CN117521432A - 一种面向在役过程设备的失效模式与影响分析方法 - Google Patents
一种面向在役过程设备的失效模式与影响分析方法 Download PDFInfo
- Publication number
- CN117521432A CN117521432A CN202410022727.3A CN202410022727A CN117521432A CN 117521432 A CN117521432 A CN 117521432A CN 202410022727 A CN202410022727 A CN 202410022727A CN 117521432 A CN117521432 A CN 117521432A
- Authority
- CN
- China
- Prior art keywords
- failure
- service process
- process equipment
- equipment
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 104
- 230000008569 process Effects 0.000 title claims abstract description 100
- 238000004458 analytical method Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 65
- 238000011156 evaluation Methods 0.000 claims abstract description 33
- 238000011158 quantitative evaluation Methods 0.000 claims abstract description 29
- 230000006870 function Effects 0.000 claims description 26
- 238000012502 risk assessment Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 10
- 230000001364 causal effect Effects 0.000 claims description 8
- 230000006872 improvement Effects 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 4
- 238000010230 functional analysis Methods 0.000 claims description 4
- 238000012916 structural analysis Methods 0.000 claims description 4
- 230000000712 assembly Effects 0.000 claims description 3
- 238000000429 assembly Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000470 constituent Substances 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000011058 failure modes and effects analysis Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000003449 preventive effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 238000011017 operating method Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000013068 supply chain management Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及设备检测技术领域，具体涉及一种面向在役过程设备的失效模式与影响分析方法，包括：确定在役过程设备失效检测的风险评价指标，风险评价指标的计算方式为：失效影响严重度乘以失效原因发生度，再除以失效检测度；对照构建好的量化评价准则，计算风险评价指标的具体数值，并根据计算得到的数值评估在役设备是否处于失效风险。本发明可提高在役过程设备的失效检测能力，并可准确评估是否处于失效风险状态。
Description
技术领域
本发明涉及设备检测技术领域，更具体的说是涉及一种面向在役过程设备的失效模式与影响分析方法。
背景技术
失效模式及影响分析法（Failure Mode and Effect Analysis，FMEA）主要是应用在产品设计阶段，以提高产品设计的可靠性和稳定性为侧重点。在设计阶段，FMEA依赖于设计文档、技术规范和专家判断等数据来源，分析结果为改进过程设备的设计和制造过程提供依据，可以对过程设备进行结构改进、材料选型修改、安全机制优化等，此时，设计单位能够从根本上，较容易、直接地改进过程设备的可靠性，从而减少失效发生的可能性或是失效影响的严重程度。然而，当过程设备投入运行之后，运营单位无法改变设备本体特点提升可靠性，只能通过调整维护策略、更新部件或进行必要的修复减少失效发生的可能性，因此，失效检测与管理能力成为了影响设备可靠性与安全性的重要因素。
现有FMEA方法在评估设备风险时，采用了风险优先级序数（Risk prioritynumber, RPN）和措施优先级（Action Priority, AP）。RPN是失效原因发生度（O）、失效影响严重度（S）、检测度（D）三者的乘积，未突出三者的权重，并且导致不同失效链虽然有不同的S、O、D数值，但是RPN值却可能相同，此时无法有效区分需要重点采取检测措施的失效链，容易产生错误结论。AP抛弃了S、O、D相乘积的概念，强调了三者组合的差异性，即单一指标的权重差异，然而，过程设备运营单位在强调系统失效检测与管理能力时，需要逐一对每条失效链的S、O、D组合进行赋值，费时费力，适用性较差。
因此，如何提高在役过程设备失效检测能力是本领域技术人员亟需解决的技术问题。
发明内容
有鉴于此，本发明提供了一种面向在役过程设备的失效模式与影响分析方法，可提高在役过程设备的失效检测能力，并准确评估是否处于失效风险状态。
为了实现上述目的，本发明采用如下技术方案：
一种面向在役过程设备的失效模式与影响分析方法，包括以下步骤：
描述过程设备：对在役过程设备的边界条件、结构组成和功能分布进行分析，构建功能层次图或树状图；
失效分析：在功能层次图或树状图的基础上，辨识所有功能的失效模式，构建具有因果关系的失效，形成失效链；
风险分析：根据所述失效链，构建在役过程设备在失效原因发生度、失效影响严重度和检测度三方面的量化评价准则；
确定在役过程设备失效检测的风险评价指标，所述风险评价指标的计算公式为：
；
其中，S表示失效影响严重度，O表示失效原因发生度，D表示失效检测度；
对照所述量化评价准则，计算所述风险评价指标的具体数值，并根据计算得到的数值评估在役设备是否处于失效风险。
进一步的，所述边界条件包括环境条件和操作条件；所述环境条件为过程设备操作和运行时的外部环境因素；所述操作条件为过程设备的操作方式和使用条件。
进一步的，对在役过程设备的结构分析包括：
识别在役过程设备的主要组成部分，这些组成部分为具有独立功能或特定任务的模块、部件或装配体；
根据在役过程设备各子系统的复杂性和层次结构，逐级细化并提取出各个层次上的主要组成部分；
使用结构层次图或树状图形式，按照从上至下的顺序，逐级展示过程设备的结构组成；顶层节点表示整个系统或设备，后续层级表示下级组成部分，每个组成部分都在结构树中均有一个明确的位置；
描述组成部分间的关系。
进一步的，对在役过程设备的功能分析包括：
在结构层次图或树状图的基础上，识别出各组成部分的主要功能和要求，并分析具有因果关系的功能和要求，使用功能层次图或树状图，描述功能之间的关系和依赖。
进一步的，在失效分析中，对于任一失效模式，从失效原因和失效影响方面构建该失效模式的失效链，再基于同一失效模式，将多条失效链连接在一起，形成失效网。
进一步的，在风险分析中，在役过程设备失效原因发生度的量化评价准则的构建包括：
将失效原因的实际发生频次作为失效原因发生度的评价依据；
根据失效原因的实际发生频次，确定失效原因发生度等级；
为每个等级赋予对应的分数，得到失效原因发生度的量化评价准则，分值越高，代表在役过程设备失效原因发生的频次越高。
进一步的，在风险分析中，在役过程设备失效影响严重度的量化评价准则的构建包括：
从多个维度确定失效影响严重度的评价依据；所述多个维度为设备功能影响、工业过程影响、人员安全危害、环保影响、财产损失、企业声誉影响中的任意几个或全部；
根据在役过程设备失效模式在多维度上造成影响的严重程度，确定失效影响严重度等级；
为每个等级赋予对应的分数，得到失效影响严重度的量化评价准则，分值越高，代表在役过程设备失效影响严重程度越高。
进一步的，在风险分析中，在役过程设备检测度的量化评价准则的构建包括：
确定在线检测能力和离线检测能力的评估依据；
根据失效模式被自动监测到的容忍时间、时间变差、以及失效预期覆盖率、失效原因/失效模式被检测到的概率确定检测度等级；
为每个等级赋予对应的分数，得到检测度的量化评价准则，分值越高，代表在役过程设备检测和管理失效的能力越高。
进一步的，若RAV值大于可接受的RAV阈值，则判定在役过程设备处于失效风险状态，此时，生成针对性的改进措施；若RAV值等于或小于可接受的RAV阈值，则判定当前在役过程设备未处于失效风险状态。
经由上述的技术方案可知，与现有技术相比，本发明具有以下有益效果：
本发明提出一种新的风险评价指标RAV,表征风险与系统失效检测与管理有效性的比率，取代原有的RPN或AP指标，将关注优先级的思想转移到关注系统失效检测与管理的能力上，强调了过程设备现有系统失效检测措施在保障设备安全性与可靠性方面的能力。同时，结合构建好的量化评价准则，可快速、准确地评估在役过程设备当前是否处于失效风险状态。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明提供的面向在役过程设备的失效模式与影响分析方法的流程；
图2为本发明提供的结构树状图示例；
图3为本发明提供的功能树状图示例；
图4为本发明提供的失效网示例；
图5为本发明提供的管式加热炉结构树状图（局部）；
图6为本发明提供的管式加热炉功能树状图（局部）。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例公开了一种面向在役过程设备的失效模式与影响分析方法，包括以下步骤：
S1、描述过程设备：对在役过程设备的边界条件、结构组成和功能分布进行分析，构建功能层次图或树状图；
S2、失效分析：在功能层次图或树状图的基础上，辨识所有功能的失效模式，构建具有因果关系的失效，形成失效链；
S3、风险分析：根据失效链，构建在役过程设备在失效原因发生度、失效影响严重度和检测度三方面的量化评价准则；
确定在役过程设备失效检测的风险评价指标，风险评价指标的计算公式为：
；
其中，S表示失效影响严重度，O表示失效原因发生度，D表示失效检测度；
对照量化评价准则，计算风险评价指标的具体数值，并根据计算得到的数值评估在役设备是否处于失效风险。
下面，对上述各步骤做进一步的说明。
S1、描述过程设备。
充分认识设备的边界条件、结构组成、功能分布是开展设备失效分析与风险评估的基础。
明确边界条件是确保失效分析准确性和实用性的第一步。边界条件是指过程设备的分析范围和限制条件，包括环境条件和操作条件；环境条件为过程设备操作和运行时的外部环境因素，如温度、湿度、压力、振动和化学物质等，这些环境因素可能会影响设备的性能和可靠性，并导致潜在的失效模式和影响发生变化，确定和描述环境条件有助于评估设备在不同环境下的可靠性。
操作条件为过程设备的操作方式和使用条件，包括设备的正常操作程序、操作人员的技术水平和培训程度，以及可能的误操作情况。了解和考虑操作方式对过程设备失效模式的影响有助于制定相应的预防措施和应急响应计划。
结构分析有助于深入理解设备的结构组成和相互关系，帮助识别关键组件、依赖关系、设计弱点和改进机会。具体来说，对在役过程设备的结构分析包括：
首先，识别在役过程设备的主要组成部分，这些组成部分为具有独立功能或特定任务的模块、部件或装配体；
根据在役过程设备各子系统的复杂性和层次结构，逐级细化并提取出各个层次上的主要组成部分；
然后，使用结构层次图或如图2所示的树状图形式，按照从上至下的顺序，逐级展示过程设备的结构组成；顶层节点表示整个系统或设备，后续层级表示下级组成部分；通过逐级展开，直到达到最低层级的组件或部件，确保每个组成部分都在结构树中有一个明确的位置；
最后，描述组成部分间的关系。
对于每个组成部分，还需要描述其与其他组成部分之间的关系和连接方式。这可以是物理连接、功能依赖、信号传递等。确保在结构树上显示出这些关系，以便后续分析时能够准确考虑组成部分之间的影响。
功能分析有助于理解系统或设备的功能以及它们之间的相互关系，为后续失效分析提供了基础输入。具体来说，本发明对在役过程设备的功能分析包括：
在结构层次图或树状图的基础上，识别出各组成部分的主要功能和要求，并分析具有因果关系的功能和要求，使用如图3所示的功能层次图或树状图，描述功能之间的关系和依赖，可以是功能上的先后顺序、数据流程、输入输出关系等。
S2、失效分析。
失效分析旨在辨识过程设备的潜在失效链，为风险分析提供输入。失效本质上是组件或模块无法实现预期的功能，出现性能下降、功能偏离、功能间歇等。
本发明在功能树状图基础上，辨识所有功能的失效形式，然后构建具有因果关系的失效，形成失效链。
对于所关注元素，其失效称为”失效模式”，导致失效模式出现的原因称为“失效原因”，失效模式引起的后果称为“失效影响”。过程设备主要用于在工业生产过程中进行化学、物理或机械操作的设备，可以用于混合、分离、反应、加热、冷却、传递物料等多种操作，往往具有高度定制化、安全要求高、对工艺控制要求严格和维护保养复杂等特殊性。因此，其失效影响往往体现在多个维度，如对设备功能和性能的影响、对所在装置或工业过程的影响，对人员安全的危害、对环保的影响、对财产的损失、对企业声誉的影响。
对于任一失效模式，从失效原因和失效影响方面构建该失效模式的失效链，失效链为辨识预防措施和检测措施提供了分析框架，基于同一失效模式连接在一起的多条失效链形成了失效网，如图4所示。
S3、风险分析。
风险分析是基于失效分析的因果关系，考虑了当前的预防和检测措施，评估当前的风险状态，明确接下来优化改进的优先程度。
首先，需要识别预防措施，预防措施是避免失效原因出现或降低其出现概率的一类措施。在役过程设备的预防性措施通常包括：1）正确的设备选型，根据生产需求和工艺要求选择合适的设备；考虑到设备的质量、性能、可靠性等因素，并确保设备符合相关标准和规定。2）定期维护和保养，按照设备制造商的建议和维护计划进行定期维护和保养，包括清洁、润滑、更换易损件等操作，以确保设备的正常运行和寿命。3）校准和调整，定期校准设备仪表的准确性，并进行必要的调整，确保设备各部分的工作状态和性能符合要求。4）操作员培训与规范，为设备操作人员提供充分的培训和指导，使其了解设备的正确操作方法、安全注意事项和维护要求。同时，建立相应的操作规范和程序，确保设备在规定的工作条件下运行。5）更新和升级，定期关注设备制造商发布的更新和升级信息。及时采取必要的措施，如安装新的软件版本、更换老化的部件等，以提高设备的性能和可靠性。6）供应链管理，确保设备所使用的零部件和材料的质量和可靠性；建立供应链管理系统，选择可靠的供应商，并进行审查和评估。
然后，识别检测措施，检测措施指失效原因发生之后，定期或不定期地对过程设备进行检查，发现失效原因或失效模式，启动应急计划以减少影响的一类手段。在役过程设备的检测措施通常包括：1）健康监测，使用传感器和监测设备对设备进行实时健康监测。通过监测关键参数，如温度、压力、振动等，及时检测并识别潜在故障或异常情况。2）非破坏性检测，使用非破坏性检测方法，如超声波检测、红外检测、振动分析、声音分析等，对设备进行内部结构和材料的检测，及时发现潜在的缺陷和损伤。3）检查和巡视，定期检查设备的外观、尺寸、松动、磨损等情况，并巡视设备周围环境，发现和解决任何异常问题。4）故障记录和分析，及时记录设备的故障情况，通过对故障数据的分析和趋势监测，识别故障模式和趋势，采取相应预防措施。
接下来，构建在役过程设备在失效原因发生度、失效影响严重度和检测度三方面的量化评价准则。
1）失效原因发生度的量化评价准则构建。
发生度是指在预防性措施作用下，失效原因发生的可能性。在役过程设备失效原因发生度的量化评价准则的构建包括：
将失效原因的实际发生频次作为失效原因发生度的评价依据；
根据失效原因的实际发生频次，确定失效原因发生度等级；
为每个等级赋予对应的分数，得到如表1所示的失效原因发生度的量化评价准则，分值越高，代表在役过程设备失效原因发生的频次越高。
表1 发生度评价准则
2）失效影响严重度准则的构建。
失效影响严重度指失效模式所造成影响的严重程度，具体来说，本发明对在役过程设备失效影响严重度的量化评价准则的构建包括：
从多个维度确定失效影响严重度的评价依据；多个维度为设备功能影响、工业过程影响、人员安全危害、环保影响、财产损失、企业声誉影响中的任意几个或全部；
根据在役过程设备失效模式在多维度上造成影响的严重程度，确定失效影响严重度等级；
为每个等级赋予对应的分数，得到如表2所示的失效影响严重度的量化评价准则，分值越高，代表在役过程设备失效影响严重程度越高。
表2 严重度评价准则
3）检测度量化评价准则的构建。
检测度表征了检测措施发现失效原因或失效模式的能力。对于在线检测措施，强调了其及时性和准确性；对于离线检测措施，强调了其有效性。对于一条失效链，当前的检测措施可能不止一种，并不要求所有的检测措施均能到达到及时性和有效性，只要总的效果能达到及时性和有效性即可。
具体来说，本发明在役过程设备检测度的量化评价准则的构建包括：
确定在线检测能力和离线检测能力的评估依据；
根据失效模式被自动监测到的容忍时间、时间变差、以及失效预期覆盖率、失效原因/失效模式被检测到的概率确定检测度等级；
为每个等级赋予对应的分数，得到如表3所示的检测度的量化评价准则，分值越高，代表在役过程设备检测和管理失效的能力越高。
表3 检测度的评价准则
最后，计算风险评价值
为了评估在役过程设备的现有系统失效检测能力，满足运维单位调整维护策略、更新部件或进行必要修复的实际需求，本发明提出一种用于衡量每条失效链的所有检测措施的失效检测和管理能力的综合指标，即风险评价值（Risk Assessment Value, RVA），为辨识需要进一步增强检测能力的失效链提供依据。
；
式中，S代表失效模式所造成影响的严重程度，O代表失效原因发生可能性，D代表系统检测和管理失效的能力。RAV方程式的分子是设备运维单位不易直接或立刻改变的，分母代表了系统检测措施的有效性，是设备运维单位能够通过实施精益管理，容易直接、立刻改变的部分。
若RAV值大于可接受的RAV阈值，则需要提出针对性的改进措施；若RAV值等于或小于可接受的RAV阈值，则可不提出进一步的改进措施。实际应用时，每个厂家均有各自的RAV阈值，阈值的具体取值可根据经验值设定。
下面，以一具体实例对本发明上述方法做进一步的应用验证。
选择油气输送站场典型过程设备“管式加热炉”为应用对象。轻型快装管式加热炉具有结构简单，拆装方便，集成化程度高等特点。其由辐射室、对流室、烟囱、烟囱挡板及电动执行器、转油线（带原油旁通）、烟气旁通、燃烧器、燃烧系统等组成。
根据S1，绘制管式加热炉的结构树和功能树，如图5和图6所示。根据S2和S3，确定适用于油气输送站场加热炉的失效原因发生度评价准则（见表4）、失效影响严重度评价准则（见表5）、检测措施的检测度评价准则（见表6），然后根据公式（1）计算RVA。当管式加热炉失效链的RVA≧2时，为不可接受的风险状态，则提出进一步的检测措施，风险分析结果列于表7。
表4 管式加热炉的发生度评价准则
表5 管式加热炉的严重度评价准则
表6 管式加热炉的失效检测度评价准则
表7 风险分析结果（部分）
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种面向在役过程设备的失效模式与影响分析方法，其特征在于，包括以下步骤：
描述过程设备：对在役过程设备的边界条件、结构组成和功能分布进行分析，构建功能层次图或树状图；
失效分析：在功能层次图或树状图的基础上，辨识所有功能的失效模式，构建具有因果关系的失效，形成失效链；
风险分析：根据所述失效链，构建在役过程设备在失效原因发生度、失效影响严重度和检测度三方面的量化评价准则；
确定在役过程设备失效检测的风险评价指标，所述风险评价指标的计算公式为：
；
其中，S表示失效影响严重度，O表示失效原因发生度，D表示失效检测度；
对照所述量化评价准则，计算所述风险评价指标的具体数值，并根据计算得到的数值评估在役设备是否处于失效风险。
2.根据权利要求1所述的面向在役过程设备的失效模式与影响分析方法，其特征在于，所述边界条件包括环境条件和操作条件；所述环境条件为过程设备操作和运行时的外部环境因素；所述操作条件为过程设备的操作方式和使用条件。
3.根据权利要求1所述的面向在役过程设备的失效模式与影响分析方法，其特征在于，对在役过程设备的结构分析包括：
识别在役过程设备的主要组成部分，这些组成部分为具有独立功能或特定任务的模块、部件或装配体；
根据在役过程设备各子系统的复杂性和层次结构，逐级细化并提取出各个层次上的主要组成部分；
使用结构层次图或树状图形式，按照从上至下的顺序，逐级展示过程设备的结构组成；顶层节点表示整个系统或设备，后续层级表示下级组成部分，每个组成部分都在结构树中均有一个明确的位置；
描述组成部分间的关系。
4.根据权利要求3所述的面向在役过程设备的失效模式与影响分析方法，其特征在于，对在役过程设备的功能分析包括：
在结构层次图或树状图的基础上，识别出各组成部分的主要功能和要求，并分析具有因果关系的功能和要求，使用功能层次图或树状图，描述功能之间的关系和依赖。
5.根据权利要求1所述的面向在役过程设备的失效模式与影响分析方法，其特征在于，在失效分析中，对于任一失效模式，从失效原因和失效影响方面构建该失效模式的失效链，再基于同一失效模式，将多条失效链连接在一起，形成失效网。
6.根据权利要求1所述的面向在役过程设备的失效模式与影响分析方法，其特征在于，在风险分析中，在役过程设备失效原因发生度的量化评价准则的构建包括：
将失效原因的实际发生频次作为失效原因发生度的评价依据；
根据失效原因的实际发生频次，确定失效原因发生度等级；
为每个等级赋予对应的分数，得到失效原因发生度的量化评价准则，分值越高，代表在役过程设备失效原因发生的频次越高。
7.根据权利要求1所述的面向在役过程设备的失效模式与影响分析方法，其特征在于，在风险分析中，在役过程设备失效影响严重度的量化评价准则的构建包括：
从多个维度确定失效影响严重度的评价依据；所述多个维度为设备功能影响、工业过程影响、人员安全危害、环保影响、财产损失、企业声誉影响中的任意几个或全部；
根据在役过程设备失效模式在多维度上造成影响的严重程度，确定失效影响严重度等级；
为每个等级赋予对应的分数，得到失效影响严重度的量化评价准则，分值越高，代表在役过程设备失效影响严重程度越高。
8.根据权利要求1所述的面向在役过程设备的失效模式与影响分析方法，其特征在于，在风险分析中，在役过程设备检测度的量化评价准则的构建包括：
确定在线检测能力和离线检测能力的评估依据；
根据失效模式被自动监测到的容忍时间、时间变差、以及失效预期覆盖率、失效原因/失效模式被检测到的概率确定检测度等级；
为每个等级赋予对应的分数，得到检测度的量化评价准则，分值越高，代表在役过程设备检测和管理失效的能力越高。
9.根据权利要求1所述的面向在役过程设备的失效模式与影响分析方法，其特征在于，若RAV值大于可接受的RAV阈值，则判定在役过程设备处于失效风险状态，此时，生成针对性的改进措施；若RAV值等于或小于可接受的RAV阈值，则判定当前在役过程设备未处于失效风险状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410022727.3A CN117521432B (zh) | 2024-01-08 | 2024-01-08 | 一种面向在役过程设备的失效模式与影响分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410022727.3A CN117521432B (zh) | 2024-01-08 | 2024-01-08 | 一种面向在役过程设备的失效模式与影响分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117521432A true CN117521432A (zh) | 2024-02-06 |
| CN117521432B CN117521432B (zh) | 2024-03-26 |
Family
ID=89753532
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410022727.3A Active CN117521432B (zh) | 2024-01-08 | 2024-01-08 | 一种面向在役过程设备的失效模式与影响分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117521432B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033615A (zh) * | 2018-07-23 | 2018-12-18 | 太原科技大学 | 基于潜在失效模式的汽车起重机臂架结构风险评估方法 |
| KR20210115406A (ko) * | 2020-03-13 | 2021-09-27 | 명지대학교 산학협력단 | Fmea를 활용한 뒷문거래 개선방법 |
| KR20220073151A (ko) * | 2020-11-26 | 2022-06-03 | 주식회사 브이웨이 | 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템 |
-
2024
- 2024-01-08 CN CN202410022727.3A patent/CN117521432B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033615A (zh) * | 2018-07-23 | 2018-12-18 | 太原科技大学 | 基于潜在失效模式的汽车起重机臂架结构风险评估方法 |
| KR20210115406A (ko) * | 2020-03-13 | 2021-09-27 | 명지대학교 산학협력단 | Fmea를 활용한 뒷문거래 개선방법 |
| KR20220073151A (ko) * | 2020-11-26 | 2022-06-03 | 주식회사 브이웨이 | 고장형태 영향분석 기반 고장 분석의 고장 모드 추천 시스템 |
Non-Patent Citations (2)
| Title |
|---|
| 张志文 等: "PFMEA在汽车座椅装配中的应用", 《科技展望》, no. 34, 31 December 2015 (2015-12-31) * |
| 韦治 等: "DFMDA在产品设计开发过程的应用", 《机械工业标准化与质量》, no. 552, 31 May 2019 (2019-05-31) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117521432B (zh) | 2024-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101496069B1 (ko) | 플랜트 안전 설계 지원 장치 및 플랜트 감시 보수 지원 장치 | |
| JP6122451B2 (ja) | 乾式低窒素酸化物（ｄｌｎ）と拡散燃焼をリアルタイムで監視するための方法とシステム | |
| US8694196B1 (en) | Methods and systems for centrally managed maintenance program for aircraft fleets | |
| CN103617110B (zh) | 服务器设备状态检修系统 | |
| US20170315543A1 (en) | Evaluating petrochemical plant errors to determine equipment changes for optimized operations | |
| CN108027611B (zh) | 利用受专家意见监督的决策模式学习的用于机器维护的决策辅助系统和方法 | |
| BR112013026307B1 (pt) | Sistema de avaliação dinâmico para monitorar componentes elétricos de alta tensão e método para avaliar pelo menos um componente elétrico de alta tensão | |
| CN102262690A (zh) | 一种混合故障预警模型的建模方法及混合故障预警模型 | |
| JP6778277B2 (ja) | 品質管理装置及び品質管理方法 | |
| CN110598878A (zh) | 一种基于炼化装置停工大修的检修计划tier4评估技术 | |
| KR102387375B1 (ko) | 선제적 풍력발전 유지관리 시스템 | |
| Rahimi et al. | Monitoring human and organizational factors influencing common-cause failures of safety-instrumented system during the operational phase | |
| RU2687848C1 (ru) | Способ и система вибромониторинга промышленной безопасности динамического оборудования опасных производственных объектов | |
| CN117521432B (zh) | 一种面向在役过程设备的失效模式与影响分析方法 | |
| CN117675522A (zh) | 一种电力通信故障诊断及预防方法及系统 | |
| US20180164779A1 (en) | Method, server, and program for providing real-time robot monitoring service | |
| JP7423911B2 (ja) | 監視支援システムおよび監視支援方法 | |
| WO2020180747A1 (en) | System and method for plant operation gap analysis and guidance solution | |
| CN107766948A (zh) | 基于故障件淘汰算法的光伏电站备品备件管理方法及装置 | |
| Slominski | Using STPA and CAST to Design for Serviceability and Diagnostics | |
| JP2022034392A (ja) | 故障診断装置、故障診断方法、および学習済みモデル | |
| Han et al. | Research and Application of a Dynamic Risk Management System for the Petrochemical Unit in Extended Service | |
| KR102585390B1 (ko) | 고전압 변압기의 수명 예측을 통한 유지보수 의사결정 시스템 | |
| JP2023154742A (ja) | 学習システム、不良予測システム、学習済みモデル、学習方法、及び不良予測方法 | |
| WO2019005541A1 (en) | ERROR ASSESSMENT OF A PETROCHEMICAL PLANT TO DETERMINE EQUIPMENT CHANGES FOR OPTIMIZED OPERATIONS |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |