数据驱动的质量特性协同设计标准（征求意见稿）

ICSXX.XXX

LXX

T/CIEXXX-XXXX

数据驱动的质量特性协同设计

Datadrivencollaborativedesignofqualitycharacteristics

（征求意见稿）

XXX-XXXX发布XXX-XXXX实施

发布

T/CIEXXXXX—XXXX

数据驱动的质量特性协同设计

1范围

本标准规定了数据驱动的质量特性协同设计的程序和方法。包括：质量特性数据规范化处理、质

量特性数据库建立、质量特性知识图谱构建及典型应用场景下质量特性知识智能化应用，并给出了对

应的应用案例。

本标准用于产品研制阶段质量特性协同设计工作，指导设计分析人员在复杂系统设计过程中开展

数据驱动的质量特性协同设计，以满足规定的通用质量特性要求。

2规范性引用文件

下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅所注日期的版本适用于本

文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。

GJB451A-2005可靠性维修性保障性术语

GJB450A-2004装备可靠性工作通用要求

GJB368B-2009装备维修性工作通用要求

GJB2547A-2012装备测试性工作通用要求

GJB3872-1999装备综合保障通用要求

GJB900A-2012装备安全性通用要求

3术语和定义

3.1

可靠性reliability

产品在规定的条件下和规定的时间内，完成规定功能的能力。

3.2

维修性maintainability

产品在规定的条件下和规定的时间内，按规定的程序和方法进行维修时，保持或恢复到规定状态

的能力。

3.3

测试性testability

产品能及其并准确地确定其状态（可工作、不可工作或性能下降），并隔离器内部故障的能力。

3.4

保障性supportability

装备的设计特性和计划的保障资源满足平时战备完好性和战时利用率要求的能力。

3.5

安全性safety

产品具有的不导致人员伤亡、系统损坏、财产损失或不危及人员健康和环境的能力。

1

T/CIEXXXXX—XXXX

3.6

质量特性qualitycharacteristics

产品、过程或体系与要求有关的固有属性，体现产品使用时的客观要求。可划分为专用质量特性

和通用质量特性。

3.7

协同设计collaborativedesign

在计算机技术支持的环境下，由多个设计主体，通过一定的信息交换和互相协调机制，采用适当

的流程，分别承担不同方面（范围或领域）的设计任务，共同完成一个设计目标的一种设计方式。

3.8

数据库database

是数据的集合，具有统一的结构形式并存放于统一的存储介质内，是多种应用数据的集成，并可

被各个应用程序所共享。

3.9

知识图谱knowledgegraph

是结构化的语义知识库，用于以符号形式描述物理世界中的概念、实体及其相互关系。

3.10

应用场景applicationscenarios

应用被使用时，用户“最可能”所处场景，包括时间、空间、设备支持及用户情绪等多个方面。

4缩略语

API应用程序接口(ApplicationProgrammingInterface)

SQL结构化查询语言(StructuredQueryLanguage)

CAD计算机辅助设计(ComputerAidedDesign)

RBD可靠性框图(ReliabilityBlockDiagram)

FMECA故障模式、影响及危害性分析(FailureMode,EffectsandCriticalityAnalysis)

FTA故障树分析(FaultTreeAnalysis)

5一般要求

5.1总则

构建产品质量特性协同设计数据库和质量特性知识图谱，结合产品研制过程中质量特性协同设计

分析工作流程，提出质量特性知识智能推送方法，实现质量特性协同设计知识在产品研制过程中的智

能应用，有效提升产品质量特性工作效率和知识应用水平。数据驱动的质量特性协同设计一般流程如

图1所示。

2

T/CIEXXXXX—XXXX

专家

多维数据融合六性设计知识库

案例数据库管理系统

故障模

案例知危险源

式知识

数据访问数据识库知识库

数据库

服务管理

案例数据库

设计准测试方

自我学习则知识法知识……

知识驱动库库

应用场景

知识推理

六性设EDA

ERP仿真工具

计工具工具

图1基于数据驱动的质量特性协同设计一般流程

5.2基本要求

数据驱动的质量特性协同设计基本要求包括：

（1）数据处理基本要求：数据处理需实现工业产品质量信息准确化、规范化、唯一化管控，从

而提高质量特性数据的有效利用率。

（2）数据库与知识图谱建立基本要求：数据库与知识图谱需不断更新迭代，以确保知识的准确

性及完整性，支撑质量特性协同设计工作的开展。

（3）人员基本要求：为了保证建立的数据库、知识图谱的准确性及智能应用的效果，整个工作

需要产品设计师、通用质量特性设计师或质量师协作开展。

5.3一般程序

数据驱动的质量特性协同设计应按以下步骤实施：

①质量特性数据规范化处理

借助元数据管理的思想，分析质量信息指标相关的技术文档，同时结合行业普遍认可的定义和描

述，建立工业产品质量特性及数据规范，规范各质量信息，实现工业产品质量信息准确化、规范化、

唯一化管控。

②质量特性数据库建立

根据工业产品研制过程中质量特性数据的差异，分类建立工业产品质量特性数据库，以通过支撑

数据结构化及有效复用来提升质量特性协同设计工作的顺利开展。

③质量特性知识图谱构建

采用一系列技术手段，从原始数据库和第三方数据库中提取知识事实，将其存入知识库的数据层

和模式层，并不断更新迭代，以利用工业产品全寿命周期产生的数据指导产品的质量特性协同设计。

④典型场景下的质量特性知识智能化应用

识别设计人员所进行的设计业务流程、应用的具体背景和环境，基于业务流引擎和知识引擎双驱

动，实现知识推送；采用基于推理的语义检索技术，实现数据的快速检索匹配。

3

T/CIEXXXXX—XXXX

5.4准备工作

利用数据驱动的质量特性协同设计方法开展通用质量特性设计分析工作前，应尽可能收集对象的

以下信息：

①用户对产品的基本需求，包括任务要求、功能、性能及使用环境等；

②产品通用质量特性相关要求；

③产品质量特性数据，包括可靠性数据、维修性数据、安全性数据、功能性能指标数据等；

④相似产品的质量特性数据。

6详细要求

6.1质量特性数据规范化处理

随着互联网技术的普及，企业信息化、数字化的理念深入人心，企业信息化、数字化平台建设如

火如荼，这些信息化、数字化平台在企业运营过程中积累了大量的质量特性相关数据，为工业产品设

计生产和企业发展提供了坚实的数据基础。但是，目前各个企业掌握的各类质量特性数据并没有得到

有效利用，究其原因主要还是集中在质量特性数据规范这一症结上，同一质量特性数据多种描述、多

种格式要求对后期的统计应用造成了很大困扰。为此可借助元数据管理的思想，分析质量信息指标相

关的技术规范、标准、产品手册、管理要求等技术文档，同时结合行业普遍认可的定义和描述，基于

全局性、唯一性以及合理性等原则，建立工业产品质量特性及数据规范，从质量特性信息属性定义或

说明、属性描述或格式要求等要素规范各质量信息，实现工业产品质量信息准确化、规范化、唯一化

管控。下面以故障数据规范为例，给出对应的示例，如表1所示。

表1故障数据规范示例

属性定义或说明格式要求

故障日期故障发生或发现时间。—

包括：开环控制数控机床、半闭环控制数控机床、闭环控

产品类型发生故障的具体产品类型

制数控机床等

用户给出使用该产品的企业名称—

产品制造企业产品供应方给出企业全称

对发生故障的具体部件相关信息进

故障件—

行说明。

对产品功能丧失或降低的情况进行

故障现象—

说明

包括：启动准备、使用中、换季检查、日历检查、定次检

故障发现时机对故障发现阶段进行说明。

查、定时检查、机械日、特定检查及其它。

对发现及定位故障采用的方法进行包括：使用、外观检查、试车、通电检查、操纵检查、仪器

故障判明方法

说明。检查、分解检查、试验台检查、无损探伤、自监控及其它。

包括：校验、调整、更换零组件、更换机件、清洗、修理、

排除方法对排除故障的技术手段进行说明。

润滑、报废及其它。

故障后果对故障产生的影响进行说明。包括：一等事故、二等事故、三等事故及其它。

4

T/CIEXXXXX—XXXX

属性定义或说明格式要求

包括：设计制造、大修、定检、维护不当、使用不当、环境

故障责任对定位后的故障责任进行说明。

变化、修理、人为差错及其它。

故障原因对造成故障的原因进行说明—

6.2质量特性数据库建立

6.2.1目的

根据工业产品研制过程中质量特性数据的差异，分类建立工业产品质量特性数据库，构建质量特

性数据库的目的是通过支撑数据结构化及有效复用来支撑质量特性协同设计工作的顺利开展。支撑数

据库的设计是基于可满足上述各项设计工作软件工具的直接调用基础上，且具备一定的推理功能。质

量特性数据库中设置案例库，可为质量特性协同设计工作的开展提供决策支撑。

6.2.2数据来源

支撑数据库的信息来源主要有两种方式：

将数据从各主流设计工具中抽取，通过WebService接口实现数据存取，也可将案例数据集成

到应用场景工具中，直接通过应用程序接口（API）或者结构化查询语言（SQL）工具实现；

通过人机接口，专家、用户直接按指示模板的形式输入相应的知识。

6.2.3实施要点

数据库的建立与应用实施要点如下：

①迭代更新

从案例数据库获取知识的过程中，可以通过定时启动自我学习引擎实现对数据库的更新，保证知识

的准确及完整性。也可以在案例库动态更新时，实时更新数据库内容，达到数据即时可用的效果。

②数据库调用

设计师在当前应用场景调用数据库时，需要将当前应用场景的信息发送到数据库系统中，作为调用

知识的输入。例如设计师在开展可靠性预计工作时，需要将当前工作类型、产品结构、属性及目标等

作为参数，传递到数据库系统中，数据库系统识别数据请求类型，对数据请求进行响应，返回给应用

场景需要的支撑数据，有效提升设计师通用质量特性协同设计工作开展效率。

6.2.4质量特性数据库框架

建立质量特性数据库主要目的是实现各支撑数据在各项工作开展过程中的直接调用，提升支撑数

据的复用率。同时，通过相应的规则推理提升设计工作的自动化。如图2是质量特性数据库系统的架

构组成。

5

T/CIEXXXXX—XXXX

数据应用应用场景识别数据推送数据检索数据匹配

故障模式预计参数故障检测设计准

数据库管理...

库库方法库则库

数据获取数据抽取数据转化数据分类数据存储

技术文档专家经验检测及使用数据PDM系统

数据来源

ERP系统仿真系统质量特性设计工具...

图2质量特性数据库架构

质量特性数据库主要分为四个层次：

①知识来源层

工业产品质量特性数据主要来源于ERP系统、仿真系统、产品手册等。通过对上述来源的相关信

息进行组织、梳理后，形成可支撑设计分析工作的数据。针对PDM系统等信息化软件工具中已结构化

的数据可通过接口直接抽取相关知识，对于技术规范、文档以及专家经验等需要转化和结构化的知

识，则由设计人员根据相应数据规范进行人工输入。

②数据采集层

数据采集层主要是利用试验检测设备及质量特性协同设计软件系统与其他专业软件系统之间的接

口，读取或是导入相关数据，实现支撑数据的获取、转化、分类及存储，通过结构化和相应知识模板

对知识来源层中的信息进行规范和抽取，并对知识进行分类存储于支撑数据库中。

③数据管理层

质量特性数据库包括了故障模式数据库、设计准则数据库、案例数据库等。

④知识应用层

知识的应用主要以两种形式为主：

系统通过识别设计人员的应用场景，进行相关支撑数据的推送；

设计人员通过API或SQL工具对支撑数据进行直接调用、查询、检索。

数据采集之后需按知识类别或用途存入相应的数据库中，以便于使用。其过程概述如下：

①编制质量特性数据模板，对各质量特性协同设计工作项目中涉及的信息类型进行详细的说

明。

②在知识工程实施过程中各信息类型可按其与工作项目以及产品结构层次的支撑关系进行分

类，然后按既定格式要求自动存储至相应的数据库的特定位置。

6

T/CIEXXXXX—XXXX

6.3质量特性知识图谱构建

6.3.1知识图谱构建过程

随着信息时代的不断发展，数据已经逐渐成为一种资源甚至生产要素，如何利用工业产品全寿命

周期产生的数据指导产品的质量特性协同设计，是当前制造企业面临的一个难题。而知识图谱概念的

产生，为上述问题提供了一个可行的解决方案。

知识图谱构建技术架构如图3所示。其中虚线框内的部分为知识图谱的构建过程，也包含知识图

谱的更新过程。知识图谱构建从最原始的数据出发，采用一系列自动或者半自动的技术手段，从原始

数据库和第三方数据库中提取知识事实，并将其存入知识库的数据层和模式层，具体过程如下：

①数据抽取

通用质量特性设计数据主要可分为结构化、半结构化和非结构化三种形式，不同数据形式的数据

内容抽取方法各有不同。

对于结构化数据（链接数据、数据库），其本身已经按照标准化的格式进行存储，在明确了

其信息类型，格式要求，信息源和目标存储位置之后，即可按照一定的规则编写自动化的数

据抽取程序，实现数据的自动映射识别。

对于半结构化数据（网页中的表格、列表）需对数据进行标注，确定需要识别的范围，并按

照一定规则进行数据转化。

而实际通用质量设计数据中有很大部分的数据是非结构化的数据（纯文本数据，试验记录、

专家经验等等）。非结构化数据大多是描述性的数据，可利用的数据散落在文本中，通过实

体识别与关系识别进行抽取。

②知识表示

在知识图谱中，要实现对所存储的知识的应用，最关键的就是要能够进行知识的推理，而知识的

表示形式和手段决定了知识推理的形式和难度；此外，知识表示的形式也决定了知识获取的形式和难

度。可见，一种合适的知识表示方法对知识图谱的构建至关重要。

在知识图谱中，知识表示有知识定义（知识体系）与知识实例两个层面。知识定义（知识体系）

描述了本体以及本体之间的关系，是上层建筑。知识实例是本体的一个一个实例，对应的是真实的数

据存储层。

③数据融合

通用质量设计数据随着设计工作的不断开展是一个不断扩充的过程，因此对于新识别来的数据需

要与原有的数据进行融合，以保证系统的先进性。数据融合的主要手段有：

实体链接，对新数据进行实体识别后，将数据内容链接到同名实体下。

实体消歧。实体消歧是专门用于解决同名实体产生歧义问题的技术，通过实体消歧，就可以

根据当前的语境，准确建立实体链接。

共指消解。共指消解技术主要用于解决多个指称对应同一实体对象的问题。在一个文本数据

中，多个指称可能指向的是同一实体对象。利用共指消解技术，可以将这些指称项关联（合

并）到正确的实体对象。

④知识推理

因此面向知识图谱的知识推理不仅仅局限于以基于逻辑和规则为主的传统知识推理，可以有更多

样化的推理方法。近年来，面向知识图谱的知识推理随着分布式表示、神经网络等技术的流行，已发

展出独有的推理方法，根据推理类型划分，分为单步推理和多步推理。每类根据方法划分，又包括基

于规则的推理、基于分布式表示的推理、基于神经网络的推理以及混合推理。

7

T/CIEXXXXX—XXXX

第三方数据库

结构化数据数据整合

属性校正知识推理

实体提取

半结构化数据

关系抽取知识表示实体对齐质量评估知识图谱

非结构化数据

属性提取

本体构建知识更新

应用服务

知识提取

知识图谱构建

图3知识图谱构建技术架构

6.3.2知识图谱构建方式

知识图谱主要有自上向下与从下向上两种构建方式。

①自上向下

先为知识图谱定义好本体与数据模式，再将实体加入到知识库。该构建方式需要利用一些现有的

结构化知识库作为其基础知识库，例如Freebase项目就是采用这种方式，它的绝大部分数据是从维基

百科中得到的。

②自下向上

从一些开放链接数据中提取出实体，选择其中置信度较高的加入到知识库，再构建顶层的本体模

式。目前，大多数知识图谱都采用自底向上的方式进行构建，其中最典型就是Google的Knowledge

Vault和微软的Satori知识库。

以某产品可靠性要求论证为例，基于上述知识图谱构建方法，采用知识图谱给出了相关知识，如

图4所示。其中，“某系统—可靠性要求论证—可靠性预计”为“实体—关系—实体”方式关联；

“相似产品法—工作环境—舰船舱内”为“实体—属性—属性值”关系。

数据传输

A—XX

0.3*0.5*0.25

通讯

方案阶段

0.6可靠性

某系统要求论

证

模块1制定寿命任

务剖面

元器件1

确定保障约

模块2束条件

相似产指标要求分

模块3品法配

元器件2

0.98

可靠性预

计方法

40℃

元器件计

数法0.99

舰船舱内

可靠性框

图法

应力分析

法

图4某产品知识图谱示意图

8

T/CIEXXXXX—XXXX

6.4典型应用场景下质量特性知识智能化应用

6.4.1基于典型应用场景的质量特性相关知识智能推送

质量特性数据智能化推送是在识别设计人员应用场景的前提下开展的，即识别设计人员所进行的

设计业务流程、应用的具体背景和环境。图5为质量特性相关知识的智能化应用场景示意图。

专家

多维数据融合质量特性数据库

案例数据库管理系统

故障模预计参危险源

数据访问

数据数据式库数库库

服务管理

案例数据库

设计准测试方

……

则库法库

自我学习

知识驱动

应用场景

数据推理

工业产品过程中质量特性设计

图5质量特性相关知识智能化应用场景示意图

质量特性协同设计数据智能化应用是在识别设计人员应用场景的前提下开展的，即识别设计人员

所进行的设计业务流程、应用的具体背景和环境。可采用基于业务流引擎和知识引擎双驱动的数据智

能化推送方式，其实现机制如图6所示：

①基于业务流管理系统提供的业务流引擎，获取设计人员正在进行的设计业务流程。

②进入到数据库中获取与该业务流程相关的数据结构信息

③基于知识引擎将设计人员所设计的产品属性与数据库中的数据进行相似度计算，从而获取与

其匹配的质量特性协同设计数据，并推送至相应的设计人员。

任务列表工作流引擎知识引擎

设计人员

业数

务据

流匹

结果可视化程数据库配

图6数据智能化推送实现机制

在图6所示的智能推送实现机制中，核心为业务流引擎与知识引擎。

业务流引擎

9

T/CIEXXXXX—XXXX

主要功能是支持业务流所描述的业务过程模型提供的全部特性的运行实现，在运行过程中记录、

跟踪、监督、查询和统计业务流所处的活动状态。当设计人员执行该业务活动时，通过人机交互表

单，选择当前拥有的数据结构属性，通过业务流引擎将消息输入系统。

知识引擎

主要功能是根据获取到的应用场景和数据需求属性信息，构造对应的描述文件；在数据库中从描

述文件中抽取数据结构和产品属性特征，进行相似度计算，以确定所需的匹配数据信息；根据相似度

计算的结果，通过数据库建立对应的数据结构，作为数据智能化推送给设计人员用于当前质量特性协

同设计业务。

数据智能化推送的具体实现过程如下：

①当设计人员登录到任务管理系统并从用户任务工作列表中第一次选取相关任务时，系统产生

一个事件，由业务流引擎根据当前任务触发相关的事件处理程序，通过人机交互表单，提示

设计人员选择当前所拥有的数据结构属性。

②业务流引擎对事件进行处理后，向知识引擎传递与设计员和业务活动相关的应用场景和数据

需求。

③知识引擎根据来自业务流引擎的信息，构造对应的描述文件，并传递给数据库。

④数据库通过解析描述文件，首先定位所需的数据内容，然后借助数据库，匹配所需数据与数

据库中数据的相似度。

⑤根据相似度计算结果，从中找到与之相适应的匹配数据并主动推送至设计人员，用于设计业

务活动中。

6.4.2质量特性知识的检索与智能化匹配

数据检索是数据共享、数据重用的关键技术，检索的目的就是在已完成的质量特性协同设计工作

中找到能够满足新设计需求的数据,解决用户检索需求与数据库中数据之间的匹配问题。为了提高数据

检索的质量，本数据库提供以关键词检索为主、采用基于推理的语义检索技术，实现数据的快速检索

功能，流程如图7所示：

①信息格式转化

用户输入检索关键词或用自然语言描述的查询信息，通过查询接口将其转化为标准查询格式。

②查询信息预处理

转化后的查询信息被发送至推理引擎进行预处理，处理过程包括分词、去重等，预处理后得到数

据库中的语义信息，形成初始关键词集合，利用扩展算法对关键词集合进行扩展。

③信息检索

通过文本检索技术，利用相似度算法检索出符合条件的相似概念集，提交至推理引擎，并将数据

库中存储的信息网络数据库模型、规则等，作为推理的基础。

④信息匹配

对推理结果与相似概念之间进行相关度计算，输出相关度高的结果，并依据相关度对所有输出结

果进行排序，最终排序后的结果通过接口页面返回给用户。

10

T/CIEXXXXX—XXXX

查询接口语言推理引擎

预处理

关键词扩展

用户相关度计算

相似概念集合

数据库

数据匹配

查询返回接口结果排序计算相关度

图7语义检索模型

语言推理引擎是实现语义检索的关键，推理引擎主要实现流程如图8所示：

①概念集合发送

获取查询词后，数据库中相似概念集合被发送至推理引擎。

②概念解析

推理引擎在数据库的支持下，对概念进行解析，获得与此概念相同或相近的概念，缩小检索范

围，最终获得与此概念相关的概念集合。

③概念推理与检索

推理引擎推理出属于该概念的所有实例，将实例作为查询关键词，检索出符合条件的结果。

开始

装载数据库文件

获取查询词

是推理出此概念相

是否为概念

同的概念集

否

是

推理出属于概念

是否为实例

集合的实例集

否

返回查询词返回实例集

结束

图8推理流程图

11

T/CIEXXXXX—XXXX

附录A

（资料性）

电源系统数据驱动的质量特性协同设计应用案例

A.1系统概述

电源系统是直升机等航空产品中重要的子系统之一，其作用在于保证可靠地向用电设备提供符合

要求的电能。某装备的电源系统由交流电源、直流电源共2个分系统，如图A.1所示。

图A.1电源系统组成及系统结构

交流电源包括主交流电源和辅助交流电源，主交流电源由主交流发动机和主发动机控制器构成，

实现115V、400Hz三相交流电的全机提供；辅助交流电源由辅助交流发电机和辅助发动机控制器构

成，在主机交流电源系统故障时提供辅助的电源和应急电源，同时提供地面维护时的电源。

直流电源包括主直流电源和应急直流电源，主直流电源由变压整流器和直流电源控制器构成，用

于将115V、400Hz的三相交流电转变为直流28V电，并向直流设备供电；应急直流电源由蓄电池和充

放电控制器组成，正常供电时应急直流电源的蓄电池接触器为断开状态，当主直流电源故障时，蓄电

池接通并为相应的设备供应直流电。

A.2质量特性数据收集

收集电源系统相应质量特性数据，支撑相关质量特性分析工作的开展。电源系统的质量特性数据

收集范围包括：可靠性数据、维修性数据、测试性数据、保障性数据、安全性数据等。各特性工作项

目与其支撑数据映射关系如表A.1所示，基于该表格完成相关数据收集。

表A.1各特性工作项目与支撑数据映射关系

工作项目支撑数据数据来源

产品工作原理图、功能结构关系、产品用途、工作方式、产品设计方案、技术文档、可靠性

可靠性框图

任务剖面、各功能模块的可靠度预计结果

12

组成产品的各分系统总数及各分系统的失效率、产品各

产品设计方案、可靠性评估文档、

可靠性分配个分系统复杂性和重要性信息、产品功能、结构和使用环

专家经验、管理文档

境、分系统的约束条件

产品功能结构关系、元器件类别、名称、型号规格、生产品设计方案、元器件产品手册

可靠性预计产厂家、使用数量、质量等级、使用环境、工艺、封装、和预计标准、可靠性指标、技术规范

材料设计参数和试验测得故障率数据

结构框图、故障模式、频数比、故障原因、改进措施、

标准和行业数据库、技术文献、经

FMECA故障检测方法、故障传递关系和严酷度分类定义、设计改

验信息和相应标准、工作条件

进措施、故障影响概率和工作时间

各类别元器件降额参数、降额等级、自定义降额准则和GJB/Z35《元器件降额准则》、电

降额设计

降额参数设计值子元器件产品手册和产品设计文档

可靠性框图、故障传递关系、最小割集、最小路集、基RBD工作、经验信息、技术文献、

FTA

本事件发生概率、结构重要度和概率重要度、改进措施相应标准、信息积累

维修级别、保障条件、保障方案、维修性参数、故障检产品设计文档、经验知识、维修数

维修性建模

测率、故障隔离率、故障频率、维修性要求据记录、相似装备维修模型

产品设计文档、技术文档、标准和

维修级别、故障率、维修性指标要求、可用度、单元复

维修性分配行业数据库、专家经验、相似单元分

杂度

配方案

维修级别、更换层次、修复时间、失效率、维修活动、产品设计方案、技术文档、标准和

维修性预计

维修费用行业数据库、专家经验

维修级别、保障条件、保障方案、维修性参数、故障检产品设计文档、经验知识、维修数

维修性建模

测率、故障隔离率、故障频率、维修性要求据记录、相似装备维修模型

产品设计文档、技术文档、标准和

维修级别、故障率、维修性指标要求、可用度、单元复

维修性分配行业数据库、专家经验、相似单元分

杂度

配方案

维修级别、更换层次、修复时间、失效率、维修活动、产品设计方案、技术文档、标准和

维修性预计

维修费用行业数据库、专家经验

保障资源、初始保障时间、单机用数、修理周转期、可企业信息积累、保障性分析指南、

备件量优化

修复性、维修级别、费用、保障概率、供应时间间隔技术规范、经验信息

保障资源、工作频度、工作时间间隔、工作经历时间、保障性设计方案、技术文档、标准

使用维修工作分析工时数、维修级别、维修作业、保障设计要求、设施要求、和行业数据库、技术文献、维修作业

作业序列指南

产品功能、产品性能、故障模式、故障影响、故障后果、维修性工作指南、技术文献、

以可靠性为中心的

预防维修工作、安全性影响、经济性影响、任务性影响、FMECA工作、专家经验、维修保障

维修

维修活动、修理级别、预防性维修工作类型、维修间隔期记录

使用方案、维修方案、企业信息积

修理约定层次、维修级别、维修费用、报废费用、安全

维修级别分析累、保障性分析指南、技术规范、经

性影响

验信息

论证费用、研制费用、购置费用、使用与维修费用、产产品设计方案、技术文档、经验信

寿命周期费用

品效能、战备完好性、作战性能息、标准和行业数据库、保障方案

企业信息积累、标准和行业数据

危险源管理一般危险源检查表、故障模式

库

危险源清单、产品系统结构、功能原理图、风险评价指危险源管理工作、产品设计方案、

初步危险分析

数企业风险评价标准

危险源清单、产品分系统结构、功能原理图、风险评价危险源管理工作、产品分系统设

系统危险分析

指数计方案、企业风险评价标准

使用与保障危险分危险源清单、产品系统结构、功能原理图、作业清单、危险源管理工作、产品设计方案、

析风险评价指数作业设计方案、企业风险评价标准

危险源清单、产品系统结构、人员接触危险方式及频次、危险源管理工作、产品设计方案、

职业健康危险分析

风险评价指数企业风险评价标准

产品功能结构图、失效状态、任务剖面、产品失效的影产品设计方案、企业信息积累、标

功能危险分析

响及严酷度准和行业数据库

初步系统安全性分功能危险分析工作、产品设计方

识别的功能失效、产品系统结构、功能原理图

析案

识别的功能失效及发生概率、产品系统结构、功能原理功能危险分析工作、产品设计方

系统安全性分析

图案、FMECA工作、FTA工作

A.3质量特性数据库建立