知识图谱驱动的客观动态 FMEA 融合运行与维护成本：材料疲劳试验机案例研究

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Knowledge?Graph?Driven Objective Dynamic FMEA Integrating Operation and Maintenance Costs: A Case Study of the Material Fatigue Testing Machine

　　

摘要

工程试验设备的可靠运行依赖于准确的风险分析与健康管理。故障模式与影响分析（FMEA）在识别、确定和消除潜在故障方面已得到广泛应用，但仍然存在主观性强、忽视经济性考量以及缺乏动态演化能力等不足。为弥补这些缺陷，本研究在传统的严重度（S）、发生频度（O）和探测度（D）指标体系基础上引入了运维（O&M）成本维度M，以量化实际场景中的经济风险。通过知识图谱（KG）驱动，实现了O与M的客观化输出。知识图谱通过融入新的维护记录进行更新，并结合CRITIC方法对各指标进行赋权，从而构建了一个可随运维数据持续更新的客观动态风险模型。以电液伺服材料疲劳试验机为验证对象，实验结果表明，所提方法的风险排序趋势与传统FMEA保持一致，同时显著降低了整体维护频率（最高达65%）。此外，在整个更新过程中M维度的权重始终保持在较高水平，表明其在风险评估中的重要性，并支持了引入M维度的必要性。

引言

材料测试工作是先进材料研发的关键环节，试验设备的运行状态直接影响测试的可靠性和材料性能的公信力[1]。为确保实验任务的顺利执行，对试验设备实施系统化运维（O&M）已成为必需[2]。然而，工程应用中缺乏标准化的运维实践往往导致资源分配失衡和问题解决效率低下[3]。因此，在保持设备性能的同时实现有效的风险控制和生命周期管理，需要引入一个能够识别和评估潜在故障机制的系统化分析框架，从而实现对整个运维过程的集成化和数据驱动管理[4]。

在可用于可靠性和风险评估的分析工具中，故障模式与影响分析（FMEA）提供了结构化的逻辑框架进行风险识别和优先级排序，从而为复杂系统的可靠性管理决策提供了理性依据[5,6]。近期研究对传统FMEA进行了多种改进。Liu等人[7]开发了一种具有可调整风险因子权重的灵活行动优先级方法，为故障优先级排序提供了更精细的方法。Akdamar[8]引入了基于熵的Borda聚合方法，避免了传统FMEA中直接平均专家评分导致的信息丢失。此外，模糊逻辑被广泛引入FMEA以减少不确定和不精确专家判断的影响。Xu等人[9]将模糊逻辑引入FMEA以处理模糊的专家评估，而Ceylan[10]提出了基于模糊逻辑的FMEA框架，集成实验数据作为输入，从而减少了对纯主观专家判断在风险量化中的依赖。对于具有相互依赖故障模式和不完整信息的复杂系统，Sun等人[11]提出了基于贝叶斯网络的关联FMEA框架，使故障模式之间的依赖关系能够在风险分析中被考虑。Sezer[12]将Dempster-Shafer证据理论引入FMECA框架以解决风险评估参数中的认知不确定性。

然而，传统FMEA方法在应用于工程试验设备的运维场景时仍存在若干局限性[13]。首先，分析过程高度依赖专家判断，评估结果常受主观认知影响，导致故障评估的稳定性不足[14]。其次，在工程试验设备的运维体系中，维护资源和成本考量是关键因素[15]；然而传统FMEA模型通常忽视这些方面，难以满足维护管理中实际决策的经济性需求[16]。最后，FMEA通常在设计阶段或初始运行阶段作为一次性评估进行，对设备整个服役寿命期间发生的动态演化关注有限[17]。这一缺陷使其无法充分捕捉工程资产在实际运行条件下的长期性能退化特征[18]。

知识图谱（KG）技术提供了表示实体及其关系的结构化框架，能够在复杂工程系统中实现知识组织、语义推理和决策支持。近期研究已应用基于KG的方法进行风险分析和智能决策任务。Zhang等人[19]将KG与大型语言模型相结合，支持起重机事故调查中的因果分析和基于证据的推理。Wu等人[20]开发了KG驱动的贝叶斯网络框架用于施工安全评估，提高了从事故数据中进行风险识别和概率推理的能力。Wang等人[21]整合了KG与自然语言处理技术，分析城市轨道交通水灾中的风险演化并支持应急决策。Liu等人[22]将基于图的领域知识纳入深度学习模型，增强了航空发动机退化信息提取和剩余使用寿命预测的能力。这些研究展示了KG在整合异构信息和建模工程系统中复杂关系方面的能力。

随着知识驱动型设备运维需求的日益增长，KG被进一步引入故障知识管理和维护决策中。Du等人[23]开发了一种基于云平台管理平台的知识增强诊断框架，用于冷水机组系统。Nie等人[24]通过整合设备数据和维护经验，为数控机床构建了工业故障知识图谱，实现了故障推理和维护推荐。Li等人[25]和Haruna等人[26]进一步探索了基于KG的航空设备故障诊断，将知识提取方法与大型语言模型相结合，提高了维护知识的利用率和故障推理能力。Cai等人[27]提出了面向城市轨道交通运维的LLM-KG框架，具有动态知识更新机制；而Hei等人[28]研究了基于RAG的维护决策，以增强所生成维护策略的可解释性。

尽管这些研究促进了KG在智能运维中的应用，但现有方法主要集中在故障诊断、知识检索和维护推荐方面。KG在增强可靠性评估方法方面的潜力，特别是在动态更新故障知识和提高FMEA评估客观性方面，尚未得到充分探索。

因此，与现有的基于知识图谱的维护推荐不同，本研究旨在探索其在定量风险评估方面的潜力。本研究通过在FMEA框架中整合故障知识表示和动态知识演化，拓展了KG在运维中的应用，为复杂工程设备的可靠性评估提供了一种知识驱动的方法。

在试验设备的运维背景下，该方法能够将分散的运维知识整合为结构化的知识框架[29]。与传统FMEA中由专家主观赋予的具体数值不同，本研究通过将故障事件与其相关属性信息关联，可以从真实运维数据集中自动提取关键的FMEA指标[30]，从而增强评估结果的客观性和可追溯性。与传统的专家驱动评估相比，这种数据为中心的建模范式为工程试验设备的系统化管理提供了更具科学依据的决策支持机制[31]。

经济性考量是优化运维决策的关键因素[32]。例如，Rhee和Ishii提出了基于生命成本的FMEA[33]，其中故障后果以生命周期成本进行量化，从而实现了对风险和经济效益的统一评估。借鉴这一概念，本研究在FMEA中引入了经济指标M作为第四评估维度，从而更全面地捕捉实际约束和成本特征。

然而，现有的基于成本的FMEA通常依赖设计阶段的静态估算，难以反映服役期间实际的动态支出。本研究中的M值通过知识图谱的语义关联机制对维护事件和成本节点进行动态聚合和分析自动生成[34]。这一扩展将FMEA从纯粹以风险为中心的评估转变为同时纳入风险和经济视角的集成模型，更加符合工程实践中所需的成本效益平衡[35]。

随着运维数据的持续积累，各节点的属性会根据运行条件的变化进行动态更新[36]。现有的动态FMEA大多局限于周期性重新评估专家意见或简单更新权重，而本研究利用数据积累的特征实现了FMEA底层评估数据的真正动态调整，将风险评估从传统的静态分析转变为持续演进的框架[37]。通过从新数据中持续学习和参数更新，建立了一个能够自动校正FMEA评估指标的智能运维系统，这更符合设备的实际老化特性和使用场景。

在综合排序方法的选择上，现有的CRITIC-TOPSIS研究主要集中在静态风险场景，指标输入依赖一次性专家评估。本研究将CRITIC-TOPSIS框架与KG的动态更新机制相结合，使权重计算和排序结果能够随运维数据的积累而持续修正，从而实现全生命周期内的动态风险排序。

综上所述，本研究提出了一种集成运维成本的基于知识图谱驱动的客观动态FMEA方法，引入了维护成本维度并将其整合到FMEA框架中，同时基于KG实现了O与M指标的数据驱动型客观动态提取，为复杂设备的智能运维提供了新方法。

方法框架

为克服传统FMEA仅进行单次评估、缺乏对运维条件变化的动态响应机制，同时主观性强且忽视维护成本因素的局限性，本文提出的方法旨在通过知识更新和数据驱动机制实现动态、客观的风险评估。总体概念如图1所示。

在传统三维FMEA评估框架的基础上：

维护知识图谱的构建与实例建模

电液伺服材料疲劳试验机是评估材料力学性能的关键装置，要求数据精度极高。如果系统故障未能被及时检测和解决，可能导致数据失真，进而产生错误的分析结论和潜在风险的工程决策。由于测试条件的多样性和加载工况的复杂性，实现对每……

敏感性分析

为验证所提方法的鲁棒性和有效性，对采用CRITIC-TOPSIS方法排序的动态FMEA模型与两种传统评估方法进行了比较分析。比较结果如图5所示。

如图5所示，所提方法的总体排序趋势与传统FMEA表现出强烈的一致性，展示了其风险识别能力的合理性。

此外，李新红等人……

所提方法的优势

本研究通过提出集成运维成本的基于知识图谱驱动的客观动态FMEA方法，解决了传统FMEA主观性强、忽视经济因素以及缺乏动态演化能力等局限。在常规FMEA框架基础上，所提方法引入了运维成本指标（M），并利用知识图谱驱动各指标的实时修正，从而增强了……

利益声明

对于文章"集成运维成本的基于知识图谱驱动的客观动态FMEA：以材料疲劳试验机为例"，我们声明在提交本手稿时不存在利益冲突，且本手稿已获所有作者批准发表。我们还想代表我的合著者声明，所述工作为原创性研究，此前未曾发表且未被其他期刊考虑……

数据可用性声明

支持本研究结果的数据可从通讯作者处应请求获得。

CRediT作者贡献声明

刘鹏：资源、项目管理、概念构思。孙雨帆：撰写—初稿、软件、方法论、调查。白霜：资金获取、数据整理。高西雨：撰写—审阅与编辑、验证、方法论。黄国泰：撰写—审阅与编辑、方法论、概念构思。

刘鹏 | 孙雨帆 | 白霜 | 高西雨 | 黄国泰