波动模式影响分析在军用通信系统中的应用

欧方明+罗敏+韦其敏

【摘 要】由于大多数故障都是由不利波动引起的，所以有必要在产品设计早期关注波动因素，并对波动因素进行识别、评估与管控。为了解决这一问题，提出了VMEA方法，且将该方法应用于分析某型移动终端，以产品关键特性通信距离为导向，自顶向下分析产品的子关键特性，进而分析出影响这些特性的波动因素，并应用专家评分法对波动因素进行了评估，从而对影响较大的波动因素提出了设计改进措施。

【关键词】VMEA FMEA 波动因素 可靠性

doi：10.3969/j.issn.1006-1010.2016.24.006 中图分类号：E962 文献标识码：A 文章编号：1006-1010（2016）24-0025-05

1 引言

影响产品特性的未知和不利的波动，是导致花费高、引起顾客对需求不满的主要因素。长久以来，当涉及到波动问题时，更多的组织机构都试图完善6σ项目。然而，6σ的方法集中在生产阶段管理波动。一些学者提出使用DFSS（Design For Six Sigma，六西格玛设计），其核心是通过在产品早期开发阶段，利用完善的统计工具并以大量的数据来证明初步设计的可行性和优越性。6σ和DFSS项目使用SPC（Statistical Process Control，统计过程控制）在生產过程和稳健性设计过程中监测波动，使得产品对生产和使用过程中出现的波动不敏感。传统的FMEA（Failure Mode and Effect Analysis，失效模式与影响分析）工作实际上也包含了6σ和DFSS项目，2004年瑞典Alexander Chakhunashvili、Per M. Johansson和Bo L.S. Bergman首次提出的波动模式影响分析[1-3]，是一个较系统的能够用于不利波动的识别、评估和管理的有效工具。

2 波动模式影响分析方法

产品在设计、研发、制造、生产和使用等过程中往往存在很多不利的波动因素，这些波动可能对产品造成不良的影响，进而影响质量与可靠性。VMEA（Variation Mode and Effect Analysis，波动模式影响分析）建立在FMEA基础上，通过对影响关键产品质量特性的波动模式及影响程度进行分析，在产品研发阶段识别综合影响大的主要波动并根据VRPN（Variation Risk Priority Number，波动风险优先数）进行排序，为提前预防波动提供了定性或定量的信息。

VMEA方法从确认KPC（Key Product Characte-ristics，关键产品特性）着手，KPC可以是某一种或多种产品特性，这些特性需要特别关注，因其过度的波动可能影响产品功能、安全性、质量等。KPC可以通过质量功能展开的方法得到或由经验丰富的交叉学科工程师通过头脑风暴的方法得到[2]。

VMEA方法的基本步骤如下：

（1）确定KPC并将其分解为子关键产品特性（Sub-KPC）；

（2）波动因素识别与大小评估；

（3）灵敏度评估，评估KPC对Sub-KPCs的灵敏度大小以及Sub-KPCs对NFs的灵敏度大小；

（4）计算VRPN。

选择关键产品特性以及开展VMEA的流程如图1所示：

一个选定的KPC可以分解为多个Sub-KPC，Sub-KPC是可知且可控的影响KPC的子产品特性。根据分析需要，还可以进一步将Sub-KPC分解为Sub-Sub-KPC。对于每个Sub-KPC，能够确定影响它的一个或多个波动因素称为噪声因素（NFs）。噪声因素源于不同的生产和使用过程中设计参数波动、产品退化和环境因素等的影响。

KPC分解过程如图2所示。在实际应用中，可以根据需要进行多级分解。

依据产品设计的不同阶段，设计师提出了基础型VMEA、提高型VMEA、概率型VMEA[2]。这三种类型的VMEA的分析步骤相同，不同之处在于评估方法。

在产品设计初始阶段，由于无法知道传递函数，无法定量的知道波动对产品关键特性的影响，因此提出了基础型VMEA的方法。该方法由经验丰富的专家采用评分的方法进行（1～10分的评分等级），对相关的灵敏度和波动大小进行打分，分值越大就表示灵敏度和波动越大。虽然该方法比较主观，但是能够粗略表明哪些方面受到波动的影响较大，为波动风险管理工作开展打下了基础，同时也为下一步工作提供了依据。随着设计的推移，能够获得更多的信息，工程师可以更加准确地对相关灵敏度和波动大小进行评估，进而验证前期关于KPC、Sub-KPC和NFs的假设的准确性，并加以校核，这样进行评估的结果能够更加准确地反映实际情况。在设计后期，随着一些能够定量的数据的获得（如试验数据、测量数据等），可以采用提高型VMEA、概率型VMEA方法进行更加准确地评估，从而较准确客观地评估波动对产品特性的影响，以达到在产品设计阶段对波动进行识别、评估和管控的目的。

产品设计不同阶段的VMEA方法[2]如图3所示：

开展VMEA工作有以下两个基本的假设：

假设一：各个Sub-KPC之间是相互独立的；

假设二：忽略多个波动共同导致的对产品特性的交互影响。

VMEA作为一种自顶向下的演绎分析方法，目的是从关键产品特性入手，逐级分解，找出影响产品特性的噪声因素。与FMEA方法类似，在产品寿命全周期均有必要开展VMEA工作。

VMEA中所关注的波动因素一般分为五类[4]，具体如下：

（1）随时间变化：长周期退化因素，如磨损、裂纹扩展等；

（2）零件的波动：如容差以及制造、装配和运输等过程导致的波动；

（3）外部环境条件：如温度、湿度、风速、路况等；

（4）顾客的使用：如超速、误用、刮伤等；

（5）系统间相互作用：如相邻子系统间热、振动传递等。

3 案例分析

本文以某移动终端为例，根据VMEA分析方法，先确定一个关键产品特性——通信距离，接收灵敏度、发射功率、抗干扰性等为子关键产品特性，并确定影响产品特性的波动因素，如图4所示。

确定了KPC、Sub-KPC及其波动因素之间的关系后，将对波动大小和灵敏度进行分析。根据专家经验及调研到的大量现场试验数据和相关文献，采用评分法对波动因素及其影响大小进行粗略的定性评估，分析结果如表1所示。

其中，σi表示波动大小；λl表示波动对子关键产品特性的灵敏度；ηj表示子关键产品特性对关键产品特性的灵敏度。

根据VRPN数值大小可对波动因素进行优先排序，从而能够更好地指导设计的开展。由表1可知，温度过高导致功放故障（VRPN为448）、存在同频段干扰源（VRPN为448）、建筑物阻隔（VRPN为448）、移动终端运动过快（VRPN为378）、温度湿度导致电源供电不足（VRPN为392）等对移动终端通信距离影响较大。

识别出关键波动因素，即可在设计阶段重点关注并采取改进措施，例如：将功放模块放置在系统最外层，加快热量散发、加装散热风扇，使用强风对流散热、减小功放模块本身消耗功率等措施可改善温度过高导致的功放故障（VRPN為448）；在通信误码率升高时，重新检测电磁环境，更换合适的频点、使用自适应跳频技术，跳频频点自动绕开干扰源所在频点、增加发射功率，以较强的无线信号覆盖较低的干扰源等措施可有效改善同频段干扰源问题（VRPN为448）；增加天线高度，在建筑物上方建立直传通路、使用频率较低的频点，频率较低的电磁波波动性强，绕开阻隔物能力更强，在较大的关键建筑附近增加中继节点可改善建筑物阻隔问题（VRPN为448）；增加无线信道带宽、增加频点容差，对于需要快速运动的无线终端，使用支持动中通无线通信系统解决移动终端运动过快带来的不良影响（VRPN为378）。改进系统电源设计，降低电源供电对环境温湿度的依赖性、增加电源模块环境调节系统，加装散热风扇，避免水淋日晒，为射频电路、功放模块设计独立的电源，增加极端环境下电源供电能力，可改善温度湿度导致电源供电不足（VRPN为392）。

4 结束语

本文给出了VMEA方法的目的、意义、分析流程，并将该方法应用于军用通信系统中的某型移动终端。VMEA分析方法清晰地展示了关键产品特性、波动因素分类、关键波动因素以及灵敏度分析的结果。该方法建立在FMEA基础上，是FMEA的延拓，可以从产品设计阶段就有效、全面、科学地关注影响质量特性的波动因素，从而有效地提出设计改进措施。

参考文献：

[1] Chakhunashvili A， Johansson P M， Bergman B L S. Variation mode and effect analysis[Z]. 2004： 364-369.

[2] Johansson P， Chakhunashvili A， Barone S， et al. Variation Mode and Effect Analysis： a Practical Tool for Quality Improvement[J]. Quality and Reliability Engineering International， 2006，22（8）： 865-876.

[3] A Hassan， A Siadat， JY Dantan， et al. Interoperability of QFD， FMEA， and KCs methods in the product development process[C]. IEEE International Conference on Industrial Engineering & Engineering Management， 2009： 403-407.

[4] Bo Bergman， Jacques de Mare， Thomas Svensson. Robust Design Methodology for Reliability： Exploring the Effects of Variation and Uncertainty[Z]. 2009.

[5] 曾声奎. 可靠性设计与分析[M]. 北京： 国防工业出版社， 2011.

[6] Yihai H， Zhao M， Wenbing C. A technical framework of the taguchi system design method based on axiomatic design and TRIZ[C]. IEEE International Conference on Industrial Engineering & Engineering Management， 2009： 398-402.

[7] Johannesson P， Svensson T， Samuelsson L. Probabilistic Variation Mode and Effect Analysis： A Case Study of an Air Engine Component[Z]. 2007.

[8] Luo Min， Zeng Shengkui， Guo Jianbin， et al. Reliability Analysis Approach for Variation by Integrating FMEA with VMEA[C]. IEEE， 2014.

[9] Luo Min， Zeng Shengkui， Guo Jianbin， et al. Importance Measure of Multi-state Element variation Based on F-VMEA[C]. IEEE， 2015.

[10] 康锐，石荣德. FMECA技术及其应用[M]. 北京： 国防工业出版社， 2006.