基于风险和状态预测的维修任务优化研究

基于风险和状态预测的维修任务优化研究王庆锋1幺子云2高金吉1刘文彬1罗方伟3(1.北京化工大学化工安全教育部工程研究中心北京100029；2.中石油北京天然气管道有限公司北京1001013.中石油安全环保技术研究院北京100089)摘要：中国过程工业设备管理模式基本上属于传统的故障维修管理模式，维修决策和维修任务通常是定性的、主观的或经验的。大型石化旋转机械设备故障停机通常导致严重的安全、环境事故，而维修不足或者不能预测故障是事故发生的原因。为了合理分配维修资源并提高设备的可靠性、可用性和安全性，建立了一种基于风险和状态的维修决策模型。采用实时数据库、网络服务和面向服务的架构（ServiceOrientedArchitecture,SOA）技术，综合集成以可靠性为中心的维修（Reliability-centeredMaintenance,RCM）、状态监测系统（conditionmonitoringsystem,CMS）和生产执行系统（manufacturingexecutivesystem,MES）搭建了统一的数据结构和人机界面平台。在RCM风险评估技术和状态监测技术基上利用风险等级、故障特征信号的劣化趋势来进行维修决策和维修任务优化。工程应用表明：基于风险和状态的维修决策能够降低设备运行风险、提高设备的可靠性、可用性和安全性；领导层和工程师的强力支持，针对工程师、操作人员和维修人员的专业培训和教育是基于风险和状态的维修模式成功转型的关键。关键词：以可靠性为中心的维修；风险和状态；故障特征；维修任务优化Risk&ConditionBasedDecisionMakingandMaintenanceTasksOptimizationResearchWANGQingfeng1YAOZiyun2GAOJinji1LIUWenbin1LUOFangwei3(1.ChemicalSafetyEngineeringResearchCenterofMinistryofEducation,BeijingUniversityofChemicalTechnology,Beijing1000292.ChinaNaturalGasCorporationLimited,Beijing100101)Abstract：EquipmentmanagementinprocessindustryinChinaessentiallybelongstothetraditionalbreakdownmaintenancepattern,andthebasicmaintenancedecision-makingissubjectiveandqualitative.Equipmentmaintenancetasksaremainlybasedontheempiricalorqualitativemethod,andlargepetrochemicalrotatingequipmentdowntimeoftenledtoserioussecurity,environmentalaccidents,andinadequatemaintenanceorincapableofpredictionthefailureoftenresultedinequipmentfailure.Inordertorationallyallocatemaintenanceresourcesandimproveequipmentreliability,availabilityandsafety,akindofrisk&conditionbaseddecisionmakingmodelisestablishedinthispaper.Usingrealtimedatabase,webserviceandServiceOrientedArchitecture(SOA)technology,adataframeworkisdevelopedtoprovideaunifieddatastructureandman-machineinterface,whichintegratesReliability-centeredMaintenance(RCM),conditionmonitoringsystem(CMS)andmanufacturingexecutivesystem(MES)together.BasedonthetechnologyofRCMandconditionmonitoring,theriskrankanddegradationtrendoffaultcharacteristicsareusedtosupportthedecision-makingandtooptimizemaintenancetasks.Theresultofanengineeringcaseshowsthatthemaintenancestrategybasedontheriskandconditionpredictioncanloweroperationriskofequipment,andcanenhanceequipmentreliability,availabilityandsafety.Experiencesshowthatthekeyfactorsaffectingthesuccessfultransitiontoamorerisk&conditioninformedapproachincludefirmsupportfromboththemanagerandtheengineersaswellaseducationandtrainingforengineers,operatorsandmaintenancestaffs.Keywords:Reliability-centeredMaintenance;Risk&Condition;FaultCharacteristics;MaintenanceTasksOptimization中国国家支撑计划（2006BAK02B02）和北京化工大学研究生科研创新基金(09Me003)资助项目。PDF文件使用pdfFactoryPro试用版本创建石油化工生产工艺高度连续，生产装置日趋大型化和自动化，在役设备处于高温、高压、易燃、易爆、易中毒的生产环境，重要生产设备失效往往造成严重的安全事故、环境污染和巨大的生产损失。据统计，石化企业设备故障维修和停机损失费用已占到生产成本的30~40%[1]，而维修不足或不能预测故障是设备运行期间发生故障的原因[2]，定性的、主观的或经验的维修决策和维修任务制定造成故障维修资源（占55%）和预防性维修资源（占31%）花费过大，维修资源分配不合理，设备的可靠性、可用性和安全性难以保证。以可靠性为中心的维修（ReliabilityCenteredMaintenance，RCM）是目前国际上流行的、用以确定设备预防性维修工作、优化维修制度的一种系统工程方法[2]，它广泛应用于航空、航天、军工、核电等领域并发挥了巨大的经济效益[3]。设备状态监测与故障诊断技术应用于某些大型重要旋转机械故障预测或诊断，为维修决策和维修任务制定提供了技术保证。利用计算机、数据库、网络等信息技术综合RCM风险评估[4]和状态监测技术建立适用大型流程工业的设备维修管理和维修决策系统，实现设备完整性管理，提高设备的可靠性、可用性和安全性是本课题研究的目的。1、以可靠性为中心的维修RCM是一种维修理念、维修策略和维修模式，它通过对设备进行功能故障概率及后果严重程度分析，采用风险矩阵逻辑决断的方法确定故障模式风险等级和设备重要度。按照以最少的资源消耗保持设备固有可靠性和安全性的原则，确定降低设备风险的检查、维护、操作策略并制定优化的维护任务工作包用于指导日常的设备检查和维护[5,6]，它有别于传统的故障维修（BreakdownMaintenance，BM）、基于时间的维修（Time-basedMaintenance，TBM）和状态维修（Condition-basedMaintenance，CBM）等维修管理模式。RCM定量风险取决于故障发生的频率（FailureFrequency）和故障产生的后果（FailureConsequence）。石油化工等过程工业大型旋转机械设备故障发生频率不仅和设备的磨损、疲劳、老化等相关，而且还和操作介质、操作工况和维护保养相关，多数情况下设备故障的发生远没有达到磨损、疲劳、老化的阶段，因而传统的航空、航天、军工等领域的RCM评价分析方法很难直接应用到石油化工等过程工业。RCM定量分析离不开设备故障曲线的研究。设备故障率曲线取决于设备的复PDF文件使用pdfFactoryPro试用版本创建杂性，设备越复杂，设备故障率曲线越接近图1所示的自然故障率曲线，即在初始阶段由较高的故障率后降到一个固定水平（约占设备总量的68%）。TBM维修方式不管设备损坏与否到时间就修，它对于降低设备故障后果发挥了一定的作用，但是它使设备的故障率不降反升（图1中TBM故障率曲线），而且造成了维修资源的巨大浪费，容易造成“维修过剩”或“维修不足”；BM维修方式使设备故障后果增大，属于典型的“维修不足”，使设备管理不可控；CBM维修方式根据设备健康状态确定设备是否需要维修，能够既可“避免维修不足”，又可避免“维修过剩”，从而节约维修资源、降低故障后果。图1设备TBM和自然故障率曲线对比图RCM维修方式是目前国际上流行的、用以确定设备预防性维修工作、优化维修制度的一种系统工程方法[2]。它从分析设备的故障模式出发，根据故障模式对整个系统的影响及其失效特征来确定有针对性的维修策略。基于设备故障率曲线原理，RCM用历史统计分析故障频率预测未来设备故障频率，在历史统计分析故障后果的基础上遵循一定的判别准则实现设备风险的定量分析（见第4节）。2、设备状态评价与预测分析流程工业旋转机械设备除了极少数突发故障以外，绝大多数故障的产生是有一个过程的，是渐进的，这就为故障的预测和诊断提供了前提条件。设备在使用过程中由于某些零部件的疲劳、磨损等而发生渐发性故障。表现在特征参数上，其当前值与过去时刻值有一定的关系，使特征参数序列内各量间有一定的关联性，它是设备状态预测的前提和基础。突发性故障是指设备整体突然发生某一部分的功能丧失，这类故障发生时间很短，很难直接进行预测，一般采用机组保护系统减小故障灾害后果。石油化工企业大型机组的在线监测系统和重要机泵的离线检测仪器的推广应用，对于预测或诊断设备早期故障及其发展趋势，制定有针对性的预测性维修任务，避免或减缓设备故障后果发挥了重要作用[7]。同时，状态监测仪器或系统的应用积累了大量的动态数据（如：位移、速度、加速度、相位、温度、压力、转速、功率等随时间变化的数据）为设备状态的预测和评价提供了数据来源。旋转设备表征其状态和性能的特征参数主要有MES状态参数（如流量、温度、压力、电流、功率或效率等）、状态PDF文件使用pdfFactoryPro试用版本创建特征参数（如振动时域信号峰-峰值、有效值和振动频谱类-幅值谱、相位谱、功率谱、倒频谱等）、润滑油液磨损颗粒特征参数；统计类特征参数（如平均故障间隔时间、可靠性、可用性和可维修性[8]）等。CBM以设备状态监测与故障诊断技术为基础，通过对诸多故障征兆信息的信号处理，分析提取特征参数、计算设备状态和工况参数之间的非线性关系，探测分析产生故障的原因；它根据设备状态指标-劣化值及其变化趋势进行维修决策。故障状态指标是设备发生严重故障前的潜在故障特征参数，而且关键部件的劣化趋势可以通过状态指标的趋势分析加以确定。因此，基于状态的维修决策更多地依靠实际测得的不正常值和潜在故障趋势及设备劣化的趋势预测进行[9]。利用主成分分析法[10]确定表征设备状态和性能的特征参数12,,,nxxx⋅⋅⋅，它们是时间的函数，可