一种混合式的FMECA框架，结合了模糊逻辑与贝叶斯推理方法，用于对安全关键系统中复杂的风险依赖关系进行建模

《Expert Systems with Applications》：A hybrid FMECA framework integrating fuzzy–Bayesian reasoning for modeling complex risk dependencies in safety-critical systems

FMECA改进模型在复杂安全系统中应用研究。提出模糊-BWM-贝叶斯网络-FMECA集成框架，通过三阶段方法解决未知故障、多模式依赖和 crisp数值问题，并以工业锅炉为案例验证其优势。

　　

Akbar Rostamabadi|Esmaeil Zarei

工作场所健康研究中心，内沙布尔医科大学，伊朗内沙布尔

摘要

失效模式、效应和重要性分析（FMECA）是一种广泛用于工程系统风险和可靠性评估的工具。然而，由于其几个缺点，其在复杂的安全关键系统中的应用受到限制，这些缺点包括忽略了未知的失效原因、仅关注单一失效模式以及依赖于精确的数字。本研究提出了一个集成模糊-BWM-BN-FMECA（IFBBF）框架，以模拟复杂风险依赖性并解决复杂安全关键系统失效分析中的不确定性问题。该模型包括三个步骤。首先，基于FMECA结构开发了一个定性分析框架。其次，将定性框架映射到贝叶斯网络（BN）中，以模拟原因-失效-效应链中的依赖性并实现概率更新。应用了先进的软计算技术——包括模糊最佳-最差方法（F-BWM）、噪声或（N-OR）和泄漏噪声或（LN-OR）逻辑——来减少不确定性并考虑未知的失效原因。第三，使用模糊BN推理进行重要性分析，同时应用预测和诊断推理。所提出的模型被应用于工业火管锅炉的失效分析。结果表明，与传统的风险优先数（RPN）方法相比，所提出的方法显著提高了失效模式的重要性评估。它提供了对失效原因-效应链之间级联效应和相互依赖性的全面分析，实现了概率更新，并考虑了未知的失效原因——这些都是传统FMECA和其他基于模糊多标准决策（MCDM）的FMECA模型无法充分解决的问题的。

引言

失效模式、效应和重要性分析（FMECA）是一种成熟的可靠性工程方法，用于识别潜在的失效模式，分析其原因和效应，并减少或消除它们对系统功能的影响（Kim等人，2009年）。自其开发以来，FMECA已越来越多地应用于各种背景和行业，包括天然气（George等人，2019年）、电子（Zafiropoulos和Dialynas，2005年）、汽车（Belu等人，2013年）、制造（Dabous等人，2021年）、医疗保健（Sarkar，2024年）和建筑（Abu Dabous等人，2024年）。

尽管FMECA作为一种提高系统可靠性、安全性和质量的重要工具被广泛使用，但它也因几个缺点而受到大量批评（Liu等人，2013年）。作为失效模式和效应分析（FMEA）的扩展，FMECA缺乏定量概率模型，这限制了其在严格安全评估中的应用。传统的FMECA使用风险优先数（RPN）通过乘以三个因素来对失效模式进行排序：严重性（S）、发生概率（O）和检测概率（D）（Liu等人，2013年）。使用序数排名而不是定量概率估计进行风险优先级排序可能会使风险分析变得主观且不太可靠。FMECA没有考虑可能同时发生的多个失效之间的依赖性，并且基本上基于这样一个假设：一次只有一个失效模式存在，而所有其他组件或子系统都按设计运行（Xiao等人，2011年）。虽然这种假设可能对系统分析有用，但对于可能存在多个失效并相互作用的复杂系统来说，它特别具有局限性。

此外，准确的FMECA结果需要关于失效率、组件特性和系统行为的可靠数据——这些信息并不总是容易获得的。传统的FMECA依赖于精确的数字估计，缺乏概率数据显著限制了其准确性和适用性。一些最近的研究（Zhang和Chu，2011年；Ervural和Ayaz，2023年）报告称，基于精确数字的分析在失效模式优先级排序方面并不有效，也无法充分处理现实世界情况的模糊性、歧义和内在不确定性。

近年来，许多研究人员试图通过将模糊集理论和多标准决策（MCDM）方法集成到传统的FMECA中来克服这些限制。例如，Chakhrit等人（Chakhrit等人，2024年）开发了一种混合FMECA，整合了模糊AHP（分析层次过程）、灰色关系分析和熵方法，以增强燃气轮机系统中失效模式的评估和排序。Kahouadji和Belkaid（Kahouadji和Belkaid，2025年）提出了一种混合方法，整合了VIKOR（Vlsekrerijumska优化和折中解决方案）和TOPSIS（基于与理想解决方案相似性的偏好排序技术）技术，以改进通过FMECA方法识别的失效模式的排序。Das等人（Das等人，2024年）开发了一个结合模糊AHP和VIKOR方法的混合框架，以改进核电站中风险优先数（RPN）的计算，从而更有效地对识别出的风险进行优先排序。Boral等人（Boral等人，2021年）将区间类型2模糊集和乘法半二次规划集成到先进的MCDM方法（IT2F-DEMATEL、IT2F-MAIRCA、IT2F-MARCOS和修改后的IT2F-TOPSIS）中，通过解决不确定性和因果依赖性来改进FMECA中的失效模式风险排序。Yu等人（Yu等人，2025年）提出了一种基于球形模糊集（SFS）、高级聚合和加权技术的混合FMEA方法，用于评估海上锚桩安装过程中的潜在失效模式。Shakibaei等人（Shakibaei等人，2025年）开发了一个模糊数据驱动的框架，整合了三种先进的MCDM技术——WASPAS（加权聚合和积评估）、ARAS（加性比率评估）和CoCoSo（组合折中解决方案）——以增强FMEA框架内的失效优先级排序。

虽然基于模糊MCDM的模型增强了FMECA的某些分析能力，但它们仍然主要是静态的，无法捕捉潜在失效模式之间的复杂依赖性。此外，大多数这些方法假设失效模式之间是独立的，并忽略了它们之间的潜在相互依赖性。更重要的是，传统的FMECA方法无法随着过程和操作参数的变化更新信息，这可能导致不准确和误导性的结果（Xin等人，2017年）。

在这种背景下，贝叶斯网络（BN）作为一种强大的、灵活的方法出现了，用于建模可靠性和风险评估的动态概念（Xin等人，2017年）。BN作为一类概率图模型（Samiullah等人，2021年），可以为FMECA提供强大的概率框架。BN不仅有助于建模各种失效-原因-效应链中可能存在的有条件依赖性和非线性交互，还能够更新信息以及使用基于模糊MCDM的FMECA模型难以捕捉的预测和演绎推理。到目前为止，只有少数研究人员尝试开发此类模型。例如，Ahmed等人（Ahmed等人，2025年）提出了一个高级框架，将动态BN和Bow-tie方法与区间类型2模糊-FMECA结合，用于游轮涡轮增压器的定量风险评估。Yucesan等人（Yucesan等人，2021年）开发了一个基于模糊BN和模糊-BWM的FMEA模型，用于分析工业厨房设备制造厂中的失效。Yang等人（Yang等人，2008年）提出了一种基于模糊规则的贝叶斯推理方法，以解决FMEA中使用模糊逻辑（即基于规则的）方法的一些缺点。Tarcsay等人（Tarcsay等人，2024年）在FMEA框架内整合了动态主成分分析（DPCA）和BN，开发了一种混合风险基础故障检测方法，能够有效识别故障并区分脱氢反应器和三罐基准系统中的安全关键和非安全关键过程异常。

然而，这些模型的一个显著局限性是它们假设所有可能的失效原因都是已知的，而未知或被忽略的原因可能仍然未被考虑（Gilabert，2011年）。在实践中，通常无法预见每一个潜在的情景，特别是那些新颖的、罕见的或意外的情景。此外，FMECA过程依赖于分析团队的知识、经验和创造力来识别潜在的失效模式及其原因。因此，由于团队成员的经验或知识空白，某些原因可能会被忽略或遗漏。同样，历史数据和记录可能不完整或有偏见，导致额外的未检测原因。未知失效原因的存在意味着基于传统FMECA的风险评估可能无法准确反映失效的真实风险。这反过来可能导致缓解策略不足，以及潜在的关键失效情景被忽视。

在这种背景下，本研究专注于开发一个集成模糊-BWM-BN-FMECA（IFBBF）模型，应用了先进的逻辑，如噪声或（N-OR）和泄漏噪声或（LN-OR）。N-OR和LN-OR是BN中用于建模二元变量之间因果关系的概率函数（D?ez和Druzdzel，2006年）。假设使用这些先进逻辑可以帮助解决传统FMECA的局限性，通过考虑未知或被忽略的失效原因。还应用了模糊-BWM来减轻来自精确数据的不确定性。模糊-BWM是一种MCDM方法，用于使用模糊集和最佳-最差偏好引导来优先考虑或加权决策问题中的标准，结合了模糊逻辑的强大功能和系统化的标准加权（Guo和Zhao，2017年）。考虑到模糊BN方法的优点——包括概率更新、提高的概率精度以及建模复杂依赖性的能力——本研究旨在克服以往研究的局限性，并增强传统FMECA在复杂安全关键系统风险分析和可靠性评估方面的分析能力。本文的其余部分组织如下。第2节介绍了研究方法。第3节描述了所提出方法的应用。第4节专门讨论了结果，最后第5节提出了结论。

方法部分

材料与方法

本研究提出了一种集成模糊-BWM-BN-FMECA（IFBBF）模型，通过在FMECA框架内应用先进的N-OR和LN-OR逻辑门来整合模糊-BWM技术和BN。图1展示了所提出方法的概述。

以下部分提供了所提出方法的详细描述。

方法的应用

工业蒸汽锅炉在许多过程行业中是关键系统，提供加热、发电和机械操作所需的饱和蒸汽。工业蒸汽锅炉通常在高压和高温下运行（超过1,000 psi和400°F），这些条件在安全措施不足或操作和维护不当的情况下存在火灾或爆炸的重大风险。因此，可靠和全面的风险分析

建立定性分析框架

定性框架是基于FMECA结构开发的，并由具有不同专业职位、服务时间和教育水平的FMECA团队成员进行了验证。选出了一组专家作为FMECA团队成员，包括一名机械工程师、一名操作和维护技术员、一名电气工程师、一名网络工程师和一名HSE工程师。锅炉系统及其过程被分解为组件/子系统，并对其功能进行了

结论

FMECA是一种众所周知且广泛使用的技术，用于系统地识别潜在的系统失效。然而，其分析上的局限性限制了其在复杂和高度安全关键系统中的应用。为了解决这些局限性，本研究提出了一种集成模糊-BWM-BN-FMECA（IFBBF）模型。该模型分为三个步骤开发。首先，基于FMECA结构建立了一个定性分析框架。其次，将该框架转换为模糊BN

资金来源

本工作得到了内沙布尔医科大学（资助编号14030703）的支持。资金来源未参与研究设计、数据收集、数据分析和解释、报告撰写以及决定提交文章发表。

CRediT作者贡献声明

Akbar Rostamabadi：项目管理、监督、概念化、方法论、数据管理、调查、撰写——初稿、资金获取。Esmaeil Zarei：概念化、监督、方法论、撰写——审阅和编辑。

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。

致谢

作者感谢内沙布尔医科大学的财务支持。本研究的伦理批准获得了代码IR.NUMS.REC.1403.029。

关于手稿准备过程中生成式AI和AI辅助技术的声明。

在准备本工作时，作者使用数字辅助工具进行手稿编辑，以确保语言准确性。使用这些工具/服务后，作者根据需要审查和编辑了内容。