石化资产维护策略应用及发展趋势探讨

高立兵，索寒生，吕中原

(石化盈科信息技术有限责任公司，北京 100020)

当前，在国家智能制造战略部署下，中国各大石油化工企业纷纷以智能工厂建设为抓手，推进石化智能制造和数字化转型。石化行业是资产密集型行业，设备资产主要包括动设备、静设备、阀门、电器仪表等四大类。在中国石油化工集团有限公司的智能工厂建设中，资产生命周期管理是三条业务主线之一[1-2]，其目标是以数字化交付为起点，贯穿设备运行、检维修、改造、报废的全生命周期，重点突出设备健康与可靠性，确保安全的基础上最大限度地发挥设备能力，节约维修成本，实现生产装置长周期运行。

关于设备资产维护，已发展出众多解决方案，有的方案是从用户的角度，提升资产管理和运维水平，有的方案从供应商的角度，延伸产品服务。根据反应机制，可以将资产维护策略分为主动维护和被动维护两大类[3]。根据触发机制、决策支持方式以及所使用技术的不同，历史上经历了反应式、预防性、主动式、预测性维护等四个发展阶段。其中，第一阶段(1930—1950年)是反应式维护，即在设备失效后才进行被动维护；第二阶段(1950—1975年)是预防性维护，即根据时间或使用情况定期维护；第三阶段(1975—2000年)是主动式维护，发展出基于状态的维护(CBM)、可靠性/专家系统、基于风险的检验(RBI)、危险与可操作性分析(HAZOP)等；第四阶段(2000—2020年)是预测性维护(PdM)，通过对数据的深层挖掘建立预测模型，实现对不可见风险因素当前和未来状态的预测，优化维护策略。随着物联网、大数据、人工智能、ARVR可视化、移动应用等新一代信息技术与制造技术的深度融合和集成创新，资产维护策略逐渐从被动式维护向持续监控、主动维护、预测性维护等综合性资产绩效管理理念发展。

1 资产绩效管理概述

资产绩效管理APM(asset performance management)是一套提高资产管理和资产收益的综合解决方案，贯穿资产的工程设计、运营和维护三个阶段。通过数据采集、集成、可视化和高级分析，结合主动式的维护行动与优化策略，满足企业对工厂、设备和基础设施等资产的安全性、可靠性要求，通过减少非计划性维修、降低维护成本、预防设备故障、减少健康安全环保问题。APM包含状态监控、预测性维护以及以可靠性为中心的维护等。

与APM相关的两个概念： 一个是企业资产管理(EAM)，二者的侧重点不同，APM是用于决策支持，而EAM是用于维护执行；另一个概念是故障预测和健康管理PHM(prognostics health management)，PHM源自美国国家标准与技术研究院(NIST)于2016年9月发布的NIST： 2016Measurementscienceroadmapforprognosticsandhealthmanagementforsmartmanufacturingsystems[4]，该报告主要涵盖PHM的制造工艺技术与指标、性能评估、基础设施等三方面内容。从PHM涉及的分析技术看，PHM的核心是预测性维护。从商业软件角度看，GE，西门子，艾斯本，剑维，本特利等公司以及挪威船级社(DNV GL)都推出了APM软件套件。Gartner咨询公司也用APM进行软件分类，并连续发布APM软件市场报告[5]。根据资产维护策略能力成熟度，Gartner公司将APM软件分为六个等级，见表1所列。在维护能力成熟度中的位置越高，维护策略就越积极主动。

表1 APM软件分类与功能

1)资产策略和风险管理。针对化工生产中处理高危害性物质的设备，如压力容器及储罐、管线系统、释放及排放系统、紧急停机系统、机泵等，风险管理目的在于建立一套完善的维护策略，降低因设备故障损坏导致的风险。包括基于风险的检验(RBI)、故障树分析(FTA)、机械完整性管理、安全完整性等级评估(SIL)等。RBI是一种对每个设备项目的失效概率(PoF)和失效后果(CoF)进行定性或定量评估的分析方法和过程[6-7]。20世纪90年代，美国石油研究所API研究基于风险的检验，于1996年出台API 581草案，2002年公布RBI标准API RP 580： 2002Risk-basedinspectionmethnology[8]，2016年发布第三版；API 581： 2008Risk-basedinspectiontechnology[9]。这是针对石化设备，特别是承压设备、换热器、工艺管道等的基于风险的检验规范。国际上针对石化行业的RBI商业软件一般都是基于API 581标准。

2)以可靠性为中心的维护(RCM)。RCM是基于设备的故障模式和影响效果确定针对性的维修策略，其出发点不是单纯提高可靠性和可用率，而且充分考虑了设备的性能、维修策略和维修经济性之间的关系，即以最经济的方式提高可靠性。RCM适用对象为转动设备和电器仪表。其基本思路是： 对系统进行功能与故障分析，明确系统内各故障后果；用规范化的逻辑决断程序，确定各故障后果的预防性对策；通过现场故障数据统计、专家评估、定量化建模等手段在保障安全性和完好性的前提下，以最小的维修停机损失和最小的维修资源消耗为目标，优化系统的维修策略。

3)预测性维护(PdM)。PdM是基于预测得到的设备剩余使用寿命(RUL)来规划维修计划，适用于发生频率不高、但一旦发生影响很大的一类故障。根据预测的结果，决策机制可以更好地掌控失效增长的趋势，以及PF-interval的时间跨度，为最终的决策优化提供重要信息。PdM最大的价值在于，基于RUL的预测，在维护机会窗内选择成本最低的维护策略和实施计划，同时综合考虑企业大修计划，制定全局最优的维护方案。

PdM分析过程主要包括五个步骤： 数据采集、信号处理、特征提取、故障诊断、可视化等[10]。其中故障诊断是指设备健康评估和预测，需要将高维的特征向量转换为状态标识(健康状态，故障模式1，故障模式2，故障模式3等)。故障诊断算法包括基于数据驱动、基于机理、基于混合模型，以及基于可靠性、统计分析等多种方法。化工数据具有多变量、非线性、时变性、多模态等特点，数据建模算法有神经网络、机器学习、蒙特卡洛模拟等[11]。对于有标签的数据，通常采用分类算法，其中最常见的是支持向量机(SVM)，对于一些线性不可分的情况，可以用核函数的技巧把低维特征映射到高维空间中，也可以拓展到多分类问题。对于类别数量未知、无标签的数据，通常采用自组织映射神经网络(SOM)，可视化效果好。以上两者均是单纯从数据驱动的角度建立模型，如果加入先验知识(工艺机理)，则可以采用贝叶斯网络，将每种特征和故障类型之间的关联关系通过机理固化下来。

4)基于状态的维护(CBM)。是主动式维护的一种策略，依照设备状态参数的变化制定维护决策，适合于故障发生频率高，但是造成的影响较小的情形。在设备被检测到由早期失效到设备真实发生故障的周期叫做PF-interval，该周期应该有足够的时间覆盖整个维修反应时间，最终避免设备发生故障。与预防性维护相比，CBM可以有效地减少不必要的维修，同时基于实时监控的数据CBM也可以更加有力地保障设备安全高效运行。因此，CBM的成功应用可以帮助企业有效消除非计划停机。基于状态的维护也有一定的局限性，它只能反映当前状态，而无法预测未来风险。CBM和PdM的相似之处在于两者都引入了在线监控和故障诊断技术。CBM通常使用基于阈值的决策机制，在触发之后立即维护，而PdM则是引入了预测分析技术，是否在维修决策时引入RUL是区分CBM和PdM的重要手段。

5)预防性维护。是根据固定的时间周期或者使用统计数据情况维护设备。为了做出最优化的维护计划，可靠性数据包括失效率、平均故障间隔时间(MTBF)、平均修复时间(MTTR)等都有可能会被加入决策支持指标。预防性维护对于高可靠性系统，很有可能在设备未出现故障时就更换，造成很大的浪费。

6)反应式维护。又称修复性维护，该维护方式，没有提前性，不能给维护团队提供备件准备时间，有较长的停机维护时间。在几种维护策略中，修复性维护整体花费最大。

总之，一个好的运维策略应该为设备提供安全性、可用性及经济性的平衡。根据故障发生频率和故障发生的影响，可以划分出四个象限，对应的四种场景下的分析技术和维护策略[10]，如图1所示。

图1 四种场景下的分析技术和维护策略示意

2 国外APM软件供应商及解决方案

目前，能提供APM解决方案商业软件产品并且有跨行业服务能力的公司主要有本特利，DNV GL， GE， IPS，剑维，西门子及艾斯本。根据Gartner公司统计，国外APM的实施60%为本地部署，40%为云端部署[6]。以艾斯本、剑维和GE三家公司的APM解决方案为例，它们的产品在石化行业有较多应用。

1)艾斯本APM解决方案。从1996年起，艾斯本公司打造了涵盖过程工程设计、制造与供应链管理、资产绩效管理三大类软件产品线。艾斯本针对设计、运营和维护三个阶段的资产管理需求，基于专业的过程建模和机器学习，推出了风险分析、运营分析和设备绩效分析解决方案，APM解决方案见表2所列。

表2 艾斯本APM软件解决方案

2)剑维APM解决方案。施耐德将英维斯(Invensys)的流程模拟软件与剑维的设计类软件进行整合，推出了一体化工程到一体化运维解决方案。剑维的APM方案基于工程数字化信息集成管理平台AVEVA Net，围绕资产生命周期，从数字化交付、策略评估、数据采集、高级分析到方案执行，提高资产盈利能力，APM解决方案见表3所列。

表3 剑维APM软件解决方案

3)GE公司的APM解决方案。GE的工业互联网体系主要有三个核心要素： 智能设备、智能分析和智能决策。GE基于Predix平台的APM解决方案涵盖连接、监控、分析、预测和优化。

主要内容包括：

a)APM健康模块。具有健康经理和校准管理的功能。

b)APM可靠性模块。具有数字孪生模型，RCA，可靠性分析的功能。

c)APM策略模块。具有临界性分析，RCM，FMEA，策略管理以及生命周期成本分析的功能。

d)APM完整性模块。具有RBI，检验管理，厚度监测，危害分析以及变更管理的功能。

3 国产APM软件发展情况

RBI软件的数学方法比较简单，实现容易，难点在于构建丰富内涵的工业模型数据库，例如： 各类介质的腐蚀性、失效模式、失效机理、检验效率、同类设备事故原因等。同时，RBI软件需要遵循行业相关规范和标准。目前，国内主要是合肥通用机械研究院的通用中特石化装置工程风险分析系统，在石化行业有一定的应用，但是与国外商业软件相比还有一定差距[12-14]。

近年来，随着国内工业互联网的发展，大多集中应用于高端装备的预测性维护，具备了大范围应用的经济性前提。根据中国信息通信研究院(CAICT)对国内外工业互联网366个应用案例统计[15]，当前工业互联网平台应用主要集中于设备管理服务、生产过程管控与企业运营管理三大类场景。其中，国外制造企业数字化水平相对较高，平台应用更加侧重于设备管理服务，占比接近50%，如设备健康管理应用占比39%，产品后期服务占比10%。国外平台应用另一特点是数据的深度挖掘，依托大数据开展重点应用已较为普遍，重点应用如设备健康管理、产品远程运维已可达到预测水平，部分基于管理系统数据的商业智能决策已初步实现。

与国外类似，国内工业互联网平台应用同样关注设备管理服务，在所有应用中占比27%，体现了设备物联与数据价值挖掘的共性趋势。石化行业的案例占总案例的10.4%，一般聚焦在设备管理和资源配置优化方面。虽然案例众多，但多基于大数据分析模型，以项目方式实施，在工艺机理模型、故障模型、行业标准、特别是软件的商业化等方面与国外还存在较大差距。

4 结束语

随着物联网(IOT)、大数据、人工智能、云计算等新一代信息技术的发展，APM解决方案呈现出平台化、集成化趋势。国际流程工业巨头纷纷通过收购兼并，打造“一体化工程到一体化运维”的全生命周期解决方案，帮助客户减少设备宕机时间，提升设备运行可靠性，最终实现经济收益上的降本增效。相对而言，国内供应商还缺乏成熟的、集成化的APM解决方案，国产APM软件的商业化之路还很漫长。