﻿ 基于失效模式与后果分析的混合燃料发动机风险分析
 文章快速检索
 同济大学学报(自然科学版)  2019, Vol. 47 Issue (5): 731-738.  DOI: 10.11908/j.issn.0253-374x.2019.05.020 0

### 引用本文

YOU Jianxin, GUO Renzhu, YANG Miying. Risk Analysis of Blended Fuel Engine Based on an Improved Failure Mode and Effect Analysis Method[J]. Journal of Tongji University (Natural Science), 2019, 47(5): 731-738. DOI: 10.11908/j.issn.0253-374x.2019.05.020

### 文章历史

1. 同济大学 经济与管理学院，上海 200092;
2. 埃克塞特大学 工程、数学与物理科学学院，英国 埃克塞特 EX4 4QF

Risk Analysis of Blended Fuel Engine Based on an Improved Failure Mode and Effect Analysis Method
YOU Jianxin 1,2, GUO Renzhu 1, YANG Miying 2
1. School of Economics and Management, Tongji University, Shanghai 200092, China;
2. College of Engineering, Mathematics and Physical Science, University of Exeter, Exeter EX4 4QF, UK
Abstract: An improved failure mode and effect analysis (FMEA) model was designed to analyze the potential failure modes and risks of the blended fuel engine. The FMEA model was established based on the fuzzy theory, grey relational analysis (GRA), and decision making trial and evaluation laboratory (DEMATEL). The experts' qualitative evaluation was translated into quantitative index and was then used in the calculation of the risk priority number (RPN), relevancy degree, and reason degree. The rank of the calculation results showed the risk prioritizing of the blended fuel engine. Corresponding risk control recommendations were proposed.
Key words: blended fuel engine    failure mode and effect analysis    fuzzy theory    grey relational analysis    decision making trial and evaluation laboratory

1 混合燃料研究现状

21世纪以来，汽车保有量的迅猛上升使得人们对石油资源的需求日益增长.与此同时，大量化石燃料燃烧所导致的环境恶化以及石油资源的逐渐短缺, 已经成为当今人类发展所面临的严峻挑战之一.生物燃料相较于传统化石燃料，因其自身分子中含有氧原子，故可以提供额外的氧，以促进燃料的燃烧，减少燃烧过程中有害物质的生成; 且生物燃料还可从动植物、微生物等有机体中提取，作为可再生能源.因此, 近年来生物燃料被广泛应用于汽、柴油的混合燃料中, 作为内燃机的新型燃料.

2 基于模糊集、灰色关联理论与DEMATEL方法的改进FMEA模型 2.1 确定风险因子

2.2 改进的FMEA模型

FMEA模型在20世纪50年代首次应用于某战斗机操作系统的设计分析中，随后的60年代中期，FMEA技术在航天工业中得到正式应用并逐渐推广[5].利用FMEA模型对系统或产品中潜在风险进行分析，并从失效模式的严重度(severity，S)、发生度(occurrence，O)以及检测度(detection，D)3个风险角度进行评价并采取相应的预防措施，避免失效和故障的发生.与此同时，可使用FMEA模型对已存的失效模式进行分析，研究其导致失效产生的原因，进而有所针对地选择改进方法，达到防止失效再次发生的最终目的[6].因此，不仅可使用FMEA方法对潜在失效模式的发生进行事先预测与防范，同时还可针对已发生的失效模式进行事后分析与改进.FMEA模型通过计算SOD的乘积得出每一个失效模式的风险优先系数(risk priority number, RPN)，将RPN值排序得到风险较高的失效模式，并针对关键失效模式制定风险控制措施来加强产品或系统的可靠性和安全性[7].但传统FMEA模型中存在以下4个方面缺陷[8]：①很难精确地将专家小组对风险因子的定性文字评价转化为定量数字; ②忽略了风险因子SOD之间的相对重要性，简单地将三者的重要度视为等同; ③不同的SOD的乘积可以是相同的，即得到一样的RPN值，而实际潜在的风险却不相同，更高风险的失效模式难以得到相应的重视; ④由一种失效原因导致的多种失效模式的风险排序应该有别于其他失效模式，不能简单地按照RPN值来排序.

 图 1 改进FMEA模型计算流程图 Fig.1 Flowchart of improved FMEA model
2.3 建立风险因子的模糊语言术语集

2.4 确立与模糊语言术语相对应的模糊数

 ${\lambda _T}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} \begin{array}{l} 0,\\ \left( {x - a} \right)/\left( {b - a} \right),\\ \left( {c - x} \right)/\left( {c - a} \right),\\ 0, \end{array}&\begin{array}{l} x \le a\\ a < x \le b\\ b < x \le c\\ x > c \end{array} \end{array}} \right.$ (1)

 $a = \sum\limits_{i = 1}^n {{\theta _i}{a_i}}$ (2)
 $b = \sum\limits_{i = 1}^n {{\theta _i}{b_i}}$ (3)
 $c = \sum\limits_{i = 1}^n {{\theta _i}{c_i}}$ (4)

2.5 三角模糊数去模糊化

 $A(x)=\frac{1}{6}(a+4 b+c)$ (5)
2.6 灰色关联理论在FMEA中的应用

(1) 建立比较矩阵

 $\left\{ {{x_i}\left( t \right)} \right\} = \left[ {\begin{array}{*{20}{c}} {{x_1}}\\ {{x_2}}\\ \vdots \\ {{x_n}} \end{array}} \right] = \left[ {\begin{array}{*{20}{c}} {{x_1}\left( 1 \right)}&{{x_1}\left( 2 \right)}&{{x_1}\left( 3 \right)}\\ {{x_2}\left( 1 \right)}&{{x_2}\left( 2 \right)}&{{x_2}\left( 3 \right)}\\ \vdots & \vdots & \vdots \\ {{x_n}\left( 1 \right)}&{{x_n}\left( 2 \right)}&{{x_n}\left( 3 \right)} \end{array}} \right]$

(2) 建立参考矩阵

 $\left\{ {{x_{\rm{o}}}\left( t \right)} \right\} = \left[ {\begin{array}{*{20}{c}} {{V_{\rm{h}}}}&{{V_{\rm{h}}}}&{{V_{\rm{h}}}}\\ \vdots & \vdots & \vdots \\ {{V_{\rm{h}}}}&{{V_{\rm{h}}}}&{{V_{\rm{h}}}} \end{array}} \right] = \left[ {\begin{array}{*{20}{c}} {10}&{10}&{10}\\ \vdots & \vdots & \vdots \\ {10}&{10}&{10} \end{array}} \right]$

(3) 计算灰色关联系数

 $\xi \left( {{x_{\rm{o}}}\left( t \right),{x_i}\left( t \right)} \right) = \frac{{\mathop {\min }\limits_i \mathop {\min }\limits_t \left| {{x_{\rm{o}}}\left( t \right) - {x_i}\left( t \right)} \right| + \eta \mathop {\max }\limits_i \mathop {\max }\limits_t \left| {{x_{\rm{o}}}\left( t \right) - {x_i}\left( t \right)} \right|}}{{\left| {{x_{\rm{o}}}\left( t \right) - {x_i}\left( t \right)} \right| + \eta \mathop {\max }\limits_i \mathop {\max }\limits_t \left| {{x_{\rm{o}}}\left( t \right) - {x_i}\left( t \right)} \right|}}$ (6)

(4) 计算灰色关联度

 $\nu\left(x_{0}, x_{i}\right)=\sum\limits_{t=1}^{3} \zeta_{t}\left\{\xi\left(x_{0}(t), x_{i}(t)\right)\right\}$ (7)

2.7 应用DEMATEL方法确定失效模式原因度

(1) 构造失效模式与失效原因之间的直接影响关系矩阵A.

 $\mathit{\boldsymbol{A}} = \left[ {\begin{array}{*{20}{c}} 0&{{a_{12}}}& \cdots &{{a_{1n}}}\\ {{a_{21}}}&0& \cdots &{{a_{2n}}}\\ \vdots & \vdots &{}& \vdots \\ {{a_{n1}}}&{{a_{n2}}}& \cdots &0 \end{array}} \right]$

(2) 将矩阵A规范化，具体过程为先将矩阵A中各行的数值相加，取各行和的最大值，将矩阵A中各元素除以该最大值，得到规范化矩阵B.

 $\boldsymbol{B}=\left[\beta_{i j}\right]_{n \times n}$
 ${\beta _{ij}} = \frac{{{a_{ij}}}}{{\mathop {\max }\limits_{i = 1 \to n} \sum\limits_{j = 1}^n {{a_{ij}}} }}$

(3) 计算综合影响矩阵T.计算过程如下，其中In×n的单位矩阵.

 $\mathit{\boldsymbol{T}} = \mathit{\boldsymbol{B}}{(\mathit{\boldsymbol{I}} - \mathit{\boldsymbol{B}})^{ - 1}}$

(4) 将综合影响矩阵T中的各行及各列中的数分别相加求和，得到两个新的矩阵EF.这两个矩阵分别表示某失效模式或失效原因对其他所有失效模式和失效原因的影响程度，以及该失效模式或失效原因受到其他所有失效模式和失效原因的影响程度.

 $\boldsymbol{E}=[e(1), e(2), \cdots, e(n)]$
 $e(i)=\sum\limits_{j=1}^{n} t_{i j}$
 $\boldsymbol{F}=[f(1), f(2), \cdots, f(n)]$
 $f(j)=\sum\limits_{j=1}^{n} t_{i j}$

(5) 计算原因度R.

 $R=\boldsymbol{E}-\boldsymbol{F}=\left[r_{1}, r_{2}, \cdots, r_{n}\right]$

3 案例应用分析 3.1 风险优先度排序

3种方法所计算排序得到的结果如表 7所示.

3.2 风险排序结果分析

(1) 克服了传统FMEA模型仅通过计算RPN值进行失效模式的风险排序.如FM5与FM11的风险因子SOD分别为6、2、4和4、3、4.传统FMEA方法计算RPN值均为48，但使用灰色关联方法后，其关联度分别为0.453和0.411，即FM5的风险处理优于FM11.这是由于考虑了风险因子的权重，FM5的严重度S大于FM11的严重度，因此在实际处理中，FM5应优先FM11得到处理.

(2) 考虑了共因失效问题，如均由失效原因CF1所导致的失效模式FM1、FM2和FM3, 以及均由失效原因CF6导致的失效模式FM8、FM9和FM10.采用本文的方法计算得到的优先度要高于传统FMEA方法.

3.3 风险控制意见 3.3.1 新型发动机的研制

3.3.2 混合燃料的优化

3.3.3 使用者自身意识提高

4 结语

 [1] 李红松, 曹建国, 张勇. 不同比例甲醇汽油混合燃料对电喷汽油机性能影响的研究[J]. 小型内燃机与车辆技术, 2008, 37(4): 70 LI Hongsong, CAO Jianguo, ZHANG Yong. Research on effects of methanol-gasoline blend fuel with different methanol volume fractions on EFI engine performances[J]. Small Internal Combustion Engine and Motorcycle, 2008, 37(4): 70 DOI:10.3969/j.issn.1671-0630.2008.04.020 [2] 郭美华, 杜宝杰. 乙醇汽油混合燃料的燃烧和排放特点分析[J]. 叉车技术, 2010(2): 22 GUO Meihua, DU Baojie. The analysis of ethanol-gasoline blend fuel combustion and exhaust[J]. Forklift Technology, 2010(2): 22 [3] LABECKAS G, SLAVINSKAS S, MAZŽEIKA M. The effect of ethanol-diesel-biodiesel blends on combustion, performance and emissions of a direct injection diesel engine[J]. Energy Conversion & Management, 2014, 79(2): 698 [4] 孙梦婷, 成晓北, 王兆文. 后喷射策略下生物柴油对发动机燃烧和排放影响的数值模拟[J]. 内燃机工程, 2017, 38(4): 14 SUN Mengting, CHENG Xiaobei, WANG Zhaowen. Numerical simulation of effect of biodiesel on engine combustion and emissions with post injection[J]. Chinese Internal Combustion Engine Engineering, 2017, 38(4): 14 [5] 李涵敏. FMEA在汽车零部件供应商管理中的应用[J]. 中国物流与采购, 2015(11): 76 LI Hanmin. The application of FMEA in the management of automobile spare part supplier[J]. China Logistics & Purchasing, 2015(11): 76 [6] 崔文彬, 吴桂涛, 孙培廷. 基于FMEA和模糊综合评判的船舶安全评估[J]. 哈尔滨工程大学学报, 2007, 28(3): 263 CUI Wenbin, WU Guitao, SUN Peiting. Ship safety assessment based on FMEA and fuzzy comprehensive evaluation methods[J]. Journal of Harbin Engineering University, 2007, 28(3): 263 DOI:10.3969/j.issn.1006-7043.2007.03.004 [7] 尤筱玥, 雷星晖, 刘虎沉. 基于失效模式与后果分析扩展模型的外包风险分析[J]. 同济大学学报(自然科学版), 2016, 44(2): 309 YOU Xiaoyue, LEI Xinghui, LIU Huchen. Evaluation of the risk of outsourcing failure modes using interval 2-tuple linguistic FMEA model[J]. Journal of Tongji University(Natural Science), 2016, 44(2): 309 [8] 王立恩, 刘虎沉. 基于模糊集和COPRAS的改进FMEA方法[J]. 模糊系统与数学, 2017(3): 69 WANG Lien, LIU Huchen. An improved FMEA based on fuzzy set theory and COPRAS[J]. Fuzzy Systems and Mathematics, 2017(3): 69 [9] LIU H C, YOU J X, SHAN M M, et al. Failure mode and effects analysis using intuitionistic fuzzy hybrid TOPSIS approach[J]. Soft Computing, 2015, 19(4): 1085 DOI:10.1007/s00500-014-1321-x [10] 尤筱玥, 尤建新. 基于区间二元语义VIKOR的外包供应商选择模型[J]. 同济大学学报(自然科学版), 2017, 45(9): 1407 YOU Xiaoyue, YOU Jianxin. Outsourcing supplier selection by interval 2-tuple linguistic VIKOR method[J]. Journal of Tongji University(Natural Science), 2017, 45(9): 1407 DOI:10.11908/j.issn.0253-374x.2017.09.022 [11] CHANG D, SUN K P. Applying DEA to enhance assessment capability of FMEA[J]. International Journal of Quality & Reliability Management, 2009, 26(6): 629 [12] 尤建新, 徐涛, 毛人杰. 基于失效模式与后果分析的农场到家庭模式风险分析[J]. 同济大学学报(自然科学版), 2017, 45(4): 604 YOU Jianxin, XU Tao, MAO Renjie. Evaluation of the risk of farm to family failure modes using failure mode and effects analysis[J]. Journal of Tongji University(Natural Science), 2017, 45(4): 604 [13] 罗党, 刘思峰. 灰色关联决策方法研究[J]. 中国管理科学, 2005, 13(1): 101 LUO Dang, LIU Sifeng. The study of grey relational decision-making[J]. Chinese Journal of Management Science, 2005, 13(1): 101 DOI:10.3321/j.issn:1003-207X.2005.01.018 [14] 李新月, 高琦, 刘军. 基于模糊共因失效分析的FMEA风险评估方法[J]. 组合机床与自动化加工技术, 2017(10): 62 LI Xinyue, GAO Qi, LIU Jun. An improved FMEA risk assessment method considering the fuzzy common cause failures[J]. Modular Machine Tool & Automatic Manufacturing Technique, 2017(10): 62 [15] LIU H C, YOU J X, LIN Q L, et al. Risk assessment in system FMEA combining fuzzy weighted average with fuzzy decision-making trial and evaluation laboratory[J]. International Journal of Computer Integrated Manufacturing, 2015, 28(7): 701 DOI:10.1080/0951192X.2014.900865 [16] 门峰, 姬升启. 基于模糊集与灰色关联的改进FMEA方法[J]. 工业工程与管理, 2008, 13(2): 55 MEN Feng, JI Shengqi. An improved FMEA based on fuzzy set theory and grey relational theory[J]. Industrial Engineering and Management, 2008, 13(2): 55 DOI:10.3969/j.issn.1007-5429.2008.02.012 [17] 朱和菊.乙醇汽油对轿车性能影响的分析及使用注意事项[C]//中国汽车工程学会燃料与润滑油分会第十二届年会论文集.北京: 中国汽车工程学会, 2006: 211-215. ZHU Heju. The performance influence analysis and caution of using ethanol-gasoline blend fuel on automobiles[C]//Annual Meeting of Fuel and Lubricating Fuel Institute, the Branch of China Automotive Engineering Institute. Beijing: China Society of Automotive Engineers, 2006: 211-215.