بهبود محاسبه rpn در روش fmea با استفاده از ترکیب مدل غیرخطی، topsis تجدیدنظر شده و منطق فازی

مقدمه: روش fmea، یک روش ساختار یافته جهت پیدا کردن و شناخت حالات شکست یک سیستم و محاسبه اثرات ناشی از آن می‌باشد. در این روش، عدد اولویت ریسک برای هر حالت شکست بر اساس ضرب سه پارامتر احتمال وقوع، شدت اثر و قابلیت کشف بدست می‌آید که مورد انتقاد بسیاری از محققان قرار گرفته است. در این تحقیق به منظور رفع معایب این روش نظیر رتبه بندی حالات شکست و وزن دهی پارامترها یک مدل پیشنهادی در محیط فازی ارائه گردید. روش کار: مدل پیشنهادی در این مقاله شامل مدل غیرخطی میخایلوف برای وزن دهی پارامترهای روش fmea و مدل تاپسیس تجدیدنظر شده برای رتبه بندی حالات شکست می‌باشد که از این ترکیب برای اولین بار به منظور بهبود روش تجزیه و تحلیل خطرات و اثرات ناشی از آن استفاده شد. یافته ها: مدل پیشنهادی در مجتمع مس شهربابک به منطور ارزیابی ریسک‌های ایمنی ارائه گردید بر اساس نتایج حاصل از تحقیق مشخص گردید که در این مدل پیشنهادی پارامتر شدت اثر و قابلیت کشف به ترتیب دارای وزن 0/479 و 0/186 می‌باشند و نتایج رتبه بندی نشان داده است که ریسک سقوط از ارتفاع از بالاترین و گیر افتادن بین اجسام از کمترین اولویت برخوردار می‌باشند. نتیجه گیری: درمدل پیشنهادی با اتکا به روش‌های برنامه ریزی غیرخطی میخایلوف و تاپسیس تجدید نظر شده به ترتیب وزن قطعی پارامترها بدون مرحله رتبه بندی اعداد فازی و رتبه بندی ریسک‌ها با معیارهای بیشتری ارائه گردید؛ لذا مدل پیشنهادی از توانایی بالاتری نسبت به fmea سنتی برخوردار می‌باشد و کاربرد آن برای تعیین رتبه بندی ریسک‌ها توصیه می‌گردد.

improving the calculation of rpn in the fmea method by combining a nonlinear model with revised topsis and fuzzy logic

introduction: failure mode and effects analysis (fmea) is a structured way to find and understand the states of a system’s failure and to calculate the resulting effects. in this method, which has been criticized by many researchers, the risk priority number is obtained for each failure mode based on the multiplication of the three parameters of occurrence (o), severity (s) and detection (d). in order to overcome the disadvantages of the traditional method of fmea, such as ranking the failure and weighting the parameters, this research proposes a model in the fuzzy set.material and methods: the model proposed in this paper is a nonlinear model for weighting the parameters of the fmea and the revised topsis method for ranking the failures, which is used for the first time to improve the fmea method.results: the proposed model was presented in the copper complex of shahr-e-babak to assess safety risks. based on the results of the study, it was found that in this proposed model, the weights of severity and detection were 0.479 and 0.186, respectively, and the results of the ranking showed that the risks of falling from height and getting stuck between objects had the highest and lowest priorities, respectively.conclusion: in the proposed model, based on logarithmic fuzzy preference programming and the revised topsis method, the definite weights of the parameters were presented without any fuzzy number ranking and risk ranking with more criteria, respectively. therefore, the proposed model has a higher ability compared to the traditional fmea, and its application can be recommended to determine the ranking of risks.