《Machines》：Reliability Analysis of Aerospace Blade Manufacturing Equipment: A Multi-Source Uncertainty FMECA Method for Five-Axis CNC Machine Tool Spindle Systems
Muhao Han,
Yufei Li,
Hailong Tian,
Yuzhi Sun,
Zixuan Ni,
Yunshenghao Qiu and
Haoyuan Li
编辑推荐：
五轴计算机数控（CNC）机床在航空发动机涡轮叶片的精密制造中发挥着关键作用，其中超高可靠性和精度至关重要。失效模式、影响及危害性分析（FMECA）因其对潜在失效模式的系统评估而被广泛应用于这类先进加工系统的可靠性评估中。然而，传统的FMECA方法往往忽视了人类
五轴计算机数控（CNC）机床在航空发动机涡轮叶片的精密制造中发挥着关键作用，其中超高可靠性和精度至关重要。失效模式、影响及危害性分析（FMECA）因其对潜在失效模式的系统评估而被广泛应用于这类先进加工系统的可靠性评估中。然而，传统的FMECA方法往往忽视了人类认知的模糊性以及专家评估之间的相互依赖性，限制了其在复杂航空航天制造环境中的有效性。为了解决这些问题，研究人员提出了一种基于广义直觉语言理论的新型FMECA框架。研究人员引入了一种新的广义直觉语言加权几何平均（GILWGA）算子，用于耦合多源专家信息并量化主观评估中固有的模糊性。此外，研究人员开发了一种基于直觉语言熵的加权方案，以动态评估关键风险因素，包括严重度（S）、发生频度（O）、可探测度（D）和可控性（C）。该框架被应用于一个涉及用于航空发动机叶片制造的五轴CNC机床主轴系统的案例研究。结果表明，所提出的方法提供了更稳健和一致的失效模式优先级排序，为航空航天设备制造中以可靠性为中心的维护提供了有效的决策支持。
**论文解读：基于多源不确定性FMECA的五轴CNC机床主轴系统可靠性分析**
**研究背景、问题与目的**
在航空航天工程领域，五轴计算机数控（CNC）机床是制造航空发动机涡轮叶片、叶轮等复杂高精度部件的核心设备，其可靠性直接关系飞行安全与生产成本。失效模式、影响及危害性分析（FMECA）已被广泛用于此类系统的可靠性评估，但传统方法存在三大局限：一是风险维度不完整，仅考虑严重度（S）、发生频度（O）和可探测度（D），忽视了可控性（C）这一关键工程能力；二是忽略人类认知的模糊性，专家评价具有内在主观性，传统方法却假设确定性推理；三是未能处理多源专家信息之间的耦合效应，低估了团队评价中的相互影响。这些缺陷在航空航天制造这种高风险、高精度情境下尤为突出。因此，研究人员提出了一种基于广义直觉语言理论和直觉语言熵的动态加权FMECA新框架，旨在实现更客观、稳健的失效模式优先级排序。
**研究内容与结论**
研究人员引入可控性（C）作为第四风险维度，并重新定义风险优先数（RPN）公式。他们提出广义直觉语言加权几何平均（GILWGA）算子，用于聚合多专家直觉语言评价，同时保留认知模糊性和专家间耦合。通过直觉语言熵确定指标权重，实现动态评估。将该方法应用于某航空航天用五轴CNC机床主轴系统的九种代表性失效模式（如齿轮磨损、漏油、碟形弹簧失效等）案例中，得出以下结论：与传统方法、参考[37]方法、贝叶斯网络FMECA（BN-FMECA）及蒙特卡洛RPN方法相比，新框架对高危险失效模式（如漏油、换挡失败）灵敏度更高，排序更符合工程实际，特别能揭示传统方法忽视的潜在风险。敏感性分析表明，改变专家数量和粒度参数时，Kendall’s τ系数平均值为0.827，算法稳定性良好。论文发表在《Machines》。
**主要关键技术方法**（不超过250字）
研究人员首先基于工厂运行数据、维护日志和用户反馈，从某航空航天制造企业选定九种核心失效模式。关键技术包括：①广义直觉语言加权几何平均（GILWGA）算子，通过将多个专家对同一失效模式的直觉语言数（
θ, μ, ν>）按动态权重进行几何平均，实现多源专家信息耦合与认知模糊性量化；②直觉语言熵权重方法，根据每个指标下专家评分的犹豫度π与隶属-非隶属差异计算指标权重，实现客观动态赋权；③引入可控性（C）作为第四风险维度，定义五级评价标准（极低至极高），使风险分析更加全面。案例中邀请了三位不同领域专家（机械设计研究员、机床制造工程师、车间管理主任）进行直觉语言评分。
**研究结果**
**5.1 计算过程**：通过建立九种失效模式集、邀请专家按严重度（S）、发生频度（O）、可探测度（D）和可控性（C）进行直觉语言评分，再利用直觉语言熵计算得到各指标权重（平均约为0.25），最后用GILWGA算子聚合得到各失效模式的综合直觉语言数，并计算得分函数。结果显示，漏油（FM2）的RPN最高（6985.1×10-5），换挡失效（FM4）和碟形弹簧失效（FM3）次之，定位键磨损（FM9）最低（9.7069×10-5）。
**5.2 有效性分析与比较**：①**专家数量与粒度参数敏感性分析**：当专家数从3增至7、粒度参数从5增至7时，排序结果Kendall’s τ平均值为0.827，表明方法稳定。②**参数λ敏感性分析**：λ取1、2、4、10时，得分变化趋势一致，排序稳定，故选择λ=1作为基准。③**风险等级与工程决策**：将失效模式划分为高、中、低三级。高风险（FM2、FM4、FM3）需立即干预，例如对漏油加强密封检查与在线监测；中风险（FM6、FM5、FM1、FM7）建议预防措施，如对轴承过热进行温度监控；低风险（FM8、FM9）可常规监控。④**与其他方法比较**：与传统FMECA、参考[37]、BN-FMECA（含OOBN扩展）和蒙特卡洛RPN方法对比，新框架对FM2和FM4的RPN突出更明显，能更准确反映多源专家共识和风险耦合效应，避免了传统方法对高风险低估或对低风险高估的问题。
**讨论与结论**
在第6节结论中，研究人员总结道：为响应航空航天系统对高可靠制造日益增长的需求，本研究提出了一种针对复杂高精度设备（如用于制造关键航空航天组件的五轴CNC机床）的新型FMECA框架。该方法整合了GILWGA算子，克服了传统方法在风险因素表示不足、认知模糊性建模不充分以及忽略专家评价相互依赖性三方面的局限。通过引入可控性作为额外风险维度，并利用语言熵动态分配专家和指标权重，所提出的FMECA框架显著提升了失效模式优先级排序在航空航天制造环境中的客观性和适应性。此外，扩展语言项的引入进一步提高了评估过程的粒度与一致性。涉及五轴CNC机床主轴系统（常用于涡轮叶片等高精度航空航天部件制造）的案例研究验证了该方法的实用价值。与传统方法相比，G-FMECA模型通过捕捉多源专家共识并调节专家耦合效应，更真实地反映了系统脆弱性，能有效揭示单视角评价可能忽视的潜在失效风险，为以可靠性为中心的维护规划提供了更稳健、更具认知依据的决策工具。未来工作将把该方法扩展到多阶段生产过程，并集成实时状态监测数据，以增强关键航空航天应用中的预测可靠性和系统弹性。同时，随着智能制造中数据驱动过程监控技术的快速发展，未来可探索将此类无标签异常检测方法与所提出的FMECA评估框架相结合，通过专家知识与过程监测数据的融合，进一步提高失效模式评估的客观性和可靠性。
