基于Bayesian網(wǎng)絡(luò)的常減壓裝置設(shè)備故障概率分析

寧志康，許述劍，劉曦澤，許 可，屈定榮

(中石化安全工程研究院有限公司，山東 青島 266104)

0 引言

常減壓蒸餾作為煉油企業(yè)的第1道加工工序，裝置的平穩(wěn)運(yùn)行對(duì)整個(gè)煉油過程的物料平衡及穩(wěn)定生產(chǎn)具有重要作用[1]。面對(duì)較為復(fù)雜的化工工藝，設(shè)備故障問題時(shí)有發(fā)生，不僅嚴(yán)重影響企業(yè)效益，更是對(duì)人身安全產(chǎn)生威脅。Zhang等[2]基于Bayesian網(wǎng)絡(luò)分析了常減壓蒸餾裝置事故發(fā)生的因果關(guān)系及概率大小。Kidam等[3]建立了化工事故案例庫，總結(jié)了最容易發(fā)生事故的6類化工設(shè)備。Li等[4]、Ni等[5]分別對(duì)壓縮機(jī)、換熱器設(shè)備故障原因進(jìn)行了分析，Wu等[6]對(duì)由腐蝕導(dǎo)致的設(shè)備故障進(jìn)行了風(fēng)險(xiǎn)分析。廖靜雯等[7]、陳文武等[8]對(duì)常減壓裝置典型設(shè)備腐蝕失效情況進(jìn)行了分析總結(jié)，張英等[9]構(gòu)建了設(shè)備失效案例數(shù)據(jù)庫，分析探討了不同設(shè)備構(gòu)件、材料的失效模式與失效規(guī)律。離心式壓縮機(jī)、引風(fēng)機(jī)等設(shè)備在生產(chǎn)運(yùn)行中的常見故障原因也有學(xué)者進(jìn)行了相關(guān)研究[10-11]?，F(xiàn)有研究多針對(duì)設(shè)備故障具體個(gè)例的特定失效模式，受限于設(shè)備大量歷史故障數(shù)據(jù)統(tǒng)計(jì)困難，因此對(duì)裝置整體設(shè)備故障分析研究較為缺乏。基于此，本文在大量調(diào)研統(tǒng)計(jì)企業(yè)現(xiàn)場實(shí)際設(shè)備故障數(shù)據(jù)基礎(chǔ)之上，通過Bayesian網(wǎng)絡(luò)分析方法，對(duì)常減壓裝置中易故障設(shè)備的失效模式、故障部件及故障后果進(jìn)行對(duì)比分析與研究，分析結(jié)果為常減壓裝置設(shè)備故障維修策略及零配件庫存優(yōu)化方案提供思路。

1 設(shè)備故障數(shù)據(jù)分析

本文共收集5家煉油企業(yè)自2015—2020年有關(guān)常減壓蒸餾裝置的設(shè)備故障維修記錄，并對(duì)數(shù)據(jù)進(jìn)行清洗與整理，得到共計(jì)1 151條設(shè)備故障數(shù)據(jù)。參考OREDA數(shù)據(jù)庫，按照機(jī)電設(shè)備、電氣設(shè)備、機(jī)械設(shè)備、控制和安全設(shè)備系統(tǒng)將其分類整理，如表1所示。

表1 設(shè)備故障記錄數(shù)據(jù)

對(duì)上述故障發(fā)生次數(shù)較多的離心泵、電動(dòng)機(jī)、壓縮機(jī)在運(yùn)行過程中出現(xiàn)的失效模式及故障后果進(jìn)行了歸納整理，如表2所示。

表2 失效模式與故障后果記錄數(shù)據(jù)

2 Bayesian網(wǎng)絡(luò)模型

Bayesian網(wǎng)絡(luò)(Bayesian Network,BN)模型作為1種概率圖形模型，可以根據(jù)概率信息有效地處理各種不定性和不完整性問題[12-15]。模型中的不同變量用節(jié)點(diǎn)表示，變量之間的因果關(guān)系由弧線表示，變量間的依賴程度可由條件概率分布表(Conditional Probability Tables,CPTs)進(jìn)行定量表征。

BN模型以Bayesian定理作為理論依據(jù)，可以通過2種方式進(jìn)行定量分析：預(yù)測推理與診斷推理[12-13]。預(yù)測推理是指由父節(jié)點(diǎn)的先驗(yàn)概率與CPTs推斷子節(jié)點(diǎn)發(fā)生概率，如式(1)所示，診斷推理是指當(dāng)子節(jié)點(diǎn)的概率發(fā)生變化時(shí)更新父節(jié)點(diǎn)的發(fā)生概率，該概率也稱為后驗(yàn)概率，如式(2)所示：

(1)

(2)

式中：n為事件A的所有可能狀態(tài)；k為事件A的第k個(gè)狀態(tài)。

3 構(gòu)建設(shè)備故障BN模型

根據(jù)上述統(tǒng)計(jì)情況，按照故障部件、失效模式、故障后果構(gòu)建設(shè)備故障BN模型。其中，可能存在故障的設(shè)備部件有2種狀態(tài)，分別為正常運(yùn)行(work)、故障(fault)；失效模式有2種狀態(tài)，分別為發(fā)生失效(Yes)、未發(fā)生失效(No)；故障后果有2種狀態(tài)，分別為造成故障(Yes)、未造成故障(No)。BN模型中的1個(gè)子節(jié)點(diǎn)具有n個(gè)父節(jié)點(diǎn)時(shí)，通常需要2n個(gè)條件概率，而Noisy-OR模型[2,16]假設(shè)各變量之間的相互獨(dú)立性，因此可以降低對(duì)先驗(yàn)概率的判斷，減少計(jì)算的復(fù)雜度。失效模式與故障后果的節(jié)點(diǎn)變量條件概率可由統(tǒng)計(jì)數(shù)據(jù)中的歷史故障頻率來近似代替，故障部件的先驗(yàn)概率可根據(jù)實(shí)際故障情況參考專家意見得出。構(gòu)建離心泵故障的BN模型如圖1所示。

圖1 離心泵BN模型

4 設(shè)備故障概率分析

4.1 部件故障導(dǎo)致設(shè)備失效的概率分析

根據(jù)統(tǒng)計(jì)到的故障數(shù)據(jù)，導(dǎo)致離心泵失效次數(shù)最多的故障部件依次為工藝密封、冷卻系統(tǒng)、止推軸承、軸承箱密封等，分別在離心泵故障BN模型中將上述部件設(shè)置為運(yùn)行故障(fault)，以定量分析失效模式及故障后果各節(jié)點(diǎn)的概率變化。表3～5分別分析離心泵、壓縮機(jī)、電動(dòng)機(jī)的部件發(fā)生故障時(shí)，主要失效模式及故障后果的發(fā)生概率。

由表3可知，工藝密封故障、冷卻系統(tǒng)故障、軸承箱密封故障容易引起離心泵發(fā)生公用介質(zhì)外漏，同時(shí)有約為53%的概率會(huì)導(dǎo)致離心泵停運(yùn)，止推軸承故障最容易引起離心泵發(fā)生的失效模式是運(yùn)行故障，由此導(dǎo)致設(shè)備發(fā)生一般性故障的概率較其它部件大。

表3 離心泵故障BN模型節(jié)點(diǎn)概率變化情況

從壓縮機(jī)主要失效模式及故障后果的概率變化中可以發(fā)現(xiàn)，活塞環(huán)故障極易引起壓縮機(jī)發(fā)生運(yùn)行故障，引發(fā)概率為93.35%，也是最大概率導(dǎo)致壓縮機(jī)停運(yùn)的致因故障部件，活塞環(huán)故障基本不引起低風(fēng)險(xiǎn)外部泄漏、溫度超高、振動(dòng)/噪聲等失效模式的發(fā)生。由表4可知，受壓填料故障是引起壓縮機(jī)低風(fēng)險(xiǎn)外部泄漏的最主要原因，引發(fā)概率約為32%。壓縮機(jī)溫度超高的失效模式可主要考慮由排出閥故障、吸入閥故障引起。

表4 壓縮機(jī)故障BN模型節(jié)點(diǎn)概率變化情況

表5 電動(dòng)機(jī)故障BN模型節(jié)點(diǎn)概率變化情況

從電動(dòng)機(jī)主要失效模式及故障后果的概率變化中可以發(fā)現(xiàn)，葉輪故障必定會(huì)引起電動(dòng)機(jī)積垢，并導(dǎo)致一般性故障的發(fā)生，但基本不會(huì)引起運(yùn)行故障、溫度超高等失效模式。止推軸承故障、軸承故障、徑向軸承故障會(huì)不同程度地提高各失效模式的發(fā)生概率。電動(dòng)機(jī)的故障后果多為一般性故障，發(fā)生設(shè)備停運(yùn)的概率較小。

4.2 設(shè)備故障致因部件敏感度分析

敏感度分析(Sensitivity Analysis,SA)是通過分析輸入變量概率的變化引起輸出變量概率(后驗(yàn)概率)變化的敏感程度，進(jìn)而確定對(duì)目標(biāo)節(jié)點(diǎn)有較強(qiáng)關(guān)聯(lián)關(guān)系的基本節(jié)點(diǎn)，實(shí)現(xiàn)系統(tǒng)模型中薄弱環(huán)節(jié)的辨識(shí)[14]。通過可視化的分析結(jié)果，可以直觀得到對(duì)目標(biāo)節(jié)點(diǎn)有顯著關(guān)聯(lián)關(guān)系的基本節(jié)點(diǎn)，關(guān)聯(lián)關(guān)系越強(qiáng)的節(jié)點(diǎn)顏色越深，白色的節(jié)點(diǎn)表示與目標(biāo)節(jié)點(diǎn)之間沒有關(guān)聯(lián)關(guān)系。同時(shí)，分析軟件給出了節(jié)點(diǎn)關(guān)聯(lián)關(guān)系的量化指標(biāo)SA，SA是輸出變量后驗(yàn)概率對(duì)輸入變量概率的一階導(dǎo)數(shù)，其值越大，表明輸入變量概率的改變引起輸出變量后驗(yàn)概率的變化程度越大，2者的關(guān)聯(lián)關(guān)系越強(qiáng)。

同時(shí)，為分析導(dǎo)致事故發(fā)生的關(guān)鍵致因部件，可通過基本事件的概率變化率(Radio of Variation,RoV)進(jìn)行分析判斷[17]，RoV的定義如式(3)所示：

(3)

式中：RoV為基本事件的概率變化率；Po為基本事件的后驗(yàn)概率；Pr為基本事件的先驗(yàn)概率。

RoV反映基本事件對(duì)事故發(fā)生的貢獻(xiàn)率大小，其值越高，表明該故障部件成為導(dǎo)致事故發(fā)生的關(guān)鍵致因部件的可能性越大。

電動(dòng)機(jī)故障致因部件敏感度分析，設(shè)置“單臺(tái)設(shè)備停運(yùn)”為目標(biāo)節(jié)點(diǎn)，如圖2所示，通過軟件“SA分析功能”對(duì)導(dǎo)致電動(dòng)機(jī)停運(yùn)的高敏感故障部件進(jìn)行分析。

由圖2計(jì)算結(jié)果可知，傳動(dòng)耦合器故障是導(dǎo)致電動(dòng)機(jī)停運(yùn)的高敏感部件，其次為軸承故障，軸、葉輪、定子繞組的故障不會(huì)導(dǎo)致電動(dòng)機(jī)的停運(yùn)。分別在離心泵、壓

圖2 電動(dòng)機(jī)故障致因部件敏感度分析

縮機(jī)的BN模型中設(shè)置設(shè)備停運(yùn)為目標(biāo)節(jié)點(diǎn)，記錄各故障部件的敏感度指標(biāo)SA，計(jì)算各故障部件的概率變化指標(biāo)RoV，結(jié)果排名靠前的各故障部件如表6所示。

表6 設(shè)備故障致因部件敏感度分析

由表6可知，導(dǎo)致離心泵發(fā)生停運(yùn)故障的首要致因故障部件為管道，其次為傳動(dòng)端徑向軸承、沖洗管道、工藝密封等，上述故障部件與對(duì)離心泵停運(yùn)由強(qiáng)到弱的關(guān)聯(lián)關(guān)系排序保持一致。壓縮機(jī)停運(yùn)時(shí)最有可能故障的部件為氣缸，其次為過濾器、活塞環(huán)等。吸入閥較排出閥有更大的概率導(dǎo)致壓縮機(jī)停運(yùn)，但排出閥較吸入閥與壓縮機(jī)停運(yùn)的關(guān)聯(lián)關(guān)系更強(qiáng)，增加同樣發(fā)生概率的情況下，導(dǎo)致壓縮機(jī)停運(yùn)的故障概率增加更多。電動(dòng)機(jī)停運(yùn)時(shí)最有可能故障的部件為傳動(dòng)耦合器，其可能性遠(yuǎn)大于其它部件故障，傳動(dòng)耦合器同樣較其它部件與電動(dòng)機(jī)停運(yùn)的關(guān)聯(lián)關(guān)系更強(qiáng)，在日常運(yùn)維過程中需多加關(guān)注。

5 結(jié)論

1)通過對(duì)常減壓裝置千余條設(shè)備故障維修記錄整理分析，離心泵的故障次數(shù)最多，約占所有設(shè)備故障次數(shù)的56%；其次為電動(dòng)機(jī)，故障次數(shù)約占18%；壓縮機(jī)故障次數(shù)約占比14%。離心泵的主要失效模式為公用介質(zhì)外漏，電動(dòng)機(jī)、壓縮機(jī)的主要失效模式為異常運(yùn)行。

2)構(gòu)建BN模型分析得到，工藝密封故障、冷卻系統(tǒng)故障、軸承箱密封故障容易引起離心泵發(fā)生公用介質(zhì)外漏；壓縮機(jī)運(yùn)行故障的主要致因故障部件有活塞環(huán)、排出閥。止推軸承、軸承故障是引起電動(dòng)機(jī)運(yùn)行故障的主要致因部件。

3)通過關(guān)鍵致因部件敏感度分析得到，管道故障、氣缸故障分別是離心泵、壓縮機(jī)停運(yùn)的主要致因部件，且敏感度最高。傳動(dòng)耦合器較其它部件更有可能發(fā)生故障導(dǎo)致電動(dòng)機(jī)停運(yùn)，可作為事故發(fā)生的首要排查因素，以制定合適的檢維修策略與備件方案。