基于多阶段混合决策分析框架弥合焦炭塔完整性管理中的隐性知识流失与数据稀缺问题

《Journal of Loss Prevention in the Process Industries》:Bridging Tacit Knowledge Loss and Data Scarcity of Coke Drum Integrity Management using a Multi-Stage Hybrid Decision-Analytic Framework

【字体: 大 中 小 】 时间:2026年09月27日 来源:Journal of Loss Prevention in the Process Industries 4.8

编辑推荐:

  在延迟焦化装置中,维持焦炭塔的结构完整性对炼油厂而言始终是一项严峻挑战,其原因在于剧烈的循环热-机械载荷会促进复杂的损伤机制,包括热机械疲劳、壳体鼓胀及焊缝开裂。有效的完整性管理进一步受限于检测数据有限、历史记录碎片化、高度不确定性以及经验丰富的领域专家知识逐

  
在延迟焦化装置中,维持焦炭塔的结构完整性对炼油厂而言始终是一项严峻挑战,其原因在于剧烈的循环热-机械载荷会促进复杂的损伤机制,包括热机械疲劳、壳体鼓胀及焊缝开裂。有效的完整性管理进一步受限于检测数据有限、历史记录碎片化、高度不确定性以及经验丰富的领域专家知识逐渐流失等因素。传统的数据驱动人工智能方法通常需要大规模数据集,因此不适用于此类数据受限环境。为应对上述挑战,本研究分为两个互补部分:第一部分聚焦于开发一种新型的带验证与校验的完整性管理(IMV2)方法论,第二部分则通过工业焦炭塔案例研究对其应用、验证与校验进行集中探讨。 本研究提出并验证了一种集成的带验证与校验的完整性管理(IMV2)框架,旨在数据稀缺条件下支持完整性管理决策。该框架将层次分析法(AHP)、模糊层次分析法(FAHP)、决策试验与评价实验室法(DEMATEL)、贝叶斯网络(BNs)、排序节点概率建模以及逼近理想解排序法(TOPSIS)整合于统一的决策支持架构之中。该方法论系统性地捕获隐性专家知识,量化退化驱动因素之间的因果关系,将定性判断转化为概率表征,并通过透明且可审计的过程对完整性管理策略进行排序。 所提出的框架通过真实炼油厂焦炭塔案例研究得到验证,展示了其将稀疏检测信息与专家判断相结合、同时有效处理不确定性和缺失数据的能力。结果表明,该模型成功捕获了失效模式之间复杂的相互依赖关系,并生成了与既定工程实践一致的策略排序。敏感性、稳健性及统计分析确认了基于贝叶斯网络的输出在显著数据限制下仍具有稳定性。此外,概率评估、敏感性分析与基于闵可夫斯基的数学验证之间的收敛性证明了该框架的全局稳健性。观察到的排序变化仅限于在数学和统计上无法区分的备选方案,表明此类变化源于底层数据结构而非方法论缺陷。 总体而言,IMV2框架为高风险的炼油厂资产管理提供了一种可靠、可解释且可辩护的方法。通过支持动态更新、保存组织知识并建立严格的决策审计追踪,该框架为在不确定性、数据可用性有限及复杂失效机制并存的环境中实施完整性管理提供了切实可行的蓝图。
焦炭塔完整性管理研究解读:IMV2框架的构建与验证
一、研究背景与问题提出
延迟焦化是石油工业中用于改质渣油的关键工艺,可将重质原料转化为汽油、瓦斯油、重馏分及石油焦等更有价值的轻质产品。焦炭塔作为该工艺的核心设备,在其中发生长链烃的热裂解反应,并最终形成和收集固体焦炭副产品。焦炭塔在运行中承受着行业内最为严苛的热和机械条件,经历从环境温度到500°C的快速循环,这种极端"热冲击"常导致用于监测的传感器、热电偶和应变计频繁损坏,许多炼油厂因部件失效过于频繁而停止更换,形成持续且普遍的"数据贫乏"环境。
焦炭塔完整性管理面临多重严峻挑战。首先,信息层面存在物理数据赤字,大多数预测工具假设不切实际的高数字成熟度,而焦炭塔记录常因记录不一致、老旧传感器和数字集成有限而碎片化,关键变量难以获取,制约了神经网络模型和详细仿真的有效性。其次,隐性人类专业知识正在消失,关于塔体对热循环响应的关键见解往往以隐性知识形式存在于工程师经验中而非数据库中,随着专家退休或离职,涵盖工厂特定失效、过程和决策启发式的隐性知识流失,且缺乏将其整合到定量风险模型中的正式机制。第三,透明度挑战突出,标准计算模型常作为"黑箱"运作,仅提供结论而不展示其背后的推理过程,在高风险工程环境中,决策者需要透明的审计追踪来解释人类直觉和有限数据如何被权衡以产生安全建议。第四,语言不确定性显著,大量可用数据并非数值形式而是语言形式,如检测报告将裂纹描述为"令人担忧"或鼓胀"进展迅速",传统计算机无法自然量化这些表述,缺乏正式数学机制来捕获和量化这种"软"信息,导致关键见解被困在"知识孤岛"中,在人员流动或退休时常常丢失。第五,专家咨询存在实际障碍,包括认知偏见、轮班工作制使专家难以协调会面、地理位置分散、退休潮、低信任环境以及个体属性差异等因素,均阻碍了隐性知识的有效共享。第六,混合多准则决策(MCDM)与贝叶斯网络(BN)方法面临方法论与建模挑战、数据与计算挑战以及组织与采纳障碍。
二、研究内容与结论
针对上述挑战,本研究开发并验证了一种集成的带验证与校验的完整性管理(IMV2)框架,旨在数据稀缺条件下支持完整性管理决策。该框架将层次分析法(AHP)、模糊层次分析法(FAHP)、决策试验与评价实验室法(DEMATEL)、贝叶斯网络(BNs)、排序节点概率建模以及逼近理想解排序法(TOPSIS)整合于统一的决策支持架构中。通过真实炼油厂焦炭塔案例研究验证,该框架展示了整合稀疏检测信息与专家判断、有效处理不确定性和缺失数据的能力。结果表明,模型成功捕获了失效模式间复杂的相互依赖关系,产生与既定工程实践一致的策略排序。敏感性、稳健性和统计分析确认了基于BN的输出在显著数据限制下仍具有稳定性。概率评估、敏感性分析与基于闵可夫斯基的数学验证之间的收敛性证明了框架的全局稳健性。
三、关键技术方法
研究人员采用了六种主要技术方法:层次分析法(AHP)用于通过成对比较进行准则加权与排序;模糊层次分析法(FAHP)在不确定性条件下使用模糊集扩展AHP;决策试验与评价实验室法(DEMATEL)用于识别准则间的因果关系并建立因果结构;贝叶斯网络(BNs)作为概率推理引擎处理不确定性和缺失数据;排序节点概率建模用于将定性专家判断转化为概率分布;逼近理想解排序法(TOPSIS)通过计算与正理想解和负理想解的距离对备选方案进行排序。
四、研究结果
4.1 方法比较与选择依据
研究人员通过系统文献综述比较了各MCDM方法的优势与局限。AHP具有简单直观的层次结构、内置一致性检查等优势,但假设准则独立且难以处理高度不确定性;FAHP更好地处理模糊语言判断并减少主观性影响,但建模更为复杂;DEMATEL能识别准则间的因果-效应关系并生成影响网络,但阈值选择具有主观性且本身不是完整排序工具;BNs明确建模不确定性和条件依赖并支持缺失数据处理,但需要结构学习和条件概率且对管理者理解难度较大;TOPSIS概念简单、计算高效且适合与AHP/FAHP混合使用,但需要精确性能数据且对归一化和权重选择敏感。
4.2 混合方法集成优势
研究证明,没有任何单一MCDM方法能独立解决本研究面临的挑战,需要在多个阶段集成多种方法。DEMATEL为从专家处系统化获取因果知识并将其转化为可分析辩护的BN结构提供了系统方法,避免了主观的"最佳猜测"模型。将BN与TOPSIS结合的B-TOPSIS混合方法在信息不足或不确定的高风险环境中尤为有效,通过将TOPSIS重构为在从BN获得的概率决策矩阵上运行的最终评估器,产生了比传统TOPSIS更稳健的决策支持系统。
五、讨论与结论
5.1 讨论
混合MCDM-BN方法在数据稀缺和不确定性条件下提供了强有力的决策支持,但其在油气行业的应用受到模型复杂性、数据和计算需求、对专家判断的依赖以及从业者熟悉度有限的制约。构建基于知识的BN缺乏广泛接受的标准程序,特别是从多位专家处获取结构和参数时。传统MCDM常假设准则独立,而混合BN-MCDM必须显式建模因果联系和时间方面,如风险和维护策略的演变。油气行业决策常依赖稀疏和不确定的数据,使稳健的BN参数化变得困难。混合模糊/语言或概率MCDM可能带来沉重计算负荷,且在实践中相对于简单清晰方法优势不明显。即使对于单一概率MCDM应用,缺乏技术专业知识和合作伙伴协作也是采纳的关键障碍。复杂AI/MCDM模型对工程师和管理者而言往往不熟悉且难以解释,可解释的混合MCDM框架正是为突破采纳障碍而提出。
5.2 结论
总体而言,IMV2框架为高风险的炼油厂资产管理提供了一种可靠、可解释且可辩护的方法。通过支持动态更新、保存组织知识并建立严格的决策审计追踪,该框架为在不确定性、数据可用性有限及复杂失效机制并存的环境中实施完整性管理提供了切实可行的蓝图。观察到的排序变化仅限于在数学和统计上无法区分的备选方案,表明此类变化源于底层数据结构而非方法论缺陷,进一步确认了框架的稳健性和适用性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号