辅助FMEA 2019版分析;帮助用户完成失效模式识别、RPN计算、风险等级评估与预防措施跟踪;支持DFMEA、PFMEA、SFMEA全场景
Coding
故障树分析技能
Try it故障树分析技能;用于系统可靠性与安全性分析;支持故障树构建、可视化、概率计算、重要性分析、报告生成及数据导入导出;覆盖定性与定量FTA
What it does
故障树分析技能;用于系统可靠性与安全性分析;支持故障树构建、可视化、概率计算、重要性分析、报告生成及数据导入导出;覆盖定性与定量FTA
The skill document
故障树分析(FTA)技能
任务目标
- 本技能用于:系统可靠性与安全性分析,支持定性与定量故障树分析
- 能力包含:故障树构建与可视化、顶事件概率计算、基本事件重要性分析、专业报告生成、数据导入导出
- 触发条件:用户需要分析系统故障原因、评估系统可靠性、识别关键故障模式或生成质量分析报告
前置准备
- 依赖说明:
graphviz用于故障树图形渲染 - 非标准文件准备:故障树数据文件(JSON格式),用户需提供或由智能体根据对话构建
操作步骤
标准流程
1. 构建故障树数据
根据用户描述的系统结构,构建故障树JSON数据:
{
"name": "系统名称",
"top_event": "event_id",
"nodes": {
"event_id": {
"type": "basic|intermediate|and|or",
"name": "事件名称",
"probability": 0.01,
"description": "事件描述"
}
},
"edges": [
{"from": "parent_id", "to": "child_id"}
]
}
2. 生成故障树可视化
调用可视化脚本生成图形:
python scripts/fta_visualizer.py --input fta_data.json --output fault_tree.png
3. 执行概率计算
python scripts/fta_calculator.py --input fta_data.json --output calc_result.json
4. 生成分析报告
python scripts/fta_report.py --input fta_data.json --calc-result calc_result.json --output report.html
数据导入导出
- 导入:将外部格式转换为标准JSON:
python scripts/fta_io.py --mode import --input source.yaml --output fta_data.json - 导出:将JSON导出为其他格式:
python scripts/fta_io.py --mode export --input fta_data.json --output export.yaml
使用示例
示例1:简单串联系统分析
- 场景/输入:用户描述"电机驱动系统包含电源、控制器、电机三个串联组件,故障率分别为0.01、0.02、0.03"
- 预期产出:故障树图形、顶事件概率(约0.059)、各组件重要性排序
- 关键要点:需将三个basic事件通过OR门连接到顶事件
示例2:复杂冗余系统分析
- 场景/输入:用户描述"双冗余系统,两个组件同时故障才导致系统失效"
- 预期产出:故障树图形、顶事件概率(两组件概率乘积)、最小割集分析
- 关键要点:使用AND门表示冗余逻辑
示例3:导入已有故障树数据
- 场景/输入:用户提供JSON/YAML格式的故障树数据
- 预期产出:可视化图形、分析报告
- 关键要点:数据需符合标准格式规范
资源索引
- 脚本:见 scripts/fta_visualizer.py(用途:生成故障树可视化图形)
- 脚本:见 scripts/fta_calculator.py(用途:概率计算与重要性分析)
- 脚本:见 scripts/fta_report.py(用途:生成HTML分析报告)
- 脚本:见 scripts/fta_io.py(用途:故障树数据导入导出)
- 参考:见 references/fta_format.md(何时读取:构建或解析故障树数据时)
注意事项
- 概率值应在0-1之间,接近0时可使用近似公式P≈λt(λ为故障率,t为运行时间)
- 重要性分析结果可指导质量改进优先级
- 最小割集越小说明系统越脆弱,需重点关注
- 导入导出支持JSON和YAML两种格式
TRACE 测评
| 维度 | 评分 | 说明 |
|---|---|---|
| T — 可信任度 | 10/10 | 纯文档/脚本技能,无外部依赖风险,支持中文交互;已声明安全注意事项 |
| R — 可靠性 | 9/10 | 有异常处理说明; 输出格式明确 |
| A — 适用性 | 9/10 | 有适用范围声明; 触发条件明确 |
| C — 规范性 | 10/10 | frontmatter 完整; 文档结构清晰; 内容充分 |
| E — 有效性 | 10/10 | 输出明确; 含使用示例; 文档详尽 |
| 总分 | 48/50 | 通过 |
Related skills
"FTO报告质量审核技能(通用版,一包双模块+可选Harness校验)v9.0。适用于任意公司、法务团队或专利代理所,接收已有FTO报告、专利侵权风险分析报告或展会知识产权风险自评报告,按事实层、法律判断层、决策可用层三层方法论进行质量审核,并用A/B/C/D四维度量化评分。新增:矩阵式场景识别、五轨检索(含时序轨)、Jackknife召回率估算、致命缺陷一票否决、摘要优先输出模式、桑基图可视化、可执行优先级建议排序、Harness跨字段逻辑校验。触发本skill进行FTO报告质量审核时,必须调用generate_report.py生成正式HTML文件;当用户明确要求校验时,再使用内置validate_report.py检查HTML结果。"
过程能力分析技能;计算CP/CPK/PP/PPK等指标,支持正态/二项分布建模,控制图/直方图/能力图可视化;用于质量工程师进行过程能力评估、数据建模或生成质量分析报告
当某个 Bug 频繁复现、线上有缺陷需要做事后分析、或者发现同一类问题反复出现需要根治时使用此技能。从症状出发用 5Why、因果图和鱼骨图等方法系统化定位缺陷根源,区分直接原因、间接原因和系统原因。不要只修症状——根因分析的价值在于找到让同类 Bug 不再发生的系统性改进措施,同时分析漏测原因来优化测试设计。 ⚠️ 本技能示例可能调用外部日志/监控工具,请在受控环境执行。 本技能属于 QA Test Skills 技能集(49 个技能之一),完整工作流体验需安装全套:npx skills add Kokxi/qa-test-skills
辅助完成测量系统分析(MSA),支持Gage R&R、偏倚、线性、稳定性分析;当用户需要进行测量系统评估、了解测量系统准确性、生成MSA分析报告时使用
客诉质量复盘分析;当用户需要客诉台账分析、售后质量问题复盘、投诉统计报告生成或客诉异常清单分析时使用;覆盖数据清洗、统计分析与改善建议