有多少可靠性领导者能回答这个问题?

如果你问一个普通的可靠性领导者，在过去的一到三年里，他们的设备的可用性是什么，他们可能会快速回忆起这些数字。然而，如果你问他们在未来一到三年内的可用性，这个问题就很难回答了。尽管在各种可靠性和维护活动和模型上进行了大量投资，但预测未来实际的停机风险以及这会对生产产生什么影响仍然非常困难。因此，工厂不确定他们的维护和可靠性计划将如何帮助他们实现可用性和生产目标。

虽然收集更多的数据似乎是解决方案，但成功预测系统可用性的关键是基于您的设施已有的数据构建一个强大的程序。这可以通过定量可靠性优化(QRO)的前两个元素来实现资产风险分析(ARA)与生命周期变异性曲线(LVC)．

QRO是一种新的动态可靠性方法，它将现有的基于第一性原理的可靠性模型与先进的数据科学原理和基于系统的优化结合起来，以促进设施性能的提高，实现可用性、过程安全和支出性能的战略平衡。

QRO有四个要素:

• 资产风险分析(ARA)
• 寿命变异性曲线(LVC)
• 预测系统可用性
• 可靠性仿真与性能优化

在之前的博客中，结合第一性原理和数据科学驱动可靠性性能:定量可靠性优化(QRO)，我们回顾了ARA如何在资产的功能、故障模式和故障机制之间创建因果联系，以及LVC如何使用高级统计分析预测资产故障。尽管如此，许多设施面临的挑战是如何确定这些单个部件与整体性能之间的关系。

什么是预测系统可用性?

预测系统可用性首先要连接QRO的前两个元素——ARA的基本原理分析和LVC的定量数据——并预测设施的资产何时会发生故障，以及它们的性能将如何随时间变化。接下来，映射资产之间的可靠性关系，以便定量度量每个资产如何随着时间的推移影响设施可用性。这使得设备能够确定在不久的将来哪些资产将导致设备停机，从而更好地优先考虑有限的资源和合理化支出。此外，这种级别的系统连通性使操作人员能够在收集到新的数据点时调整可靠性和维护计划。

QRO预测系统可用性与普通模型有何不同?

今天，处理设施性能的最常用方法是通过可靠性、可用性、可维护性(RAM)模型。这些模型提供了可靠性模拟，通常在设计阶段，并可以预测未来可用性的统计频带。然而，这些模型有一些局限性，其中之一是平均故障间隔时间(MTBF)假设与设施中的实际数据或活动无关。因此，RAM模型通常在设计完成后被放弃，立即过时了模型。

QRO通过将ARA和LVC功能链接到反映设施配置的整体系统模型来解决这两个问题。此外，QRO通过以下方法预测系统可用性:

• 建模系统可靠性配置，包括系统冗余、旁路、减速和其他操作参数
• 优先安排对设施绩效影响最大的任务和活动
• 根据实时数据了解可靠性漏洞并预测设备性能

结论

能够将当前数据和计划的活动与预测的设备可用性联系起来，对于利用数据提高可靠性至关重要。在资产风险分析(ARA)和寿命变化曲线(LVC)的支持下，推进可靠性数字双胞胎的最后一步是使用该模型通过调整运营策略、更新设计、优化检查和维护活动来驱动可靠性性能。这可以通过可靠性仿真与性能优化， QRO的最后一个元素。有关QRO要素的更多信息以及如何将它们应用到您的设施，请查看Pinnacle的QRO系列视频．