同济大学段春艳获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉同济大学申请的专利考虑失效模式相互关系及主观因素的改进FMEA方法及分析评价系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119963015B 。
龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202311480715.7,技术领域涉及:G06Q10/0639;该发明授权考虑失效模式相互关系及主观因素的改进FMEA方法及分析评价系统是由段春艳;张泽昊;赵利隆设计研发完成,并于2023-11-07向国家知识产权局提交的专利申请。
本考虑失效模式相互关系及主观因素的改进FMEA方法及分析评价系统在说明书摘要公布了:本发明提供了一种考虑失效模式相互关系及主观因素的改进FMEA方法及分析评价系统,该方法包括:获取待分析系统的潜在失效模式的评分结果;基于三角模糊层次分析法确定风险因子S、O、D的主观权重,基于标准离差法和梯形模糊数确定风险因子S、O、D的客观权重,并根据主观权重和客观权重,采用综合赋权法得到风险因子S、O、D的综合权重wj;根据基于熵权法改进的TODIM法,确定每个潜在失效模式所对应的综合排序值Rp,并根据综合排序值Rp对潜在失效模式进行排序;根据W‑RPN和综合排序值Rp,利用二分K‑means聚类方法对潜在失效模式进行聚类分析,为每个潜在失效模式制定相应的预防与应对措施。
本发明授权考虑失效模式相互关系及主观因素的改进FMEA方法及分析评价系统在权利要求书中公布了:1.一种用于对智慧燃气数字孪生系统进行分析的考虑失效模式相互关系及主观因素的改进FMEA方法,其特征在于,包括: 步骤S1,获取待分析系统的潜在失效模式的评分结果,得到每个所述潜在失效模式的风险因子的评价结果;其中,第p个所述潜在失效模式的风险因子的评价结果表示为Sp,Op,Dp,p=1,2,…,n,n为所述待分析系统的潜在失效模式的个数,S表示严重度,O表示发生度,D表示探测度; 步骤S2,基于三角模糊层次分析法确定风险因子S、O、D的主观权重,基于标准离差法和梯形模糊数确定所述风险因子S、O、D的客观权重,并根据所述主观权重和所述客观权重,采用综合赋权法得到风险因子S、O、D的综合权重wj; 步骤S3,根据基于熵权法改进的TODIM法,确定每个所述潜在失效模式所对应的综合排序值Rp,并根据所述综合排序值Rp对所述潜在失效模式进行排序, 其中,所述步骤S3包括: 步骤S31,根据风险因子S、O、D的综合权重wj,计算风险因子相对权重ω′j; 步骤S32,对评价指标矩阵P进行规范化,得到规范矩阵G; 步骤S33,根据所述风险因子相对权重ω′j和所述规范矩阵G,分别计算在风险因子S、O、D下的优势度矩阵Vj; 步骤S34,根据所述在风险因子S、O、D下的优势度矩阵Vj,计算两两失效模式间的综合优势度,获得综合优势度矩阵V; 步骤S35,根据所述综合优势度矩阵V,计算所述综合排序值Rp,并根据所述综合排序值Rp的大小进行降序排序; 步骤S4,将所述潜在失效模式的评分结果平均综合,根据所述综合权重wj对该结果进行赋权并将S、O、D值相乘得到的W-RPN值和所述综合排序值Rp,利用二分K-means聚类方法对所述潜在失效模式进行聚类分析,为每个所述潜在失效模式制定相应的预防与应对措施, 其中,所述步骤S4包括: 步骤S41,利用所述综合权重对所述潜在失效模式的的评分结果进行赋权,并将每个所述潜在失效模式的S、O、D相乘得到W-RPN,作为第一特征值; 步骤S42,将所述步骤S35得到的综合排序值Rp作为第二特征值; 步骤S43,对所述第一特征值和所述第二特征值进行归一化处理; 步骤S44,根据归一化处理后的第一特征值和第二特征值,获取描述矩阵P'=p'pfn×2,表示n个二维数据点,p′p1为归一化处理后的第一特征值,p′p2为归一化处理后的第二特征值; 步骤S45,将所述n个二维数据点利用二分K-means聚类的聚类方法聚为K类,得到聚类结果; 步骤S46,根据所述聚类结果,对所述潜在失效模式进行分析,并根据所述待分析系统的运作方式、所述第一特征值的大小和所述第二特征值的大小,对每个所述潜在失效模式给出相应的预防与应对措施。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人同济大学,其通讯地址为:200092 上海市杨浦区四平路1239号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励