Applying Evidence Theory to Failure Mode and Effects Analysis

摘要

失效模式與效應分析(Failure Mode and Effects Analysis FMEA)被廣泛應用於檢查系統中的潛在失效風險，而過往FMEA 需以明確值進行評估，但考量決策者評估時會涉及自身主觀想法，這些主觀想法往往含有不確定性與模糊性，故有?多學者以模糊理論為基礎發展FMEA，以刻劃FMEA 過程中的決策者不確定性認知；而在FMEA 結合模糊理論的方法中，近年開始有學者以證據理論(evidence theory)為發展主軸，證據理論能夠藉由證據組合規則(combinationrule)整合每位專家決策，得到群體綜合評估，過程中不需訂定複雜的模糊規則，亦不需專家間的意見妥協。 然而證據組合規則(combination rule)作為整合基本機率指派之方法，在決策者評估間高度衝突的情況下，證據組合規則之整合結果會得到違反直覺的悖論，而過去大部分文獻皆未考慮到此缺陷；為使基於證據理論的FMEA方法能被應用於更廣泛的決策情境，本研究透過相似性測度衡量決策者評估以求出專家間於不同風險類別之共識後再行整合，可避免直接使用證據組合規則的整合缺陷，且在整合過程中透過熵值求出專家評估的明確程度，做為專家間客觀權重，以改良過去文獻假設權重為已知或主觀設定的權重給定方式。 在排序指標的部分，本研究有別於傳統FMEA 的風險優先數，本研究以信任區間(belief interval)做為排序依據，信任區間可藉由信任函數及似真函數直觀地反應原始專家評估之風險高低程度，且過往研究方法之排序指標，並無法辨識失效模式間之風險差異，而本研究可透過計算信任區間差距以求得失效模式間之風險差異，能提供較多資訊的排序指標。透過案例演算與數值分析，發現本研究方法不受證據組合規則之缺陷影響，在專家間共識程度低的情況下仍可求出整合結果，不會因專家間評估差距而產生不合理甚至無解之整合結果。

獎項日期	2019
原文	English
監督員	Liang-Hsuan Chen (Supervisor)