企业官网建设流程全解析

简介：《严重度发生度探测度评价准则》是一份面向质量工程师、产品设计及工艺开发人员的FMEA风险评估参考资料，适用于DFMEA和PFMEA过程中确定严重度、发生度、探测度三项评分，并据此计算RPN风险优先数。资源为单份PDF文档，约475KB，内含DFMEA/PFMEA表格模板、严重度/频度/探测度分级评价准则，以及新版FMEA不再关注RPN的对比说明；各评分等级还对应了具体的产品失效后果和过程影响描述，便于直接查表评审。目前已有76人学习下载。借助这套准则，读者可以更规范地判断失效模式的影响程度、发生概率与可探测性，减少不同人员之间的主观评分差异；同时能结合表格式示例，在设计和制造阶段提前锁定高风险项目并制定改进措施，提升产品安全性与可靠性。

1. 从两个RPN=90的组合说起：S/O/D评价准则不是填表工具

同样是90分的RPN，一个来自 S=9、O=2、D=5，另一个来自 S=5、O=6、D=3，前者是“安全法规类失效几乎不发生、但一旦发生很难探测”，后者是“外观问题偶尔发生、但常规检查基本能拦住”。如果只盯着RPN数字，这两者的改进优先级完全看不出来，甚至会误判。《严重度发生度探测度评价准则》这类文件解决的就是这个分歧：它把FMEA里最容易吵起来的三个参数拆成可对齐的判定锚点，让DFMEA小组和PFMEA小组在“为什么给8分而不是6分”上有一致的依据。适合做设计质量、过程质量、可靠性和供应商质量的人用，尤其是要面对客户审核时，这套表就是你的评分合法性证明。

2. DFMEA还是PFMEA：严重度S两套后果链的评分边界

2.1 先分清评价对象：顾客后果还是制造后果

严重度S描述的是“失效后果有多严重”，但同一份FMEA里必须分清评的是哪条后果链。DFMEA的S看的是顾客视角：车辆还能不能开、功能是否丧失、有没有违反法规；PFMEA的S看的是制造视角：作业员是否安全、产线会不会停、产品要不要报废或返工。同一个失效起因，在两份文件里的S可能完全不同。

举个例子，一个焊接工位的参数偏移导致连接强度不足：在PFMEA里它可能被评为8分，因为后果是“生产线停止、批量报废”；到了DFMEA里，这个缺陷落到整车层面可能是“主要功能降级”，S也是7到8分，但两者评的已经不是同一件事。打分前先明确对象，否则整个评分表都会歪。

2.2 DFMEA严重度锚点拆解

DFMEA的严重度表从10分到1分，核心锚点分四组：

判分顺序上，我一般先问三个问题：是否涉及安全或法规？如果有，直接落到9或10，再根据“失效发生时车辆有没有警告”区分。如果不涉及安全，再判断是主要功能还是次要功能，区分“丧失”和“降级”。外观、噪音类的评分最容易出现分歧，因为它依赖一个比例：75%、50%、25%的顾客感知度。这个比例在实际操作中很难精确定量，但可以借助售后抱怨率、市场调研数据或者同平台车型的历史问题清单来对标，不要靠感觉拍脑袋。

2.3 PFMEA严重度：从作业员安全到工位返工

PFMEA的严重度表结构相似，但评价对象换成了制造后果。10分和9分对应作业员安全，区分点同样是有无警告；8分对应“产品100%报废、产线停止并停止装运”；7分是“部分报废，主要过程中出现偏差，产线速度降低或需增加人力”；6分和5分是返工类，6分要求100%返工后可接受，5分是部分返工后可接受。再往下是工位返工：4分是100%需要在工位上返工，3分是部分需要在工位上返工，2分是对过程、作业或作业员带来轻微不便。

这里有一处容易混淆的地方：PDF原文里PFMEA严重度同时列出了“顾客后果”和“制造/组装影响”两列。换句话说，PFMEA不只关心生产线内部，还要兼顾失效流出到顾客端的后果。但实际打分时应以制造后果为主线，因为顾客后果已经在DFMEA里评过了。PFMEA的S用来衡量这个失效对制造系统本身的冲击，而不是重复评估车辆层面的影响。

2.4 打S分时的两个常见错误

第一个错误是把DFMEA的S直接套用到PFMEA。很多小组在PFMEA的后果栏里写“车辆无法启动”，然后按DFMEA的标准给了8分。这本身没有错，但漏掉了更重要的一层：这个失效在制造现场怎么被发现、要不要返工、会不会停线。PFMEA的S必须体现制造后果，否则后面的O和D评分都找不到立足点。

第二个错误是用S的分数去“补偿”其他参数。严重度衡量的是后果本身，不因发生概率低而降低，也不因探测手段强而降低。一个安全法规类失效，不管一年发生一次还是一万次，S都应该是9或10。如果觉得“这个失效不太可能发生所以S给低一点”，等于把O的职责混进了S，整个风险排序就失真了。

3. 发生度O：把“每千件失效数”换成1～10分的换算逻辑

3.1 频度表的数学语义

发生度O评价的是“失效起因或机理发生的可能性”，DFMEA和PFMEA的频度表数值是公用的，只是单位不同：DFMEA按每千辆车计，PFMEA按每千件产品计。这两个单位背后的统计口径其实是一致的，都是缺陷率或失效密度。

原表的每一档都有两个表达方式：一个是“每千件中X件”，另一个是“每X件中有一件”。把这两者换算成更直观的百分比如下：

我在实际项目里通常会把公司售后PPM或产线不良率直接换算到这档位。比如某个连接器接触不良的售后抱怨率是800ppm，也就是0.8件每千件，落在第五档和第六档之间，按保守原则取6分。换算公式很简单：每千件失效数 = PPM ÷ 1000，然后对照上表落档。

3.2 没有历史数据时怎么定O评分

新产品、新工艺没有历史数据是常态，原表在10到7档里反复提到“新设计、新应用、职责循环或操作条件变更”，这组词不是评分的数值，而是判定风险环境的提示信号。当失效源于全新设计时，O至少要在7到9之间，具体取决于设计成熟度；如果能在类似平台找到参照，则可以按“类似设计或设计模拟和试验”的档位降到4到6。

这里有一个实操技巧：把“历史数据”拆成三个来源分别打分，再取中间值。第一是类似产品在售后或产线的不良记录；第二是设计验证阶段的试验失效情况，比如耐久试验里第几轮出现失效；第三是仿真分析的边界条件覆盖度。三个来源口径一致时取上限，口径不一致时取最保守值，同时要在FMEA表格的“潜在失效起因”里注明数据来源，方便后续审核追溯。

3.3 用脚本把不良率映射到O评分

def occurrence_rating(failures_per_thousand): """根据每千件失效数返回FMEA发生度评分""" bands = [ (100, 10), (50, 9), (20, 8), (10, 7), (2, 6), (0.5, 5), (0.1, 4), (0.01, 3), (0.001, 2) ] for threshold, rating in bands: if failures_per_thousand >= threshold: return rating return 1 # 示例：售后PPM为850，即0.85件/千件 ppm = 850 failures_per_thousand = ppm / 1000 print(f"每千件失效数: {failures_per_thousand:.3f}, O评分: {occurrence_rating(failures_per_thousand)}")

这段脚本的逻辑很简单：bands列表按阈值从高到低排列，输入每千件失效数后逐个比较，命中第一档就返回对应评分。如果失效数低于0.001件每千件，说明几乎不出现，返回1分。用脚本替代人工查表的好处是，当你有几十个失效模式需要批量打分时，可以直接从质量系统导出的不良率数据跑一遍，避免每行都去翻表。要注意的是，脚本只处理数值映射，是否属于“新设计、操作条件变更”等风险情境，仍然需要工程师人工判断。

3.4 O评分和D评分别搞混

发生度衡量的是“失效会不会发生”，探测度衡量的是“失效发生后能不能被发现”。一个失效可能发生度很低但探测度很高，比如某个螺栓扭矩不足的概率只有0.01件每千件，但几乎不可能在出厂前被检查出来，D可能高达9。也有反过来，发生度很高但探测手段很强，比如某个外观缺陷每千件出现20次，但自动化视觉检测100%拦截，D可以低到3。打分时如果发现O和D数值总是接近，大概率是把两组尺度的语义混淆了，需要回到原表的描述逐条核对。

4. 探测度D：从随机审核到防错装置的分层判断

4.1 DFMEA探测度：设计验证阶段的测试方法分级

DFMEA的探测度评估的是“现行设计控制探测失效的能力”，这里的控制手段主要是设计验证和测试活动。原表10分是没有现行设计控制；9分是设计分析/探测控制能力弱，仿真分析（CAE）与期望的实际操作条件不关联；8到6分对应设计定型后、投产前的产品验证，按测试类型区分——通过/不通过测试是8分，测试到失效是7分，降级测试（耐久性测试后的功能检查）是6分。

设计定型前的产品确认测试对应5到3分：通过/不通过测试是5分，测试到失效是4分，降级测试（如数据趋势、之前/之后的数值对比）是3分。最高的2分是仿真分析与实际操作条件强关联，1分是失效被设计解决方案直接预防，比如采用已验证的设计标准、最佳实践或成熟材料。

这套逻辑的关键词是“关联性”。同一个CAE仿真，如果模型边界条件和实际使用工况一致，它的探测能力就远高于一个只做理想工况验证的仿真。在新版DFMEA里，10到1的跨度实际描述的是探测手段从“被动等失效发生”到“从源头消除失效模式”的演进。打D分前先确认：这个控制在哪个阶段起作用？它和真实工况的关联度有多强？

4.2 PFMEA探测度：从人工目检到自动化锁停

PFMEA的探测度分层比DFMEA更细，因为它覆盖了制造现场的整个探测链路：操作员、测量设备、自动化控制、防错装置。原表的层次结构如下：

这张表最核心的分界线在6到7分之间：7分及以下依赖人的感官或手动测量，6分引入了测量工具，5分开始有自动化设备介入并报警，4分及以上的控制具备了“锁停”能力。差距最大的其实是1分和2分——这两档不再是“探测”，而是“预防”，失效模式在物理上就不会发生，这和9分、10分有本质区别。

4.3 判断顺序和实操要点

给PFMEA打D分时，我习惯按下面这个顺序走一遍，能快速定位档位：

1. 这个失效模式有没有对应的现行过程控制？没有直接给10。
2. 控制手段是人工还是自动化？人工最高到5分（带测量且工位探测），除非有防错结构。
3. 探测发生在工位上还是加工后？工位上的控制通常比加工后高一档。
4. 控制设备能不能锁定零件或停机？能锁定就往4分以下走。
5. 是不是从源头防错？是则给1或2。

这里容易踩的坑是把“防错”和“探测”混为一谈。防错是指通过夹具导向、定位销、传感器联锁等设计让错误无法发生，对应1到2分；探测是指错误已经发生后通过检测手段发现它，对应3到10分。如果一项控制是靠人工目检来防止漏装零件，那不管检验频次多高，D分最多到7分，不会因为“我们检验很严格”就给到1分。

4.4 探测度与DFMEA/PFMEA的联动

同一个失效模式在DFMEA和PFMEA里的D分往往不同，因为设计阶段的探测手段（仿真、台架测试）和制造阶段的探测手段（检验、防错）是两套体系。DFMEA的D分低不代表PFMEA的D分也低，反之亦然。比如一个螺栓松脱问题，设计阶段通过到失效测试能探测到，D是7；但到了产线，如果定扭矩扳手本身没有反馈校验，操作员漏拧的概率不小，探测还是靠人工听觉检查，D可能仍然是8。两份FMEA的D分都要独立评估，不要因为设计验证做了充分测试就默认制造过程也能拦住。

5. RPN失效场景与行动优先级：打分之后的处理顺序

5.1 为什么S=9/O=2/D=5会被RPN排序淹没

原表里给了两组数据：项目A是S=9、O=2、D=5，RPN=90；项目B是S=7、O=4、D=4，RPN=112。按老版RPN阈值管理，项目B的112分更接近行动线，会优先被处理；但项目A的S=9牵涉安全法规，即便发生概率低、探测难度中等，也应当在优先级的最顶层。RPN的数学结构放大了O和D的权重，把S压扁了。这在新版FMEA里是明确被批评的问题，也是AIAG-VDA手册引入行动优先级（AP）层次的核心动机。

AP不直接看RPN的乘积，而是按S、O、D的组合查表得出H/M/L三档。比如S≥9的组合基本落在H档，S≤3的失效无论如何组合都不会到H档。这个机制保证了高风险后果不会被低O和低D“稀释”掉。

5.2 用组合过滤替代RPN排序

在实际工作中，我倾向于不用单一RPN阈值来做决策，而是叠加几个过滤器：

def prioritize(risks): """按S/O/D组合规则对失效模式分级，返回行动顺序""" for item in risks: s, o, d = item['S'], item['O'], item['D'] if s >= 9: item['priority'] = 'H1 - 安全法规，立即行动' elif s >= 7 and o >= 4: item['priority'] = 'H2 - 主要功能+中高发生，限期整改' elif s >= 5 and d >= 7: item['priority'] = 'M - 高探测难度，补充探测措施' elif s >= 5 and o >= 6: item['priority'] = 'M - 高发生频次，过程改进' else: item['priority'] = 'L - 常规跟踪' return risks risks = [ {'name': 'A-线束磨损', 'S': 9, 'O': 2, 'D': 5}, {'name': 'B-支架断裂', 'S': 7, 'O': 4, 'D': 4}, ] for r in prioritize(risks): print(f"{r['name']}: {r['priority']}")

这段代码只是抛砖引玉，具体逻辑要看公司自己的风险接受准则，但思路是通用的：先按S兜住安全底线，再按S×O组合看功能风险，最后用D值判断是否需要补探测手段。优先级相同的项目内部可以再用RPN做二次排序，但不要用RPN覆盖第一步的安全判断。

5.3 措施有效性的验证看三个数怎么变

采取措施后重新评估S、O、D时，有一个典型的验证路径：S通常不变，因为失效后果本身没有变；O的下降往往来自设计变更，比如改材料、改结构、加粗线径；D的下降来自控制手段升级，比如从人工目检改成光电传感器加锁停。如果某个措施同时降低O和D，说明它是真正从根源上消除了失效机理，同时又增加了防线。

最后的落地检查是把措施前后的数据填回FMEA表格的“措施结果”栏，确认三项参数都按评价准则重新打分，而不是只改RPN数字。这样审核员看你的文件时，能直接看到每一轮PDCA循环里S/O/D的实际变化轨迹——这才是这份准则真正派上用场的地方。

本文还有配套的精品资源，点击获取