Command Control and Simulation >

2025 , Vol. 47 >Issue 2: 108 - 112

DOI: https://doi.org/10.3969/j.issn.1673-3819.2025.02.014

Weapon & Information System

Study on the application of improved FMEA in the choice of fault maintenance mode of rocket gun

  • ZHAO Luhao 1, 2 ,
  • DENG Yazhuo 1 ,
  • LIU Shuang 1
Expand
  • 1 Unit 32146 of PLA, Jiaozuo 454000, China
  • 2 Shijiazhuang Campus of Army Engineering University, Shijiazhuang 050003, China

Received date: 2024-08-05

  Revised date: 2024-08-27

  Online published: 2025-03-27

Fold

Abstract

To meet the precise maintenance support requirements of rocket guns, a method for selecting fault repair strategies based on FMEA and fuzzy closeness is proposed. This approach enhances traditional FMEA by incorporating fuzzy theory to evaluate fault risk indicators, and establishes standard fault models corresponding to different repair strategies. The most suitable repair method is then determined by comparing the comprehensive closeness between the rocket gun faults and the standard fault models. The method's feasibility is demonstrated through a case study involving a rocket gun's fire control computer. The analysis reveals that this approach simplifies the evaluation process, delivers more reasonable and accurate results, and effectively meets the practical demands of rocket gun maintenance support.

Key words： rocket gun; FMEA; fuzzy number; post progress; maintenance manner

Cite this article

ZHAO Luhao , DENG Yazhuo , LIU Shuang . Study on the application of improved FMEA in the choice of fault maintenance mode of rocket gun[J]. Command Control and Simulation, 2025 , 47(2) : 108 -112 . DOI: 10.3969/j.issn.1673-3819.2025.02.014

火箭炮武器系统作为现代化的武器装备,集成了电子电路、自动控制、网络通信等高新技术,作为复杂武器系统,对维修保障有着更高的要求。选择合适的维修方法是影响火箭炮维修效率和战技术性能发挥的一项重要因素。当前,火箭炮维修方式主要有故障维修、计划维修和视情维修三种[1],且在平时实际中以故障维修和计划维修为主,针对性、科学性不强。三种维修方式各有优缺点,研究使用最优的维修方式对火箭炮装备故障进行维修,可为提高火箭炮维修效率、减少资源浪费提供帮助,有利于提高火箭炮武器系统的战备完好率。
故障模式及影响分析(failure mode and effect analysis,FMEA)是一种应用于产品的可靠性分析方法,用于定位产品缺陷以及事前预防分析产品潜在隐患[2-3]。维修人员使用FMEA方法分析装备故障,是确定维修方法的有效途径。传统的FMEA主要是根据风险优先数(risk priority number,RPN)的大小来确定各故障的维修方法。RPN是用于评估和排序故障模式的风险严重性的一种指标,RPN值是故障的发生频率O、可检测度D和严重度S三个风险因子的乘积[4],RPN值越大说明该故障模式的危害性越大[5]。此方法易于操作,但存在几个方面的不足:(1)RPN值的重复性。RPN值由三个因子相乘得到,相同RPN值但意义不一定相同,仅根据其数值大小来确定维修方法缺少对具体故障特点的考虑,说服力不足。(2)RPN值随意性较强。三个因子由专家打分确定,最后结果是在定性分析基础上得到的,主观影响因素较大。(3)RPN值不连续。三个因子的取值范围是1~10,但实际计算出的RPN值只占覆盖范围的12%[6],不连续的特性使得RPN值的差值所代表的意义在分析时无法解释,只是根据其数值的大小来选择维修方式缺少可信度。
针对上述问题,本文对选择火箭炮故障维修方式的FMEA模型进行改进,引入模糊理论降低专家对风险指标评定的主观性和不确定性,并使用模糊贴进度取代RPN方法来确定合适的维修方式,使结果更加科学准确。

1 选择火箭炮维修方式的总体思路

传统的选择故障维修方式FMEA模型,是从造成火箭炮武器系统故障的元器件出发,确定元器件潜在的失效模式,对发生率O、可检测率D和严重度S三个指标进行打分评定,得到风险优先数RPN
$R P N=O \cdot D \cdot S$
三个指标的取值范围均为 1,10,依靠专家经验判定[7]。RPN反映的是潜在故障的严重程度。对RPN值划定评价等级,RPN值大,即该故障模式的危害性大,可使用计划维修的方式,以预防故障发生的可能性;RPN值小,即该故障模式的危害性小,可使用故障维修的方式,从而降低维修费用。这种方法很难依据专家经验做出准确判断。
本文使用模糊理论和贴进度传统方法进行改进。作者首先对FMEA中各指标的评价等级使用模糊数进行量化,并依据具体故障通过专家打分的方式对指标模糊评定;其次,根据不同维修方式特点及适用范围建立标准故障库,得到故障与维修方式的映射;最后计算比较故障与标准故障的贴进度,由映射关系得出最合适的故障维修方式。模糊评价改进了单一使用专家评分的方法,减少了模糊性,也将评价过程中的不确定因素考虑在内,处理得到的评估结果更加清晰。同时,该方法使用贴进度确定维修方式,在选择过程中能结合故障实际,得到的选择结果更加合理。维修方式选择流程如图1所示。
图1 维修方式选择流程

Fig.1 Maintenance mode selection process

2 改进FMEA的火箭炮故障维修方式选择

2.1 对O、D、S进行模糊评定

研究人员使用模糊理论中的模糊数可以实现对FMEA中的三个风险指标的模糊化和量化描述[8]。常见的模糊数类型有三角模糊数、梯形模糊数、正态型模糊数等[9]。本文采用较为广泛、构造较为简单的三角模糊数作为处理模糊术语。三角模糊数的表达形式为 A ˙=(a,b,c),分别表示模糊数的悲观值、可能值和乐观值。
在传统的FMEA模型中,风险指标一般划分为5个等级,即很低、低、中、高、很高[10]。通过专家评判得到各等级的三角模糊数,由于多名专家参与评判,判断值可使用三角模糊数的加权平均值。对于模糊数 A ˙ 1=(a1,b1,c1)、 A ˙ 2=(a2,b2,c2),运算法则如下:
A ˙ 1+ A ˙ 2= a 1 + a 2 , b 1 + b 2 , c 1 + c 2
A ˙ 1 A ˙ 2= a 1 a 2 , b 1 b 2 , c 1 c 2
k A ˙ 1= k a 1 , k b 1 , k c 1
各等级具体描述以及相对应的模糊数判断值结果如表1所示。
表1 FMEA等级划分及对应模糊数

Tab.1 FMEA grade division and corresponding fuzzy number

等级 发生频率O 可检测度D 严重度S 模糊数
1 几乎不可避免 现有方法无法检测失效模式 系统损坏,无法立即修复 (9,10,10)
2 经常发生 利用现行方法检测失效模式的可能性很小 系统严重损坏,修复时间较长 (7,8.5,10)
3 偶尔发生 利用现行方法检测失效模式的可能性很中等 系统中等程度损坏,修复需要一点时间 (4,6,8)
4 很少发生 利用现行方法检测失效模式的可能性很高 系统运转异常,有轻微影响 (2,3.5,5)
5 几乎不发生 利用现行方法几乎肯定能检测失效模式 系统性能几乎不影响,计划内的维护可解决 (0,1.5,3)
根据上述等级划分,专家组对n个故障进行评定,得到模糊评价矩阵R。
R= R 1 , R 2 , … , R nT= r ˙ 1 O r ˙ 1 D r ˙ 1 S r ˙ 2 O r ˙ 2 D r ˙ 2 S ︙ ︙ ︙ r ˙ n O r ˙ n D r ˙ n S
式中, r ˙ i O、 r ˙ i D、 r ˙ i S分别表示故障i的发生频率、可检测度和严重度的模糊数。
$\begin{array}{l}\tilde{r}_{i}^{O}=\left(a_{i}^{O}, b_{i}^{o}, c_{i}^{o}\right) \\\tilde{r}_{i}^{D}=\left(a_{i}^{D}, b_{i}^{D}, c_{i}^{D}\right) \\\tilde{r}_{i}^{S}=\left(a_{i}^{S}, b_{i}^{S}, c_{i}^{S}\right)\end{array}$

2.2 建立标准故障模型

本文通过分析各维修方式特点,得到适用的故障类型特征,映射得到标准故障。故障维修是在火箭炮装备发生故障后,对故障进行的维修活动。故障维修可以降低维修费用,但灵活性较差,适用于严重度不高的故障。计划维修是在故障发生前根据预先规定的时间而进行的维修。计划维修可以有效降低故障发生率,但有可能会增加维修成本,适用于故障严重度较高,会危及和影响任务完成的情况。视情维修是在装备技术状态开始劣化之后故障发生之前,对其可靠性水平连续监控,根据设备状态提前制定维修方案。视情维修能充分利用设备的使用寿命,较为经济,适用于利用现有的检测技术,能准确判定状态的故障[11]。不同维修方法对应的故障特点如表2所示。
表2 各维修方式对应的故障特点

Tab.2 Fault characteristics corresponding to each maintenance method

维修方式 发生频率 可检测度 严重度
故障维修 偶尔发生,有一定周期 能较为直接被检测 较低
计划维修 偶尔发生,有一定周期 不能或较难被检测 较高
视情维修 具有一定周期 通过测试可以被检测 具有一定严重度
根据以上故障特点,作者建立标准故障模型M1、M2、M3,分别对应故障维修、计划维修、视情维修3种维修方式。作者对标准故障的三项风险指标进行模糊评价,通过专家组确定标准故障的指标模糊数集合为
$\begin{aligned}\boldsymbol{M} & =\left|\begin{array}{lll}\widetilde{m}_{1}^{o} & \widetilde{m}_{1}^{D} & \widetilde{m}_{1}^{S} \\\widetilde{m}_{2}^{o} & \widetilde{m}_{2}^{D} & \widetilde{m}_{2}^{S} \\\widetilde{m}_{3}^{o} & \widetilde{m}_{3}^{D} & \widetilde{m}_{3}^{S}\end{array}\right|= \\& \left|\begin{array}{ccc}(0,2,5) & (0,0,3) & (0,1,4) \\(1,3,6) & (7,8,10) & (6,9,10) \\(2,4,6) & (4,5,7) & (4,4,6)\end{array}\right|\end{aligned}$

2.3 基于模糊贴进度的维修方法选择

贴进度是衡量两个模糊集合接近程度的一种标尺[12]。本文在建立标准故障模型基础上,判断采用哪种维修方式可以等效转化为计算故障与哪种标准故障指标模糊集更贴近。
假设有两个模糊数A、B,则其贴进度计算公式为[13]
N A , B= A , B A B· m i n A , B m a x A , B
式中, A , B=A u 1B u 1+A u 2B u 2+…+A u nB u n, A= A , A, B= B , B。
通过计算可得到故障Ri的严重度 r ˙ i S与标准故障Mj中严重度 m ˙ j S的模糊贴近度 N i j s、发生频率 r ˙ i O与 m ˙ j O的模糊贴近度 N i j O、可检测度 r ˙ i D与 m ˙ j D的模糊贴近度 N i j D。
在传统RPN方法中,风险指标O、S和D被视为同等重要,不符合实际应用场景。考虑故障指标在不同的维修方法中影响比重不同,设定权重系数 ω j O、 ω j S、 ω j D,可由主观赋权法或层次分析法等方法确定,且 ω j O+ ω j S+ ω j D=1。
则火箭炮故障Ri与标准故障Sj的综合贴进度为
dij= ω j O N i j O+ ω j S N i j s+ ω j D N i j D
按照上述方法,计算并比较di1、di2、di3大小,与故障Ri最大综合贴进度值的标准故障对应的维修方法即为最适合故障Ri的维修方法。

3 实例分析

为了验证改进的火箭炮故障维修方式选择方法的正确性,以某型火箭炮火控计算机为例,进行实例验证。火控计算机是火箭炮武器系统的核心设备,主要负责设计诸元解算、数据通信、自动操瞄等功能。以火控计算机为对象进行FMEA分析,并对各故障进行模糊评定,结果如表3所示。
表3 火控计算机FMEA分析

Tab.3 Fire control computer FMEA analysis

部件名称 功能 故障编号 故障模式 发生频率O 可检测度D 严重度S
电源模块 提供电能 R1 无+15 V输出电压 (2,3.5,5) (7,8.5,10) (4,6,8)
R2 输出电压偏离正常范围 (2,3.5,5) (4,6,8) (4,6,8)
数据处理模块 数据处理 R3 模块不工作 (2,3.5,5) (2,3.5,5) (2,3.5,5)
R4 储存器数据错误 (0,1.5,3) (4,6,8) (0,1.5,3)
总线接口模块 数据交换 R5 数据交换失败 (4,6,8) (4,6,8) (2,3.5,5)
各故障指标模糊矩阵为
R=(R1,R2,…,R5)T= ( 4,6 , 8 ) ( 0,1.5,3 ) ( 4,6 , 8 ) ( 2,3.5,5 ) ( 4,6 , 8 ) ( 4,6 , 8 ) ︙ ︙ ︙ ( 4,6 , 8 ) ( 4,6 , 8 ) ( 2,3.5,5 )
由式(6)得到火控计算机故障与标准故障各指标的模糊贴进度,如表4所示。
表4 指标模糊贴进度

Tab.4 Index fuzzy proximity degree

故障
编号		 标准
故障		 N i j O N i j D N i j s
M1 0.776 0.136 0.328
R1 M2 0.924 0.981 0.728
M3 0.857 0.635 0.759
M1 0.776 0.207 0.328
R2 M2 0.924 0.732 0.728
M3 0.857 0.879 0.759
M1 0.776 0.364 0.570
R3 M2 0.924 0.432 0.431
M3 0.857 0.672 0.765
M1 0.621 0.364 0.794
R4 M2 0.489 0.432 0.200
M3 0.429 0.672 0.353
M1 0.448 0.207 0.570
R5 M2 0.603 0.732 0.431
M3 0.690 0.879 0.765
本文使用层次分析法得到各风险指标在不同的维修方法中的权重,结果如表5所示。
表5 指标权重

Tab.5 Index weight

权重 M1 M2 M3
ω j O 0.18 0.20 0.20
ω j D 0.31 0.40 0.42
ω j S 0.43 0.40 0.38
根据式(7)计算得到火控计算机故障与标准故障的综合贴进度,结果如表6所示。
表6 综合贴进度计算结果

Tab.6 Synthesize the results of the calculation of the progress of the paste

故障
编号		 综合贴进度 维修
方式
di1 di2 di3
R1 0.323 0.868 0.726 计划维修
R2 0.345 0.769 0.829 视情维修
R3 0.498 0.530 0.744 视情维修
R4 0.566 0.351 0.502 故障维修
R5 0.390 0.586 0.798 视情维修
表6中的综合贴进度结果可以清楚地表明各故障对应的维修方式。故障R1与M2综合贴进度最高,对应计划维修方式;R2、R3、R5与M3综合贴进度最高,对应视情维修方式;R4与M1综合贴进度最高,对应故障维修方式。维修方法选择结果与实际相符。

4 结束语

本文的主要结论如下所述:
(1)使用模糊数对传统FMEA分析方法进行改进,降低了发生频率、可检测度、严重度指标定量评估的主观性,将不确定因素考虑在内,提高了FMEA分析的准确性。
(2)根据不同维修方法特点分析适用范围,建立标准故障模型,通过对火箭炮不同故障与标准故障的比较建立与维修方法的联系,克服了传统方法使用RPN值排序确定维修方法的缺陷,结果更加准确。
(3)考虑了在不同维修方法中风险指标重要性不同的实际问题,在评定过程中对发生频率、可检测度、严重度3个指标设定不同的权重,增加了该方法的实用性和合理性。
(4)以火箭炮火控计算机为例,进行了实例分析,验证了该方法的有效性,可以为火箭炮维修决策提供支撑,也值得在其他装备保障应用中推广。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
陈春良. 装备维修保障概论[M]. 北京: 国防工业出版社, 2022.

CHEN C L. Introduction to equipment maintenance support[M]. Beijing: National Defence Industry Press, 2022.

[2]
中国国家标准化管理委员会. 系统可靠性分析技术失效模式和影响分析:GB/T 7826-2012[S]. 北京: 中国标准出版社, 2013.

Standardization Administration of China. System reliability analysis technology failure mode and influence analysis: GB/T 7826-2012[S]Beijing: China Standards Press, 2013.

[3]
黄佳. 复杂不确定环境下FMEA改进及应用研究[D]. 上海: 上海大学, 2019.

HUANG J. Research on FMEA improvement and application within complex and uncertain environment[D]. Shanghai: Shanghai University, 2019.

[4]
王冬杰, 陈进华, 张弛, 等. 基于FMECA的水下轮缘推进器复合可靠性分析[J]. 舰船科学技术, 2024, 46(9):106-110.

WANG D J, CHEN J H, ZHANG C, et al. Combined reliability analysis of underwater rim thruster based on FMECA[J]. Ship Science and Technology, 2024, 46(9): 106-110.

[5]
王黄栋, 周景冉. 基于改进FMEA的装备采购供应链质量风险评估[J]. 海军工程大学学报, 2022, 34(2):50-56.

HUANG D, ZHOU J R. Quality risk assessment of equipment procurement supply chain based on improved FMEA[J]. Journal of Naval University of Engineering, 2022, 34(2): 50-56.

[6]
陈政平, 付桂翠, 赵幼虎. 改进的风险优先数(RPN)分析方法[J]. 北京航空航天大学学报, 2011, 37(11): 1 395-1 399.

CHEN Z P, FU G Z, ZHAO Y H. Improved analysis method of risk priority number[J]. Journal of Beijing University of Aeronautics and Astronautics, 2011, 37(11): 1 395-1 399.

[7]
吴虎胜, 盛晟, 凌晓冬, 等. 面向电子系统间歇故障的改进RPN计算框架[J]. 电子测量与仪器学报, 2017, 31(9):1349-1 357.

WU H S, SHENG S, LING X D, et al. Improved RPN computing framework facing to intermittent fault of electronic system[J]. Journal of Electronic Measurement and Instrumentation, 2017, 31(9): 1 349-1 357.

[8]
韦可佳, 耿俊豹, 徐孙庆. 基于模糊理论与D-S证据理论的FMEA方法[J]. 系统工程与电子技术, 2019, 41(11):2662-2 668.

WEI K J, GENG J B, XU S Q. FMEA method based on fuzzy theory and D-S evidence theory[J]. Systems Engineering and Electronics, 2019, 41(11): 2 662-2 668.

[9]
张健健, 郭继坤, 费青竹. 基于主成分分析和三角模糊数的应急物资供应能力指标体系[J]. 兵工自动化, 2023, 42(17):68-72.

ZHANG J J, GUO J K, FEI Q Z. Index system of emergency material supply capability based on principal component analysis and triangular fuzzy number[J]. Ordnance Industry Automation, 2023, 42(17): 68-72.

[10]
谷成. 基于FMEA的国产元器件应用可靠性评价研究[D]. 哈尔滨: 哈尔滨工业大学, 2019.

GU C. Research for based on FMEA on domestic components application reliability evaluation[D]. Harbin: Harbin Institute of Technology, 2019.

[11]
董正琼, 李晨阳, 聂磊, 等. 基于维纳退化过程的装备视情维修策略研究[J]. 电子测量技术, 2023, 46(19):56-61.

DONG Z Q, LI C Y, NIE L, et al. Research on equipment condition-based maintenance strategy based on Wiener degradation process[J]. Electronic Measurement Technology, 2023, 46(19): 56-61.

[12]
付颖. 基于模糊贴近度的γ能谱指纹类型识别[D]. 大连: 辽宁师范大学, 2011.

FU Y. Fingerprint identification of γ energy spectrum based on fuzzy nearness[D]. Dalian: Liaoning Normal University, 2011.

[13]
刘超超, 牛占文, 杨福东, 等. 基于熵权法-模糊贴进度的企业精益转型阶段判断方法[J]. 工业工程与管理, 2017, 22(6):40-47.

LIU C C, NIU Z W, YANG F D, et al. Assessment model to stage of lean transformation based on entropy weight and fuzzy approach degree[J]. Industrial Engineering and Management, 2017, 22(6): 40-47.

Options
Outlines

/

〈 〉