一种仪表系统失效率计算方法及失效率数据库系统与流程

1.本发明涉及仪表系统失效率技术领域，尤其涉及一种仪表系统失效率计算方法及失效率数据库系统。


背景技术：

2.失效数据库通过收集设备的基础数据、维护数据和失效故障数据，按照定义好的设备分类、设备边界和设备失效模式，依据设备在役时间，安装的位置、安装的数量、失效的次数、维修维护时长等数据计算得出设备的可靠性，给出定量的设备失效率，可靠性数据可用于企业基于rcm的设备维修管理和sil评估等。
3.失效数据库适用于石油，天然气和石化行业中使用的设备类型，包括但不限于工艺设备和管道，安全设备，海底设备，管道系统，装卸设备，井下油井设备和钻井设备等设备类别。失效数据库适用于设备是永久安装，也可以与安装，维护或改装阶段结合使用。
4.失效数据库的概念最初是由欧洲石油企业和科研机构为了满足设备管理的需求提出，然后开始实施。通过不断收集设备的故障数据、维护数据和设备基础数据(安装位置，运行环境，设备类型，材质等)，通过对采集到的数据分析研究最后获得设备可靠性数据作为工厂设备选型、维修维护，工厂安全评定的重要依据。
5.在石油，石化和天然气工业中，设备的安全性，可用性，可靠性和可维护性是企业设备管理的重要指标，企业也致力于不断提高设备的可用性，但每年设备不可用导致的维修维护成本仍然很高。企业在新工厂设计建设和在役装置的维护投入也在增加。提高设备可用性使得与设备及其操作有关的失效，失效机制和维护维修数据变得更加重要。


技术实现要素：

6.本发明的目的是为了解决现有技术中存在的缺点，而提出的一种仪表系统失效率计算方法及失效率数据库系统。
7.为了实现上述目的，本发明采用了如下技术方案：一种仪表系统失效率计算方法，包括仪表系统分类方法、失效率分类方法和失效率数据递推计算方法，所述失效率分类方法包括传统意义的失效率和结合外部因素的故障率，所述失效率数据递推计算方法包括仪表自身失效率计算递推逻辑和外部原因导致的仪表故障率的递推逻辑。
8.作为上述技术方案的进一步描述：
9.所述失效率数据递推计算方法还包括经典失效率计算方法、无信息先验分布的贝叶斯方法和有信息先验分布的贝叶斯方法，
10.所述经典失效率计算方法有失效数据记录时，采用如下公式做失效率的估计，偶然故障期恒定故障率的最大似然估计方法：
[0011][0012]
n是观察到的设备失效次数；
[0013]
τ是同型号设备运行的总合时间，以日历时间为单位，即设备的运行时间。
[0014]
在经典统计理论中，下限为l
lower
，上限为l
upper
，如公式：
[0015][0016][0017]
z 0,95；v是具有v自由度的χ2分布(卡方)的上百分位数；
[0018]
z 0,05；v是具有ν自由度的χ2分布(卡方)的第5个百分点；
[0019]
所述无信息先验分布的贝叶斯方法处理零失效情况，在时间t内观察到n个失效时，后验分布中的失效率估计由公式给出：
[0020][0021]
在零失效的情况下，上面的公式变化为：
[0022][0023]
规定置信水平时故障率估算公式：
[0024][0025]
所述有信息先验分布的贝叶斯方法以oreda数据库的失效率作为先验数据求解参数，然后使用收集到的设备失效数据计算设备失效率过程：
[0026]
数据统计获取设备的累计运行时间和失效次数
[0027][0028]
选用oreda数据库为先验数据，查找oreda数据库得到失效率的先验值为：λ0＝31.05
×
10-6
,先验方差为s0＝18.89
×
10-6
。将λ0和s0代入下面的公式，求得gamma分布的α、β参数的值。
[0029][0030][0031]
将求解得到的α、β的值及设备失效次数n＝1,设备累计运行时间t＝0.0438
×
106分别代入如下公式，即可求得阀门失效率的后验均值和后验标准方差。
[0032][0033][0034]
一种仪表系统失效率数据库系统，包括失效率数据收集、数据完整性校验、数据质量审核和数据分类，所述失效率数据收集建设失效数据库，采集失效数据库需要的设备故障数据、维护数据和设备基础数据，形成失效数据的源数据仓库，所述数据完整性校验用于保证数据库中的数据在逻辑上的一致性、正确性和可靠性，所述数据质量审核在数据收集期间和之后，要分析数据以验证一致性，以避免收集无效的数据，所述数据分类包括设备单元数据、失效数据和维修数据；还包括失效率数据计算功能和失效率数据可视化应用功能，所述失效率数据计算功能包括设备本身的失效率和外部原因导致的失效率，所述失效率数据可视化应用功能包括数据可视化和可视化面板定制。
[0035]
作为上述技术方案的进一步描述：
[0036]
所述数据完整性校验规划以下措施：
[0037]
a1：定义要包含在数据库中的每个设备单元的分类信息；
[0038]
a2：确定可以收集数据的设备的安装日期，安装数量和运行时间；
[0039]
a3：定义每个设备类别的边界，明确要收集哪些rm数据；
[0040]
a4：应用统一的失效模式定义和失效分类方法；
[0041]
a5：采用统一的维护活动定义和维护分类方法。
[0042]
作为上述技术方案的进一步描述：
[0043]
所述数据质量审核遵循如下原则：
[0044]
(1)数据的来源被记录和追溯；
[0045]
(2)数据来源于类似的设备类型，技术和操作条件；
[0046]
(3)设备与目的相关；
[0047]
(4)数据符合定义和解释规则；
[0048]
(5)记录的故障在定义的设备边界和监视周期内；
[0049]
(6)信息是一致的；
[0050]
(7)数据以正确的格式注册；
[0051]
(8)收集足够的数据以提供可接受的统计置信度；
[0052]
(9)咨询操作维护人员以验证数据；
[0053]
(10)通过合适的方法定义数据完整性的优先级。
[0054]
作为上述技术方案的进一步描述：
[0055]
所述设备单元数据具有以下特征：
[0056]
1)分类数据，例如工业，工厂，位置，系统；
[0057]
2)设备属性，例如制造商的数据，设计特征；
[0058]
3)运营数据，例如工作模式，工作功率，环境；
[0059]
4)设备数据，设备数据分类为技术，操作和环境参数，是收集rm数据的基础；
[0060]
所述失效数据具有以下特征：
[0061]
1)识别数据，例如失效记录编号和发生故障的相关设备；
[0062]
2)失效数据，例如失效模式、失效时间、失效描述、严重等级等；
[0063]
3)失效原因，失效原因分为内部原因和外部原因；
[0064]
所述维修数据具有以下特征：
[0065]
1)识别数据，识别维修记录号，相关故障和设备记录；
[0066]
2)维护数据，表征维护动作的参数，维护日期，维护类别，维护活动，维护影响，维护的组件；
[0067]
3)维护资源，每项维护的维护工时和总计维护工时，应用的公用设施工具和资源；
[0068]
4)维护时间，主动维护时间，停机时间。
[0069]
作为上述技术方案的进一步描述：
[0070]
所述本身的失效率包括以下原因：
[0071]
1)按产品系列的失效率、按产品系列且相同环境的失效率；
[0072]
2)按设备类别的失效率、按设备类别且相同环境的失效率；
[0073]
所述外部原因导致的失效率包括以下原因：
[0074]
1)所有设备由外部原因导致的失效率、按设备类别的由外部原因导致的失效率；
[0075]
2)按外部原因类别，安装、维护、介质和环境导致的某类设备的失效率。
[0076]
作为上述技术方案的进一步描述：
[0077]
所述数据可视化实现设备基础数据、失效数据、维护数据、设备管理数据的查询、展示和操作的可视化界面，并提供失效率计算样本范围、计算方法、失效率趋势分析、查询和统计功能；
[0078]
所述可视化面板定制在数据可视化建设过程中逐步积累形成标准化的可视化模板库，为整个系统大数据的收集、比对、分析、计算以及仪表设备维保工作、备件管理、人员技能提供数据支持和智能预测。
[0079]
本发明具有如下有益效果：
[0080]
1、与现有技术相比，该一种仪表系统失效率计算方法及失效率数据库系统，通过将失效率数据库和失效率计算方法相结合，建成仪表失效数据系统平台与智能应用平台，指导设备故障诊断与维修决策、寿命预测与健康监测管理、维修备件库存优化与科学化采购，实现对仪表设备的全生命周期管理，提升仪表设备安全性、可用性和可靠性，降低设备维护费用，为智能运维奠定基础。
[0081]
2、与现有技术相比，该一种仪表系统失效率计算方法及失效率数据库系统，通过不断收集设备的故障数据、维护数据和设备基础数据，对采集到的数据分析研究,获得设备可靠性数据，作为企业设备选型、维修维护、工厂安全评定的重要依据。这些数据可以通过多种不同设备管理平台进行数据收集，通过数据通讯交由失效数据库平台对原始数据进行分析整理，以得到可靠性数据。
[0082]
3、与现有技术相比，该一种仪表系统失效率计算方法及失效率数据库系统，通过利用本方法计算的失效率数据，相比仪表供应商提供的仪表失效率数据，更贴近实际工况、更精确，具备实践指导意义；提出并提供了针对安装维护、介质、环境等外部因素导致的仪表失效的故障率计算方法，能为仪表日常维护维修策略改进提供科学数据支持。
附图说明
[0083]
图1为本发明提出的一种仪表系统失效率计算方法及失效率数据库系统的失效率分类框图；
[0084]
图2为本发明提出的一种仪表系统失效率计算方法及失效率数据库系统的仪表自身失效率计算递推逻辑框图；
[0085]
图3为本发明提出的一种仪表系统失效率计算方法及失效率数据库系统的外部原因导致的仪表故障率的递推逻辑框图。
具体实施方式
[0086]
参照图1-3，本发明提供的一种仪表系统失效率计算方法，包括仪表系统分类方法、失效率分类方法和失效率数据递推计算方法，失效率分类方法包括传统意义的失效率和结合外部因素的故障率，失效率数据递推计算方法包括仪表自身失效率计算递推逻辑和外部原因导致的仪表故障率的递推逻辑。
[0087]
作为上述技术方案的进一步的实施方式：
[0088]
失效率数据递推计算方法还包括经典失效率计算方法、无信息先验分布的贝叶斯方法和有信息先验分布的贝叶斯方法，
[0089]
经典失效率计算方法有失效数据记录时，采用如下公式做失效率的估计，偶然故障期恒定故障率的最大似然估计方法：
[0090][0091]
n是观察到的设备失效次数；
[0092]
τ是同型号设备运行的总合时间，以日历时间为单位，即设备的运行时间。
[0093]
在经典统计理论中，下限为l
lower
，上限为l
upper
，如公式：
[0094][0095][0096]
z 0,95；v是具有v自由度的χ2分布(卡方)的上百分位数；
[0097]
z 0,05；v是具有ν自由度的χ2分布(卡方)的第5个百分点；
[0098]
无信息先验分布的贝叶斯方法处理零失效情况，在时间t内观察到n个失效时，后验分布中的失效率估计由公式给出：
[0099][0100]
在零失效的情况下，上面的公式变化为：
[0101][0102]
规定置信水平时故障率估算公式：
[0103][0104]
有信息先验分布的贝叶斯方法以oreda数据库的失效率作为先验数据求解参数，然后使用收集到的设备失效数据计算设备失效率过程：
[0105]
数据统计获取设备的累计运行时间和失效次数
[0106][0107]
选用oreda数据库为先验数据，查找oreda数据库得到失效率的先验值为：λ0＝31.05
×
10-6
,先验方差为s0＝18.89
×
10-6
。将λ0和s0代入下面的公式，求得gamma分布的α、β参数的值。
[0108][0109][0110]
将求解得到的α、β的值及设备失效次数n＝1,设备累计运行时间t＝0.0438
×
106分别代入如下公式，即可求得阀门失效率的后验均值和后验标准方差。
[0111][0112][0113]
一种仪表系统失效率数据库系统，包括失效率数据收集、数据完整性校验、数据质量审核和数据分类，失效率数据收集建设失效数据库，采集失效数据库需要的设备故障数据、维护数据和设备基础数据，形成失效数据的源数据仓库，数据来源首先考虑基于企业现有数据源通过批量或实时采集方式获取，不做重复数据录入需求，满足一次获取，完全共享，与源数据源提供者充分交流，已确保数据满足可靠性计算的需求，同时充分沟通，为保证数据录入质量提出有建设性的建议。建设失效数据库数据字典，满足失效率数据库系统的规范化和数据接口和数据编码的标准化，做到失效数据安全可靠的交换共享。对经过数据收集并存入中间大数据平台的数据，进行etl(抽取、转换、加载)等数据处理操作，实现编码转换、字段统一、数据去重和筛选，并结合人工经验进行审核和验证、补充缺失数据之后，存入失效数据库，作为下一步失效率计算的基础数据；数据完整性校验用于保证数据库中的数据在逻辑上的一致性、正确性和可靠性，数据质量审核在数据收集期间和之后，要分析数据以验证一致性，以避免收集无效的数据，数据分类包括设备单元数据、失效数据和维修数据；还包括失效率数据计算功能和失效率数据可视化应用功能，失效率数据计算功能包
括设备本身的失效率和外部原因导致的失效率，失效率数据可视化应用功能包括数据可视化和可视化面板定制。
[0114]
作为上述技术方案的进一步的实施方式：
[0115]
数据完整性校验规划以下措施：
[0116]
a1：定义要包含在数据库中的每个设备单元的分类信息；
[0117]
a2：确定可以收集数据的设备的安装日期，安装数量和运行时间；
[0118]
a3：定义每个设备类别的边界，明确要收集哪些rm数据；
[0119]
a4：应用统一的失效模式定义和失效分类方法；
[0120]
a5：采用统一的维护活动定义和维护分类方法。
[0121]
作为上述技术方案的进一步的实施方式：
[0122]
数据质量审核遵循如下原则：
[0123]
(1)数据的来源被记录和追溯；
[0124]
(2)数据来源于类似的设备类型，技术和操作条件；
[0125]
(3)设备与目的相关；
[0126]
(4)数据符合定义和解释规则；
[0127]
(5)记录的故障在定义的设备边界和监视周期内；
[0128]
(6)信息是一致的；
[0129]
(7)数据以正确的格式注册；
[0130]
(8)收集足够的数据以提供可接受的统计置信度；
[0131]
(9)咨询操作维护人员以验证数据；
[0132]
(10)通过合适的方法定义数据完整性的优先级。
[0133]
作为上述技术方案的进一步的实施方式：
[0134]
设备单元数据具有以下特征：
[0135]
1)分类数据，例如工业，工厂，位置，系统；
[0136]
2)设备属性，例如制造商的数据，设计特征；
[0137]
3)运营数据，例如工作模式，工作功率，环境；
[0138]
4)设备数据，设备数据分类为技术，操作和环境参数，是收集rm数据的基础；
[0139]
失效数据具有以下特征：
[0140]
1)识别数据，例如失效记录编号和发生故障的相关设备；
[0141]
2)失效数据，例如失效模式、失效时间、失效描述、严重等级等；
[0142]
3)失效原因，失效原因分为内部原因和外部原因；
[0143]
维修数据具有以下特征：
[0144]
1)识别数据，识别维修记录号，相关故障和设备记录；
[0145]
2)维护数据，表征维护动作的参数，维护日期，维护类别，维护活动，维护影响，维护的组件；
[0146]
3)维护资源，每项维护的维护工时和总计维护工时，应用的公用设施工具和资源；
[0147]
4)维护时间，主动维护时间，停机时间。
[0148]
作为上述技术方案的进一步的实施方式：
[0149]
本身的失效率包括以下原因：
[0150]
1)按产品系列的失效率、按产品系列且相同环境的失效率；
[0151]
2)按设备类别的失效率、按设备类别且相同环境的失效率；
[0152]
外部原因导致的失效率包括以下原因：
[0153]
1)所有设备由外部原因导致的失效率、按设备类别的由外部原因导致的失效率；
[0154]
2)按外部原因类别，安装、维护、介质和环境导致的某类设备的失效率。
[0155]
作为上述技术方案的进一步的实施方式：
[0156]
数据可视化实现设备基础数据、失效数据、维护数据、设备管理数据的查询、展示和操作的可视化界面，并提供失效率计算样本范围、计算方法、失效率趋势分析、查询和统计功能；
[0157]
可视化面板定制在数据可视化建设过程中逐步积累形成标准化的可视化模板库，为整个系统大数据的收集、比对、分析、计算以及仪表设备维保工作、备件管理、人员技能提供数据支持和智能预测。
[0158]
仪表系统分类方法
[0159]
因为仪表在控制回路中的功能不同，仪表失效的后果影响不同。根据仪表需要将仪表进行分类，仪表设备分类如表2.2-1所示：
[0160]
表2.2-1仪表设备基础分类
[0161][0162]
在上表中按照仪表类别将仪表分为检测仪表、控制系统、控制阀等三大类，是目前失效率数据库计算维度，也是比较通用的分类标准。但在石油、化工行业的实际生产过程中，仪表的工作原理、工作环境、介质类型等对仪表失效率的影响相当巨大，针对这些细化分类维度计算的失效率才更精确、更具仪表维护指导意义。因此，公司在石油、化工行业长期的仪表设备管理维护经验基础上，研究形成科学、合理的仪表系统分类方法，进一步把仪表系统按照传感器子系统、控制器子系统、执行结构子系统并结合仪表元件的工作原理、工作介质以及工作环境进行细化分类，精确到每一种仪表设备，为后续按不同细分类别计算失效率提供划分依据。分类方法见下表：
[0163]
表2.2-2仪表设备详细分类
[0164][0165]
失效率分类方法
[0166]
在石油、化工、天然气等流程工业的实际生产中，仪表的失效数据一般来自国外认证机构的统计数据库，或手册，并且数据产生主要以fmea分析方法为主，并不能完全真实反映仪表实际工况的可靠性，而且石油、化工、天然气等流程工业中的仪表运行在一个特殊工况中，这些数据也不能真实的反映各地环境下的仪表失效情况。仅依靠现有的手册以及传统的计算方法无法满足石化企业仪表选型、采购、维护、更换等全生命周期管理的需要，所以在失效率数据的计算中引入了仪表的外部原因导致的仪表失效。外部原因主要包括仪表运行环境的温湿度、仪表的选型、仪表安装不规范、运行在非设计工况、以及因腐蚀性介质泄露造成的元件的腐蚀等。在石油、天然气、化工企业等流程工业的实际生产中外部原因造成的失效相对于内部原因具有数据量大、易于区分等特点，而且在日常的仪表的巡检维护中更易发现。可根据外部原因的类别分别统计故障或失效所占的比例，结合失效率数据的传统计算，进而对仪表的失效率进行指导和修正。仪表失效的内部原因以及外部原因相结合的失效率的计算方法，使仪表失效率数据库的建设更加符合石油炼化企业的实际工况，可以有针对性的改进维护措施和维修策略，对仪表设备日常维护具有重要意义。
[0167]
失效率数据递推计算方法
[0168]
失效率数据是失效数据库的核心成果，其计算过程需根据数据样本情况选择计算层级和计算公式，以得出准确和可信的结果。处理后进入失效数据库中的失效数据，可按产
品系列、仪表类别、型号、地域、介质、运行环境等一个或多个标签分类显示，再通过样本数据的数量情况选择相应的失效率计算方法。失效率计算的样本递推层级可按地域》设备类别》设备厂商》产品系列》产品型号逐层细化，某个标签下的样本数据不足时，可适当放宽样本约束条件，选择上一层级进行计算或参考厂商提供的失效率数据，如统计到北方地区液位传感器某厂家某系列某型号的仪表失效数据样本量不足时，可适当放宽到统计该系列的仪表失效数据，等条件成熟后再进行该型号的失效率计算。失效数据样本确定后，再根据样本数据性质选择相应的计算方法。
[0169]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。