輸氣管網設備維修策略優化方法研究

侯大立，趙 凇，成 凡，王 宇

（1.上海應用技術大學機械工程學院，上海 201418；2.中石油管道有限公司西氣東輸分公司，上海 200122）

1 引言

2 研究方法

西氣東輸天然氣工藝管線上的重要設備，包括閥門、執行機構、收發球裝置、分輸調壓系統等，其中一些比較重要的設備，一旦發生嚴重性故障，將會影響到整個站場工藝管線的運作，甚至對下游用戶正常生活也會造成影響。目前，輸氣管網大部分設備以定期維修為主，定期維修的檢修周期分為日檢、月檢、季度檢修，很容易出現“維修不足”和“維修過剩”的現象。

為解決輸氣站設備維修存在的問題，提出以可靠性為中心的維修（RCM）[1-2]方法，RCM是目前國內外常用來分析機械設備故障的研究方法，針對輸氣管網設備，充分利用故障數據，優化企業現有的維修策略。

根據企業提供的設備故障信息，對設備進行FMECA分析[3]，采用風險優先數法（RPN）[4]，分析出對設備可靠性影響較大的故障模式，進而對引起該故障的零部件進行可靠性分析。從設備故障庫中計算得到有效的無故障工作時間，利用最小二乘法[5]對故障間隔進行線性變換[6-7]擬合，結合K-S 檢驗[8-9]、R2相關系數[10]，確定數據是否服從給定的分布類型，決策出最佳分布模型，最后在給定的可靠度下對維修周期進行優化。

2.1 FMECA分析

FMECA 即故障模式、影響及其危害度分析，主要對機械設備及其零部件所有可能發生的故障模式和原因進行分析，并對每一種故障模式進行危害等級評價，決策出對設備影響程度最大的故障模式，對其進行針對性維護。

2.2 可靠性分析

2.2.1 分布函數

機械設備的故障周期一般服從某種常見函數分布，用以反應其故障規律，以便對數據進行有效的分析處理，在工程應用上，常見的分布類型有四種：指數分布、正態分布、對數正態分布和威布爾分布［11-12］：

指數分布：

正態分布：

對數正態分布：

威布爾分布：

其中，式（4）為三參數威布爾分布，當t0=0時，變為兩參數威布爾分布。

2.2.2 線性擬合

在對數據進行分布擬合之前，可以對上述四種常見分布進行線性變換，將非線性分布轉化為線性分布Y=AX+B，以威布爾分布為例，線性變換過程如下：

兩參數威布爾分布的概率分布函數：

對（5）式移向并且兩端同時取對數得：

2.2.3 參數估計

在確定了故障數據的分布類型之后，采用最小二乘法對線性方程進行參數估計。最小二乘法的參數估計模型公式如下：

式中：i—數據編號；n—數據總數。

表1 常見分布線性化Tab.1 Linearization of Common Distribution

2.2.4 分布檢驗

分布檢驗是對分布參數進行驗證，檢驗數據是否服從某種分布，鑒于采集到的故障數據樣本數量大多都小于30個，屬于小樣本數據，故采用K-S檢驗較為準確，不會損失采集到的數據中的信息。在得到K-S檢驗的結果后，可結合R2相關系數，進一步判斷數據的擬合程度好壞，判斷的標準是其值越接近1，則擬合效果越好，求解式（10）所示：

3 案例分析

3.1 FMECA分析

根據企業提供的輸氣管網球閥的故障庫數據，在2019年西氣東輸設備所記錄的1508次故障中，球閥故障總計631次。根據故障庫統計得到的球閥故障數據，采用風險優先數法進行FMECA分析，如表2所示。

表2 球閥故障FMECA分析Tab.2 FMECA Analysis of Ball Valve Failure

從表2中可以了解到球閥RPN值最高的為閥門本體造成的外漏故障，閥門本體外漏雖然發生頻率較低，但是一旦發生就會對站場安全產生較大的威脅，為了堅決杜絕外漏現象的發生，站場會進行日檢。其次RPN值較高的為閥門內漏，從故障資料中了解到閥座、密封面的損壞是引起內漏故障的主要原因。根據企業提供的計劃性維檢修表可知，閥門內漏檢測周期為每年至少一次，為了優化閥門內漏檢測周期，可對引起閥門內漏的閥座、密封面的故障數據進行可靠性分析。

3.2 可靠性分析

3.2.1 數據擬合

據統計，在2019 年中，由球閥閥座損壞引起的內漏總計14起，計算球閥的無故障工作時間，以天數為計量單位，如表3所示。

表3 球閥閥座無故障工作時間Tab.3 No Fault Working Time of Ball Valve Seat

對表3中的故障數據進行擬合分析，實現閥座故障數據對四種分布的線性擬合。并且根據K-S 檢驗（顯著性檢驗水平α=0.05）以及式（10）計算R2，得到的結果，如表4、表5 所示。閥座故障數據服從四種分布，并且以威布爾分布的P值以及R2最高，此外，通過繪制數據擬合圖，如圖1 所示。可以看出威布爾分布擬合的效果很好，因此，確定球閥閥座的最佳分布模型為威布爾分布。

圖1 無故障運行時間的威布爾分布擬合圖Fig.1 Weibull Distribution Fitting of Fault Free Running Time

表4 K-S檢驗結果Tab.4 K-S Results

表5 R2相關系數Tab.5 R2 Correlation Coefficient

3.2.2 可靠性建模

確定了數據的最佳分布為威布爾分布之后，可得到兩參數威布爾分布的形狀參數β=1.3309，尺度參數η=3580.63因此，球閥閥座的概率密度函數，如圖2所示。

圖2 無故障運行時間的概率密度函數Fig.2 Probability Density Function of Fault Free Running Time

從圖2概率密度函數可知，閥座概率密度函數的極大值點主要在1500左右，表明閥座的無故障損壞時間主要集中在1500天，即原預防性維修周期為1500天左右。根據威布爾分布的可靠度函數［13］表達式：

閥座的威布爾分布可靠度函數，如圖3所示。可以看出原數據與統計分析后得到的威布爾分布能夠準確的預測出閥座的失效趨勢。并且根據式（12）計算閥座的平均壽命：

圖3 閥座的可靠度函數圖Fig.3 Reliability Function Diagram of Valve Seat

由上述計算結果可知，閥座的原預防性維修時間小于平均壽命，說明原來閥座定期檢查時間的合理性，并且可在平均壽命時間內對計劃的檢修時間進行優化。

3.3 閥門內漏故障維修周期的優化

為確定內漏的最佳預防性維修周期，需要綜合考慮閥門閥座和密封面故障，在給定可靠度的前提下，結合模糊綜合評價［14］的方法，確定維修周期。通過可靠性分析驗證閥座和密封面的壽命均符合威布爾分布，分布參數，如表6所示。

表6 威布爾分布參數Tab.6 Weibull Distribution Parameters

在給定可靠度為R1的情況下，定期維修周期T為：

所以，根據現階段企業要求的閥座的最低可靠度為0.9，即Rt=0.9，解得閥座定期維修時間T1=592.73，即約等于593 天。同理，在給定相同可靠度的情況下，密封面定期維修周期T2=336.70。采用模糊綜合評價的方法，確定因素集為U={U1，U2}其中U1為閥座損壞，U2為密封面失效；選定五位輸氣站設備維護工作人員進行打分評價，滿分為10分，評定結果，如表7所示。并計算隸屬度和維修周期：

表7 評分結果Tab.7 Scoring Results

式中：U—因素集元素；Pj—對應的評分—隸屬度；T1、T2—閥座和密封面的預防性維修周期。

最佳預防性維修周期T由式（14）～式（16）計算得到，約等于459天，對比輸氣站維修計劃的一年一檢，在綜合考慮了閥座故障和密封面失效兩種因素的情況下，延長了閥門內漏檢修周期，實現了優化目的。

4 結論

以輸氣站球閥為例，對造成閥門故障的各種原因進行FMECA分析，決策出對球閥工作影響程度較大的內漏故障，并對引起閥門內漏的關鍵部件閥座和密封面進行了故障數據的分析處理，根據線性擬合、K-S假設檢驗以及R2相關系數確定了最佳壽命分布模型，并且在給定的可靠度為0.9的情況下，綜合考慮兩種因素，使用模糊綜合評價的方法給予不同的權重，建立了閥門內漏維修周期優化數學模型，將輸氣站的球閥原本的檢修周期由365天延長至459天一檢，降低了工作頻率，減少了維修成本，從而實現了對企業設備現有維修策略的優化。