作为能够最大程度识别并帮助减少潜在隐患的技术手段，FMEA（失效模式与后果分析）已被列为ISO/TS16949的5大工具之一。也就是说FMEA是评估设计可靠度的一种方法，用来对产品、过程、体系误差的纠正预防。
什么是FMEA？
FMEA即Failure Mode and Effects Analysis，是在产品设计阶段和过程设计阶段，对构成产品、设备的子系统、零件，以及构成过程的各个工序逐一进行分析，找出所有潜在的失效模式，并分析其可能的后果，从而预先采取必要的措施，以提高产品或设备的质量和可靠性的一种系统化的活动。
FMEA分析步骤
FMEA智能化的四个关键
FMEA已经广泛应用在航空航天、电子、机械、电力、造船和交通运输等行业，但在智能制造时代，随着可靠性分析、系统化工程设计辅助工具等技术的发展，针对FMEA的应用要求日益提高，学者们提出了智能FMEA的框架，包括四部分：知识库/模型库，系统模型，故障模式选择和故障影响推理。
●知识库/模型库：包括产品典型故障模式，以及专家经验的收集汇总。在知识的表达上，采用面向对象的知识表达方式，基于典型单元模型进行专家知识的表达。
●系统模型：是对被分析系统结构或者功能的抽象描述，包括描述系统结构或功能的层次模型，描述同层次内部各单元间输入输出关系的网络模型。
●故障模式选择：单元故障模式的发生受环境因素、任务等约束条件的限制，目的是根据系统的工作环境以及任务等信息确定需要分析其影响的故障模式，这些故障模式是产品单元所有可能发生故障模式集合的子集。
●故障影响推理：模型不同，推理方式也不同，对于系统层次模型，主要根据专家知识直接对选定故障模式的影响进行推理；对于网络模型，则主要通过故障模式对产品单元间的输入输出关系进行推理。
FMEA是贯穿产品全周期的一项工作，旨在产品需求规划、设计研发、生产制造等阶段，对构成产品的子系统、零部件，工艺工序逐一进行分析，找出所有潜在的失效模式，并分析其可能的后果和产生的原因，并预先采取必要的措施，进而提高产品的质量和生产可靠性的一种系统性活动。
当下人工智能正不断迈向认知智能的高级发展阶段，FMEA分析过程中产生的庞大的数据模型和应用运算应利用人工智能技术，方可使其在企业智能化过程中发挥可靠性。
FMEA在企业数字化中的角色
在AI+时代，人工智能改变世界的三大关键要素是：核心技术、行业专家和行业大数据。
智能化转型过程中要求企业人员具有非常高的应变能力，能够灵活使用多种工具，从而使设计到生产、销售、售后服务等各个环节高效嵌入。随着质量管理方法论、研发管理方法论和IT技术的发展，大量的工具与方法逐步应用到企业管理中，FMEA就是被企业广泛应用的可靠性设计分析方法之一，是帮助企业从“制造”走向“智造”的利器。
在制造业中，产品质量与生产可靠性是企业的生命线，现代产品愈加的复杂，在产品规划、设计、生产制造和客户服务中，都要求参与人拥有足够深度和广度的知识以预防生产质量问题。
就FMEA工具本身而言，有资深的行业专家深度参与，有规范的行业标准定义可靠性分析的方法论，但最终分析的数据，只能文件式、离散式、孤岛式的存储，无法结构化，难以形成可分析的大数据。人工智能技术在FMEA产品中的应用关联关系，中间的核心载体就是工业互联网。
IIoT与FMEA的相互作用
工业互联网的目标之一在于实现全要素、全产业链、全价值链的互联互通。站在行业落地的视角来看，由于实施主体都是工业制造企业，企业的最终目标是通过数字化的生产与数字化的管理达到价值链的重塑。
而数字化生产的全要素“人、机、料、法、环、测”，同时也是FMEA分析中需要去覆盖的全要素，从研发设计端的DFMEA到生产制造过程的PFMEA，二者之间需要相互依存，相互验证，信息流和数据流需要相互流通，相互反哺，从而实现逻辑严谨且有数据支撑的可靠性分析。
FMEA的分析及应用会贯穿整个研发设计和生产制造过程，当我们用全新的互联网产品视角去重构FMEA时，不仅要从输入端引入新技术，更要在输出端将FMEA数据进行结构化存储，将行业的知识经验由零散的信息转化为可以自身迭代的行业标准。
同时也会预留与其他研发设计辅助、生产制造管理、质量管控等工具的数据流通接口，从而实现从孤岛式分析转变为各类分析工具、管理工具的协同协作，基于信息和数据，智能推荐、智能决策，实现真正意义上的“质”造，进一步落地企业的“智”造。
文章来源于网络，版权归原作者所有，侵删。
