本文内容来自：中石油兰州石化一级工程师杨建峰先生，于“2024第五届西北区化工企业自动化智能化与安全改造应用技术交流大会”上发表的报告。

经燕化工平台作为此次大会官方合作媒体，享有会议资料独家分享权，如需转载请注明出处，如未经许可或未注明出处，将追究法律责任！

大会现场影像

01、设备失效数据库作用和现状

流程工业（炼化企业）智能工厂建设重点聚焦四个方向

一是开展效益分析及智能预测；

二是深度开展计划、调度、工艺、控制、能源、排放等模型的应用，全面提升对各类生产异常的感知；

三是制定以可靠性最高、维修成本最低为目标的全局优化维修策略，对动静电仪进行全面的状态监控、预警及故障诊断，推动设备维修由状态维修向预测性的维修转变；

四是智能创新链，为生产经营、计划调度、生产监控等专业化管理提供有效支撑。

要求建立以可靠运行为核心的智能资产链，利用资产可靠性管理，寻优制定以可靠性最高、维修成本最低为目标的全局优化维修策略。

对设备进行全面的状态监控、预警及故障诊断，特别是对设备早期故障检测、根原因分析和维修策略的推荐.

推动设备维修模式转变，优化资产利用率和维护成本，大幅提升设备的可靠性。

流程工业（炼化企业）数字化转型早期已经建立的设备相关平台有

设备管理平台

安全受控管理平台

自控率管理平台

安全设备报警管理平台

联锁管理平台

ERP 物资管理数据库

生产控制系统数据库等平台

数据库。

设备相关平台实现的服务

基础服务:含数据采集、工作流服务、文档服务、报表服务、业务执行与管理（设备前期管理、设备分级管理、预防性管理、风险管理、缺陷管理、定时性事务管理、先修管理、专业管理、变更管理、过程质量管理、设备处置管理等）。

基础管理:设备档案管理、过程资产管理、绩效管理、持续改进管理、自控率管理、报警管理、联锁管理等功能。

上述平台、系统完成设备管理的基本功能，但各个功能之间缺少有机联系与核心基础，无法系统的完成设备的全生命周期管理，远远达不到智能工厂建设要求

智能工厂设备完整性管理系统

基于风险管理理念，以KPI为引领，“可靠性+经济性”为原则，以业务流程为依据，以信息技术为依托，通过管理与技术的融合，建设贯穿整个设备生命周期的管理性平台。

实现设备健康状态、检维修全过程、可靠性、管理的全设备域全业务流程可视。

设备失效数据库与相关应用用于指导：

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

实现对设备的全生命周期管理，为智能运维奠定基础。

设备失效数据库是智能工厂建设中设备完整性管理系统核心

设备失效数据库的建设意义

设备失效数据是安全完整性等级评估、以可靠性为中心的维护、生命周期管理、备件分析、故障预测与健康管理、预测性维护等各个方面设备管理工作的数据基础，是设备数字化发展要求的基础。

流程工业（炼化企业）设备失效数据使用国外认证机构的统计数据库，不能完全真实地反映设备在实际流程工业（炼化企业）工况的可靠性，不适合国内环境差异，不能满足流程工业（炼化企业）公司设备选型、采购、维护、更换等全生命周期管理的需要。因此需要建设流程工业（炼化企业）特点的设备失效数据库。

设备完整性管理平台、自控率管理平台、报警管理平台、智能设备管理平台等进行数据交换，真正实现设备失效数据自动采集，使设备由资产管理转变为以设备资产+设备数据管理。通过失效数据库数字化平台打通各数据间的隔阂，消除数据孤岛，提高数字化应用能力。

“流程工业（炼化企业）设备全生命周期智能管理平台” 要以失效数据库建设为核心，以数据采集为工作重点、建模重点，以可靠性、预测维护等高级应用为研究重点。

流程工业（炼化企业）公司设备失效数据库系统平台在功能上可分为6个层次，分别对应：

采集层

基础数据处理层

湖数据处理层

基础应用层

高级应用层

用户（人机界面HIM）层

同其他架构最大的区别：

是应用层按其应用的程度划分为基础应用层和高级应用层，其计算程度完全不一样。

6个层次完成数据输入、采集、上报、存储、分析、应用

采集层完成故障数据的采集、上报与过滤；

基础数据处理层、湖数据处理层完成两级设备基础数据、设备失效数据与设备维护数据的治理、传输；

基础应用层完成各类设备失效数据的数据清洗、简单应用与云存储；

高级应用层主要对公司采集的同类设备的故障数据进行大数据分析和智能预测，完成故障预警、维修预测、备件采购策略制定。

上述架构中功能的6个层次，采集层、基础数据处理层、湖数据处理层是已经比较成熟的技术，用户层随着要求也是越来越友好。

以失效数据库为核心的数字化建设，主要工作在基础应用层、高级应用层的设计。

通过整个系统大数据的收集、比对、分析、计算，对设备维保工作、备件管理、人员技能提供数据支持和智能预测，具体实现8类基础应用功能模块：

风险评估模块、

维修策略库、

故障知识库、

设备设备维保智能推算、

人员技能智能管理、

设备寿命智能预测、

设备管理决策、

数据可视化。

流程工业（炼化企业）失效数据库基础数据库与模型

设备失效数据库。根据IEC61508，综合所有数据计算每一种设备失效概率，为各种高级应用提供数据支持。

设备维修策略库。将设备的检维修规程、针对特定故障的处理策略归类整理，按照设备失效字典自动进行“专家诊断” ，提出针对性策略。

设备故障知识库。不同地区、不同工况环境、不同使用方法下产生的故障汇聚到故障知识库，为故障模型建立、失效字典的丰富提供数据。

风险评估数据、模型。流程工业（炼化企业）公司将风险评估数据、经验汇集，与安全管理平台相结合，为企业安全和合规性管理提供资料。

设备管理决策（设备、自控系统）数据模型。按照模型计算设备的寿命、设备整体的状况、备品备件的储备等，为各种高级应用提供数据支持。

设备预知性维护数据、模型。按照模型治理各种数据，为预知性维护提供数据支持。

这些功能牵连到6个比较前沿技术领域的研究：

安全完整性等级评估（SIL）；

以可靠性为中心的维护 （RCM）；

生命周期成本（LCC）；

备件分析（SPA ）；

故障预测与健康管理（PHM）；

预测性维护（PdM）

流程工业（炼化企业）失效数据库平台高级应用完成功能

以故障预测与健康管理为中心的设备预知性检修模块。通过分析失效数据充分了解可能导致系统最终失效或降级的失效机理，及早发现失效的初始信息，在故障知识库基础上建立适合设备特性的故障预测模型，通过对设备进行连续的监测和诊断，预测设施设备状态未来的发展趋势，提出专家维护策略。

以可靠性为中心的设备预防性检修模块。实现设备寿命智能预测功能。提前推送至设备管理人员，由其组织安排针对性的周期维护，减少应急维护，提早合理安排维修人员的工作事项，提升设备运行效率以及优化人员的工时效率。

以全生命周期管理为中心的设备物资管理模块。实现设备管理决策功能。

以完整性等级为中心的安全设备系统评估模块。实现风险评估功能；为企业装置新建或改造提供依据。

流程工业（炼化企业）失效数据库关键技术

设备失效率数据结构关键技术

设备失效数据库数据收集关键技术

数据湖建立关键技术

设备失效数据库模型建立关键技术

设备失效数据库云端建设的关键技术

流程工业（炼化企业）失效数据库建设可分为一培训，二数据采集，三数据治理、计算形成设备设备数据仓库和失效数据库，四可靠性数据应用、实现各种功能等四个过程，

培 训

流程工业（炼化企业）公司失效数据为深入研究、高效建设、广泛使用，需重视设备失效数据库的培训工作。

培训工作按四个时间段展开：

一是数据培训，主要是数据设计培训，内容为数据的标准化、架构、质量培训。

二是数据采集培训，是培训的重点内容，在合理的范围内了解收集数据的设备的技术、操作和维护。

三是模型交流和权重培训，是为模型建立的广泛性做好准备。

四是应用培训，做到广泛的使用，粘合大量用户，才能现成一个软件生态圈，使失效数据库也越来越准确。

数据采集

数据采集是建设失效数据库的基础性工作。

一是在数据收集过程开始之前，应做好数据采集的规划措施，并在一段时间后调整规划措施，满足数据采集需求，保证数据采集质量数据采集来源。数据本质上是“历史性的” ，需积累、需要时间才能显现。

二是数据收集方式分在线实时采集和离线人工采集。

数据处理

数据处理是失效数据库建设的核心。这也是要不断调整，切合的过程。

应用设计

流程工业（炼化企业）公司设备失效数据库通过不断收集设备的基础数据（设备本身数据）、设备生产数据（生产过程数据）、设备维护数据（维护与故障）与其他同类设备的开源数据仓库链接，将多源信息融合形成综合的设备失效数据库。

然后对采集到的数据进行数据治理和分析，建立设备可靠性模型，以完成设备的剩余寿命预测，结合维修决策案例库进行设备的故障预警、备件采购、维修预测与决策以及故障预测与健康管理。

设备失效数据库与流程工业（炼化企业）公司数字化转型相结合，其应用设计功能全面，以后使用将比较广泛。

免费获取本文专家报告PDF文件方式

请关注经燕化工平台公众号免费领取