[發明專利]基于QFD分解和擴展RPN值的產品制造可靠性退化根原因識別方法

有效

• 申請號: 202110355384.9
• 申請日: 2021-04-01
• 公開（公告）號: CN113094827B
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 何益海;張安琪;解宇軒;張吉山;楊秀珍
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06Q10/0635;G06Q50/04;G06F111/08;G06F119/02
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

1.一種基于QFD分解和擴展RPN值的產品制造可靠性退化根原因識別方法，提出條件如下：

條件1、制造系統處于理想化的狀態，生產設備在運行時不考慮人的因素對設備產生的影響；

條件2、制造系統內的設備歷經由正常運行、有缺陷的運行至完全失效的一系列離散化的狀態；設備的加工能力被劃分為E_m＝[e₁,e₂,e₃…e_M]，其中，e₁和e_M分別代表設備的正常運行狀態和完全失效狀態；

條件3、設備在運行過程中任意加工能力狀態出現的概率為P_m＝[qp₁,qp₂,qp₃…qp_M]，其中，qp₁和qp_M分別代表設備的理想狀態出現的概率和完全失效出現的概率，p為常數；任意加工能力狀態之間互相獨立，即設備的各個加工能力狀態出現的概率和為1；

條件4、當設備加工能力狀態為m＝x，此時設備無法完成指定的生產任務，該狀態出現的概率為

條件5、制造系統內的環境因子為望目特性，能接受的能力指數為a，當實際能力指數低于時a，采取措施對該環境因子予以控制；

其特征在于：其步驟如下：

步驟1、確定并分解產品關鍵可靠性特性；

步驟2、提取產品的零件特性；

步驟3、將產品零件特性映射分解至生產線；

步驟4、獲取生產線上的工藝單元特性并剔除冗余的特性；

步驟5、計算特性對產品可靠性特性的重要性，作為第一個風險因子即Importance?toreliability?characteristics,I；

步驟6、計算特性發生偏差的概率，作為第二個風險因子即Probability?of?KCsvariation,P；

步驟7、計算在當前控制條件下特性發生偏差的不可檢測度，作為第三個風險因子即Detectability?for?KCs?variation,D；

步驟8、計算特性集成化RPN值從而確定導致產品制造可靠性退化的根原因；

在步驟4中所述的“獲取生產線上的工藝單元特性并剔除冗余特性”，是指根據工藝組成得到生產線上的一組來源于工藝單元上的相互影響的控制特性，在此基礎上，利用LASSO回歸剔除冗余特性，由此獲得根原因初始集合；具體做法如下：參考企業資源計劃系統，搜索各個工藝單元的過程信息及生產過程中對關鍵節點控制的數據，收集生產線上的工藝特性數據，在此過程中，收集得到的指標數據盡量保證全面完整；在此基礎上，利用LASSO回歸構造產品可靠性特性與工藝特性之間的相關關系等式，從而共線性的工藝特性被剔除，獲得一組相互獨立的特性集合，即根原因初始集合；至此，步驟1-4利用QFD的瀑布式分解建立起產品制造可靠性退化的根原因關聯樹，獲得了相互獨立的根原因初始集合；

在步驟5中所述的“計算特性對產品可靠性特性的重要性”，是指將特性對產品可靠性特性的貢獻認為是特性發生偏差的后果，將步驟4中的LASSO回歸系數作為第一個風險因子；具體做法如下：利用在步驟4中建立的相關關系回歸方程，因回歸系數能衡量自變量和因變量之間的相關關系，回歸系數用來表征工藝特性對產品可靠性特性的重要程度，其中，p表示樣本數據數量，n是特性的數量，y_i為第i個產品可靠性特性，x_ij為第i個產品可靠性特性涉及的第j個工藝特性，對回歸系數進行標準化得到了特性的重要性，即第一個風險因子I；

在步驟6中所述的“計算特性發生偏差的概率”，是指將特性在時間t內發生偏差的概率，作為第二個風險因子；認為特性在時間t內不發生偏差的概率是在此段時間內設備不發生故障并且生產環境因子在正常水平，因此特性發生偏差的概率為

其中，基于生產過程中設備加工能力狀態概率分布從而確定設備不發生故障的概率，基于制造系統內環境因子的能力指數，確定環境因子保持正常水平的概率；

具體做法如下：根據工藝特性涉及的加工設備，收集生產過程中設備的故障數據、完成加工任務量，通過向生產人員收集制造系統影響工藝特性的環境因子，收集與環境因子相關的工藝規范要求以及實際加工過程采集的數據；

首先，計算在時間t內，設備不發生故障的概率；在時間t內，設備任意加工能力狀態出現的概率分布為P_m＝[qp₁,qp₂,qp₃…qp_M]，當設備加工能力狀態為m＝x，設備無法完成給定的生產任務；結合設備的不可用性，一方面，設備的不可用性能表示為生產能力損失與理想狀態的生產能力之比；另一方面，設備的不可用性能認為是機器無法正常工作的時間與理想狀態下工作時間的比值；設備的不可用性被表達為

其中，為在時間t內設備失效的次數，γ是設備失效導致的停機時間，n和γ'分別代表檢修次數和此時的停機時間，e_x代表設備的加工能力狀態，e₁是設備的理想運行狀態，e_m代表設備的完全失效狀態；因此，設備不發生故障的概率為

其次，在生產過程中，環境因子波動超過正常水平會直接導致特性發生偏差；環境因子的能力指數其中T＝T_U-T_L，Δ＝|μ-M|，T_U和T_L分別代表規定的上下限，μ和M為實際和標準分布中心值；收集生產過程中的環境因子數據，獲得一組環境因子能力指數集合S_c＝{C_pe1,C_pe2,…C_pen}；因此，環境因子保持在正常水平的概率為其中n_c為能力指數滿足C_pen＞a的次數，N_c為樣本總次數；

至此，計算得到時間t內設備不發生故障的概率以及環境因子保持在正常水平的概率，最終計算得到P_v，為第二個風險因子P；

在步驟7中所述的“計算在當前控制條件下特性發生偏差的不可檢測度”，是指將在當前控制條件下檢測特性發生偏差的能力，利用平均運行鏈長即Average?running?chainlength，ARL來表征特性發生偏差的不可探測度，利用實際ARL與可接受ARL比值作為第三個風險因子；具體做法如下：收集生產過程中由傳感器采集得到的特性的狀態數據，利用馬爾科夫矩陣，求出特性狀態的轉移概率矩陣P，由此求出ARL值ARL＝S_i(I-P)^-1E，其中，P為轉移概率矩陣，S_i＝[0,…,1,…0]_1×r為初始概率矩陣，進一步地，確定各個特性在實際生產過程中的可接受ARL₀，由此計算D_u，為第三個風險因子D。