O abordare îmbunătățită pentru analiza modurilor de defectare și a efectelor lor care implică un

grup mare de experți: O aplicație în domeniul sănătății

Abstract
Analiza modurilor de defectare și a efectelor lor (AMDE) este o tehnică bazată pe echipă pentru
identificarea prospectivă și prioritizarea modurilor de defectare ale produselor, proceselor și
serviciilor. Având în vedere simplitatea și vizibilitatea sa, AMDE a fost utilizat pe scară largă în
diferite industrii pentru planificarea calității și fiabilității. Cu toate acestea, diverse neajunsuri
sunt inerente metodei tradiționale AMDE, în special în evaluarea modurilor de defectare, în
calcularea factorilor de risc și clasarea modurilor de eșec, care reduc foarte mult acuratețea
AMDE. În plus, AMDE clasic se concentrează pe problemele de analiză a riscurilor în care un
număr mic de experți participa. În zilele noastre, odată cu creșterea complexității produselor și
proceselor, o analiză a modurilor de defectare si a efectelor lor poate necesită participarea unui
număr mai mare de experți din departamente sau organizații. Prin urmare, în acest articol,
prezentăm o nouă abordare a priorității riscurilor, utilizând algoritmul de grupare pentru AMDE
atunci când implică un grup mare de experți. Mai mult, o metodă bazată pe entropie este propusă
să deriveze în mod obiectiv ponderile factorilor de risc prin utilizarea informațiilor de evaluare a
riscurilor. În cele din urmă, luăm un caz empiric de analiză a riscului în domeniul sănătății pentru
a ilustra AMDE propus pentru grupul mare (LGAMDE) și efectuăm un studiu comparativ pentru
a evalua validitatea și practicabilitatea acestuia.

Introducere
Analiza modurilor de defectare și a efectelor lor (AMDE) este o tehnica sistematica si analitică
pentru identificarea, analiza și și reduce defectării produselor, proceselor și serviciilor (Stamatis
2003). Oferă o orientare pentru grup, un instrument structurat și treptat pentru a cuantifica
efectele potențialelor moduri de defectare, permițând unei companii să își stabilească prioritățile
pentru activitățile de gestionare a riscurilor. De la dezvoltarea acesteia în anii 1960 în industria
aerospațială, tehnica AMDE a fost adoptată rapid de industria auto și multe alte industri (Kim și
Zuo 2018; Liu 2016). Comparativ cu alte instrumente de gestionare a fiabilității, FMEA poate
examina prospectiv un proces cu risc ridicat și identifica vulnerabilitățile pentru a genera măsuri
corective care să contribuie la îmbunătățirea fiabilității (Liu și al. 2016b; Peeters, Basten și
Tinga, 2018). Prin urmare, o mulțime de cheltuieli, resurse și timp pot fi economisite analizând
scenarii de defecțiune înainte ca acestea să se producă și împiedicând apariția cauzelor sau
defectării mecanismelor. În prezent, FMA a devenit un instrument important în Lean/Six Sigma
și ingineria simultană și nu a fost utilizată numai în sistemele de fabricație (Certa și al. 2017a;
Zhou și al. 2016), dar și în evaluarea riscurilor pentru sănătate (Faiella și al. 2018; Liu și al.
2017a), transport maritim (Akyuz et al. 2016), procesarea alimentelor (Selim, Yunusoglu și
Yılmaz Balaman, 2016), întreținerea sistemelor fotovoltaice (Villarini și al. 2017) etc.
În FMEA tradițională, importanța fiecărei defectări este clasificată pe baza numărului de
prioritate de risc (NPR), care este definit de produsul matematic a trei indici: probabilitatea de
apariție a modului de defectare pentru o perioadă de timp predeterminată, (O), severitatea (S) și
probabilitatea numerică subiectivă ca modul de defectare deja apărut să nu fie detectat (D). Pe
baza unor criterii prestabilite, pe o scară de clasificare cu punctaje de la 1 până la 10 măsurarea
este adesea utilizată pentru a evalua cei trei factori de risc, 10 indică faptul că defectul în proces
va apărea aproape sigur și va afecta operația următoare din proces, dacă nu se prevăd proceduri
de control, iar 1 indică faptul că defectul în procesul de fabricație nu va apărea, aproape sigur.
După calcularea NPC-urilor, modurile de defectare sunt analizate folosind o distribuție Pareto.
Modurile de defectare cu NPR-uri mai mari ar putea fi considerate mai importante și ar trebui să
li se acorde prioritatea maximă pentru reducerea riscurilor. Toate modurile de defectare
identificate sunt introduce într-un tabel standard al FMEA și acțiunile recomandate sunt sugerate
pentru situațiile anormale care prezintă cele mai mari valori NPR. Rezultatele analizei riscurilor
pot fi actualizate după efectuare unor măsuri de atenuare și acțiuni preventive, până când se
atinge o valoare satisfăcătoare a NPR pentru toate modurile de defectare enumerate. Cu toate
acestea, metoda NPR tradițională, atunci când este utilizată în situații reale, arată unele
dezavantaje importante menționate în (Certa et al. 2017b; Chemweno et al. 2017; Chin et al.
2009; Jee, Tay, and Lim, 2015; Liu et al. 2017c; Liu et al. 2016a; Pillay and Wang 2003; Song et
al. 2014).
În multe cazuri, opiniile și aprecierile membrilor echipei FMEA sunt ambigue, vagi și nu pot fi
estimate cu valori numerice, deci valorile de la 1 la 10 nu sunt adecvate pentru modelarea
situațiilor practice de analiză a riscurilor. În al doilea rând, ponderile date celor trei factori de risc
sunt egale. Cu toate acestea, în aplicația din viața reală, ponderile pentru factorii de risc
cantitativi și calitativi pot fi diferite. În al treilea rând, multiplicarea factorilor de risc pentru a
obține NPR este un defect fundamental în metoda FMEA tradițională. Factorii de risc O, S și D
sunt evaluați pe baza scalelor ordinale, dar multiplicarea lor nu este semnificativă în ceea ce
privește teoria măsurării. Prin urmare, în ultimul deceniu, mulți cercetători au dezvoltat o
mulțime de modele FMEA modificate pentru a determina ordinea de clasificare a modurilor de
defectare, luând în considerare limitările discutate mai sus. Pentru o excelentă revizuire a
dezavantajelor legate de metoda RPN convențională și modelele alternative de prioritate a
riscului care au apărut în literatură, vezi Liu, Liu și Liu (2013b).
Unii cercetători au indicat că FMEA este o funcție de decizie îndeplinită de o echipă
multifuncțională și multidisciplinară (Carpitella și al. 2018; Liu și al. 2017b; Liu și al. 2017c).
Guerrero și Bradley (2013) a dovedit că grupurile depășesc performanța persoanelor în stabilirea
priorităților a modurilor de defectare printr-un studiu experimental. Cu toate acestea, practicile
actuale FMEA sunt dominate de probleme de analiză critică cu puțini experți (cinci sau mai
putin). Alături de mai multă complicație a produselor și proceselor, FMEA sunt adesea
implementate sub setări clasificate, cum ar fi externalizarea offshore. Acestea fiind spuse, FMEA
ar putea fi folosit pentru a coordona un grup de experți care este dispersat între organizații și țări,
astfel încât incidența eșecurilor să fie redusă. În astfel de situații, deseori rezultatele unei echipe
mici FMEA sunt fie greu, fie imposibil de reflectat în situația reală a unei organizații dispersate.
Acest lucru determină o dilemă serioasă pentru practica FMEA: FMEA a fost utilizat pe scară
largă în diverse zone, dar funcționează mai rău decât mulți oameni s-ar fi putut aștepta. Pentru a
asigura eficacitatea FMEA, un mare număr de experți din departamentele sau instituțiile
distribuite ar trebui să fie implicți în special pentru produse și servicii complexe. Guerrero și
Bradley (2013) au făcut o declarație importantă în cercetările lor precum că un super-grup poate
duce la reducerea prejudecăților și erorilor pentru experții individuali în domeniul riscurilor
(adică „înțelepciunea mulțimilor”). Cu toate acestea, experții care participă într-un grup mare
FMEA (LGFMEA) (echipa FMEA implică mai mult de 20 de experți) pot avea multe diferențe
în ceea ce privește atitudinile, cunoștințele și interesele personale. Astfel, în mod regulat este
foarte greu de ajuns la un acord unanim printre membrii unei echipe FMEA mari. În consecință
are o mare semnificație teoretică și valoare practică să dezvolte noi modele de prioritizare a
riscurilor care să poată să facă față provocărilor produse de explozia de date a evaluării riscurilor
în LGFMEA.
Pe baza discuțiilor de mai sus, dezvoltăm o nouă abordarea a priorității riscurilor pentru
rezolvarea problemelor LGFMEA, caracterizate prin ponderi necunoscute ale factorilor de risc și
informații de evaluare lingvistică. Pentru abordarea propusă, mai întâi vom grupa evaluările
modurilor de defectare a unui grup FMEA mare folosind un altgoritm de grupare și fiecare grup
produs este considerat ca o unitate de decizie. Apoi, vom strânge evaluările riscurilor din diferite
grupări, luând în considerare pe deplin evaluările conflictului și majoritatea opiniile experților.
Apoi, vom propune o metodă entropică pentru a deriva ponderile factorilor de risc în mod
obiectiv prin utilizarea informațiilor de evaluare a riscurilor. După aceea, este utilizată teoria
perspectivelor pentru a genera clasificarea riscului a modurilor de defectare care au fost
recunoscute. Pentru aceasta, restul acestui articol este structurat după cum urmează. Secțiunea
„Literatură conexă” evaluează literatura legată de acest studiu pe scurt. Secțiunea „Modelul
LGFMEA propus” dezvoltă clasificarea modelurilor de risc pentru FMEA în contextul grupului
mare. Secțiunea „Studiu de caz” investighează fezabilitatea și validitatea abordării LGFMEA
propusă printr-un exemplu practic de analiză a riscului pentru sănătate. În cele din urmă,
secțiunea „Concluzii” rezumă principalele descoperiri ale cercetării și descrie direcțiile viitoare
de cercetare.

Literatură conexă

Acest articol este legat în principal de două curente de literatură. Primul este literatura despre
îmbunătățirea FMEA. În prezent, a fost acordată multă atenție la limitările tradiționale FMEA și
multe metode de clasificare a riscurilor au fost aduse în discuție, de exemplu, utilizând
programare matematică (Chin și al. 2009), inteligență artificială (Jee, Tay și Lim, 2015; Liu, Liu
și Lin, 2013a) și alte metode (Kim și Zuo 2018; vonAhsen 2008). Acest articol este în mod
deosebit legat de cercetările anterioare privind aplicarea metodelor de luare a deciziilor cu criterii
multiple (MCDM) pentru a spori performanța FMEA. În acest aspect,Chang, Wei și Lee (1999)
au folosit metoda analizei relaționale (GRA) pentru găsirea priorității de risc a produselor și
proceselor. Braglia, Frosolini, iar Montanari (2003) au adoptat metoda analizei relaționale pentru
a ordona preferențial după similitudinea cu soluția ideală (TOPSIS), iar Seyed-Hosseini, Safaei și
Asgharpour (2006) au aplicat tehnica luării deciziilor prin testele de laborator (DEMATEL),
tehnică pentru clasificarea prioritară a defectărilor în sistem cu multe subsisteme sau
componente. Liu și al. (2014) au evaluat riscul modurilor de defectare cu un MULTIMOORA
extins (optimizare multi-obiectivă prin analiza raportului plus forma multiplicativă completă).
Adhikary și al. (2014) au estimat stările critice ale modurilor de defectare prin folosirea metodei
de evaluarea raționale (COPRAS-G). Liu și al. (2016a) au determinat prioritatea de risc a
modurilor de defectare utilizând o abordare ELECTRE (ELimination Et Choix Traduisant la
REalité) în al doilea interval de variabile. În plus, o introducere sistematică a modelelor FMEA
modificate, bazată pe teorii de incertitudine și metode MCDM poate fi găsită în (Liu 2016). În
acest studiu, contribuim la literatură prin aplicarea unei teorii a perspectivelor pentru
reprioritizarea modurilor de defectare în FMEA. Noua metodă depășește punctele deficitare
critice ale FMEA tradiționale și oferă mai multe soluții rezonabile și credibile pentru facilitarea
gestionării riscurilor în luarea deciziilor.
Al doilea curent legat de cercetare este cel privind luarea deciziilor de grup, care este unul dintre
elementele centrale în știința deciziei. Având în vedere că multe decizii în cadrul organizațiilor
sunt realizate într-un cadru de grup, problemele de luare a deciziilor de grup au fost studiate pe
larg pentru a lua decizii mai bune. De exemplu, Yu (1973) a prezentat o clasă de soluții pentru
probleme de decizie în grup din care reiese ca utilitatea fiecărui individ asupra unei decizii este
deja cunoscută. Keeney (1975) a sugerat o metodă de proces decizional de grup care se adresează
complexității faptului ca există incertitudine privind impactul alternativelor iar indivizii au
atitudini de preferință diferite față de riscuri. În Bodily (1979), autorii au propus un proces de
delegare pentru a stabili ponderile factorilor de decizie într-o funcție de utilitate surogat pentru
luarea deciziilor de grup sub incertitudine. Boje și Murnighan (1982) au investigat tehnicile de
luare a deciziilor în două grupuri pe un set de probleme în diferite dimensiuni de grup, și au
constatat că estimările individuale cumulate sunt mai multe corecte decât cele obținute într-un
feedback verbal, față în față și într-un feedback scris. Hochbaum și Levin (2006) au propus un
cadru de optimizare pentru deciziile de clasificare în grup, ceea ce permite flexibilitate în
protocoalele decizionale și consideră păreri imprecise și deosebiri între recenzori în funcție de la
expertiza lor. Altuzarra, Moreno-Jiménez, iar Salvador (2010) au folosit o bază cadru bayesiană
pentru stabilirea consensului în procesul analitic de ierarhizare (AHP) a deciziilor de grup, care
permite identificarea automată a zonelor de „acord” și „dezacord”. Cu toate acestea, puține studii
existente se concentrează asupra probleme de luare a deciziilor în grupuri mari (Cai și al. 2017,
Liu și al. 2015), în special în FMEA. Contribuția noastră la literatura de luare a deciziei de grup
oferă un algoritm pentru a face față procesului decizional de grup, caracterizat de un număr mare
de participanți la grupuri distribuite și pe baza evaluărilor conflictelor și opinii majoritare.
Această metodă este utilă pentru a obține evaluări colective reprezentative care sunt ușor
acceptate de factorii de decizie și pot ameliora influența opiniilor părtinitoare și a evaluărilor
diferite asupra rezultatul deciziei finale.

Modelul LGFMEA propus

O problemă LGFMEA poate fi definită ca o situație unde un număr mare de experți din mai
multe grupuri sunt implicați în realizarea unei analize de risc de înaltă calitate prin identificarea
celor mai grave moduri de defectare într-un set de potențiale acțiuni corective. În general, când
numărul de experți într-o FMEA depășește numărul de 20 de persoane (Liu și al. 2015; Zhou și
al. 2017), procesul de analiză al riscurilor la care participă poate fi luat în considerare ca
LGFMEA (așa cum este afișat în Figura 1).

Figure 1 - LGFMEA cu experți din grupuri distribuite.