基于贝叶斯网络的硬件产品设计缺陷评估

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (19): 228-233.

基于贝叶斯网络的硬件产品设计缺陷评估

郑慧萌1，2，刘卫东1，肖承地1，余为锋1

1.南昌大学机电工程学院，南昌 330031
2.湖州师范学院工学院，浙江湖州 313000

出版日期:2016-10-01 发布日期:2016-11-18

Assessment of hardware product design defects using Bayesian networks

ZHENG Huimeng1，2, LIU Weidong1, XIAO Chengdi1, YU Weifeng1

1.College of Mechanical and Electric Engineering, Nanchang University, Nanchang 330031, China
2.School of Engineering and Technology, Huzhou Teachers College, Huzhou, Zhejiang 313000, China

Online:2016-10-01 Published:2016-11-18

摘要/Abstract

摘要： 为了预测硬件产品设计研发过程中的设计缺陷，提出利用贝叶斯网络构建产品设计缺陷评估模型。通过故障树建立评估模型的贝叶斯网络结构，利用证据推理方法确定评估模型的概率。研究案例表明，该方法可分析缺陷因素对设计缺陷的影响关系，实现对产品设计缺陷的定量预测，研究结果与实际情况对比具有较好的符合性。

关键词: 设计缺陷, 故障树, 贝叶斯网络, 证据推理, 缺陷评估

Abstract: An assessing model of product development status using Bayesian Networks（BN） is proposed to predict design defects of hardware product during product design and development process. The method of fault tree is used to build Bayesian networks structure of defects assess-ment model and evidential reasoning is used to get probability data. The method has proven to be efficient by a case studying to analyze the relationships between the factors and design defects and to quantify the probability of defect occurrence. The validity of the proposed model is tested by using a realistic case study with high compliance at last.

Key words: design defect, fault tree, Bayesian networks, evidential reasoning, defect assessment

郑慧萌1，2，刘卫东1，肖承地1，余为锋1. 基于贝叶斯网络的硬件产品设计缺陷评估[J]. 计算机工程与应用, 2016, 52(19): 228-233.

ZHENG Huimeng1，2, LIU Weidong1, XIAO Chengdi1, YU Weifeng1. Assessment of hardware product design defects using Bayesian networks[J]. Computer Engineering and Applications, 2016, 52(19): 228-233.

[1]	郭雪昆，秦远辉，杜亮，罗永亮，王宏安. 基于MEBN的大型舰船舰面保障作业检测[J]. 计算机工程与应用, 2021, 57(1): 242-253.
[2]	陈海洋，刘喜庆，环晓敏. 一步预测的SVDDBN缺失数据插补算法[J]. 计算机工程与应用, 2020, 56(7): 81-87.
[3]	杨颖，王珺，王刚. 基于改进的Random Subspace的客户投诉分类方法[J]. 计算机工程与应用, 2020, 56(13): 230-235.
[4]	郑伟，侯宏旭，班志杰. 贝叶斯网络查询语义扩展的专家发现方法[J]. 计算机工程与应用, 2020, 56(13): 194-198.
[5]	吕学志1，2，胡晓峰1，吴琳1，贺筱媛1. 基于贝叶斯网络的任务共同体识别[J]. 计算机工程与应用, 2019, 55(5): 251-257.
[6]	高昂，段莉，张国辉，董志明，曹洁，郭齐胜. 计算机生成兵力行为建模发展现状[J]. 计算机工程与应用, 2019, 55(19): 43-51.
[7]	严智，张鹏，谢川. 基于Jaya的贝叶斯网络结构学习算法研究[J]. 计算机工程与应用, 2019, 55(19): 173-177.
[8]	蔡青松，陈希厚. 基于评分函数的贝叶斯网络结构融合算法[J]. 计算机工程与应用, 2019, 55(11): 147-152.
[9]	张剑1，曹萍2. 软件外包项目的解析证据推理评价模型[J]. 计算机工程与应用, 2018, 54(8): 236-241.
[10]	郭文强，高文强，侯勇严，李然. 基于稀缺数据集下BN参数学习的目标识别[J]. 计算机工程与应用, 2018, 54(17): 122-125.
[11]	朱雪彤1，钱秀娟2，孙薇薇1，侯宪春1，陈广生3，王永利4. 面向普适健康监测的心脏病分析方法[J]. 计算机工程与应用, 2018, 54(1): 159-165.
[12]	王东1，2，陈志1，岳文静3，刘亚威1. 使用贝叶斯网络的社交网络信任驱动推荐方法[J]. 计算机工程与应用, 2017, 53(9): 146-151.
[13]	沈一超，倪世宏，张鹏. 基于贝叶斯网络的飞行动作识别方法[J]. 计算机工程与应用, 2017, 53(24): 161-167.
[14]	丁东1，付晓东1，2，岳昆3. 基于贝叶斯网络的在线商品评价质量评估[J]. 计算机工程与应用, 2017, 53(2): 21-26.
[15]	高学攀，廖士中. 基于贝叶斯网络的林火概率预测系统设计与实现[J]. 计算机工程与应用, 2017, 53(13): 246-251.