中国安全科学学报

故障模式语言变量	风险因子权重语言变量	PFN
极其低(EL)	极其不重要(EUI)	(0.10，0.99)
非常低(VL)	非常不重要(VUI)	(0.10，0.97)
低(L)	不重要(UI)	(0.25，0.92)
稍微低(ML)	稍微不重要(MUI)	(0.40，0.87)
一般(F)	一般(F)	(0.50，0.80)
稍微高(MH)	稍微重要(MI)	(0.60，0.71)
高(H)	重要(I)	(0.70，0.60)
非常高(VH)	非常重要(VI)	(0.80，0.44)
极其高(EH)	极其重要(EI)	(1.00，0.00)

故障模式语言变量	风险因子权重语言变量	PFN
极其低(EL)	极其不重要(EUI)	(0.10，0.99)
非常低(VL)	非常不重要(VUI)	(0.10，0.97)
低(L)	不重要(UI)	(0.25，0.92)
稍微低(ML)	稍微不重要(MUI)	(0.40，0.87)
一般(F)	一般(F)	(0.50，0.80)
稍微高(MH)	稍微重要(MI)	(0.60，0.71)
高(H)	重要(I)	(0.70，0.60)
非常高(VH)	非常重要(VI)	(0.80，0.44)
极其高(EH)	极其重要(EI)	(1.00，0.00)

序号	故障模式	可能导致的后果
FM₁	粗格栅杂物缠绕	过滤功能不佳
FM₂	限位开关故障或结冰	机器设备停机不工作
FM₃	大块异物进入水泵	损坏水泵
FM₄	集水井泥沙或淤泥增多	进水泵堵塞
FM₅	除砂机抽取的砂浆所含有机物过多	除砂率降低
FM₆	破碎机损坏	污泥无法及时排除
FM₇	膜片脱落或破裂	曝气不足
FM₈	周边传动刮泥机与积雪接触打滑	无法排泥
FM₉	悬浮固体沉积在紫外线管表面	消毒不彻底

序号	故障模式	可能导致的后果
FM₁	粗格栅杂物缠绕	过滤功能不佳
FM₂	限位开关故障或结冰	机器设备停机不工作
FM₃	大块异物进入水泵	损坏水泵
FM₄	集水井泥沙或淤泥增多	进水泵堵塞
FM₅	除砂机抽取的砂浆所含有机物过多	除砂率降低
FM₆	破碎机损坏	污泥无法及时排除
FM₇	膜片脱落或破裂	曝气不足
FM₈	周边传动刮泥机与积雪接触打滑	无法排泥
FM₉	悬浮固体沉积在紫外线管表面	消毒不彻底

序号	S	O	D
FM₁	VH	H	VH	VH	H	VH	MH	H	VH	H	ML	MH	F	ML	ML
FM₂	MH	MH	F	MH	F	VH	MH	L	VH	MH	ML	F	VH	L	F
FM₃	VH	VH	F	VH	H	MH	F	ML	MH	F	VH	H	VH	F	H
FM₄	MH	MH	H	MH	MH	F	VH	MH	F	MH	H	VH	L	MH	MH
FM₅	VH	VH	H	H	H	VH	VH	VH	VH	VH	F	VH	VH	VH	H
FM₆	MH	MH	H	MH	MH	L	MH	MH	F	F	VH	VH	MH	VH	H
FM₇	H	H	VH	H	H	L	VH	MH	H	MH	VH	VH	VH	VH	VH
FM₈	VH	H	H	VH	H	ML	VH	L	ML	ML	L	L	VH	H	F
FM₉	VH	H	H	H	H	ML	VH	L	ML	ML	L	VL	F	ML	L

序号	S	O	D
FM₁	VH	H	VH	VH	H	VH	MH	H	VH	H	ML	MH	F	ML	ML
FM₂	MH	MH	F	MH	F	VH	MH	L	VH	MH	ML	F	VH	L	F
FM₃	VH	VH	F	VH	H	MH	F	ML	MH	F	VH	H	VH	F	H
FM₄	MH	MH	H	MH	MH	F	VH	MH	F	MH	H	VH	L	MH	MH
FM₅	VH	VH	H	H	H	VH	VH	VH	VH	VH	F	VH	VH	VH	H
FM₆	MH	MH	H	MH	MH	L	MH	MH	F	F	VH	VH	MH	VH	H
FM₇	H	H	VH	H	H	L	VH	MH	H	MH	VH	VH	VH	VH	VH
FM₈	VH	H	H	VH	H	ML	VH	L	ML	ML	L	L	VH	H	F
FM₉	VH	H	H	H	H	ML	VH	L	ML	ML	L	VL	F	ML	L

风险因子	TM₁	TM₂	TM₃	TM₄	TM₅
S	VI	VI	MI	VI	VI
O	I	VI	M	MI	I
D	MI	M	I	M	MI

风险因子	TM₁	TM₂	TM₃	TM₄	TM₅
S	VI	VI	MI	VI	VI
O	I	VI	M	MI	I
D	MI	M	I	M	MI

风险因子	客观权重	主观权重	综合权重
S	0.226	0.378	0.270
O	0.323	0.330	0.325
D	0.451	0.292	0.405

风险因子	客观权重	主观权重	综合权重
S	0.226	0.378	0.270
O	0.323	0.330	0.325
D	0.451	0.292	0.405

故障模式序号	经典FMEA	PF-TOPSIS	PF-VIKOR	本文模型
FM₁	248	4	0.592	3	0.128	3	0.102	6
FM₂	157.2	8	0.347	8	0.390	9	-0.020	8
FM₃	261.8	3	0.579	4	0.222	4	0.304	3
FM₄	223.2	6	0.442	6	0.288	6	0.117	5
FM₅	435.2	1	0.913	1	-0.085	1	0.672	1
FM₆	226.8	5	0.435	7	0.338	7	0.189	4
FM₇	345.6	2	0.757	2	0.082	2	0.505	2
FM₈	159.2	7	0.460	5	0.257	5	0.084	7
FM₉	101.8	9	0.226	9	0.352	8	-0.417	9

故障模式序号	经典FMEA	PF-TOPSIS	PF-VIKOR	本文模型
FM₁	248	4	0.592	3	0.128	3	0.102	6
FM₂	157.2	8	0.347	8	0.390	9	-0.020	8
FM₃	261.8	3	0.579	4	0.222	4	0.304	3
FM₄	223.2	6	0.442	6	0.288	6	0.117	5
FM₅	435.2	1	0.913	1	-0.085	1	0.672	1
FM₆	226.8	5	0.435	7	0.338	7	0.189	4
FM₇	345.6	2	0.757	2	0.082	2	0.505	2
FM₈	159.2	7	0.460	5	0.257	5	0.084	7
FM₉	101.8	9	0.226	9	0.352	8	-0.417	9

基于改进FMEA的污水厂设备故障风险评估模型

PDF下载

刘新 ¹ , 伍俊楠 ¹ , 潘殿琦 ² , 张以晨 ¹ , 张继权 ¹^,³ , 柯楷 ¹

中国安全科学学报 | 安全工程技术 2024,34(8): 101-107

收起

中国安全科学学报 | 安全工程技术 2024, 34(8): 101-107

基于改进FMEA的污水厂设备故障风险评估模型

全屏

刘新¹, 伍俊楠¹, 潘殿琦², 张以晨¹, 张继权¹^,³, 柯楷¹

作者信息

¹ 长春工程学院吉林应急管理学院，吉林长春 130012

² 长春工程学院研究生学院，吉林长春 130012

³ 东北师范大学环境学院，吉林长春 130024

刘新 (1976—)，女，辽宁阜新人，博士，副教授，主要从事污水处理厂水质安全方面的研究。E-mail：sh_lx@ccit.edu.cn。

潘殿琦，教授。

张以晨，教授。

张继权，教授。

Equipment failure risk assessment model of wastewater treatment plant based on improved FMEA

Xin LIU¹, Junnan WU¹, Dianqi PAN², Yichen ZHANG¹, Jiquan ZHANG¹^,³, Kai KE¹

Affiliations

¹ College of Jilin Emergency Management，Changchun Institute of Technology，Changchun Jilin 130012，China

² Graduate School，Changchun Institute of Technology，Changchun Jilin 130012，China

³ School of Environment，Northeast Normal University，Changchun Jilin 130024，China

出版时间: 2024-08-28 doi: 10.16265/j.cnki.issn1003-3033.2024.08.1513

文章导航

摘要

收起

为保障污水处理厂正常运行，预防厂内设备发生故障，提出一种改进的故障模式与影响分析(FMEA)的风险评估模型。首先采用FMEA法识别污水厂设备故障模式，并结合毕达哥拉斯模糊集(PFS)刻画不确定评估信息；其次利用逐步权重评估比率分析法(SWARA)和最大偏差法计算主客观权重，通过博弈论组合权重计算3个风险因子的综合权重；然后采用多目标优化比率分析法(MOORA)对设备故障模式进行风险排序。最后以长春市Z污水厂设备故障风险评估为例，并将所提模型与传统FMEA、毕达哥拉斯模糊(PF)-优劣解距离法(TOPSIS)和PF-妥协折衷排序法(PF-VIKOR)等方法对比，验证该模型的有效性。结果表明：污水厂设备故障模式前3位是除砂机抽取的砂浆所含有机物过多、膜片脱落或破裂和大块异物进入水泵。

关键词

污水厂 / 故障模式与影响分析(FMEA) / 设备故障 / 风险评估 / 毕达哥拉斯模糊集(PFS)

Abstract

收起

In order to ensure the normal operation of wastewater treatment plants and prevent equipment failures，an improved FMEA risk assessment model was proposed. Firstly，the FMEA method was used to identify the failure modes of wastewater treatment plant equipment，and it was combined with PFS to portray the uncertainty assessment information. Secondly，the subjective and objective weights were calculated using the stepwise weight assessment ratio analysis (SWARA) method and the maximum deviation method，and the comprehensive weights of the three risk factors were calculated through the game theory combination weights. Thirdly，the multi-objective optimization on basis of ratio analysis (MOORA) method was used for the equipment failure mode risk ranking. Finally，taking Changchun City Z wastewater treatment plant equipment failure risk assessment as an example，the model proposed in this paper was compared with traditional FMEA，Pythagorean fuzzy technique for order preference by similarity to ideal solution (PF-TOPSIS)，and Pythagorean fuzzy VlseKriterijumska Optimizacija I Kompromisno Resenje (PF-VIKOR)，and the feasibility and effectiveness of the model were verified. The results show that the top 3 failure modes of wastewater plant equipment are that the grit extracted by the grit remover contains excessive organic matter，the diaphragm is dislodged or broken，and large foreign objects enter the pump.

Key words

wastewater treatment plant / failure mode and effect analysis (FMEA) / equipment failure / risk assessment / Pythagorean fuzzy set (PFS)

引用本文

刘新, 伍俊楠, 潘殿琦, 张以晨, 张继权, 柯楷. 基于改进FMEA的污水厂设备故障风险评估模型. 中国安全科学学报, 2024 , 34 (8) : 101 -107 . DOI: 10.16265/j.cnki.issn1003-3033.2024.08.1513

Xin LIU, Junnan WU, Dianqi PAN, Yichen ZHANG, Jiquan ZHANG, Kai KE. Equipment failure risk assessment model of wastewater treatment plant based on improved FMEA[J]. China Safety Science Journal, 2024 , 34 (8) : 101 -107 . DOI: 10.16265/j.cnki.issn1003-3033.2024.08.1513

正文

收起

0 引言

收起

污水处理厂(简称污水厂)是现代城市的重要基建，由于污水厂系统复杂，设备较多，一旦出现故障，将引起出水水质不达标，从而影响周边水资源可持续发展。因此，科学准确地评估污水厂设备故障风险，对设备故障风险排序，找到对系统影响最大的故障模式，并及时采取措施，对保障污水厂正常生产运行、促进水资源可持续发展具有重要的现实意义。

故障模式与影响分析(Failure Mode and Effect Analysis，FMEA)法是被广泛用于定义、识别和消除系统、设计过程中已知或潜在的失效、错误等，以防止意外失效的方法^[1]。目前，基于FMEA方法的污水厂设备故障风险评估，取得了一系列研究成果，例如：NIE Ru等^[2]引入多粒度语言表达FMEA团队成员的评估语言，评估了污水厂超临界水氧化系统的故障风险，并使用最优-最差法和最大偏差法求主客观权重。ALIZADEH等^[3]在研究污水厂预处理单元的设备故障风险中，基于模糊逻辑法模糊化风险因子和风险优先数(Risk Priority Number，RPN)。SHI Hua等^[4]提出了一种整合犹豫语言偏好关系和熵权法的新FMEA方法，对污水厂设备故障进行风险评估。KUMARI等^[5]将三角模糊层次分析法融入到优劣解距离法(Technique for Order Preference by Similarity to Ideal Solution，TOPSIS)中，对污水厂常见设备故障进行风险评估。BONAB等^[6]在毕达哥拉斯模糊(Pythagorean Fuzzy，PF)背景下，将逐步权重评估比率分析(Stepwise Weight Assessment Ratio Analysis，SWARA)方法融入到复比例评估法，成功建立了污水厂设备故障风险评估模型。ZHU Jianghong等^[7]基于最大偏差法—偏好顺序结构评估法混合FMEA方法，评估了超临界水氧化系统的故障风险。

综上，相关研究还存在一些不足，一是专家还未很好地解决故障模式评估信息的定量化和不确定性问题；二是权重计算不合理；且以上研究多采用单一赋权法，这样影响评估结果的准确性和客观性。基于此，笔者拟提出一种改进的FMEA污水厂设备故障风险评估模型，并引入毕达哥拉斯模糊集(Pythagorean Fuzzy Set，PFS)表征评估信息，运用组合权重-多目标优化比率分析法(Multi-Objective Optimization on Basis of Ratio Analysis，MOORA)对设备故障模式进行排序，以确定需要优先处理的污水厂设备高风险的故障模式，降低污水厂的系统风险。

1 基于PFS和FMEA的风险评估

收起

1.1 问题描述

判断并评估污水厂设备故障风险，以便及时对风险较大的故障模式制定对策措施，组建一个t位专家的FMEA团队TM_k(k=1，2，…，t)，每个专家TM_k有相应的权重λ_k，且满足

∑ k = 1 t λ k = 1

。FMEA团队负责对q个风险因子

R F j (j = 1，2 ， … ， q)

条件下的m个设备故障模式

F M i (i = 1，2 ， … ， m)

进行风险评估。

1.2 PFS理论

YAGE^[8]提出的PFS在决策信息的模糊性和犹豫性等方面具有较好的优势，更符合实际中的不确定性^[9]。

定义1。设

X = {x 1 ， x 2 ， … ， x n}

为一个非空集合，

μ p : X → [0，1]

和

ν p : X → [0，1]

为 X 到[0，1]区间的映射，则 X 上的一个PFS(P)定义如下：

(1)

P = {< x ， μ p (x) ， ν p (x) > | x ∈ X}

式中μ_p(x)∈[0，1]和ν_p(x)∈[0，1]表示元素x属于P的隶属度和非隶属度，且满足条件：

$0 \leqslant\left(\mu_{p}(x)\right)^{2}+\left(\nu_{p}(x)\right)^{2} \leqslant 1，\forall x \in X$

定义2。元素x属于P的犹豫度定义如下：

(2)

π p (x) = 1 - (μ p (x)) 2 - (ν p (x)) 2

那么，p=(μ_p(x)，ν_p(x))被称为毕达哥拉斯模糊数(Pythagorean Fuzzy Number，PFN)，记作p=(μ_p，ν_p)。

常用的PFN运算规则可以参照文献[10-11]。

定义3^[10-11]。设一个PFN

p = (μ p ， ν p)

，则p的得分函数定义为：

(3)

M (p) = μ p 2 - ν p 2 ， M (p) ∈ [- 1，1]

定义4^[11]。已知2个PFN

p 1 = (μ 1 ， ν 1) 和 p 2 = (μ 2 ， ν 2)

，则定义p₁和p₂之间的毕达哥拉斯模糊距离(Pythagorean Fuzzy Distance，PFD)为：

(4)

d P F D (p 1 ， p 2) = 12 (| μ 12 - μ 22 | + | ν 12 - ν 22 | + | π 12 - π 22 |)

定义5^[12]。令

p i = (μ i ， ν i) (i = 1，2 ， … ， n)

为PFN集合，那么PFN加权平均算子(Pythagorean Fuzzy Weighted Averaging，PFWA)，可定义为：

(5)

P F W A (p 1 ， p 2 ， … ， p n) = 1 - ∏ i = 1 n (1 - μ i 2) η i ， ∏ i = 1 n (μ i) η i

式中

η = (η 1 ， η 2 ， … ， η i)

为p_i对应的权重向量，且满足条件

η i ∈ [0，1]

和

∑ i = 1 n η i = 1

。

1.3 改进FMEA的风险评估模型

步骤1:获取故障模式风险评估信息。专家TM_k用表1中的语言变量来评估故障模式，将语言变量转化PFN，形成决策矩阵。把所有专家评估信息汇总到一个矩阵，形成聚合评估矩阵R:

(6)

R = {μ 11 ， ν 11 ， π 11} … μ 1 j ， ν 1 j ， π 1 j ︙ ︙ μ i 1 ， ν i 1 ， π i 1 … μ i j ， ν i j ， π i j

式中

{μ i j ， ν i j ， π i j}

为在风险因子j下第i个故障模式的PFN。

步骤2:本文采用SWARA方法^[13]计算主观权重。

1) 成员根据重要程度对风险因子进行优先排序，将最重要的风险因子放在第一位，并得到1分，其余的风险因子通过式(3)计算得分值降序排序。

2) 确定风险因子的相应重要性(IM_j)和计算系数(b_j)。

(7)

b j = 1 j = 1 I M j + 1 j > 1

式中b_j表示每个风险因子相对于上一个邻近风险因子的重要性。

3) 计算每个风险因子的初始权重(c_j)。

(8)

c j = 1 j = 1 b j - 1 b j j > 1

4) 计算最终的主观权重。

(9)

ω j s = c j ∑ j = 1 n c j

步骤3:本文采取最大偏差法计算客观权重。假设风险因子的权重向量为ω^o=(

ω 1 o

，

ω 2 o

，…，

ω q o

)。如果风险因子的权重完全未知时，构建一个线性规划模型推导最优权重向量如下：

(10)

m a x V j (ω') = ∑ j = 1 q ∑ i = 1 m V i j (ω') = ∑ j = 1 q ∑ i = 1 m ∑ g = 1 m d P F D (r i j ， r h j) · ω' j s . t . ∑ j = 1 q ω' j = 1 ， ω' j ≥ 0 ， j = 1，2 ， … ， q

式中：

V j (ω')

为所有风险因子条件下故障模式FM_i对其他风险因子的偏差；

V i j (ω')

为对于所有风险因子条件下故障模式FM_i对其他风险因子的偏差；

d P F D (r i j ， r h j)

为2个PFN的距离，可用式(4)计算出来；r_ij为在风险因子j条件下故障模式i的评估信息；

r h j

为在风险因子j条件下故障模式h的评估信息。

通过求解式(10)，可用下式归一化处理最优权重向量：

(11)

ω j o = ∑ i = 1 m ∑ g = 1 m d P F D (r i j ， r h j) ∑ j = 1 q ∑ i = 1 m ∑ g = 1 m d P F D (r i j ， r h j)

式中

ω j o

为风险因子j的客观权重。

步骤4:使用博弈论组合赋权法计算综合权重。将不同权重方法有机结合，获得相对均衡的最优组合权重^[14]。综合权重

ω j

具体的计算步骤可见文献[15]。

步骤5:故障模式排序。在PF环境下，本文使用MOORA方法进行故障模式排序，步骤如下：

1) 构建加权矩阵

R'

。

(12)

R' = R · ω = {μ' 11 ， ν' 11 ， π' 11} … μ' 1 j ， ν' 1 j ， π' 1 j ︙ ︙ μ' i 1 ， ν' i 1 ， π' i 1 … μ' i j ， ν' i j ， π' i j

式中

{μ' i j ， ν' i j ， π' i j}

为在风险因子j下第i个故障模式的加权PFN。

2) 计算收益型指标总和BN_i与成本型指标总和C_i。

收益型指标表示数值越高越好，而成本型指标表示数值越低越好，BN_i与C_i见下式：

(13)

B N i = ∑ i = 1 g (μ' m j ， ν' m j ， π' m j) C i = ∑ i = g + 1 m (μ' m j ， ν' m j ， π' m j)

3) 对BN_i和C_i去模糊化。

(14)

M B N i = (μ B N i) 2 - (ν B N i) 2 M C i = (μ C i) 2 - (ν C i) 2

式中：

M B N i

为收益型指标总和的得分函数；

M C i

为成本型指标总和的得分函数。

4) 计算故障模式总体评分函数My_i。

(15)

M y i = M B N i - M C i

5) 故障模式FM_i排序。根据My_i的大小进行降序排序，My_i越大，风险排序越高；反之，则风险排序越低。

2 设备故障风险评估案例分析

收起

长春市Z污水厂位于吉林省长春市南部，占地面积21.2 hm²。该污水厂处理规模达到25万m³/d，采用一次沉淀、二次沉淀，改良“厌氧-缺氧-好氧”生物脱氮除磷(A₂O)+滤布滤池等主要工艺，主要设备有细格栅、粗格栅、水泵、除砂机、鼓风机、周边刮泥机、紫外线灯等等。为了验证本文所提改进FMEA模型的可行性和有效性，将其应用在该污水厂设备风险评估，以得到故障模式的风险排序，降低污水厂运行风险。

2.1 风险评估过程

由5位专家组成FMEA团队，对污水厂设备进行风险因子严重性S、频率O和可检测性D以及风险因子条件下的设备故障模式评估。团队成员由一位生产副厂长、一位安全管理部门部长、一位生产部门部长以及2位运行班班长组成，根据他们教育背景工作经验等，按照文献[16]计算得出他们的权重为0.232，0.214，0.196，0.179，0.179。团队一共识别出30个设备故障模式，由于篇幅的限制，本文列出风险较高的9个设备故障模式，见表2。

步骤1:故障模式风险评估信息的获取。

专家团队以语言变量给出对风险因子RF_j条件下的FM_i评价信息，见表3。根据表1，将各专家评估信息转化为PFN形成决策矩阵，通过式(5)将所有专家的评估信息汇总到聚合评价矩阵R。

步骤2:计算主观权重。FMEA团队成员采用语言变量的形式评估3个风险因子，结果见表4。根据表1，将表4中的语变量转换为PFN，并根据团队成员的权重，通过式(5)形成PFWA矩阵；然后通过式(7)—式(9)计算主观权重，结果见表5。

步骤3:通过式 (10)计算风险因子的客观权重，结果见表5。

步骤4:综合前2个步骤计算主观和客观权重，通过博弈论组合赋权法计算3个风险因子的综合权重，结果见表5。

步骤5:设备故障模式排序。通过根据式(12)—式(15)计算出每个故障模式的M_yi得分，确定设备故障模式风险顺序为：FM₅> FM₇> FM₃> FM₆> FM₄> FM₁> FM₈> FM₂> FM₉。风险排序最高的FM₅，其次是FM₇ 与FM₃。管理者应充分利用有限资源，针对风险比较大的故障模式制定对应的控制措施。

2.2 灵敏度和比较分析

考虑风险因子权重对排序结果的影响，本文采用增量占比变化方法^[17]进行灵敏度分析，结果如图1所示。在所有灵敏度变化方案中，有4个故障模式排名发生了改变，占所有故障模式的44.4%，说明风险因子的权重对故障模式排序结果有重要影响。因此，应根据成员意见和实际情况，合理确定风险因子权重。

为了说明改进FMEA模型的差异性和优越性，将该模型与其他方法(包括传统FMEA，PF-TOPSIS^[10]和PF-VIKOR^[18])进行对比，见表6。从表6可以看出，4种方法给出风险最高设备故障模式是FM₅。在风险最低的设备故障模式中，除了PF-VIKOR法为FM₂，其他方法均为FM₉。除了FM₅和FM₇之外，这4种方法中每种设备故障模式的排序顺序并不完全一致，造成这些差异的主要原因包括以下2个方面：

1) 本文使用PFS克服传统FMEA无法反映评估信息不确定性和模糊性的缺点。

2) PF-TOPSIS和PF-VIKOR方法中的风险因子权重主要由评估者主观分配，而本文模型使用博弈论组合赋权法计算综合权重，使风险因子的权重更加客观合理。

将这3种方法与传统FMEA方法进行相关性^[19]分析，结果如图2所示。PF-VIKOR方法相关系数为0.900，说明与传统FMEA方法结果具有较高的相关性。其次，PF-TOPSIS方法相关系数为0.917，比PF-VIKOR稍微高些。而本文提出模型的相关系数最高，说明提出模型获得的结果跟传统FMEA最相似。因此，所提出模型更能客观地评估污水厂设备故障风险。

3 结论

收起

1) 将PFS语言变量作为专家对污水厂各风险因子和故障模式的评估信息，减少了人为的主观性，并以数值的形式清晰地反映了设备故障模式风险水平，为污水厂设备风险管理提供有效方法。

2) 借助SWARA、最大偏差法和博弈论组合赋权法计算设备故障风险因子主客观权重和综合权重，使权重计算更加均衡。利用MOORA法对故障模式的风险程度进行排序，提高了评估结果的准确性。

3) 结合案例验证本文提出改进FMEA模型是可靠和有效的。随着污水厂设备逐渐升级，设备故障模式日益复杂，故障模式之间可能存在关联性，今后需考虑这种关联性。

基金

收起

吉林省科技厅项目(20210203043SF)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

吴耀男, 林雷, 任新温, 等. 一种基于逻辑结构数的改进型FMEA方法[J]. 中国安全科学学报, 2021, 31(10):97-104.

Yaonan

, LIN

Lei

, REN

Xinwen

, et al. An improved FMEA method based on logical structure number[J]. China Safety Science Journal, 2021, 31(10): 97-104.

[2]

NIE

, TIAN

Zhangpeng

, WANG

Xiaokang

, et al. Risk evaluation by FMEA of supercritical water gasification system using multi-granular linguistic distribution assessment[J]. Knowledge-Based Systems, 2018, 162: 185-201.

[3]

ALIZADEH

S S

, SOLIMANZADEH

, MOUSAVI

, et al. Risk assessment of physical unit operations of wastewater treatment plant using fuzzy FMEA method: a case study in the northwest of Iran[J]. Environmental Monitoring and Assessment, 2022, 194(9): DOI:10.1007/s10661-022-10248-9.

[4]

SHI

Hua

, LIU

Zheng

, LIU

Huchen

. A new linguistic preference relation-based approach for failure mode and effect analysis with dynamic consensus reaching process[J]. Information Sciences, 2022, 610: 977-993.

[5]

KUMARI

, AHMAD

, KHAN

Z A

, et al. Failure mode and effects analysis of common effluent treatment plants of humid sub-tropical regions using fuzzy based MCDM methods[J]. Engineering Failure Analysis, 2023, 145: DOI: 10.1016/j.engfailanal.2022.107010.

[6]

BONAB

S R

, OSGOOEI

. Environment risk assessment of wastewater treatment using FMEA method based on Pythagorean fuzzy multiple-criteria decision-making[J]. Environment, Development and Sustainability, 2022: DOI: 10.1007/s10668-022-02555-5.

[7]

ZHU

Jianghong

, SHUAI

Bin

, LI

Guofang

, et al. Failure mode and effect analysis using regret theory and PROMETHEE under linguistic neutrosophic context[J]. Journal of Loss Prevention in the Process Industries, 2020: 64: DOI: 10.1016/j.jlp.2020.104048.

[8]

YAGER

R R

. Pythagorean membership grades in multicriteria decision making[J]. IEEE Transactions on Fuzzy Systems, 2013, 22(4): 958-965.

[9]

ILBAHAR

, KARAŞAN

, CEBI

, et al. A novel approach to risk assessment for occupational health and safety using Pythagorean fuzzy AHP & fuzzy inference system[J]. Safety Science, 2018, 103: 124-136.

[10]

ZHANG

Xiaolu

, XU

Zeshui

. Extension of TOPSIS to multiple criteria decision making with Pythagorean fuzzy sets[J]. International Journal of Intelligent Systems, 2014, 29(12): 1 061-1 078.

[11]

PENG

Xindong

, YANG

Yong

. Some results for Pythagorean fuzzy sets[J]. International Journal of Intelligent Systems, 2015, 30(11): 1 133-1 160.

[12]

ZHANG

Xiaolu

. A novel approach based on similarity measure for Pythagorean fuzzy multiple criteria group decision making[J]. International Journal of Intelligent Systems, 2016, 31(6): 593-611.

[13]

KERŠULIENÉ

, TURSKIS

. Integrated fuzzy multiple criteria decision making model for architect selection[J]. Technological and Economic Development of Economy, 2011, 17(4): 645-666.

[14]

周英豪, 王文杰, 卢西洲, 等. 岩爆灾害博弈论组合赋权预测模型及应用[J]. 中国安全科学学报, 2022, 32(7):105-112.

ZHOU

Yinghao

, WANG

Wenjie

, LU

Xizhou

, et al. Combination weighting prediction model and application of rock bust disaster based on game theory[J]. China Safety Science Journal, 2022, 32(7): 105-112.

[15]

辛酉阳, 杨德磊, 方前程. 改进GRA-TOPSIS模型在装配式建筑施工风险评估中的应用[J]. 安全与环境学报, 2023, 23(7):2 212-2 222.

XIN

Youyang

, YANG

Delei

, FANG

Qiancheng

. Application of improved GRA TOPSIS model in risk assessment of prefabricated building construction[J]. Journal of Safety and Environment, 2023, 23(7): 2 212-2 222.

[16]

闫帅平. 基于WSR-FPP和云模型的地铁车站火灾安全评价[J]. 消防科学与技术, 2021, 40(2):279-283.

YAN

Shuaiping

. Fire safety evaluation of subway station based on WSR-FPP and cloud model[J]. Fire Science and Technology, 2021, 40(2): 279-283.

[17]

KOKSALMIS

, KABAK

. Deriving decision makers' weights in group decision making: an overview of objective methods[J]. Information Fusion, 2019, 49: 146-160.

[18]

GUL

, AK

M F

, GUNERI

A F

. Pythagorean fuzzy VIKOR based approach for safety risk assessment in mine industry[J]. Journal of Safety Research, 2019, 69: 135-153.

[19]

ATTRI

S D

, SINGH

, DHAR

, et al. Multi-attribute sustainability assessment of wastewater treatment technologies using combined fuzzy multi-criteria decision-making techniques[J]. Journal of Cleaner Production, 2022, 357: DOI: 10.1016/j.jclepro.2022.131849.

2024年第34卷第8期

PDF下载

333

131

引用本文

BibTeX

文章信息

doi: 10.16265/j.cnki.issn1003-3033.2024.08.1513

接收时间：2024-02-22
首发时间：2025-07-09
出版时间：2024-08-28

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-02-22
修回日期：2024-05-25

基金

吉林省科技厅项目(20210203043SF)

作者信息

¹ 长春工程学院吉林应急管理学院，吉林长春 130012

² 长春工程学院研究生学院，吉林长春 130012

³ 东北师范大学环境学院，吉林长春 130024

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/zgaqkxxb/CN/10.16265/j.cnki.issn1003-3033.2024.08.1513

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

故障模式语言变量	风险因子权重语言变量	PFN
极其低(EL)	极其不重要(EUI)	(0.10，0.99)
非常低(VL)	非常不重要(VUI)	(0.10，0.97)
低(L)	不重要(UI)	(0.25，0.92)
稍微低(ML)	稍微不重要(MUI)	(0.40，0.87)
一般(F)	一般(F)	(0.50，0.80)
稍微高(MH)	稍微重要(MI)	(0.60，0.71)
高(H)	重要(I)	(0.70，0.60)
非常高(VH)	非常重要(VI)	(0.80，0.44)
极其高(EH)	极其重要(EI)	(1.00，0.00)

故障模式语言变量

风险因子权重语言变量

PFN

极其低(EL)

极其不重要(EUI)

(0.10，0.99)

非常低(VL)

非常不重要(VUI)

(0.10，0.97)

低(L)

不重要(UI)

(0.25，0.92)

稍微低(ML)

稍微不重要(MUI)

(0.40，0.87)

一般(F)

(0.50，0.80)

稍微高(MH)

稍微重要(MI)

(0.60，0.71)

高(H)

重要(I)

(0.70，0.60)

非常高(VH)

非常重要(VI)

(0.80，0.44)

极其高(EH)

极其重要(EI)

(1.00，0.00)

序号	故障模式	可能导致的后果
FM₁	粗格栅杂物缠绕	过滤功能不佳
FM₂	限位开关故障或结冰	机器设备停机不工作
FM₃	大块异物进入水泵	损坏水泵
FM₄	集水井泥沙或淤泥增多	进水泵堵塞
FM₅	除砂机抽取的砂浆所含有机物过多	除砂率降低
FM₆	破碎机损坏	污泥无法及时排除
FM₇	膜片脱落或破裂	曝气不足
FM₈	周边传动刮泥机与积雪接触打滑	无法排泥
FM₉	悬浮固体沉积在紫外线管表面	消毒不彻底

序号

故障模式

可能导致的后果

FM₁

粗格栅杂物缠绕

过滤功能不佳

FM₂

限位开关故障或结冰

机器设备停机不工作

FM₃

大块异物进入水泵

损坏水泵

FM₄

集水井泥沙或淤泥增多

进水泵堵塞

FM₅

除砂机抽取的砂浆所
含有机物过多

除砂率降低

FM₆

破碎机损坏

污泥无法及时排除

FM₇

膜片脱落或破裂

曝气不足

FM₈

周边传动刮泥机与
积雪接触打滑

无法排泥

FM₉

悬浮固体沉积在
紫外线管表面

消毒不彻底

序号	S	O	D
FM₁	VH	H	VH	VH	H	VH	MH	H	VH	H	ML	MH	F	ML	ML
FM₂	MH	MH	F	MH	F	VH	MH	L	VH	MH	ML	F	VH	L	F
FM₃	VH	VH	F	VH	H	MH	F	ML	MH	F	VH	H	VH	F	H
FM₄	MH	MH	H	MH	MH	F	VH	MH	F	MH	H	VH	L	MH	MH
FM₅	VH	VH	H	H	H	VH	VH	VH	VH	VH	F	VH	VH	VH	H
FM₆	MH	MH	H	MH	MH	L	MH	MH	F	F	VH	VH	MH	VH	H
FM₇	H	H	VH	H	H	L	VH	MH	H	MH	VH	VH	VH	VH	VH
FM₈	VH	H	H	VH	H	ML	VH	L	ML	ML	L	L	VH	H	F
FM₉	VH	H	H	H	H	ML	VH	L	ML	ML	L	VL	F	ML	L

序号

TM₁

TM₂

TM₃

TM₄

TM₅

TM₁

TM₂

TM₃

TM₄

TM₅

TM₁

TM₂

TM₃

TM₄

TM₅

FM₁

FM₂

FM₃

FM₄

FM₅

FM₆

FM₇

FM₈

FM₉

风险因子	TM₁	TM₂	TM₃	TM₄	TM₅
S	VI	VI	MI	VI	VI
O	I	VI	M	MI	I
D	MI	M	I	M	MI

风险因子

TM₁

TM₂

TM₃

TM₄

TM₅

风险因子	客观权重	主观权重	综合权重
S	0.226	0.378	0.270
O	0.323	0.330	0.325
D	0.451	0.292	0.405

风险因子

客观权重

主观权重

综合权重

0.226

0.378

0.270

0.323

0.330

0.325

0.451

0.292

0.405

故障模式序号	经典FMEA	PF-TOPSIS	PF-VIKOR	本文模型
FM₁	248	4	0.592	3	0.128	3	0.102	6
FM₂	157.2	8	0.347	8	0.390	9	-0.020	8
FM₃	261.8	3	0.579	4	0.222	4	0.304	3
FM₄	223.2	6	0.442	6	0.288	6	0.117	5
FM₅	435.2	1	0.913	1	-0.085	1	0.672	1
FM₆	226.8	5	0.435	7	0.338	7	0.189	4
FM₇	345.6	2	0.757	2	0.082	2	0.505	2
FM₈	159.2	7	0.460	5	0.257	5	0.084	7
FM₉	101.8	9	0.226	9	0.352	8	-0.417	9

故障模
式序号

经典FMEA

PF-TOPSIS

PF-VIKOR

本文模型

RPN

排序

贴近度CC_i

排序

综合值CQ_i

排序

My_i

排序

FM₁

248

0.592

0.128

0.102

FM₂

157.2

0.347

0.390

-0.020

FM₃

261.8

0.579

0.222

0.304

FM₄

223.2

0.442

0.288

0.117

FM₅

435.2

0.913

-0.085

0.672

FM₆

226.8

0.435

0.338

0.189

FM₇

345.6

0.757

0.082

0.505

FM₈

159.2

0.460

0.257

0.084

FM₉

101.8

0.226

0.352

-0.417