一个数据驱动和以成本为导向的FMEA-MCDM在模糊环境中的风险评估和排名方法:液压工厂的案例研究
Hossein Shakibaei1, Saba Seifi2, Jun Zhuang3
1School of Industrial & Systems Engineering, College of Engineering, University of Tehran, Tehran, Iran.
这项研究通过整合模糊逻辑和机器学习来增强液压制造业的风险评估. 它确定了可持续增长的关键失败,改进了风险缓解策略.
科学领域:
- 工业工程 工业工程 工业工程
- 风险管理 风险管理
- 模糊逻辑应用 模糊逻辑应用
背景情况:
- 竞争激烈的商业环境需要尽量减少对利能力和可持续增长的破坏.
- 有效的风险评估对于保持制造业的竞争优势至关重要.
- 液压工厂在管理运行故障方面面临着独特的挑战.
研究的目的:
- 评估液压工厂的风险,以实现可持续增长.
- 开发一个完整的方法,用于故障识别和排名.
- 通过数据聚合和机器学习提高风险评估的有效性.
主要方法:
- 组建一个专家团队来识别潜在的错误.
- 风险优先次数标准的应用,加权在Fuzzy Shannon的中.
- 多标准决策 (MCDM) 和故障模式和影响分析 (FMEA) 的融合.
- 考虑指标相互作用,故障成本和模糊不确定性.
主要成果:
- 权重总和产品评估 (WASPAS) 方法最适合并影响了聚合排名数据系列.
- 在机器学习和统计相关性中新地使用数据分类,以加强风险评估.
- 在故障排名中实现了最高的回忆率和精度.
结论:
- 综合风险评估方法显著改善了故障识别和排名.
- 考虑指标相互作用和模糊不确定性对于准确的风险缓解规划至关重要.
- 这项研究提供了一种新的方法来提高工业风险管理的有效性.
更多相关视频
09:04A Modeling and Simulation Method for Preliminary Design of an Electro-Variable Displacement Pump
Published on: June 1, 2022
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
相关概念视频
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Design Example: Creating a Hydraulic Model of a Dam Spillway
Typical Model Studies
Hydraulic Jump: Problem Solving
Multiple Pipe Systems
Series Configuration
In a series configuration, fluid flows sequentially from one pipe...
Design Consideration
The factor of safety is another key...
