王 越, 陈国兵, 李 军

(海军工程大学动力工程学院，武汉 430000)

作为衡量设备通用质量特性的关键，可靠性和安全性是其中重要的特性之一。评估设备及组成的相关风险，是设备可靠性和安全性中最为基础的工作之一。其中故障模式、影响及危害性分析(failure mode, effects and criticality analysis, FMECA)作为一种“自下而上”的系统分析故障方法，是设备必须开展的技术内容之一，广泛应用在航空、航天、医学、电力、电子、造船和机械等领域[1]。FMECA方法根据规定的分析流程和程序对系统各组成单元潜在的故障模式和影响，按照影响的严重程度及发生概率进行分析，为提高设备可靠性、安全性和维修性提供科学依据[2]，它是一种全面、系统的故障分析方法，具有标准化、格式化、程序化等特点[3]。

随着大数据和人工智能时代来临，设备进一步迈向数字化、信息化及智能化，各种设备每时每刻都产生各种数据[4]，日益增加的庞大数据为设备的安全性分析提供了更多的数据及信息，却也使得处理数据成为其中的关键。传统FMECA方法的不足在于，一方面大型复杂系统的FMECA数据越来越多，采用传统的关键风险清单等输出，结果单一且难以被理解；另一方面大量的基础数据无法被利用，有价值的信息没有被彻底挖掘。针对上述缺点，Zhou等[5]利用本体语言OWL(web ontology language)和规则语言SWRL(semantic web rule language)对FMECA风险清单进行数据挖掘并建立知识库，然后进行故障分析。王梦达等[6]在对风电机组进行FMECA分析时结合监测控制与数据采集系统，对大量数据处理与利用。……