 與改進(jìn)方法之間存在較大差異，兩種改進(jìn)方法雖整體排序結(jié)果接近，但局部仍存在差異。

為對(duì)本文所提FMEA 與傳統(tǒng)FMEA 與其他改進(jìn)FMEA 的差別進(jìn)行進(jìn)一步比較分析，列出3 種方法的具體排序結(jié)果如下（見表7）。

表7 失效模式風(fēng)險(xiǎn)排序結(jié)果比較

首先，將本文所提FMEA 與傳統(tǒng)FMEA 結(jié)果進(jìn)行比較。從表7 中可以看出，除FM1、FM2、FM6、FM11外，其他失效模式的排序均不同。造成差異的原因主要在于傳統(tǒng)FMEA 中RPN 法的不足，從而導(dǎo)致有偏見甚至誤導(dǎo)的風(fēng)險(xiǎn)排序結(jié)果。例如，F(xiàn)M7 和FM10 的RPN 值都等于120，但其風(fēng)險(xiǎn)因子分別為5、6、4 和3、8、5。傳統(tǒng)的FMEA 中不同的O、S 和D可能會(huì)得到相同的RPN 值，意味著在后續(xù)考慮問題時(shí)，這些失效模式應(yīng)該得到相同的優(yōu)先級(jí)。相比之下，改進(jìn)的FMEA 模型可更加精確FM7和FM10之間的風(fēng)險(xiǎn)排序關(guān)系，并發(fā)現(xiàn)FM7比FM10具有更高的優(yōu)先級(jí)。類似的還有FM5和FM12、FM6和FM9。其次，在FMEA 中引入的風(fēng)險(xiǎn)因子權(quán)重的影響可以從FM3和FM12的結(jié)果中清楚地看到，其中O、S 和D 分別為7、8、5 和6、8、4。按照傳統(tǒng)RPN 法得到FM13(RPN=210)應(yīng)該比FM12(RPN=192)更重要，優(yōu)先級(jí)更高，但采用所提出方法的計(jì)算結(jié)果顯示FM12比FM13風(fēng)險(xiǎn)更高。這與實(shí)際情況更符合，因?yàn)镕M12的嚴(yán)重度和發(fā)生度等級(jí)更高，這兩項(xiàng)風(fēng)險(xiǎn)因素所占比重（分別為0.3，0.45）相對(duì)于檢測(cè)度（0.25）來說更高，因此FM12的風(fēng)險(xiǎn)排序應(yīng)該高于FM13。第三，傳統(tǒng)FMEA 在數(shù)據(jù)存在不確定性的情況下，由于RPN 直接相乘方法的不足，可能會(huì)使得排序結(jié)果的不合理。如FM5和FM7，傳統(tǒng)FMEA 認(rèn)為FM5的風(fēng)險(xiǎn)優(yōu)先級(jí)高于FM7，其O、S 和D 的值分別為和4、8、6 和5、6、4，RPN 值分別為192 和120。但在改進(jìn)FMEA 中，這種差異得到修正，兩者的風(fēng)險(xiǎn)水平是相同的，失效模式的風(fēng)險(xiǎn)優(yōu)先級(jí)一致，因此，本文所提出改進(jìn)FMEA 提供的風(fēng)險(xiǎn)決策信息更加準(zhǔn)確可靠。

然后，將本文所提改進(jìn)FMEA 與其他改進(jìn)FMEA（如結(jié)合二元語(yǔ)義與TOPSIS 的改進(jìn)FMEA）方法進(jìn)行風(fēng)險(xiǎn)排序計(jì)算結(jié)果的比較。結(jié)合二元語(yǔ)義與TOPSIS 的改進(jìn)FMEA 方法在對(duì)語(yǔ)言處理方面結(jié)合猶豫模糊二元語(yǔ)義進(jìn)行轉(zhuǎn)換，并將二元語(yǔ)義數(shù)據(jù)結(jié)合到TOPSIS 計(jì)算過程中，通過計(jì)算備選項(xiàng)與理想解的接近距離來確定失效模式的風(fēng)險(xiǎn)排序。因?yàn)閮煞N改進(jìn)方法在對(duì)失效模式進(jìn)行風(fēng)險(xiǎn)排序時(shí)都加入了風(fēng)險(xiǎn)因素的權(quán)重，因此兩者計(jì)算結(jié)果具有高相似度，如都確定FM12為最高風(fēng)險(xiǎn)項(xiàng)，其他風(fēng)險(xiǎn)項(xiàng)FM1、FM2、FM4、FM5、FM6、FM8、FM9、FM11排序結(jié)果基本吻合，計(jì)算結(jié)果相差一個(gè)級(jí)別，這說明本文所提改進(jìn)FMEA 對(duì)于解決風(fēng)險(xiǎn)排序問題是有效的。但兩者局部項(xiàng)排序仍存在差異，如FM3、FM7、FM10和FM13，結(jié)果差異三個(gè)級(jí)別及以上。導(dǎo)致計(jì)算結(jié)果的差異可能存在兩方面原因，一方面是TOPSIS 與ELECTRE 兩種方法本身的內(nèi)在計(jì)算機(jī)制不同；另一方面可能是在與二元語(yǔ)義進(jìn)行模糊或猶豫不確定語(yǔ)言信息的轉(zhuǎn)化和聚合過程中，由于采用不同的集結(jié)算子可能會(huì)引起計(jì)算結(jié)果的差異。但在失效模式和風(fēng)險(xiǎn)因素?cái)?shù)量較多時(shí)，TOPSIS 方法計(jì)算過程相對(duì)繁瑣，且須對(duì)所有數(shù)據(jù)計(jì)算完成后才能確定失效模式的風(fēng)險(xiǎn)級(jí)別；而ELECTRE 利用越級(jí)指數(shù)，可快速對(duì)部分失效模式進(jìn)行準(zhǔn)確合理的排序，在需要整體排序時(shí)也可實(shí)現(xiàn)，在適用性和靈活性上具有優(yōu)勢(shì)。

總體來說，本文所提結(jié)合區(qū)間二元語(yǔ)義和ELECTRE 的改進(jìn)FMEA 模型可以準(zhǔn)確區(qū)分失效模式的風(fēng)險(xiǎn)排序關(guān)系，在模糊不確定的語(yǔ)言環(huán)境和考慮風(fēng)險(xiǎn)因素權(quán)重差異的情況下，比傳統(tǒng)FMEA 和其他改進(jìn)方法為風(fēng)險(xiǎn)決策過程提供了更準(zhǔn)確的信息，可以實(shí)現(xiàn)更準(zhǔn)確、更合理的風(fēng)險(xiǎn)排序，有效確定最嚴(yán)重的失效模式。該改進(jìn)FMEA 具有以下優(yōu)勢(shì)：

（1）結(jié)合區(qū)間二元語(yǔ)義有效處理FMEA 中模糊不確定語(yǔ)言評(píng)價(jià)問題。通過HFLTS 對(duì)模糊語(yǔ)言表達(dá)的風(fēng)險(xiǎn)評(píng)價(jià)信息進(jìn)行準(zhǔn)確轉(zhuǎn)換；通過區(qū)間二元HWA算子體現(xiàn)評(píng)價(jià)的相對(duì)重要性，減少了因極端偏見對(duì)最終結(jié)果的影響。

（2）在計(jì)算風(fēng)險(xiǎn)排序時(shí)，考慮了風(fēng)險(xiǎn)因素的相對(duì)權(quán)重，減少實(shí)際問題中因風(fēng)險(xiǎn)因素權(quán)重信息未知或未考慮等對(duì)風(fēng)險(xiǎn)排序結(jié)果的影響。

（3）結(jié)合ELECTRE 的計(jì)算方法具有靈活性和準(zhǔn)確性，可準(zhǔn)確獲取失效模式部分或完整的風(fēng)險(xiǎn)排序，滿足決策者的不同需求。

通過案例驗(yàn)證，該改進(jìn)FMEA 模型的失效模式風(fēng)險(xiǎn)排序計(jì)算結(jié)果是有效可靠的，更能準(zhǔn)確識(shí)別失效模式間的風(fēng)險(xiǎn)關(guān)系，為風(fēng)險(xiǎn)決策者提供實(shí)踐信息參考。

該模型的不足之處在于：（1）在考慮風(fēng)險(xiǎn)因素權(quán)重方面僅采用打分法確定，實(shí)際上風(fēng)險(xiǎn)因素權(quán)重確定仍存在無法準(zhǔn)確打分的問題，且其不同專家對(duì)對(duì)不同風(fēng)險(xiǎn)因素的評(píng)價(jià)權(quán)重也應(yīng)有所不同，后續(xù)可對(duì)風(fēng)險(xiǎn)因素權(quán)重設(shè)定方面進(jìn)行改進(jìn)。（2）FMEA 專家成員權(quán)重設(shè)定時(shí)以打分法確定，易導(dǎo)致權(quán)重設(shè)置不合理，后續(xù)對(duì)專家權(quán)重設(shè)定仍可做進(jìn)一步探討。（3）在對(duì)失效模式風(fēng)險(xiǎn)排序計(jì)算時(shí)，主要采用ELECTRE方法，雖然有效識(shí)別了失效模式之間的超越關(guān)系和優(yōu)先級(jí)別，但對(duì)信息間的隨機(jī)性問題處理不足，后續(xù)可結(jié)合其他MCDM 方法對(duì)模型進(jìn)行進(jìn)一步優(yōu)化。

4 結(jié)語(yǔ)

本文針對(duì)傳統(tǒng)FMEA 的算法弊端和無法準(zhǔn)確處理語(yǔ)言評(píng)價(jià)信息等問題，提出結(jié)合區(qū)間二元語(yǔ)義變量與ELECTRE 方法的改進(jìn)FMEA 模型，以解決模糊不確定語(yǔ)言環(huán)境下失效模式的風(fēng)險(xiǎn)排序問題。所提模型能夠有效地將模糊的語(yǔ)言評(píng)價(jià)轉(zhuǎn)化為量化信息，有效地減少極端與偏見觀點(diǎn)和風(fēng)險(xiǎn)因素權(quán)重差異對(duì)風(fēng)險(xiǎn)分析結(jié)果的影響，科學(xué)準(zhǔn)確地確定失效模式的總風(fēng)險(xiǎn)優(yōu)先級(jí)排序，并通過案例E-learning 系統(tǒng)的實(shí)際應(yīng)用，驗(yàn)證了模型的有效性。

在互聯(lián)網(wǎng)教育市場(chǎng)快速發(fā)展的背景下，對(duì)E-learning 系統(tǒng)產(chǎn)品質(zhì)量失效模式的研究，將有助于企業(yè)快速識(shí)別所研發(fā)產(chǎn)品潛在的質(zhì)量風(fēng)險(xiǎn)，提前在產(chǎn)品設(shè)計(jì)階段采取應(yīng)對(duì)措施對(duì)質(zhì)量風(fēng)險(xiǎn)進(jìn)行有效防范；并可根據(jù)失效模式的風(fēng)險(xiǎn)排序，明確產(chǎn)品質(zhì)量設(shè)計(jì)改進(jìn)過程中的關(guān)注重點(diǎn)和應(yīng)對(duì)措施。通過改進(jìn)FMEA 模型對(duì)案例E-learning 系統(tǒng)質(zhì)量失效模式的風(fēng)險(xiǎn)排序研究得出，最嚴(yán)重的失效模式是效率性（FM12），其風(fēng)險(xiǎn)指數(shù)最高，企業(yè)在后續(xù)產(chǎn)品質(zhì)量改進(jìn)和設(shè)計(jì)創(chuàng)新時(shí)，應(yīng)對(duì)與效率性相關(guān)的質(zhì)量需求，如界面導(dǎo)航信息是否明確易獲取、功能設(shè)計(jì)是否合理易操作和系統(tǒng)交互和響應(yīng)是否快速有效等，給予重點(diǎn)關(guān)注和優(yōu)先設(shè)計(jì)滿足，以降低產(chǎn)品質(zhì)量失效風(fēng)險(xiǎn)，提高產(chǎn)品設(shè)計(jì)成功率。