海上平台关键设备故障数据分析研究

师壮明，石帅，申得济，尹飞

（中海油安全技术服务有限公司，天津 300450）

当前，国外对海上油气设备故障数据研究工作较深，如美国石油化工协会发布了《过程设备可靠性数据指南》，为故障数据分析提供指导；DNV 建立OREDA 数据库，为海上平台关键设备风险分析工作提供可靠的数据支撑，保证设备安全稳定工作。因国外数据库是依据国外设备设施故障数据，其所属的设备设施类型、设备设施运行工况和设备设施的管理模式与国内有明显的差异，若国内海上石油设备设施安全技术评价直接借鉴国外数据库，其评价结果的可信程度较低，因此，亟需建立一套具有自身特色故障数据库。在国内海上石油设备故障数据库建设过程中，其设备故障数据处理方法是基础，直接决定设备故障数据库的可靠及应用程度。因此，开展设备故障数据分析方法的研究具有十分重要意义。

1 分析方法调研

通过调研国内外设备故障数据处理方法相关文献，发现设备故障数据处理分析主要是为研究设备可靠性，其常用的概率分布有正态分布、指数分布和威布尔分布等四种分布。因此，设备故障数据处理方法主要是对四种分布进行优选，建立相应可靠性模型，计算出可靠寿命和平均无故障时间等指标，即分布类型优选方法。

分布类型优选方法主要是先计算分布函数的参数，求出多种分布模型的函数，再利用K-S 检验和相关指数法优选分布函数，从而建立相应可靠性模型及计算出可靠性指标。

（1）K-S 检验分布函数。获得对关键设备故障数据模拟的概率密度函数分布模型后，需要验证模拟的正确性。本次研究是利用柯尔莫哥洛夫检验法，又被称为K-S 检验法，其检验原理是将n 个设备故障数据按由小到大的次序排列，根据假设的分布，计算每个数据对应的F0(xi)，将计算的函数值F0(xi)与经验分布值Fn(xi)进行比较，其中差值的最大绝对值即检验统计量Di的观察值。将iD与临界值Dnα,进行比较。满足下列条件，则接受原假设，否则，拒绝原假设。

式中，F0(xi)原假设分布函数；Fn(xi)经验分布函数；临界值，可由临界值Dn表中查得。

（2）相关指数法。在设备可靠性研究中，设备故障时间数据可能通过多个不同分布的K-S 假设检验，如果毫无根据选择其中一种分布来建立设备可靠性模型，则后续的可靠性分析以及求得平均无故障时间值带有主观色彩，可信程度偏低。相关指数法可以对前期通过K-S 检验模拟的关键设备故障数据多种分布模型进行优选，通过计算出R 值越接近于l，说明分布函数曲线拟合得越好。相关指数R 公式如下：

式中，由故障数据求得的分布函数的对应值。

（3）建立可靠性模型。根据优选出分布函数，建立设备可靠性模型，主要包括可靠寿命函数和失效率函数，计算出可靠寿命和平均无故障时间等指标。

2 分析方法优化

目前，关键设备故障数量较少，直接使用上述方法，其计算结果可信度较低。为了提高现场应用效果，针对设备故障数量较少的情况，对故障数据分析方法进行优化，增加贝叶斯修正方法进行分析，完善设备故障数据处理分析流程。因此，设备故障数据处理分析流程图如图1 所示。

图1 海上平台关键设备故障数据处理分析流程图

2.1 贝叶斯理论

假设设备的失效频率为λ，失效的次数为n，则贝叶斯理论表达式如下：

2.2 贝叶斯修正方法

贝叶斯修正计算方法主要是先选取似然函数和先验分布，然后利用设备的实际失效数据修正先验分布，计算出后验分布。

（1）似然函数选取。对于使用寿命服从指数分布的设备，设其失效频率为常数λ，且可更换失效的设备，那么，在运行时间段t 内，该设备发生失效的次数n 服从泊松分布，即：

（2）先验分布选取。由于上述第一步为泊松分布，则先验分布选取伽马分布，表达式如下所示：

（3）后验分布。根据贝叶斯理论，后验分布表达式如下：

根据先验分布mean 与n/t 的关系，分为两种计算公式。并通过将先验数据参数和样本数据参数代入后验分布公式中，处理得到以下公式如下。

3 实例分析与应用

本文选取海上平台关键设备A 为例，对其故障数据进行梳理，梳理出该设备故障数据采集表，如表1 所示。

表1 A 设备故障数据采集表

通过表1 可知，A 设备有用介质外漏故障数据较少，采用贝叶斯修正方法计算分析，另外针对A 设备振动故障数据采用分布类型优选法计算分析。

3.1 分布类型优选法

（1）分布函数参数计算。对设备故障数据处理分析过程中，最常用的概率分布如上述所提四种分布。利用整理出A 设备振动故障数据，对四种分布函数参数进行求值，计算出的四种分布参数值如表2 所示。

表2 A 设备振动故障数据四种分布函数参数值表

（2）K-S 检验。根据上述K-S 检验流程及相关公式，计算求得A 设备振动所对应的四种分布Kolmogrov D 值如表3 所示。

表3 A 设备振动对应四种分布Kolmogrov D 值表

A 设备振动故障次数为6，显著性水平为0.05，查柯尔莫哥洛夫检验临界值表。通过上表可知，四种分布的Kolmogrov D 值小于临界值，因此四种分布均通过K-S 检验。

（3）相关指数法。根据上述相关指数法公式，计算求得A 设备振动故障数据所对应的R 值如表4 所示。

表4 A 设备振动对应四种分布R 值表

相关指数法中R 值越接近于1，说明相关性越大，函数拟合得越好。在这4 种分布中，正态分布的R 值最大，因此正态分布函数最接近A 设备振动故障数据的分布，用正态分布来分析A 设备可靠性，尤其是计算振动故障模式的失效率的可信程度最高。

（4）失效率。通过上述分析，A 设备振动故障模式所对应最优的分布为正态分布，则振动故障模式的失效率不是恒定值，是随着时间变化的函数，失效率函数图形如图2 所示。

图2 A 设备振动故障模式失效率函数图

通过上述失效率函数图形，可知A 设备振动故障模式的失效率是随着时间逐渐增大，并且在后期增大的趋势越来越大，因此，在A 设备管理过程中，应在早期注重对A 设备关于振动故障情况的检查，并对早期发生的振动故障从源头进行分析，制定相应技术措施，以降低后期发生故障的概率。

3.2 贝叶斯修正方法

因A 设备有用介质外漏故障数据较少，目前只有3个数据，故采用贝叶斯修正方法计算分析。根据A 设备故障模式为有用介质外漏，则在OREDA 数据库中相对应的先验失效率（）为7.31 次/106h，先验标准差（S1）为5.26次/106h。因A设备有用介质外漏故障次数为3次，运行时间为0.016152×106h，则：

4 结语

综上所述，设备故障数据处理方法是国内设备故障数据库建立的基础，直接决定设备故障数据库的可靠程度。本文通过对国内外设备故障数据处理方法相关文献进行调研及总结，提出以下几点想法。

（1）设备故障数据处理是根据收集故障记录数量来选择相应方法，当故障记录数量较多时，采用分布类型优选方法。当故障记录数量较少时，采用贝叶斯修正方法，通过增加设备故障数据量和观察时长，提高后验分布设备失效率的准确性。

（2）贝叶斯修正方法是以OREDA 数据库作为先验数据，然后以国内海上设备故障数据作为样本信息，最后通过贝叶斯估计导出失效率的后验分布，见上述贝叶斯修正计算公式。

（3）通过上述的设备故障数据处理方法对A 设备不同故障模式下失效率进行计算分析，A 设备振动故障模式的失效率是随着时间逐渐增大，并且在后期增大的趋势越来越大，因此，在早期注重对A 设备关于振动故障情况的检查，并对早期发生的振动故障从源头进行分析，制定相应技术措施，以降低后期发生故障的概率。A 设备有用介质外漏故障数据较少，采用贝叶斯修正方法计算的失效率为17.59 次/106h，为设备设施科学管理提供参考。