CN104636826A - 一种炼油化工设备可靠性及维护策略的优化方法 - Google Patents

Abstract

本发明公开了一种炼油化工设备可靠性及维护策略的优化方法，收集炼油化工装置内设备的检测维修历史数据，应用故障分布函数回归分析历史数据获得单个设备的可靠性和维修性特征参数；然后建立所述炼油化工装置的系统可靠性数学模拟模型，并收集所述装置的相关经济参数；利用所述系统可靠性数学模拟模型,进行炼油化工装置的系统模拟分析，获得所述装置的系统可靠性、利用性和维修性特征参数，进而获得优化后的系统设备的检测及维修顺序、频率、成本等检维修方案，获得优化后的系统设备的采购数量、采购周期及备件库存量等备件库存方案，从而调整所述装置的设备管理策略。减少炼油化工设备的非计划性故障率，为炼油化工装置的长周期安全运行提供保障。

Description

一种炼油化工设备可靠性及维护策略的优化方法

技术领域

本发明涉及炼油化工设备的优化方法，尤其涉及一种炼油化工设备可靠性及维护策略的优化方法。

背景技术

当前，长期加工高硫高酸值劣质原油使得国内炼油装置设备腐蚀、跑冒滴漏及非计划停工等现象频繁发生，同时，设备的大型化、精密化、运行环境苛刻化及高负荷超期服役等因素也使得炼油化工装置长周期安全运行面临着严峻的挑战。而且，近年中国石油化工集团公司确立了建设“世界一流”能源化工公司的发展战略目标，要求炼油板块加快发展方式转变，率先达到“世界一流”水平。但是现有技术中炼油化工设备的检测与维修一般采用定期检测，定期维护，或者出现故障时再对对应的设备进行维修，无法将炼油化工的所有设备构建成一个系统进行系统可靠性、利用性和维修性能的分析评价，进而获得最优的系统设备检测和维护方案，实施基于状态检测的预防性维修，从而减低维修成本。只能根据工人或专家经验判断对应设备的运行状况，进而临时性的进行检测与维修，这样容易降低炼油化工设备运行的稳定性，增多炼油化工设备的停产次数，增多非计划性的设备故障率，增加了炼油化工设备运行的风险，提高了炼油化工设备的检测与维修成本。

因此，现有技术有待于更进一步的改进和发展。

发明内容

鉴于上述现有技术的不足，本发明提供的一种炼油化工设备可靠性及维护策略的优化方法，应用可靠性理论进行炼油化工装置的系统模拟分析，获得最优的设备检测和维护方案，减少炼油化工设备的非计划性故障率、提高炼油化工的生产安全性，保障炼油化工设备的长周期安全运行。

为解决上述技术问题，本发明技术方案包括：

一种炼油化工设备可靠性及维护策略的优化方法，其包括以下步骤：

A、收集炼油化工装置或单元内所有设备在运行过程中或停车检修期间的检验测试、维护保养及修理活动的历史数据，建立炼油化工设备的故障数据库，依据可靠性理论，通过应用故障分布函数或分布类型对所述故障数据库内单个设备的检测维修历史数据进行回归分析,获得单个设备的可靠性和维修性的特征参数；

表示设备的可靠性和维修性的特征参数都与设备的故障分布有关，如果己知设备的故障分布函数，就可以求出设备的可靠度、故障率等各种数值。即使不知道具体的分布函数，而只知道故障分布类型，也可以通过估算求得某些可靠性的估计值。

由：R(t)+F(t)＝1得： $R\left(t\right)=1-F\left(t\right)={\∫}_t^{\∞}f\left(t\right)\mathrm{dt}$

式中：R(t)为可靠度函数，F(t)为不可靠度或累积故障概率函数，f(t)为故障概率密度函数，f(t)是F(t)对时间的导数。

常用的故障函数有指数分布，正态分布，威布尔分布。

(1)指数分布

R(t)＝e^-λt

式中λ为故障率，也是指数分布的分布参数。

指数分布的故障概率密度函数f(t)，故障率函数λ(t)和平均寿命θ分别为：

f(t)＝λe^λ(t)

λ(t)＝λ

$\mathrm{\θ}=\frac{1}{\mathrm{\λ}}$

(2)正态分布

正态分布又称高斯分布，是一种双参数分布。它的故障概率密度函数f(t)，可靠度函数R(t)，故障率函数λ(t)分别为：

$\begin{array}{cc}f\left(t\right)=\frac{1}{\mathrm{\&sigma;}\sqrt{2\mathrm{\&pi;}}}\exp [-\frac{{(t-\mathrm{\&mu;})}^2}{2{\mathrm{\&sigma;}}^2}]& -\&infin;<t<+\&infin;\end{array}$

$F\left(t\right)=\frac{1}{\mathrm{\&sigma;}\sqrt{2\mathrm{\&pi;}}}{\&Integral;}_{-\&infin;}^t\exp \{-\frac{{(\mathrm{\&xi;}-\mathrm{\&mu;})}^2}{{2\mathrm{\&sigma;}}^2}\}\mathrm{d\&xi;}$

R(t)＝1-F(t)

$\mathrm{\&lambda;}\left(t\right)=\frac{f\left(t\right)}{R\left(t\right)}$

(3)威布尔分布

威布尔分布一般是双参数分布。调整尺度参数α和形状参数β，可得到很多分布曲线形状满足试验数据。在可靠性工程中，威布尔分布被广泛采用。

故障率函数为 $\mathrm{\&lambda;}\left(t\right)=\frac{{\mathrm{\&beta;t}}^{\mathrm{\&beta;}-1}}{{\mathrm{\&alpha;}}^{\mathrm{\&beta;}}}$

式中α>0，β>0，t≥0，对应的故障概率密度函数f(t)，可靠度函数R(t)，故障率函数λ(t)分别为：

$f\left(t\right)=\frac{{\mathrm{\&beta;t}}^{\mathrm{\&beta;}-1}}{{\mathrm{\&alpha;}}^{\mathrm{\&beta;}}}\exp [-{\left(\frac{t}{\mathrm{\&alpha;}}\right)}^{\mathrm{\&beta;}}]$

$R\left(t\right)=\exp [-{\left(\frac{t}{\mathrm{\&alpha;}}\right)}^{\mathrm{\&beta;}}]$

$\mathrm{\&lambda;}\left(t\right)=\frac{f\left(t\right)}{R\left(t\right)}$

当β＝1时，威布尔分布简化为指数分布，即

$\mathrm{\&lambda;}\left(t\right)=\frac{1}{\mathrm{\&alpha;}}$

$f\left(t\right)=\frac{1}{\mathrm{\&alpha;}}\exp (-\frac{t}{\mathrm{\&alpha;}})$

MTTF＝α

当β＝2时，威布尔分布简化为瑞利分布，即

$\mathrm{\&lambda;}\left(t\right)=\left(\frac{2}{{\mathrm{\&alpha;}}^2}\right)t$

$f\left(t\right)=\frac{2}{{\mathrm{\&alpha;}}^2}\mathrm{texp}[-{\left(\frac{t}{\mathrm{\&alpha;}}\right)}^2]$

当β<1时，故障率呈下降趋势；β＝1时，故障率为常数；β>1时，故障率呈上升趋势。

其中：R(t)为可靠度函数，F(t)为积累故障概率函数，f(t)dt为故障概率密度函数，λ(t)为故障率函数；R为可靠度，F为不可靠度或故障的概率，λ为故障率，β为威布尔分布参数，θ为平均寿命。

B、在完成单个设备的评价后，根据可靠性理论建立所述炼油化工装置或单元的系统可靠性数学模拟模型，即为可靠性框图，并收集所述炼油化工装置或单元的相关经济参数；

常见的可靠性逻辑关系有串联连接、并联连接、混合连接、桥形连接及复杂的网络系统等。可靠性框图就是表示这些逻辑关系的工具，根据可靠性框图可以得到各组成部分的可靠性与系统可靠性之间的关系，即数学模型，叫可靠性数学模型，根据它可以计算出相应的可靠性指标，例如可靠度、平均无故障时间、故障率等；比如可以采用常减压装置可靠性框图、催化装置可靠性框图等可靠性框图。

C、利用所述炼油化工装置或单元的系统可靠性数学模拟模型,输入所述单个设备的可靠性和维修性的特征参数和所述炼油化工装置或单元的相关经济参数,进行炼油化工装置或单元的系统模拟分析，获得所述炼油化工装置或单元的系统可靠性、利用性和维修性的特征参数，确定所述炼油化工装置或单元的系统故障发生的概率、系统的可用性、系统的年均停工时间和停工次数、系统的年均效益和成本及造成所述炼油化工装置或单元的系统的经济损失的设备排序等，进而获得优化后的系统设备的检测及维修顺序、频率、成本等检维修方案，获得优化后的系统设备的采购数量、采购周期及备件库存量等备件库存方案，进而调整所述炼油化工装置或单元的系统设备管理方案。

所述的优化方法，其中，上述步骤A具体的包括：上述检验测试、维护保养及修理活动的历史数据包括设备的故障时间、故障模式、故障原因、停工时间、维修时间、维修类型、维修名称、维修内容、维修成本、维修更换元件列表、现有维护方案、维修频率、检测类型、检测成本更换与大修状态。

所述的优化方法，其中，上述步骤A具体的包括：上述可靠性和维修性的特征参数包括设备的故障模式、故障原因、故障率(λ)、可靠度(R)、平均故障间隔时间(MTBF)、平均修复时间(MTTR)及威布尔分布参数(β)。

所述的优化方法，其中，上述步骤B具体的包括：上述相关经济参数包括：炼油化工装置(或单元)的系统计划内停工天数、计划内停工造成的经济损失、计划外停工造成的经济损失、降负荷生产利润损失、产品降级损失、开备机耗电量增加成本、大检修成本等。

本发明提供的一种炼油化工设备可靠性及维护策略的优化方法，利用所述炼油化工装置或单元的系统可靠性数学模拟模型,输入所述单个设备的可靠性和维修性的特征参数和所述炼油化工装置或单元的相关经济参数,进行炼油化工装置或单元的系统模拟分析，获得所述炼油化工装置或单元的系统最优化的检测与维护方案，从而最终减少炼油化工设备因设备故障带来的损失，包括：将炼油化工设备停产带来的经济损失最小化，减少了炼油化工设备的非计划性故障率，提高了炼油化工设备的生产安全性，降低了炼油化工设备运行的风险，提高了炼油化工设备整体运行的可靠性，降低了炼油化工装置的系统维护、维修成本，加强了炼油化工装置的系统过程操作的整体完整性，从而实现对炼油化工设备运行状态及管理策略的优化，为炼油化工装置的系统设备的长周期安全运行提供保障。

附图说明

图1为本发明中优化方法的流程示意图；

图2为本发明中优化方法的逻辑关系示意图；

图3为常减压装置可靠性框图；

图4为催化装置可靠性框图。

具体实施方式

本发明提供了一种炼油化工设备可靠性及维护策略的优化方法，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供了一种炼油化工设备可靠性及维护策略的优化方法，如图1所示的，其包括以下步骤：

步骤101：收集炼油化工装置或单元内所有设备在运行过程中或停车检修期间的检验测试、维护保养及修理活动的历史数据，建立炼油化工设备的故障数据库，依据可靠性理论，通过应用故障分布函数或分布类型对所述故障数据库内单个设备的检测维修历史数据进行回归分析,获得单个设备的可靠性和维修性的特征参数；

表示设备的可靠性和维修性的特征参数都与设备的故障分布有关，如果己知设备的故障分布函数，就可以求出设备的可靠度、故障率等各种数值。即使不知道具体的分布函数，而只知道故障分布类型，也可以通过估算求得某些可靠性的估计值。

由：R(t)+F(t)＝1得： $R\left(t\right)=1-F\left(t\right)={\&Integral;}_t^{\&infin;}f\left(t\right)\mathrm{dt}$

式中：R(t)为可靠度函数，F(t)为不可靠度或累积故障概率函数，f(t)为故障概率密度函数，f(t)是F(t)对时间的导数。

常用的故障函数有指数分布，正态分布，威布尔分布。

(1)指数分布

R(t)＝e^-λt

式中λ为故障率，也是指数分布的分布参数。

指数分布的故障概率密度函数f(t)，故障率函数λ(t)和平均寿命θ分别为：

f(t)＝λ^eλ(t)

λ(t)＝λ

$\mathrm{\&theta;}=\frac{1}{\mathrm{\&lambda;}}$

(2)正态分布

正态分布又称高斯分布，是一种双参数分布。它的故障概率密度函数f(t)，可靠度函数R(t)，故障率函数λ(t)分别为：

$\begin{array}{cc}f\left(t\right)=\frac{1}{\mathrm{\&sigma;}\sqrt{2\mathrm{\&pi;}}}\exp [-\frac{{(t-\mathrm{\&mu;})}^2}{2{\mathrm{\&sigma;}}^2}]& -\&infin;<t<+\&infin;\end{array}$

$F\left(t\right)=\frac{1}{\mathrm{\&sigma;}\sqrt{2\mathrm{\&pi;}}}{\&Integral;}_{-\&infin;}^t\exp \{-\frac{{(\mathrm{\&xi;}-\mathrm{\&mu;})}^2}{{2\mathrm{\&sigma;}}^2}\}\mathrm{d\&xi;}$

R(t)＝1-F(t)

$\mathrm{\&lambda;}\left(t\right)=\frac{f\left(t\right)}{R\left(t\right)}$

(3)威布尔分布

威布尔分布一般是双参数分布。调整尺度参数α和形状参数β，可得到很多分布曲线形状满足试验数据。在可靠性工程中，威布尔分布被广泛采用。

故障率函数为 $\mathrm{\&lambda;}\left(t\right)=\frac{{\mathrm{\&beta;t}}^{\mathrm{\&beta;}-1}}{{\mathrm{\&alpha;}}^{\mathrm{\&beta;}}}$

式中α>0，β>0，t≥0，对应的故障概率密度函数f(t)，可靠度函数R(t)，故障率函数λ(t)分别为：

$f\left(t\right)=\frac{{\mathrm{\&beta;t}}^{\mathrm{\&beta;}-1}}{{\mathrm{\&alpha;}}^{\mathrm{\&beta;}}}\exp [-{\left(\frac{t}{\mathrm{\&alpha;}}\right)}^{\mathrm{\&beta;}}]$

$R\left(t\right)=\exp [-{\left(\frac{t}{\mathrm{\&alpha;}}\right)}^{\mathrm{\&beta;}}]$

$\mathrm{\&lambda;}\left(t\right)=\frac{f\left(t\right)}{R\left(t\right)}$

当β＝1时，威布尔分布简化为指数分布，即

$\mathrm{\&lambda;}\left(t\right)=\frac{1}{\mathrm{\&alpha;}}$

$f\left(t\right)=\frac{1}{\mathrm{\&alpha;}}\exp (-\frac{t}{\mathrm{\&alpha;}})$

MTTF＝α

当β＝2时，威布尔分布简化为瑞利分布，即

$\mathrm{\&lambda;}\left(t\right)=\left(\frac{2}{{\mathrm{\&alpha;}}^2}\right)t$

$f\left(t\right)=\frac{2}{{\mathrm{\&alpha;}}^2}\mathrm{texp}[-{\left(\frac{t}{\mathrm{\&alpha;}}\right)}^2]$

当β<1时，故障率呈下降趋势；β＝1时，故障率为常数；β>1时，故障率呈上升趋势。

其中：R(t)为可靠度函数，F(t)为累积故障概率函数，f(t)dt为故障概率密度函数，λ(t)为故障率函数；R为可靠度，F为不可靠度或故障的概率，λ为故障率，β为威布尔分布参数，θ为平均寿命。

步骤102：在完成单个设备的评价后，根据可靠性理论建立所述炼油化工装置或单元的系统可靠性数学模拟模型，即可靠性框图，并收集所述炼油化工装置或单元的相关经济参数；

常见的可靠性逻辑关系有串联连接、并联连接、混合连接、桥形连接及复杂的网络系统等。可靠性框图就是表示这些逻辑关系的工具，根据可靠性框图可以得到各组成部分的可靠性与系统可靠性之间的关系，即数学模型，叫可靠性数学模型，根据它可以计算出相应的可靠性指标，例如可靠度、平均无故障时间、故障率等，比如可以采用常减压装置可靠性框图、催化装置可靠性框图等可靠性框图，如图3与图4所示的。

步骤103：利用所述炼油化工装置或单元的系统可靠性数学模拟模型,输入所述单个设备的可靠性和维修性的特征参数和所述炼油化工装置或单元的相关经济参数,进行炼油化工装置或单元的系统模拟分析，获得所述炼油化工装置或单元的系统可靠性、利用性和维修性的特征参数，确定所述炼油化工装置或单元的系统故障发生的概率、系统的可用性、系统的年均停工时间和停工次数、系统的年均效益和成本及造成所述炼油化工装置或单元的系统的经济损失的设备排序等，进而获得优化后的系统设备的检测及维修顺序、频率、成本等检维修方案，获得优化后的系统设备的采购数量、采购周期及备件库存量等备件库存方案，进而调整所述炼油化工装置或单元的系统设备管理方案。

更进一步的，上述步骤101具体的包括：上述检验测试、维护保养及修理活动的历史数据包括设备的故障时间、故障模式、故障原因、停工时间、维修时间、维修类型、维修名称、维修内容、维修成本、维修更换元件列表、现有维护方案、维修频率、检测类型、检测成本更换与大修状态。上述可靠性和维修性的特征参数包括设备的故障模式、故障原因、故障率(λ)、可靠度(R)、平均故障间隔时间(MTBF)、平均修复时间(MTTR)及威布尔分布参数(β)。

更进一步的，上述步骤102具体的包括：上述相关经济参数包括：炼油化工装置(或单元)的系统计划内停工天数、计划内停工造成的经济损失、计划外停工造成的经济损失、降负荷生产利润损失、产品降级损失、开备机耗电量增加成本、大检修成本等。

当然上述检查维修历史数据、关联参数与相关经济参数还可以包括多种，可以根据炼油化工系统内所有设备来设定对应的参数，在此不再对各种参数进行一一列举。

为了更进一步表述本发明的优化方法，以下列举更为详尽描述，如图2所示的，

首先，收集检查维修历史数据，例如：设备的故障时间，如：哪年、哪月、哪日；收集故障模式，如：振动异常、泄漏等参数；停工时间及维修时间；其它维修数据，如：设备更换、大修等。建立关键设备故障数据库。例如，收集某炼油厂催化裂化装置水热媒循环泵检维修历史数据，建立故障数据库，如表1催化裂化装置水热媒循环泵的历史维修数据统计表所示的。

表1

其次，应用概率统计，对检维修历史数据进行回归分析，对应单个设备的可靠性、可用性及可维护性评价，确定故障模式、故障原因、平均故障间隔时间(MTBF)、平均修复时间(MTTR)及威布尔函数分布参数等。例如，上述某炼油厂催化裂化装置水热媒循环泵通过故障数据的回归分析，确定了其可靠性和可用性特征参数，为催化裂化装置的系统模拟奠定基础，如表2催化裂化装置水热媒循环泵的历史维修数据回归分析表所示的。

表2

再次，在单个设备分析的基础上，建立所述炼油化工系统的可靠性数学模拟模型，即可靠性方块图，简称RBD图，并收集相关经济参数，比如计划内停工损失、计划外停工损失、降负荷生产损失、产品降级损失、开备机耗电量增加等经济参数。例如，建立上述某炼油厂催化裂化装置可靠性数学模拟模型，如下图4所示的。

再次，通过基于可靠性数学模拟模型进行模拟，对所述炼油化工系统的可靠性、可用性及可维护性分析，通过对检维修历史数据的回归或专家经验的总结，确定每个设备故障发生的概率、每个设备的可用性、每个设备的年均停工时间和停工次数、每个设备的年均效益和成本及造成所述炼油化工系统经济损失的每个设备的排序，进而获得优化后的每个设备的检查维修顺序、每个设备的备件库存量以及每个设备的管理流程。

最后，进行所述炼油化工系统的检维修方案的优化、备件库存方案的优化及管理策略调整等。通过分析所述炼油化工系统内所有设备或程序的可靠性，提出所述炼油化工系统最佳的设备检测和维修方案，从而最终减少工厂因设备故障带来的损失，从而实现了对所述炼油化工系统内设备运行状态及管理策略的优化，为炼油化工装置长周期安全运行提供技术支持。

例如，综合上述某炼油厂催化裂化装置RAM分析结果，根据本发明的优化方法，可以得到以下有益效果：

1)以停工所造成的产品效益损失作为主要评价指标。结果显示计划内停工的经济损失占总损失的主体部分。提高系统效益的关键为降低计划内停工损失，同时必须将计划外停工时间控制在可接受的范围之内。

2)当检修周期由三年改为四年时，虽然计划外故障的频率有所增加，停机时间有所增长，但由于计划内停工时间大为减少，因此总的经济损失可以减少16.7％，即每年的效益可增加约1600万元。四年共增加6400万元(不含所节省的检维修费用)。

3)当检修周期由三年改为四年时，满负荷运行、降负荷运行的时间比例未发生明显变化，计划外0负荷运行的时间略有增大。系统产能约为98.8％，即系统的实际产量为设计产量的98.8％。

4)综合所有分析，检修周期(四年)内造成经济损失最大的设备如下表3催化裂化装置检修周期(四年)内造成经济损失最大的设备明细表所示的，主要经济损失由能动设备造成。

表3

RAM分析显示，每个设备故障时对系统所造成的影响及经济损失都不同，因此大检修期间需要不同程度的关注，具体可参考设备造成经济损失的排名。因此，根据本发明的优化方法采取相应措施，进而得到以下有益效果：

1)静设备，对于余热炉，若是新炉，应确保购买、安装、检验质量；对常见泄漏的故障部分需重点检测。对于滑阀类，应确保检修质量，尽可能返厂检修。对于第一再生器，需特别注意09年所发生的意外故障模式，避免重复发生。对于第一再生器装卸口，需多加注意，如重复性发生，需考虑每次大检修时都进行预防性维修或更换。对于沉降器、再生器内旋分器，建议按照设计寿命进行更换，确保本体及翼阀等附属元件的品质与安装质量。对于提升管反应器，确保喷嘴等附属元件的品质与安装质量。对于蝶阀、闸阀，确保检修质量。对于斜管类，对膨胀节等故障易发部位建议按照设计寿命进行更换，并保证检修质量。对于三旋，对故障易发部位进行重点检修。其它静设备可按原有检修计划进行。

2)动设备，对于主风机、烟机、汽轮机，需严格遵循检修章程，保证检修质量、元件质量、安装质量等，对易发故障部位进行预防性更换。建议每次大检修均做探伤等详细检测，消除潜在隐患，以减少故障所造成的经济损失。

进行备品备件优化：对于备件而言，若库存数目过少，易对维修造成延误，严重时可造成系统停工或降量生产。但若库存数目过多，折旧成本亦随之增加。因此，选取最佳库存方案时需对停工损失、折旧成本等综合考虑，加以权衡。本项目针对泵类设备典型备件的故障分布频率及其库存方案进行了分析与优化，共包括7种类型密封，及10种类型轴承。以降低总成本(折旧成本与生产损失成本之和)为最佳目标。其中，生产损失成本取决于备件所安装的设备对于装置正常生产的重要性。若同一备件若安装于不用设备，则其所表现的故障频率与故障模式会有所不同，不同设备故障后所造成的损失也可能不同。分析某一备件时，同时考虑该备件在装置中已安装设备的不同表现，进行整体评价与优化。折旧成本取经验值每年折旧10％。优化结果如下表4检修周期(四年)内造成经济损失最大的设备明细表所示的。表中的现场工作个数指现场工作设备中需要该备件的总量；工作台数指该需要安装该备件的台数，但主泵与备泵算同一台。

表4

总体而言，密封类备件的最佳库存方案为备2套。次佳方案为，备1套。轴承类备件的最佳库存方案为备2套。但由于轴承类备件运输时间短，也可采用备1套的方案。该方案同样可有效降低由于备件不足而造成的子系统停工时间。具体实践中可灵活应用、调整。

同时，随检维修历史数据的更新，实施再次设备可靠性、可用性、可维护性评价，及时优化设备维护策略，形成闭环管理，从而实现了对所述炼油化工系统内设备运行状态及管理策略的优化，为所述炼油化工系统内设备的长周期安全运行提供技术保障。

当然，以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说明的是，任何熟悉本领域的技术人员在本说明书的教导下，所做出的所有等同替代、明显变形形式，均落在本说明书的实质范围之内，理应受到本发明的保护。

Claims (5)

1.一种炼油化工设备可靠性及维护策略的优化方法，其包括以下步骤：

A、收集炼油化工装置或单元内所有设备在运行过程中或停车检修期间的检验测试、维护保养及修理活动的历史数据，建立炼油化工设备的故障数据库，通过应用故障分布函数或分布类型对所述故障数据库内单个设备的检测维修历史数据进行回归分析,获得单个设备的可靠性和维修性的特征参数；

B、在完成单个设备的评价后，建立所述炼油化工装置或单元的系统可靠性数学模拟模型，可靠性数学模拟模型为可靠性框图，并收集所述炼油化工装置或单元的相关经济参数；

C、利用所述炼油化工装置或单元的系统可靠性数学模拟模型,输入所述单个设备的可靠性和维修性的特征参数和所述炼油化工装置或单元的相关经济参数,进行炼油化工装置或单元的系统模拟分析，获得所述炼油化工装置或单元的系统可靠性、利用性和维修性的特征参数，确定所述炼油化工装置或单元的系统故障发生的概率、系统的可用性、系统的年均停工时间和停工次数、系统的年均效益和成本及造成所述炼油化工装置或单元的系统的经济损失的设备排序等，进而获得优化后的系统设备的检测及维修顺序、频率、成本的检维修方案，获得优化后的系统设备的采购数量、采购周期及备件库存量之备件库存方案，进而调整所述炼油化工装置或单元的系统设备管理方案。

2.根据权利要求1所述的优化方法，其特征在于，上述步骤A具体的包括：上述检验测试、维护保养及修理活动的历史数据包括设备的故障时间、故障模式、故障原因、停工时间、维修时间、维修类型、维修名称、维修内容、维修成本、维修更换元件列表、现有维护方案、维修频率、检测类型、检测成本更换与大修状态。

3.根据权利要求1所述的优化方法，其特征在于，上述步骤A具体的包括：上述可靠性和维修性的特征参数包括设备的故障模式、故障原因、故障率、可靠度、平均故障间隔时间、平均修复时间及威布尔分布参数。

4.根据权利要求1所述的优化方法，其特征在于，上述步骤B具体的包括：上述相关经济参数包括：炼油化工装置或单元的系统计划内停工天数、计划内停工造成的经济损失、计划外停工造成的经济损失、降负荷生产利润损失、产品降级损失、开备机耗电量增加成本、大检修成本。

5.根据权利要求1所述的优化方法，其特征在于，上述步骤A具体的还包括：可靠性和维修性的特征参数由以下方程式得出：

由：R(t)+F(t)＝1得： $R\left(t\right)=1-F\left(t\right)={\&Integral;}_t^{\&infin;}f\left(t\right)\mathrm{dt}$

指数分布

R(t)＝e^-λt

指数分布的故障概率密度函数f(t)，故障率函数λ(t)和平均寿命θ分别为：

f(t)＝λe^λ(t)

λ(t)＝λ

$\mathrm{\&theta;}=\frac{1}{\mathrm{\&lambda;}}$

正态分布

正态分布的故障概率密度函数f(t)，可靠度函数R(t)，故障率函数λ(t)分别为：

$f\left(t\right)=\frac{1}{\mathrm{\&sigma;}\sqrt{2\mathrm{\&pi;}}}\exp [-\frac{{(t-\mathrm{\&mu;})}^2}{2{\mathrm{\&sigma;}}^2}],-\&infin;<t<+\&infin;$

$F\left(t\right)=\frac{1}{\mathrm{\&sigma;}\sqrt{2\mathrm{\&pi;}}}{\&Integral;}_{-\&infin;}^t\exp \{-\frac{{(\mathrm{\&xi;}-\mathrm{\&mu;})}^2}{2{\mathrm{\&sigma;}}^2}\}\mathrm{d\&xi;}$

R(t)＝1-F(t)

$\mathrm{\&lambda;}\left(t\right)=\frac{f\left(t\right)}{R\left(t\right)}$

威布尔分布

其故障率函数为 $\mathrm{\&lambda;}\left(t\right)=\frac{\mathrm{\&beta;}{t}^{\mathrm{\&beta;}-1}}{{\mathrm{\&alpha;}}^{\mathrm{\&beta;}}}$

式中α>0，β>0，t≥0，对应的故障概率密度函数f(t)，可靠度函数R(t)，故障率函数λ(t)分别为：

$f\left(t\right)=\frac{\mathrm{\&beta;}{t}^{\mathrm{\&beta;}-1}}{{\mathrm{\&alpha;}}^{\mathrm{\&beta;}}}\exp [-{\left(\frac{t}{\mathrm{\&alpha;}}\right)}^{\mathrm{\&beta;}}]$

$R\left(t\right)=\exp [-{\left(\frac{t}{\mathrm{\&alpha;}}\right)}^{\mathrm{\&beta;}}]$

$\mathrm{\&lambda;}\left(t\right)=\frac{f\left(t\right)}{R\left(t\right)}$

当β＝1时，威布尔分布简化为指数分布，即

$\mathrm{\&lambda;}\left(t\right)=\frac{1}{\mathrm{\&alpha;}}$

$f\left(t\right)=\frac{1}{\mathrm{\&alpha;}}\exp (-\frac{t}{\mathrm{\&alpha;}})$

MTTF＝α

当β＝2时，威布尔分布简化为瑞利分布，即

$\mathrm{\&lambda;}\left(t\right)={\left(\frac{2}{{\mathrm{\&alpha;}}^2}\right)}^t$

$f\left(t\right)=\frac{2}{{\mathrm{\&alpha;}}^2}\mathrm{t\; exp}[-{\left(\frac{t}{\mathrm{\&alpha;}}\right)}^2]$

当β<1时，故障率呈下降趋势；β＝1时，故障率为常数；β>1时，故障率呈上升趋势。其中：R(t)为可靠度函数，F(t)为累积故障概率函数，f(t)dt为故障概率密度函数，λ(t)为故障率函数；R为可靠度，F为不可靠度或故障的概率，λ为故障率，β为威布尔分布参数，θ为平均寿命。