本发明涉及大型武器装备制造过程中的风险评价
技术领域：
，具体地指一种大型武器装备制造风险传导评价方法。技术背景大型武器装备具有复杂化、精密化的特点，系统间关联程度更加紧密，设备技术状态更加复杂。制造过程中，各类风险随着项目的推进在不同任务、流程与工序间多向传导与耦合，极易扩散放大并产生连锁反应。因此，质量监督部门在风险分析时亟需科学有效的风险传导分析与评价方法以有效辨识和挖掘各类风险的关联关系与传导机理；同时，需要有效解决风险定量评价和定级方法粒度较粗、难以对风险进行精确计算与比较的问题，最终使各类风险能够在上游或风险事件发生结点及时发现、有效释放与化解。风险传导的概念最早出现在金融领域，并得到了广泛的推广与应用。作为一条重要分支，国内外诸多专家学者对项目风险传导理论及其应用进行了系统的研究。zegordi等针对供应链风险给出了基于petri网的中断风险传导评价方法，ghadge基于系统思维对项目风险传导路径与过程进行了仿真研究。杨敏等综合运用因果贝叶斯网络、云模型、影响图理论、蒙特卡洛等方法给出了一整套项目风险传导建模、分析与仿真方法。在装备风险传导评估领域，孙贇和王瑛等基于图形评审技术和机会理论构建了不确定性随机多传导参量网络模型和评审技术模型，具有同时处理复杂装备风险因素为随机变量和不确定性变量的优势，李超等在此基础上运用系统耦合理论、极大熵方法对gert模型的参数和变量进行了优化，白焱等提出了基于模糊云模型的风险传导评估步骤，将风险因素云模型综合计算后的风险量与发生器产生的二维正态云标尺进行比较排序并最终完成装备研制风险的精细化评价。刘艳琼以武器研制项目为背景提出了全面风险图景的改进影响图构建方法、分析框架及其对应评估模型与算法，给出了一套武器准备研制阶段性能风险、进度风险和费用风险的识别与评估方法。现有研究和技术的不足之处主要体现在：①缺乏一套适用于大型复杂武器装备生产过程或多阶段任务风险识别、传导、评价与定级的理论与方法；②专家基于经验和历史数据给出的风险评价信息融合过程难以有效解决用精确隶属度表示模糊事物的不彻底问题，导致风险评价精度和准确度受到较大影响；③传统风险定级法硬性分级粒度较粗，忽视了评价边界的模糊性和不确定性，对于集结后风险信息难以给出定性判断。技术实现要素：本发明的目的在于克服现有技术的不足，提出一种完备的可适用于大型复杂武器装备制造过程风险识别、传导、评价与定级的方法。为实现上述目的，本发明所设计的一种大型武器装备制造风险传导评价方法，其特殊之处在于，包括如下步骤：1)根据大型武器制造风险识别要求，确定制造过程的模块工序；2)以模块工序为分析单元，对每个模块工序进行风险结构分解为风险事件，形成风险识别矩阵；3)对每个模块工序进行风险事件的数据评价，形成概率等级和后果等级双语言变量决策信息；4)将每个模块工序的所述概率等级和后果等级双语言变量决策信息转换为直觉正态云模型定量信息；5)基于所述风险识别矩阵搭建风险传导的全景式影响图，进行风险传导分析，计算进度和/或费用和/或质量风险结点的风险影响值、贡献度及总风险影响值，并根据计算结果进行风险定级。优选地，所述步骤1)采用wbs-rbs风险识别方法，将大型武器制造过程分解为装备总体、制造过程节点、关键工序、关键任务、可执行的任务包五个层级，所述模块工序与位于第四层的关键任务对应。优选地，所述步骤2)中所述风险识别矩阵以风险为行、模块工序为列，aw(w＝1,2,…n)表示一级风险，表示模块工序β(β＝1,2,…,q)中的二级风险。优选地，所述步骤3)中风险事件的数据评价的过程为采集x个专家e＝{e1,e2,…,ex}(x≥2)对q个模块工序内存在的各风险事件的发生概率及其可能造成的质量损失进度损失和费用损失的评价值；其中，和的权重分别为ψq、ψs和ψp，v'个风险事件的权重分别为δ1,δ2,…,δv'，且ek表示第k个专家，q＝{q1,q2,…,qx}t为专家权重向量，qk表示第k个专家的权重，语言评价标度为s＝{s1,s2,…sk',…,sn'}，语言隶属度标度为h＝{h1,h2,…hk',…,hn'}；所述第k个专家的双语言变量决策信息为：优选地，所述步骤4)中所述双语言变量决策信息转化为直觉正态云模型定量信息的过程为：41)基于黄金分割法完成语言评价标度到正态云模型的转化；42)完成双语言变量决策信息转化为直觉正态云模型定量信息h→(ρ,ν)：在语言隶属度标度h＝{h1,h2,…hk',…,hn'}中，n'为h中的语言标度数量，将语言隶属度变量hk'转化为一个隶属度区间(ρk',νk')；由于h中的语言标度是均匀分布的，其对应隶属度值域分为n'个子区间，故有优选地，所述步骤5)中全景式影响图的构建过程为：511)确定风险结点和价值结点：确定模块工序β内风险事件的质量、进度、费用风险节点和将专家给出的风险评价信息存储于风险结点中512)以模块工序为单元构建风险传导局部影响图：针对模块工序β内所有风险事件对应的三类风险结点，构建q个模块工序的局部影响图；513)构建全景式影响图：根据逐层整合的顺序，依据模块工序β的时序整合局部影响图，得到项目内风险结点耦合后模块工序β的质量风险子结点、进度风险子结点和费用风险子结点fβwvq、和并对应至质量价值结点vq、进度价值结点vs和费用价值结点vp，最后综合价值结点v；514)全景式影响图函数层和数值层确定。优选地，所述步骤5)中进行风险传导分析的步骤包括：521)计算各个模块工序中各风险事件对应风险结点的风险影响值：522)计算各个进度和费用风险结点的风险影响值及其贡献度：523)计算各质量风险结点的风险影响值及其贡献度：524)计算总风险影响值r。优选地，所述步骤5中风险定级的方法为：设rd＝(<exd,ρd,νd>,end,hed)是待定级风险事件的风险影响值，将风险由低到高分为t'个等级，分别对应f1,f2,…,ft'，则风险定级步骤为：531)根据云的生成方法，将定性等级语言f1,f2,…,ft'转化为正态云模型的定量信息，fl→yl，其中隶属度区间yl＝(exl,enl,hel)，l＝1,2,…,t'；ex、en和he分别为正态云模型的期望、熵和超熵；532)将正态云信息yl作为专家对评价结果信心水平最高时的直觉正态云信息yl'＝(<exl,ρk',νk'>,enl,hel)，根据h→(ρ,ν)转化方法求解ρk',νk'；533)依据风险影响值比较方法，生成直觉正态云信息yl'的n个云滴样本，得到并将其作为风险定级的标准，即534)依据步骤533)，将待定级风险事件的风险影响值rd转化为535)：依据贴近度的思想，设实数介于相邻风险等级fl、fl 1对应的之间，若则rd对应的风险定级为fl。优选地，所述步骤522)的具体步骤包括：步骤b1：计算模块工序β(β＝1,2,…,q)中每一风险事件的进度和费用风险结点的风险影响值：式中，和分别为进度和费用风险结点的风险影响值；分别为进度和费用风险的发生概率；和分别为进度和费用的风险损失；步骤b2：计算不同模块工序中进度和费用风险结点的风险影响值：式中，δwv为权重；步骤b2：计算不同模块工序中进度和费用风险结点分别对应的贡献度和式中，δwvmn为权重；步骤b3：计算整个项目的进度和费用风险结点影响值及贡献度：优选地，所述步骤523)的具体步骤为：步骤c1：获取模块工序1中各二级风险事件对应的风险结点耦合关系数据；步骤c2：根据语言评价标度到正态云模型的转化方法将第一个模块工序中的风险结点耦合关系数据转化为直觉正态云模型定量信息；步骤c3：计算第一个模块工序的质量风险结点的耦合强度系数步骤c4：计算第一个模块工序的质量风险影响值步骤c5：计算第一个模块工序的质量风险结点对模块工序子结点的贡献度；步骤c6：重复步骤步骤c1～步骤c5，依次计算模块工序2,3,…,q的风险影响值及其风险结点贡献度，得到和本发明提出的一种大型武器装备制造风险传导评价方法的有益效果为：1、本发明提出了基于wbs-rbs的风险识别方法，给出了双语言变量决策信息转化为直觉正态云模型定量信息的步骤；2、本发明通过修正风险结点和价值结点提出了影响图结点间耦合关系的计算规则，从拓扑层、函数层和数值层三个层面给出了全景式风险传导影响图的构建及其求解方法；3、本发明基于蒙特拉洛模拟思想，通过将直觉正态云风险影响值信息生成大量的云滴样本的方式将云滴样本均值作为最优估计值，从而完成风险影响值排序；4本发明基于贴近度的思想给出了一种快速、简便、准确的风险定级方法。附图说明图1为风险结点强耦合关系。图2为风险结点合成示意图。图3为wbs-rbs风险识别矩阵。图4为风险传导全景式影响图。图5为实施例中资源风险评价等级云模型示意图。具体实施方式以下结合附图和具体实施例对本发明作进一步的详细描述。大型武器装备制造过程中存在大量的风险传导、扩散与反馈现象，风险识别是风险传导分析的前提，其核心工作一是如何确定最佳风险辨识单元，二是如何构建风险识别矩阵，从而为清晰刻画最佳风险辨识单元之间的传导规律提供前提。本发明所提出的一种大型武器装备制造风险传导评价方法的具体步骤如下：1)根据大型武器装备制造风险识别的目标要求，确定风险识别的范围与对象，确定模块工序。本发明采用wbs-rbs风险识别方法，将大型武器制造过程分解为装备总体、制造过程节点、关键工序、关键任务、可执行的任务包五个层级，所述模块工序与位于第四层的关键任务对应。风险存在于各层级任务与工序中并随任务推进和工序流程传导，任务与工序是风险存在并进行传导的基本载体。最佳风险辨识单元是风险传导过程中的最小任务单元，为提高风险评价的可操行和精准度，需要首先确定风险分析的最小任务单元层级。wbs–rbs法是一种将wbs和rbs相结合的风险识别方法，通过wbs和rbs将项目和风险逐层依次分解，最终将分解之后的任务单元与风险单元进行对应，从而能够全面、系统地识别风险。大型武器装备制造过程通常采用wbs将整个过程由高至低逐层分解细化并得到最小任务单元或任务清单，通常分解为装备总体、制造过程的五大节点、五大节点中的关键工序、关键工序中的关键任务、可执行的任务包等五个层级。在风险分析时，如果将最小任务单元定位于第五层——可执行的任务包，不仅会使风险分解得过于零散，增加风险之间传导与耦合关系定性分析的难度，还将进一步使风险评价模型更加复杂；如果将最小任务单元定位于第三层——五大节点中的关键工序，会造成风险分析的粒度不够精细，难以准确分析风险之间的传导与相互影响关系。综合分析后，将最小任务单元定位于第四层——关键工序中的关键任务，即最佳风险辨识单元为第四层中的关键任务。确定最佳风险辨识单元后，需要构建风险识别矩阵以刻画风险辨识单元之间的传导关系。为便于风险分析并建立局部与整体之间的连接，这里提出制造模块工序的概念。制造模块工序是指大型武器装备制造wbs分解结构第三层中相互独立、互不包含的关键工序及其所属的第四层各项关键任务。制造模块工序最大的特点是独立性和时序性，一个模块工序具有相对独立的检验验收节点和相对确定的资源需求，同时也是各项目共同存在的通用关键工序，各模块工序间存在时序或流程关系。在大型武器装备制造wbs分解的第四层中，各项关键任务在项目内相互影响与传导，这种影响与传导是典型的因果关系，具有明显的时序特征。因此，以制造模块工序为单元，基于rbs方法逐一识别模块工序内存在的各层次风险，依据各模块工序之间的流程关系形成风险识别矩阵。风险评价时，通过分析模块工序中所包含关键任务之间的相互关系可以确定项目内风险传导规律和路径。因此，可以通过进度管理优化模型得到纵向范围内各模块工序及其所属风险辨识单元之间的时序关系，从而形成风险识别矩阵的列向量。2)以项目的模块工序为分析单元，对每个模块工序为分析单元，进行风险结构分解为风险事件，将模块内所有的最小任务单元可能存在的风险逐步分解细化、归类整理，形成风险识别矩阵。将wbs分解后的模块工序和rbs的下层风险分别作为行和列构建风险识别矩阵，如附图3所示，风险识别矩阵以风险为行、模块工序为列，图中aw(w＝1,2,…n)表示一级风险，表示模块工序β(β＝1,2,…,q)中的二级风险。3)对每个模块工序进行风险事件的数据评价，形成概率等级和后果等级双语言变量决策信息。构建风险识别矩阵后，需要厘清风险传导关系与规律。各模块工序间存在时序或流程关系，具有相对独立的检验验收节点。因此，风险评价应以模块工序为研究单元，基于风险识别矩阵分析单元内和单元之间风险的耦合与传导关系。风险评价需要对基础评价数据进行采集、转化与处理。在风险传导建模过程中，各风险事件发生的概率、造成的损失、耦合程度的大由专家依据经验和历史数据给出定性判断，而这些事件和因素具有模糊性和随机性的特点，专家评价时会呈现出对给定评价信息的犹豫度。由于直觉正态云模型可以构建语言值及其数值表示之间定性与定量的不确定性转换关系，并实现模糊性、随机性和犹豫度的高效融合，如果能够将专家定性语言信息数据转化为直觉正态云，将可有效解决用精确的隶属度表示风险及其相关信息不彻底的问题，进一步提高风险评价的精准度。同时，为了使得语言信息准确转化为直觉正态云模型，从专家评价系统中导出以双语言变量数据形式的评价信息。风险事件的评价信息为x个专家e＝{e1,e2,…,ex}(x≥2)对q个模块工序内存在的各风险事件的发生概率及其可能造成的质量损失进度损失和费用损失的评价值；其中，和的权重分别为ψq、ψs和ψp，v'个风险事件的权重分别为δ1,δ2,…,δv'，且ek表示第k个专家，q＝{q1,q2,…,qx}t为专家权重向量，qk表示第k个专家的权重，语言评价标度为s＝{s1,s2,…sk',…,sn'}，语言隶属度标度为h＝{h1,h2,…hk',…,hn'}；第k个专家的双语言变量决策信息为：要根据上述条件求得：模块工序β内各风险事件发生后质量风险、进度风险与费用风险的影响值；整个制造项目中质量风险、进度风险与费用风险的影响值；总风险影响值。4)将每个模块工序的所述概率等级和后果等级双语言变量决策信息转换为直觉正态云模型定量信息。直觉正态云的运算法则的云模型中，正态云最具有普适性，其随机隶属度在对应论域上的分布具有正态分布的特征。但正态云模型难以处理某些概念的非隶属度和犹豫特性。定义1：设u＝{x}是一个用确定数值表示的定量论域，c是论域u上的定性概念，在u上与c对应的直觉正态云为y＝(<ex,ρ,ν>,en,he)，三个数字特征ex、en和he分别为正态云模型的期望、熵和超熵，用以定量化反映定性概念的整体特性，ρ和ν为隶属限和非隶属限，分别表示当x＝ex时对应隶属度可能取值的上限和下限。给定正实数λ与论域u中的两朵直觉正态云y1＝(<ex1,ρ1,ν1>,en1,he1)和y2＝(<ex2,ρ2,ν2>,en2,he2)，根据云模型和直觉模糊数的计算规则，提出直觉正态云的运算法则，如表1所示。表1直觉正态云的集结运算本实施例中双语言变量决策信息转化为直觉正态云模型定量信息的过程为：41)基于黄金分割法完成语言评价标度到正态云模型的转化；黄金分割法可将专家的定性语言精准、便捷地转化为云模型的定量信息，其基本原理为：将区间[xmin,xmax]均分为两部分，n'为s中的语言标度数量，在区间上生成与语言标度逐一对应的n'朵云，设y0(ex0,en0,he0)为处于中间位置的云，则其左右相邻的云分别为y-1(ex-1,en-1,he-1)，y 1(ex 1,en 1,he 1)；y-2(ex-2,en-2,he-2)，y 2(ex 2,en 2,he 2)……y-(n-1)/2(ex-(n-1)/2,en-(n-1)/2,he-(n-1)/2)，y (n-1)/2(ex (n-1)/2,en (n-1)/2,he (n-1)/2)。由于黄金分割法的思想源于对线段的分割，设线段的两端分别为前一朵云与最后一朵云的ex，后一朵云的ex为靠近中间云线段的0.382倍对应值，前后两朵云en与he之比为0.618，据此可生成云的数字特征。42)完成双语言变量决策信息转化为直觉正态云模型定量信息h→(ρ,ν)：在语言隶属度标度h＝{h1,h2,…hk',…,hn'}中，n'为h中的语言标度数量，将语言隶属度变量hk'转化为一个隶属度区间(ρk',νk')；由于h中的语言标度是均匀分布的，其对应隶属度值域分为n'个子区间，故有基于上述两个环节即完成风险评价基础数据采集与转化。5)基于风险识别矩阵搭建风险传导的全景式影响图，进行风险传导分析，计算进度和/或费用和/或质量风险结点的风险影响值、贡献度及总风险影响值，并根据计算结果进行风险定级。为了能够全面掌握风险事件之间的相互关系及其在项目中的传导规律，需要构建全景式风险传导影响图，从拓扑层、函数层和数值层细致研究风险事件的具体特征并进行定量分析。影响图(influencediagram，id)是howard和matheson于1984年在决策树理论基础上提出的一种用以表达不确定信息和求解复杂决策问题的图模型。id由结点集和有向弧构成，结点集包括决策结点、机会结点和价值结点，能够将存储的风险信息通过有向弧进行传导与集结。因此，id可用于风险耦合类计算和风险影响值综合分析。全景式影响图的构建过程为：511)确定风险结点和价值结点：确定模块工序β内风险事件的质量、进度、费用风险节点和根据图3确定模块工序β内风险事件的和将专家给出的风险评价信息存储于风险结点中。a)风险结点及其表述方法风险结点能够存储风险事件的概率信息、风险损失信息和综合风险影响值信息，用椭圆形表达。根据风险损失的类型，可分为质量、进度和费用三类风险结点。在风险传导影响图模型构建时，假设风险结点状态与信息仅受到父风险结点的影响。当出现多个父风险结点时，存在父结点相互耦合后将风险向子节点传递的现象。这种耦合关系通常包括强耦合、弱耦合和纯耦合。一般情况下，进度和费用风险结点之间属于纯耦合关系，总的风险影响值为其父风险结点影响值的加权求和。对于质量风险结点，需要通过专家经验对不同风险结点之间的耦合关系进行评价后再将风险影响值进行综合集成。在影响图中，分别用i-i、i j和i-j表示纯耦合、强耦合和弱耦合的函数关系。风险事件和的质量风险结点、进度风险结点和费用风险结点的耦合关系如附图1所示。图中，和分别表示项目内风险结点耦合后模块β的质量风险子结点、进度风险子结点和费用风险子结点。b)价值结点及其表述方法在风险影响值综合集成过程中，针对fq、fs和fp对应引入三类价值结点——质量价值结点vq、进度价值结点vs和费用价值结点vp，使其实现风险影响值数据对接，再将其进一步合成综合价值结点v，如附图2所示。假设风险事件对应的风险结点为和对应风险影响值为和和的权重分别为δwn和δmn(δwn δmn＝1)，为模块工序β中和的耦合强度系数，专家同样以双语言信息的形式给出。则由式(1)～(3)可分别求得vq、vs和vp的风险影响值。由式(4)～(6)可分别求得和对应的vq、vs和vp中存储总风险的贡献度。512)以模块工序为单元构建风险传导局部影响图：针对模块工序β内所有风险事件对应的三类风险结点，依据图1构建q个模块工序的局部影响图。513)构建全景式影响图：根据逐层整合的顺序，依据模块工序β的时序整合局部影响图，得到项目内风险结点耦合后模块工序β的质量风险子结点、进度风险子结点和费用风险子结点fβwvq、和并对应至质量价值结点vq、进度价值结点vs和费用价值结点vp，最后综合价值结点v。514)全景式影响图函数层和数值层确定：确定各风险结点数据：由于v'个二级风险事件的权重分别为δ1,δ2,…,δv'，故各风险事件对应的风险结点权重为δ1,δ2,…,δv'；由于模块工序具有相对独立的检验验收节点和相对确定的资源需求，因此，假设各模块工序具有的风险结点权重相同。确定风险结点间耦合关系：进度和费用风险结点之间属于纯耦合关系，其耦合系数为0，对于质量风险结点，需要通过专家经验对不同风险结点之间的耦合关系进行评价后再将风险影响值进行综合集成。在风险传导过程中，每一风险事件发生后均可能造成质量、进度和费用损失与影响，本文假设风险事件发生后产生的质量损失、进度损失和费用损失彼此独立。风险传导评价时分别计算每一风险事件产生的质量、进度和费用损失影响值后再进行综合。进行风险传导分析的步骤包括：521)计算各个模块工序β(β＝1,2,…,q)中各风险事件对应风险结点的风险影响值：式中，和分别为质量、进度和费用风险结点的风险影响值；分别为质量、进度和费用风险的发生概率；和分别为质量、进度和费用的风险损失；522)计算各个进度和费用风险结点的风险影响值及其贡献度：步骤b1：得到模块工序中每一风险事件的进度和费用风险结点的风险影响值。步骤b2：计算不同模块工序中进度和费用风险结点的风险影响值：式中，δwv为权重；步骤b2：计算不同模块工序中进度和费用风险结点分别对应的贡献度和式中，δwvmn为权重。由于直觉正态云模型没有“÷”运算，运用式(5)和(6)进行直觉正态云信息的“÷”运算前需要对数据进行转化处理。具体过程为“风险影响值比较方法”，将式中分子、分母的直觉正态云数据借助计算机程序通过云滴生成算法获取足够的云滴样本，将样本均值作为分子、分母的最优估计值后再进行“÷”运算。步骤b3：计算整个项目的进度和费用风险结点影响值及贡献度：523)计算各质量风险结点的风险影响值及其贡献度：步骤c1：获取模块工序1中各二级风险事件对应的风险结点耦合关系数据；获取专家评价系统中对模块工序1内各风险事件对应风险结点的耦合关系相匹配的评价信息。第k个专家的评价数据为：表示模块工序1中风险事件和对应质量风险结点和的耦合强度系数。步骤c2：根据语言评价标度到正态云模型的转化方法将第一个模块工序中的风险结点耦合关系数据转化为直觉正态云模型定量信息；步骤c3：计算第一个模块工序的质量风险结点的耦合强度系数步骤c4：计算第一个模块工序的质量风险影响值式中，δwv为对应权重。步骤c5：计算第一个模块工序的质量风险结点对模块工序子结点的贡献度；步骤c6：重复步骤步骤c2～步骤c5，依次计算模块工序2,3,…,q的风险影响值及其风险结点贡献度，得到和需要注意的是，由于紧前模块工序β-1(β＝2,3,…,q)的质量风险将整体传导至紧后模块工序β，并与其质量风险结点发生耦合关系。从模块工序2开始计算风险影响值时需要专家对紧前模块工序β-1的风险结点与紧后模块工序中各风险结点的耦合关系进行分析。524)计算总风险影响值r。将fq、fs和fp对应到价值结点vq、vs和vp，使其实现风险影响值数据对接，并将其进一步合成综合价值结点v。由式(13)可求得总风险影响值，并将其存储于v中。rq、rs、rp分别为质量、进度、费用总影响值、ψq、ψs和ψp分别为质量、进度、费用影响权重。对各级风险进行比较定级，并提出相应对策。风险定级的方法基于蒙特卡洛模拟的风险比较与定级方法，具体步骤为：定义2：(x,o)为直觉正态云上的一粒云滴，z＝xo为该云滴对概念v的一次计分，z会随(x,o)的变化而动态调整。设为z的数学期望，则z为该云对概念v的总计分。设y1和y2为同一论域内的两朵云，如果其对应的总计分则y1≥y1。对于风险评估工作，各级风险事件的影响值为直觉正态云信息。由于风险的发生规律往往不符合常见的概率分布函数，直觉正态云信息中的云滴z同样不符合常见的概率分布函数，难以通过解析方法求得因此，基于蒙特拉洛模拟思想，可借助计算机程序通过直觉正态云的云滴生成算法获取足够的云滴样本，统计样本值后得到的估计值。运用该方法可生成大量的云滴样本(n个)，将样本均值作为的最优估计值，并以此作为风险定级和影响值排序的标准，的计算方法如下根据定义2和式(14)可以比较两朵直觉正态云所代表风险事件的影响值大小。设rd＝(<exd,ρd,νd>,end,hed)是待定级风险事件的风险影响值，将风险由低到高分为t'个等级，分别对应f1,f2,…,ft'，则风险定级步骤为：531)根据云的生成方法，将定性等级语言f1,f2,…,ft'转化为正态云模型的定量信息，fl→yl，其中隶属度区间yl＝(exl,enl,hel)，l＝1,2,…,t'；ex、en和he分别为正态云模型的期望、熵和超熵；532)将正态云信息yl作为评价信息中信心水平最高的直觉正态云信息yl'＝(<exl,ρk',νk'>,enl,hel)，根据h→(ρ,ν)转化方法求解ρk',νk'；533)依据风险影响值比较方法，生成直觉正态云信息yl'的n个云滴样本，得到并将其作为风险定级的标准，即534)依据步骤503，将待定级风险事件的风险影响值rd转化为535)依据贴近度的思想，设实数介于相邻风险等级fl、fl 1对应的之间，若则rd对应的风险定级为fl。针对大型复杂武器装备制造过程中风险多向传导耦合、扩散放大并产生连锁反应的问题，本发明通过定义与分析最小任务单元、最佳风险辨识单元、模块工序及其关联关系，提出了基于wbs–rbs的风险识别步骤、风险识别矩阵的构建方法；为了厘清风险传导关系与规律，提出了双语言变量决策信息转化为直觉正态云模型定量信息的步骤，基于全景式影响图搭建了风险传导评价框架；在此基础上，给出了基于蒙特卡洛模拟的风险比较与定级方法，从而形成了一套完备的大型武器装备制造过程风险识别、传导、评价与定级的方法；最后，通过算例分析，验证了本发明的有效性与实用性。研究成果可为军事代表室有效开展合同履行监督风险分析工作提供指导，并可用于大型复杂武器装备生产过程或多阶段任务风险评价领域相关工作。实施例1现代舰船具有大型化、复杂化、精密化的特点，系统间关联程度更加紧密，设备技术状态更加复杂。舰船建造过程中，各类风险随着项目的推进在不同任务、流程与工序间多向传导与耦合，极易扩散放大并产生连锁反应。船台是造船厂最重要的生产设施，船台施工是组织难度最大、投入劳动及各项资源最多的阶段。因此，针对即将进入船台施工阶段的某型舰船，军事代表室亟需对存在的质量、进度和费用风险进行分析和评估。1)船台施工阶段风险识别a)根据最佳风险辨识单元的识别原则与方法，将船台施工阶段划分为总段形成模块、全船形成模块、船台舾装模块和轴系施工模块。b)军事代表室前期在综合考虑舰船建造的实际工作和专家访谈的基础上，根据风险引发的原因进行分类，将风险事件一级指标分为技术风险(a1)、管理风险(a2)、资源风险(a3)和环境风险(a4)，对应二级指标分别为：技术状态变更风险(a11)、新技术应用风险(a12)、技术指标风险(a13)、质量问题处理风险(a21)、检验验收风险(a22)、现场管理风险(a23)、人员配置风险(a31)、设备材料风险(a32)、现场条件风险(a41)。c)以模块工序为分析单元，将可能存在的风险逐步归类整理，形成风险分解结构；同时，将wbs分解后的模块工序和rbs的下层风险分别作为行和列构建风险识别矩阵，如表2所示。表2wbs–rbs风险识别矩阵2)船台施工阶段风险数据采集与转化现请3位专家e＝{e1,e2,e3}对各模块工序中各风险事件发生概率及其造成的质量、进度和费用损失等风险数据进行评价。专家权重向量为q＝{0.3,0.4,0.3}。以总段形成模块中风险a21发生概率转化过程为例进行说明。专家评价系统中导出的风险a21的发生概率双语言评价信息如下假设本文对风险事件概率等级和后果等级均采用5标度法进行描述，给定区间为[0,1]，he0＝0.01。基于黄金分割法计算云数字特征，得到语言评价标度对应语义信息的云模型表示结果见表3。表3语言评价标度与语义信息云模型对应表等级发生概率语言标度正态云模型表示1<10％s1(0,0.104,0.026)210％-30％s2(0.309,0.064,0.016)330％-70％s3(0.5,0.040,0.010)470％-90％s4(0.691,0.064,0.016)5>90％s5(1,0.104,0.026)根据h→(ρ,ν)转化方法，得到语言隶属度标度描述，如表4。表4语言隶属度标度描述语言隶属度对评价结果的信心水平h→(ρ,ν)h1极低(0,0.333)h2低(0.167,0.5)h3中等(0.333,0.667)h4高(0.5,0.833)h5极高(0.667,1)根据上述语言标度转化标准，将转化为直觉模糊云信息并根据专家权重进行综合后得3)船台施工阶段风险传导评价a)全景式影响图构建依据全景式影响图拓扑层构建方法构建风险传导全景式影响图，如图1。图中，结点和及其包含的风险为模块工序i的局部影像图，由于进度和费用风险结点之间为纯耦合关系，整合局部影响图时只需将和直接汇总至子结点fs和fp；由于质量风险结点存在强耦合关系，紧前模块工序β-1的质量风险将整体传导至模块工序β，并与其质量风险结点发生耦合关系，所以，以串联的方式进行整合并传导至fq，红色加粗部分为质量风险传导路径。将fq、fs和fp对应至vq、vs和vp，得到综合价值结点v。在此基础上，由专家给出不同风险事件所对应的质量风险结点间耦合关系。b)计算各进度和费用风险结点的风险影响值，相关数据如下。rs＝(<0.491,0.542,0.958>,0.020,0.006),rp＝(<0.339,0.439,0.920>,0.013,0.005)c)计算各质量风险结点的相关数据如下。总风险影响值为r＝(<0.488,0.530,0.936>,0.012,0.006)d)风险比较与定级根据风险比较与定级方法，将风险等级语言f1,f2,…,f5分别转化为正态云模型的定量信息yl，由表3，将yl转化为专家对评价结果信心水平最高时的直觉正态云信息yl'＝(〈exl,0.667,1〉,enl,hel)，根据蒙特卡洛思想，取n＝10000，生成yl'的n个云滴样本，并求解得到风险定级表5。表5基于蒙特卡洛模拟的风险定级表汇总风险结点影响值的风险等级与贡献度，如表6。表6风险结点影响值相关数据汇总表通过分析，可以得到以下结论：①由表5可知，船台施工整个阶段总体风险等级为3级，其中，质量风险和进度风险等级均为3级，费用风险等级为2级，总体风险可控，质量风险最高；模块工序2和3产生的质量风险较高，等级均为4级，模块工序2产生的进度风险较高，等级为4级。因此，军事代表室应重点关注模块工序2、3产生的质量风险和模块工序2产生的进度风险。船台施工阶段整个过程中质量风险较高的原因主要在于部分结点之间存在强耦合关系，紧前模块工序β-1(β＝2,3,4)的质量风险将整体传导至紧后模块工序β，并与其质量风险结点发生耦合关系，造成模块1～4的质量风险等级较高，各结点质量风险的贡献度也呈现出不断增长的趋势。②下面分析模块工序2、3产生的质量风险和模块工序2产生的进度风险较高的原因，以模块工序2为例进行说明。将模块工序2内质量风险影响值根据进行排序，得到表7。表7质量风险影响值排序由表可知，7个风险节点中风险等级在3级以上的达6个，这是模块工序2质量风险等级较高的主要原因之一，其中，二级质量风险结点对应的风险a21、a22、a13对该模块的建造质量产生的影响更为突出，这些风险保证建造质量亟需关注和解决的主要风险。表中，由于部分质量风险结点间存在强耦合关系，其质量风险影响值和结点贡献度排序并不完全吻合。例如，结点的值高于但其贡献度却低于主要原因是模块工序2内，风险a22与a11、a13、a21、a22、a32均存在耦合关系。如果要降低其影响，一方面要减少其风险量，另一方面要采取一系列管理措施降低a22与其他风险之间的耦合强度。同时，结点对应质量风险影响值虽然仅为3级，但结点贡献度较高，因此，对于风险a32也应在该模块工序中予以重点关注。风险比较与定级方法的验证以风险a13的计算过程为例说明，蒙特卡洛仿真时选取n＝10000。通过对云滴计分统计，得到表8。为进一步验证风险比较定级方法的有效性和稳定性，对上述过程重复进行20次仿真，所得结果如表9，由表可知，稳定性极高，可作为的有效估计；将仿真结果进行对比，如图2所示，当仿真次数达到5000次后，仿真结果趋于稳定。因此，选取n＝10000进行仿真的结果可作为风险比较与定级的依据。表8计分统计结果表920次模拟统计结果最后需要说明的是，以上具体实施方式仅用以说明本专利技术方案而非限制，尽管参照较佳实施例对本专利进行了详细说明，本领域的普通技术人员应当理解，可以对本专利的技术方案进行修改或者等同替换，而不脱离本专利技术方案的精神和范围，其均应涵盖在本专利的权利要求范围当中。当前第1页1 2 3
技术特征：1.一种大型武器装备制造风险传导评价方法，其特征在于，包括如下步骤：
1)根据大型武器制造风险识别要求，确定制造过程的模块工序；
2)以模块工序为分析单元，对每个模块工序进行风险结构分解为风险事件，形成风险识别矩阵；
3)对每个模块工序进行风险事件的数据评价，形成概率等级和后果等级双语言变量决策信息；
4)将每个模块工序的所述概率等级和后果等级双语言变量决策信息转换为直觉正态云模型定量信息；
5)基于所述风险识别矩阵搭建风险传导的全景式影响图，进行风险传导分析，计算进度和/或费用和/或质量风险结点的风险影响值、贡献度及总风险影响值，并根据计算结果进行风险定级。
2.根据权利要求1所述的一种大型武器装备制造风险传导评价方法，其特征在于：所述步骤1)采用wbs-rbs风险识别方法，将大型武器制造过程分解为装备总体、制造过程节点、关键工序、关键任务、可执行的任务包五个层级，所述模块工序与位于第四层的关键任务对应。
3.根据权利要求2所述的一种大型武器装备制造风险传导评价方法，其特征在于：所述步骤2)中所述风险识别矩阵以风险为行、模块工序为列，aw(w＝1,2,…n)表示一级风险，表示模块工序β(β＝1,2,…,q)中的二级风险。
4.根据权利要求1所述的一种大型武器装备制造风险传导评价方法，其特征在于：所述步骤3)中风险事件的数据评价为从专家评价系统中导出以双语言变量数据形式的评价信息，评价信息为x个专家e＝{e1,e2,…,ex}(x≥2)对q个模块工序内存在的各风险事件的发生概率及其可能造成的质量损失进度损失和费用损失的评价值；其中，和的权重分别为ψq、ψs和ψp，v'个风险事件的权重分别为δ1,δ2,…,δv'，且ek表示第k个专家，q＝{q1,q2,…,qx}t为专家权重向量，qk表示第k个专家的权重，语言评价标度为s＝{s1,s2,…sk',…,sn'}，语言隶属度标度为h＝{h1,h2,…hk',…,hn'}；所述第k个专家的双语言变量决策信息为：
5.根据权利要求1所述的一种大型武器装备制造风险传导评价方法，其特征在于：所述步骤4)中所述双语言变量决策信息转化为直觉正态云模型定量信息的过程为：
41)基于黄金分割法完成语言评价标度到正态云模型的转化；
42)完成双语言变量决策信息转化为直觉正态云模型定量信息h→(ρ,ν)：在语言隶属度标度h＝{h1,h2,…hk',…,hn'}中，n'为h中的语言标度数量，将语言隶属度变量hk'转化为一个隶属度区间(ρk',νk')；由于h中的语言标度是均匀分布的，其对应隶属度值域分为n'个子区间，故有
6.根据权利要求1述的一种大型武器装备制造风险传导评价方法，其特征在于：所述步骤5)中全景式影响图的构建过程为：
511)确定风险结点和价值结点：确定模块工序β内风险事件的质量、进度、费用风险节点和将专家给出的风险评价信息存储于风险结点中
512)以模块工序为单元构建风险传导局部影响图：针对模块工序β内所有风险事件对应的三类风险结点，构建q个模块工序的局部影响图；
513)构建全景式影响图：根据逐层整合的顺序，依据模块工序β的时序整合局部影响图，得到项目内风险结点耦合后模块工序β的质量风险子结点、进度风险子结点和费用风险子结点fβwvq、和并对应至质量价值结点vq、进度价值结点vs和费用价值结点vp，最后综合价值结点v；
514)全景式影响图函数层和数值层确定。
7.根据权利要求6所述的一种大型武器装备制造风险传导评价方法，其特征在于：所述步骤5)中进行风险传导分析的步骤包括：
521)计算各个模块工序中各风险事件对应风险结点的风险影响值：
522)计算各个进度和费用风险结点的风险影响值及其贡献度；
523)计算各质量风险结点的风险影响值及其贡献度；
524)计算总风险影响值r。
8.根据权利要求1所述的一种大型武器装备制造风险传导评价方法，其特征在于：所述步骤5中风险定级的方法为：
设rd＝(<exd,ρd,νd>,end,hed)是待定级风险事件的风险影响值，将风险由低到高分为t'个等级，分别对应f1,f2,…,ft'，则风险定级步骤为：
531)根据云的生成方法，将定性等级语言f1,f2,…,ft'转化为正态云模型的定量信息，fl→yl，其中隶属度区间yl＝(exl,enl,hel)，l＝1,2,…,t'；ex、en和he分别为正态云模型的期望、熵和超熵；
532)将正态云信息yl作为专家对评价结果信心水平最高时的直觉正态云信息yl'＝(<exl,ρk',νk'>,enl,hel)，根据h→(ρ,ν)转化方法求解ρk',νk'；
533)依据风险影响值比较方法，生成直觉正态云信息yl'的n个云滴样本，得到并将其作为风险定级的标准，即
534)依据步骤503，将待定级风险事件的风险影响值rd转化为
535)依据贴近度的思想，设实数介于相邻风险等级fl、fl 1对应的之间，若则rd对应的风险定级为fl。
9.根据权利要求1所述的一种大型武器装备制造风险传导评价方法，其特征在于：所述步骤522)的具体步骤包括：
步骤b1：计算模块工序β(β＝1,2,…,q)中每一风险事件的进度和费用风险结点的风险影响值：
式中，和分别为进度和费用风险结点的风险影响值；分别为进度和费用风险的发生概率；和分别为进度和费用的风险损失；
步骤b2：计算不同模块工序中进度和费用风险结点的风险影响值：
式中，δwv为权重；
步骤b2：计算不同模块工序中进度和费用风险结点分别对应的贡献度和
式中，δwvmn为权重；
步骤b3：计算整个项目的进度和费用风险结点影响值及贡献度：
10.根据权利要求5所述的一种大型武器装备制造风险传导评价方法，其特征在于：所述步骤523)的具体步骤为：
步骤c1：获取模块工序1中各二级风险事件对应的风险结点耦合关系数据；
步骤c2：根据语言评价标度到正态云模型的转化方法将第一个模块工序中的风险结点耦合关系数据转化为直觉正态云模型定量信息；
步骤c3：计算第一个模块工序的质量风险结点的耦合强度系数
步骤c4：计算第一个模块工序的质量风险影响值
步骤c5：计算第一个模块工序的质量风险结点对模块工序子结点的贡献度；
步骤c6：重复步骤步骤c1～步骤c5，依次计算模块工序2,3,…,q的风险影响值及其风险结点贡献度，得到和
技术总结本发明公开了一种大型武器装备制造风险传导评价方法，包括：1)确定制造过程的模块工序；2)以模块工序为分析单元分解风险事件，形成风险识别矩阵；3)对风险事件的数据评价形成概率等级和后果等级双语言变量决策信息；4)转换为直觉正态云模型定量信息；5)搭建风险传导的全景式影响图，进行风险传导分析，计算进度和/或费用和/或质量风险结点的风险影响值、贡献度及总风险影响值，并根据计算结果进行风险定级。本发明提出了基于WBS‑RBS的风险识别方法，给出了双语言变量决策信息转化为直觉正态云模型定量信息的步骤；从拓扑层、函数层和数值层三个层面给出了全景式风险传导影响图的构建及求解方法，是一种快速、简便、准确的风险评价方法。
技术研发人员：巩军;胡涛;杨春辉;胡志刚;唐艳;刘帅
受保护的技术使用者：中国人民解放军海军工程大学
技术研发日：2021.04.29
技术公布日：2021.08.03
