基于语言图像模糊集与MABAC法的改进大群组FMEA模型

失效模式与影响分析(FMEA)是一种前瞻性风险分析工具。但传统FMEA模型在大群组专家风险评估、风险因子权重确定以及失效模式排序方面存在一定缺陷。本文针对上述不足提出了一种新的FMEA模型:首先采用语言图像模糊集表征专家的风险评价信息,然后运用相似度聚类法对大群组专家进行聚类,而风险因子的权重由熵权法确定,最后利用多属性边界近似区域比较(MABAC)法对各失效模式进行风险排序。为了验证该模型的可行性,本文将其运用于企业架构风险评估,并通过比较分析以及蒙特卡洛仿真验证其优越性与可靠性。