船舶系统以可靠性为中心的维护分析新框架：FMEA与贝叶斯网络的融合应用

本文介绍的是一项发表于《海洋科学与应用杂志》（*journal of marine science and application*）的原创性研究，由Ivana Jovanović（萨格勒布大学机械工程与造船学院）、Dario Haramustek（萨格勒布大学机械工程与造船学院）、Ailong Fan（武汉理工大学能源与动力工程学院）以及Nikola Vladimir（萨格勒布大学机械工程与造船学院）共同完成。该研究于2025年6月投稿，并于2025年12月被接受，预计于2026年正式发表。研究主题聚焦于船舶系统的可靠性与维护策略优化，旨在解决传统可靠性分析方法在面对复杂、数据稀缺的船舶系统时所面临的挑战。

该研究的学术背景植根于船舶与海洋工程领域的风险评估与维护管理。随着航运业向自主船舶和高度自动化方向发展，船舶安全关键系统的可靠性要求被提升至前所未有的高度，因为船上人员干预的可能性大大降低。风险评估对于船舶设计、建造、维护和运营管理至关重要，但长期以来，该领域面临可靠历史故障数据匮乏的困境，这限制了稳健概率模型的发展。此外，选择适当的风险评估方法还需考虑各种不确定性因素，特别是复杂动态操作环境下人为错误的影响。在维护策略方面，船舶行业已从传统的纠正性维护（CM，故障后维修）发展到预防性维护（PM，定期维护），并进一步向预测性维护（PdM）演进。在预测性维护范畴内，以可靠性为中心的维护（RCM, Reliability-Centered Maintenance）是一种核心方法，它通过识别系统中最关键的部件并采取针对性维护措施来预防故障。常用的RCM分析工具包括故障模式与影响分析（FMEA, Failure Mode and Effects Analysis）和故障树分析（FTA）。然而，传统的FMEA方法存在静态、主观性强（依赖专家打分）且无法处理不确定性的局限。近年来，贝叶斯网络（BN, Bayesian Network）作为一种基于因果网络的概率图形模型，在人工智能和工程决策领域得到了广泛应用，它能够进行概率推理并在获得新证据时动态更新概率，为克服传统FMEA的不足提供了可能。本研究正是基于这一背景，旨在提出并验证一种将FMEA与BN相结合的混合框架（FMEA-BN框架），以增强对船舶系统可靠性评估的客观性、动态性和深度，并将该框架应用于一个安全关键系统——船舶火灾与气体探测系统（FGD），以优化其维护策略并评估冗余设计的成本效益。具体而言，本研究的目标是：1）利用OREDA（海上和陆上可靠性数据手册）数据库的客观故障数据，减少对主观专家判断的依赖；2）在风险优先数（RPN）评估中引入多级临界性映射（初始-退化-临界），以更好地反映海事系统中的渐进性故障机制；3）将方法应用于关键的船舶火灾与气体探测系统；4）利用BN模型评估冗余配置方案及其成本效益权衡。

该研究的详细工作流程系统性地整合了FMEA的定性分析与BN的定量概率推理。研究主要包含以下几个相互关联的步骤：

第一步：基于OREDA数据构建FMEA。 研究首先选取了船舶火灾与气体探测系统（FGD）作为分析对象。该系统被分解为五个子系统（或部件）：控制卡（CC）、探测头（DH）、其他（OT）、子单元（SU）和未知（UN）。研究利用OREDA数据库作为客观数据源，识别出该系统总共包含19种故障模式（FM）和59种相应的故障原因。OREDA数据库将故障按严重性分为“临界”、“退化”、“初始”和“未知”四类。研究中排除了“未知”类别，并创新性地将所有“临界”、“退化”和“初始”类别的故障都纳入分析，认为故障机制通常从较低严重性级别开始并逐渐发展至临界状态。对于每个故障模式，研究从OREDA中提取了其对应的故障率数据，并计算了总故障率（涵盖所有三种故障类型）。与传统FMEA依赖专家主观打分不同，本研究采用数据驱动的方式确定RPN的三个评级参数：严重性（S）基于每种故障模式所需的维修工时确定；可能性（L）直接来自观察到的故障率；临界性（C）则根据故障模式所包含的故障类型的组合按比例计算（临界故障C=10，退化故障C=7，初始故障C=5）。这使得RPN的计算更具客观性和可重复性。

第二步：将FMEA结构映射至贝叶斯网络（BN）。 这是本研究的核心创新方法。研究团队系统地将FMEA的层次结构转化为概率图模型。具体步骤包括：1）节点映射：将FMEA中的每个元素（如系统、组件、故障模式、故障原因、后果）映射为BN中的一个节点。2）确定节点状态：为每个组件节点定义离散状态，如“正常”和“故障”。3）映射有向弧：根据FMEA中确定的因果关系，构建有向无环图，箭头从故障原因指向故障模式，再指向组件和系统。这确保了逻辑关系的保留。4）节点聚合：在适当情况下，对具有相同故障原因或故障模式的节点进行聚合以简化模型。5）识别根节点并分配先验概率：将故障原因节点设为根节点，利用OREDA数据中获得的故障率，通过恒定故障率模型计算其失效概率。6）确定条件概率表：为每个非根节点（子节点）创建CPT，定义其状态在其父节点状态条件下的概率分布。这些概率可以基于数据或专家判断获得。通过BN的贝叶斯更新能力，当有新的证据（如观察到的事件或诊断结果）时，可以动态更新所有节点的后验概率。

第三步：基于FMEA-BN模型进行基线可靠性分析。 构建好映射后的BN模型后，研究首先对FGD系统在无冗余的串联配置（基线情景）下进行了分析。输入从FMEA中获得的故障概率数据，并设定约39%的故障会导致系统功能丧失（对应OREDA中临界故障的比例）。BN模型计算并输出了系统及各子组件的故障概率。结果显示，在基线情景下，系统发生临界故障的概率约为16.5%。其中，“未知”（UN）子系统的故障贡献率最高，达到13.8%，其次是“子单元”（SU）子系统。这为识别最关键的薄弱环节提供了量化依据。

第四步：模拟并评估冗余设计方案。 基于FMEA-BN模型识别出的高风险故障模式，研究提出了三种有针对性的冗余策略，并通过修改BN结构来模拟其效果：1）情景一：针对FM13_43（污染导致高输出）的并联冗余。增加一个并行的探测通道，使得当主探测器因污染产生错误高信号时，冗余单元可提供正确读数。2）情景二：针对FM12_39（因污染导致需求时失效）的备用冗余。采用主动备用策略，配置一个备用单元在主单元失效时自动接管。3）情景三：针对FM4_13（因失准导致输出异常）的投票冗余。引入三取二（2oo3）表决逻辑，通过多数投票来过滤来自单一传感器的虚假或异常输出。针对每种情景，研究都构建了相应的BN模型，计算并比较了引入冗余后系统故障概率的降低程度。

第五步：成本效益分析与讨论。 研究将不同冗余情景下获得的系统可靠性提升与对应的成本增加（基于市场价格信息估算）进行了综合分析，绘制了可靠性-成本关系曲线。该分析揭示了安全改进与投资之间的权衡关系。此外，研究还结合RCM原则，讨论了FMEA-BN框架相较于传统RCM方法的优势，特别是在处理不确定性和支持设计优化方面的能力。

研究的主要结果在每一步都得到了清晰的体现。首先，数据驱动的FMEA分析成功识别出火灾与气体探测系统的关键弱点。计算出的RPN值显示，故障模式FM1（无输出）、FM9（失效-需求时功能失效）和FM15（其他）具有最高的RPN值（均为420），是需要优先进行维护干预的对象。在各子系统中，UN和SU的总RPN值最高（分别为1860和1177），表明它们是系统中最关键的组件。其次，构建的FMEA-BN模型（见图5）直观地展示了组件、故障模式和故障原因之间的因果关系网络。基线情景的BN分析（图6）不仅给出了系统级的故障概率（16.5%），还量化了各子系统对系统风险的贡献，验证了FMEA的定性结论，并提供了更精确的概率基准。第三，冗余策略的BN模拟结果显著。图7、8、9分别展示了三种冗余情景下更新后的BN模型，其系统故障概率较基线情景均有不同程度下降。这表明针对特定高风险故障模式引入冗余能有效提升系统可靠性。第四，图10所示的可靠性-成本曲线清晰地表明，最初的冗余投资（如针对FM13_43和FM12_39）能以相对较低的成本带来显著的可靠性提升，但随着冗余程度的增加（如引入更复杂的FM4_13投票冗余），边际效益会递减。这一结果为决策者在安全改进与经济投入之间找到平衡点提供了量化依据。这些结果层层递进：FMEA识别出关键项，BN基线分析验证并量化了风险，冗余模拟则展示了针对这些关键项进行改进的具体效果和代价，最终的成本效益分析则将技术分析与经济决策联系起来，共同支撑了研究的最终结论。

该研究得出的结论是：所提出的混合FMEA-BN框架是支持船舶系统以可靠性为中心的维护（RCM）规划的有效工具。通过整合OREDA可靠性数据，该方法实现了RPN的客观、可重复计算，克服了传统FMEA的主观性。通过将渐进性故障阶段纳入临界性评级，为维护干预的优先排序提供了更现实的依据。更重要的是，贝叶斯网络能够量化条件依赖关系并模拟冗余情景，证明了针对关键故障模式引入并联、备用或投票等冗余措施可以显著提高系统可用性，而成本增量在可控范围内。研究发现，对于自主或最低配员船舶，高可靠性的火灾与气体探测系统至关重要，冗余和容错能力对于安全运行是不可或缺的。

本研究的科学价值与应用价值体现在多个层面。在方法论上，它推进了传统可靠性分析，通过将标准化数据与多级故障临界性映射、概率图形模型动态推理相结合，为复杂系统的风险评估提供了更强大、客观的分析工具。在实践应用上，该研究为船舶设计师、运营商和维护规划者提供了具体的指导：如何识别最关键的故障模式，如何定量评估不同设计修改（如冗余）的效果，以及如何在安全增益与投资成本之间做出明智的权衡。这对于正在向自主化迈进的海事行业尤为重要，有助于设计出既安全又经济高效的新一代船舶。

本研究的亮点突出。首先，方法新颖性：创造性地将FMEA与BN深度集成，形成了一个既能进行定性故障识别又能进行动态概率推理的混合框架。其次，数据驱动：摒弃了单纯依赖专家打分的主观做法，大量使用OREDA数据库的客观故障数据，增强了分析的客观性和可重复性。第三，多级临界性考量：在RPN模型中考虑了故障从“初始”到“退化”再到“临界”的渐进过程，使风险排序更贴合实际故障发展机理。第四，面向实际应用：不仅进行了理论建模和案例分析，还进一步评估了冗余策略的成本效益，将技术分析与工程经济决策相结合，具有明确的工程指导意义。第五，面向未来需求：研究明确指向自主船舶的高可靠性要求，其框架和结论对于推动自主船舶安全关键系统的设计优化具有前瞻性价值。

最后，研究也坦率地指出了自身的局限性，包括对OREDA数据的依赖可能无法完全反映所有船舶类型的特定操作条件、案例研究仅局限于FGD系统、BN框架假设了简化的系统配置且未完全考虑时间依赖性退化或实时传感器反馈等。这些为未来的研究方向提供了清晰的指引，例如将框架扩展到推进、导航等其他船舶系统，结合实时监测数据，以及探索动态贝叶斯网络来捕捉随时间变化的退化过程。