为什么在现代 RAM 分析中必须考虑应力

设备可靠性观察

引言

在传统的 RAM 分析中，可靠性主要被视为时间的函数。

我们收集故障事件。

我们计算 MTBF。

我们拟合统计分布。

并且我们假设得到的故障强度反映了设备的固有行为。

但如果运行应力不是恒定的呢？

如果产量本身随时间变化呢？

那么我们计算的 MTBF 可能并不代表固有可靠性，而可能反映运行条件。

**
步骤 1：传统方法

                               
登录/注册后可看大图

图 1：联合循环电厂功能示意图

在一个联合循环电厂的例子中，三个燃气轮机并联运行，为一台汽轮机供能。

在 3 年内，从维修时间线中提取出了故障事件。

当将故障随时间绘制出来时，可以观察到故障强度明显下降。

这就提出了一个重要问题：设备更可靠了吗？还是运行应力发生了变化？

如果产量随时间减少，应力减少。如果应力减少，寿命消耗变慢。如果寿命消耗变慢，故障强度看起来会降低。

同样，产量增加也会产生明显的可靠性恶化趋势——即使固有故障机制保持不变。

如果不考虑应力变化，RAM 分析可能会将运行效果误认为可靠性改善或恶化。

从故障时间线可以用公式 MTBF = T/N 来估算 MTBF。这是 RAM 研究的标准做法。

然而，该计算假定这 3 年期间的运行应力是恒定的。实际上，并非如此。

                               
登录/注册后可看大图

图 2：3 台燃气轮机和 1 台蒸汽轮机的故障时间线**
表面可靠性变化——是真实的可靠性改善吗？

当观察到的故障强度下降时，我们必须问：可靠性是否真的提高了。

随着产量减少，运行应力可能随时间下降，这会使故障看起来不那么频繁。

观察到的故障强度变化可能是由于应力降低导致的寿命消耗放缓。

在这个例子中，相同的固有故障机制可以根据产量产生不同的故障模式。

因此，忽略应力的可靠性指标有被误读的风险。

只有在基础运行应力不变的情况下，恒定 MTBF 假设才是安全的。

在实际中，发电组合中的产量变化很常见。

这意味着 RAM 分析人员必须将固有可靠性与应力驱动效应区分开来。

如果没有对应力进行建模，趋势可能看起来像可靠性改善或恶化，而设备本身并未发生任何变化。

这在用于维护计划或投资决策时尤为重要。

MTBF = T/N

故障时间线可能仅仅因为电厂运行在较低应力下而看起来更加平滑。

在其他情况下，更高的输出会使可靠性看起来更差，即使组件本身没有变化。

正确的应力感知建模有助于避免这些误导性结论。

缺失的变量：将产量视为应力

                               
登录/注册后可看大图

图 3：产量对故障强度的影响

在这 3 年期间：三个燃气轮机的总发电量为 2,300,000,000 kWh。每台机组的平均产量约为 30.3 MW。

这个平均产量成为参考应力。

我们假设如果涡轮机以 30.3 MW/小时持续运行，我们会得到与历史观察到的相同 MTBF。

这个值因此在 AeROS 中定义为设计流量（Design Flowrate）。

当选中 LSR（寿命-应力关系）时，资产可靠性会根据所选 LSR 模型发生变化。如果不选中，则相应资产可靠性不受生产变化影响。

设置设计流量 = 30.3 时，MTBF 是在 30.3 MWh/小时的生产率下推导出的。您可以选择不同的生产水平进行仿真，模型会根据指定的 LSR 模型调整可靠性参数。

                               
登录/注册后可看大图

图 4：以 30.3 MWh/小时运行的燃气轮机子系统 MTBF

                               
登录/注册后可看大图

图 5：设计流量与寿命-应力关系（LSR）设置**

[size=1.875]

在大多数 RAM 研究中，可靠性被视为时间的函数。但在实际生产系统中，可靠性受到设备操作方式的强烈影响。

[size=1.875]

棕地假设：在恒定应力下固有故障保持恒定

对于棕地系统，通常可以合理假设在恒定应力下，资产级固有故障行为可近似为指数分布。

在资产级别，多个故障模式组合在一起会产生近似恒定的风险行为。

这个假设是成立的——但仅在恒定应力下成立。

当应力变化时，观察到的故障强度不再仅反映固有行为。

它反映了应力与故障强度之间的互动。

故障点可以根据实际应力历史使用累积损伤模型进行调整。

                               
登录/注册后可看大图

图 6：故障强度随应力（产量）变化

这使工程师能够区分：

• 固有可靠性特性
• 以及由应力驱动的变化
  

**
应力感知方法

对于高层次的 RAM 建模，以下是应力感知 RAM 方法的概念：

• 找到 MTBF 和平均产量（图 4）。
• 应用寿命-应力关系模型（图 5）。
• 运行仿真：
  • 对于恒定吞吐量，指定所需的生产速率（应力）。
  • 对于非恒定吞吐量，AeROS 提供了一个构造（Profile Node），供用户定义生产概况。见图 6 的概念示意。
    
  
  

                               
登录/注册后可看大图

图 7：应力响应故障行为

在我们之前的文章《生产系统中负载共享的隐性成本》中，我也提到应力会在负载共享配置中发生变化。因此，即使在恒定生产情况下，资产的可靠性仍可能受到其他资产维护事件的影响。

**
为什么这在企业层面很重要

在现代发电环境中：

• 调度水平波动。
• 可再生能源集成改变负载曲线。
• 运行策略不断演进。
• 生产目标随时间变化。
  

如果在 RAM 建模中忽略应力：

• MTBF 可能存在偏差。
• 可靠性趋势可能被误读。
• 生命周期成本分析（LCCA）可能失真。
• 维护计划可能不匹配。
  

在组合规模上，这些建模假设可能对预算预测和资产更换策略产生重大影响。

可靠性与资产的运行方式并非独立。

生产策略会影响退化速率。

**
从静态 RAM 到应力感知可靠性

传统 RAM 回答：

"可用性是多少？"

应力感知 RAM 回答：

"运行策略如何影响寿命消耗？"

给定故障时间线和生产历史，我们可以导出参考应力。

AeROS 集成：

• 运行概况
• 参考应力规范化
• 寿命-应力关系（LSR）建模
• 累积损伤理论
  

这将 RAM 从静态统计练习转变为动态决策支持工具。

**
战略信息

如果生产发生变化，可靠性也会发生变化。

忽略应力可能会生成干净的统计数据——但洞察不完整。

在资产密集型行业中，不完整的洞察是昂贵的。

现代 RAM 分析必须反映运行现实。

因为在当今的能源系统中，生产不是恒定的——可靠性也不应被建模为恒定。

**

梦马

这帖子问得挺到位，确实戳中了不少做可靠性分析的朋友容易忽略的点。传统RAM分析默认故障率是个常数，MTBF算出来就当个固定指标用，这在工况稳定的装置上勉强说得过去，但搁到咱们化工这种负荷跟着市场走、原料性质三天两头变的环境里，这么玩就有点刻舟求剑了。

我举个实际例子，一套加氢装置，催化剂运行前期和末期，反应器压差、床层温度这些参数完全是两码事，你要是不把这些应力变化考虑进去，光拿历史故障数据拟合个威布尔分布，算出来的MTBF可能跟实际检修周期差出去十万八千里。更麻烦的是，你拿这个结果去指导备件库存或者大修计划，要么备多了压资金，要么备少了临时抓瞎。

咱们一线搞可靠性分析，不能光盯着一堆数学公式，得把工艺参数、操作波动、环境温度这些应力因素跟故障机理挂上钩。比如泵的机械密封，夏天循环水温度高的时候和冬天比，故障率明显不一样，这就是热应力在起作用。你如果非要用一个恒定MTBF去套，那这模型基本就是自欺欺人。

我的建议是，1、先把装置历史运行数据按负荷、温度、压力这些关键应力指标分区间归类，别一锅粥地算总MTBF；2、针对每个区间单独做统计分析，找出应力跟故障率的对应关系，哪怕做个简单的回归也行；3、有条件的话引入协变量分析，把应力作为动态因子放进模型里，这样算出来的可靠性指标才真正有指导意义。当然，这套做法确实比传统方法麻烦，但化工装置本来就是个动态系统，咱们做分析也得跟着动起来，不然算出来的东西只能躺在报告里睡大觉。

另外，楼主如果方便的话，可以说下你们装置是哪一类的，连续流程还是间歇操作，这样能聊得更细一点，毕竟不同工艺的应力敏感点差别挺大。

设备可靠性观察

欢迎留言交流