基於資料驅動的FMEA元件失效模式矩陣構建
潛在失效模式與效應分析(FMEA)是產品或系統失效分析中具有典型結構化、系統化和前瞻性的方法。作為構建失效模式知識和FMEA的基本知識。本文主要有以下創新點:
(1)與現有的故障模式提取方法不同,本文考慮了不同部門使用不同詞彙來描述同一問題或故障模式的現象,並進一步研究了故障模式的標準化問題。本文以WordNet語義詞典為基礎,對同義故障模式進行識別和統一,構建了一套標準的故障模式集,為DFMEA提供了一個跨業務單元的通用詞彙表和更加全面、規範的知識資源。
(2)基於部件歷史資料和失效模式採用CFMM方法自動建立CF矩陣,比傳統的基於經驗和頭腦風暴的方法更有效可靠,還可以與傳統方法相結合,更好地構建CF矩陣。本文提出的CFMM演算法更全面地覆蓋了頻繁項集中的有意義和無意義FM,更完整地構造了標準失效模式和元件間的關聯矩陣,精度更高。
(3)在現有的失效模式研究中,文字的資料來源大多數是售後資料、維修文字資料和現有FMEA、FMECA等資料。本文首次將製造過程中的產品質量問題解決資料作為故障模式提取的資料來源,同時也可以與基於銷售資料的資料驅動FMEA構建相容。
研究框架:
本研究的目標是從大量的非結構化質量問題資料中自動獲取CF矩陣,CF矩陣提取的研究框架和過程見圖1。
首先對原始資料進行預處理,然後透過故障模式頻繁項集挖掘和頻繁項集標準化,構建標準化的故障模式集,同時將現有問題標題集中的非標準故障模式文字替換為標準故障模式文字,形成新的問題標題集;在此基礎上,設計了CF矩陣挖掘演算法,並基於標準故障模式集和已有的部件集,從處理後的質量問題文字中提取CF矩陣。圖1中紅線所圈部分是本文的重點,在“標準失效模式集構建”一節中,詳細介紹了標準失效模式集的構建過程和方法,在“元件失效模式矩陣挖掘”部分詳細描述了CFMM演算法。
假設和演算法:
本文提供了一種新穎的文字挖掘方法,用於挖掘元件和故障模式之間的關係。為了便於進行質量說明,我們給出以下假設:
假設1:每個標題僅包含一個組成部分;
假設2:每個標題僅包含一個失敗模式。
本文所選用CFMM演算法見圖2。
如上演算法所示,步驟1-11的目的是確定每個標題中包括哪些元件,步驟12和13是計算每個分量的出現次數作為統計結果,步驟14到23是識別每個標題中包含的失效模式,步驟24和25是計算每個故障模式的出現次數作為統計結果。
根據步驟8、9、20和21,可獲得與每個問題標題相對應的元件下標和故障模式下標,透過步驟27,將元件與故障模式相關聯,並相應地計算每個元件的故障模式的數量,從而建立了CF矩陣。
案例分析:
本文比較了透過K-Means、FP-growth和CFMM三種方法提取的故障模式的數量。所得結果如圖3所示,可見本文所提方法獲得的大多數故障模式都是最高的。
在案例中使用CFMM演算法後,從質量問題標題集中挖掘座椅元件與故障模式之間的關聯矩陣。該演算法從所有質量問題中有效識別了495個座椅元件中的110個元件類別,識別出57個類別的有用故障模式,所得的CF示例如表1所示。
以某汽車公司的座椅模組為例,分析了標準失效模式的結果以及CFMM演算法的效果。結果表明,具有標準化特徵的失效模式提取方法比FP-growth和K-means聚類方法能夠更好地提取失效模式。同時,與FP-growth方法相比,CFMM演算法可以提取更多CF組合並建立更豐富的CF矩陣集。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69993238/viewspace-2788854/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 資料結構:陣列,稀疏矩陣,矩陣的壓縮。應用:矩陣的轉置,矩陣相乘資料結構陣列矩陣
- FMEA失效模式分析的推進步驟模式
- 基於 ASK + EB 構建容器事件驅動服務事件
- 資料結構(一)-稀疏矩陣資料結構矩陣
- 使用DDD規格Specification模式構建資料驅動規則引擎 - jonblankenship模式
- 失效模式及後果分析(FMEA)(轉載)模式
- 資料結構之陣列和矩陣--矩陣&不規則二維陣列資料結構陣列矩陣
- POJ 2778-DNA Sequence(AC自動機+構建鄰接矩陣+矩陣快速冪)矩陣
- 基於勝率矩陣的PageRank排序矩陣排序
- Java資料結構---基於陣列的表(轉)Java資料結構陣列
- 構建一個基於事件分發驅動的EventLoop執行緒模型事件OOP執行緒模型
- (六)WPF資料驅動模式模式
- 前端架構之路:資料驅動型元件-HeyUI,一個新型的VUE元件庫前端架構元件UIVue
- 基於 Stencil 構建 Web Components 元件庫Web元件
- 如何基於 Redis 構建應用程式元件Redis元件
- 資料結構實驗 二維矩陣的實現資料結構矩陣
- Slack使用開源元件構建自動驅動Kafka叢集元件Kafka
- 關於資料庫驅動資料庫
- 基於概率的矩陣分解原理詳解(PMF)矩陣
- 基於Jetpack元件構建的開源專案-WanLearningJetpack元件
- 基於 EventBridge 構建資料庫應用整合資料庫
- 基於Apache Hudi + MinIO 構建流式資料湖Apache
- 事件驅動架構EDA中的元件事件架構元件
- 用資料驅動運營:構建團隊的資料思維和增長基因
- 基於AI+資料驅動的慢查詢索引推薦AI索引
- [譯] 理解 NodeJS 中基於事件驅動的架構NodeJS事件架構
- HarmonyOS:基於Web元件構建網路應用(1)Web元件
- 基於51微控制器的矩陣按鍵矩陣
- 第?課——基於矩陣快速冪的遞推解法矩陣
- 如何有效實施潛在失效模式與效應分析(FMEA)?模式
- Vue核心思想:資料驅動、元件化Vue元件化
- 荷蘭銀行構建可擴充套件的後設資料驅動的資料攝取框架套件框架
- 關於如何設計一個基於事件驅動架構的思考事件架構
- Bevy:基於Rust的資料驅動遊戲引擎和應用程式框架Rust遊戲引擎框架
- 基於WDF的驅動開發
- Blockgraph:建設資料驅動電視的未來BloC
- 基於Linux的tty架構及UART驅動詳解Linux架構
- 基於機率判斷矩陣A*B是否等於C矩陣