核电厂运行管理过程数据异常趋势判定方法与流程
本发明涉及核电厂维护管理领域，具体涉及核电厂运行管理过程数据异常趋势判定方法。
背景技术：
截止2018年11月，我国运行核电机组已有20台，目前我国新核电机组还在不断投入运行。能否对核电厂运行管理过程数据异常作出准确判断与核电厂安全稳定运行直接相关。
随着运行核电机组的与运行堆年的增多，核电机组非预期的或意外的、对核电厂运行或安全有影响或有潜在影响的事件持续发生且数量不断积累。每台运行机组每年发生6000起左右的事件，这些事件按后果的严重程度分为a、b、c、d四个等级被记录在核电厂经验反馈数据库中，在记录过程中采用表征其属性/特征的字段对其进行结构化处理，如事件的原因、涉及的系统、设备、部件或人为差错等。
核电厂运行维护管理过程中，会按一定周期(多采用月度、半月度)统计机组事件发生数量，分析是否存在数量异常高或异常低的趋势，进而分析发生事件的系统、设备、部件缺陷的异常趋势或运行维护中存在的问题。如果事件数量正常，则按核电厂正常管理流程处理；如果存在异常趋势，则采取专项措施加以改进，消除。因此，必须准确判断事件发生数量的异常趋势，
另外，观察指导是核电厂防人因失误管理的一项重要的管理措施，目前，我国核电厂已将观察指导作为一项日常管理工作大规模的实施。各核电厂按运行机组规模不同，观察指导数据每月少则数千条，多则上万条，核电厂会按用月度统计部门、科室或某个承包商团队观察指导数据中“人员行为低于期望比率”，需要准确判定该群体人员行为是否有劣化的异常趋势，决定有无必要采取防人因失误专项培训、工业安全专项培训等专项措施加以改进。
除此之外，在核电厂指标管理领域，需要按月度对大量的机组性能指标数据进行统计，判定数据异常高或异常低的趋势，进而消除机组系统、设备、部件缺陷的异常或运行维护中存在的问题。如果指标数据正常，则按核电厂正常管理流程处理；如果指标数据存在异常趋势，则需要采取专项措施加以改进，消除这种异常趋势。
但是，由于核电厂机组、系统、设备和运行的复杂性和运行维护管理的复杂性，上述按一定周期(多采用月度、半月度)统计三大类数据：机组事件发生数量、人员行为低于期望的比率、机组性能指标存在较大幅度的波动。
目前，对这三大类数据的波动是否是异常趋势只能依靠人员经验，往往核电厂不同的运行维护人员或不同部门的人员对事件数量到底多少、人员行为低于期望比率到底多高，机组性能指标数据波动到多大(或多小)算是异常趋势，存在争论，造成对异常趋势的“漏判”或“误判”。
“漏判”将造成对核电运行机组系统、设备、部件缺陷背后隐患的忽略或运行维护问题的忽视，导致缺陷恶化或运行维护不当给机组运行带来安全影响或经济损失；会使管理人员忽视工作人员群体行为规范性下滑，使作业安全风险增大，工业安全事故风险增大。
“误判”会导致采取不必要的技术或管理措施去消除不存在的隐患，耗费大量的人力、物力，而对人员行为低于期望比率的“误判”还会使管理人员额外去加强工作人员行为管理，如增加培训，专项检查等，导致工作人员抱怨和管理资源浪费。不但增加核电厂运行维护成本，还有可能影响机组安全发电。
因此，针对运行管理过程中三大类数据：运行机组事件数量、核电厂人员行为低于期望的比率、机组性能指异常趋势的判定，本发明创造出一种核电厂运行管理过程数据异常趋势判定方法，能够及时有效判定核电厂上述三个领域的管理过程数据是正常波动还是异常趋势，帮助核电厂在运行管理过程中决策是否需要采取专项措施处理，可以做到既节约维护成本，又能及时且有针对性的实时专项整改措施，保证核电机组安全、稳定运行。
技术实现要素：
发明目的：
本发明针对目前对核电厂运行机组事件发生数量、观察指导数据“行为低于期望率”、机组性能指标数据的异常趋势依靠人员经验判断，存在认识不一致，“漏判”和“误判”概率较高的问题，提出一种事件发生数量异常趋势判定方法和该方法在核电厂实施的流程，该方法经过在核电厂管理中运用实践，有效解决了这一问题。
本发明主要用于核电厂运行维护人员、经验反馈人员判定运行核电机组事件发生数量的异常趋势，从而决策是否采取专项整改措施。
技术方案：
核电厂运行管理过程数据异常趋势判定方法，选取反映核电厂运行管理过程水平的三类数据：机组事件发生数量、人员行为低于期望的比率、机组性能指标，以控制图作为基本工具，采用过往统计周期内数据样本建立运行管理过程正常水平，将后续数据与正常水平进行比较，以判定核电厂运行管理过程的异常趋势；当数据反映的核电机组系统、设备缺陷或管理过程处于正常水平，认为不存在趋势；当数量出现异常波动，则判定运行管理管理过程偏离正常水平，认为存在异常趋势，需要进行分析，并确定是否采取纠正行动；
本发明包括：步骤一：信息搜集与筛选；步骤二：数据统计；步骤三：选择控制图并作图；步骤四：定期搜集数据打点；步骤五：状态判断和处理；步骤六：进行整改。本方法在核电厂运行维护管理中实施的基本流程如图1所示。
步骤一：信息搜集与筛选，搜集、筛选核电厂运行机组事件发生数据具体步骤包括：
(1)事件来源与筛选范围：事件来源于核电厂经验反馈数据库；事件筛选范围为：在运行机组设备未发生较大改造或运行方式变化，运行维护措施相对稳定的时间段内筛选事件，不包括机组首次大修及之前的事件。
(2)异常趋势分析对象选取：将事件在管理流程中流转产生的字段去除，保留事件基本属性字段和特征字段；将事件基本属性字段和特征字段相组合构成反映机组某方面运行状况的特定属性/特征，按字段组合筛选出所述的特定属性/特征的事件，定期统计其发生数量作为异常趋势分析对象。
异常趋势分析对象的选取要符合运行维护需求，被公认与理解，发现异常趋势后易分析原因并开发专项整改措施。
(3)剔除非随机性事件：非随机性事件是指按计划实施的专项运行维护管理活动产生的事件记录，将这些事件剔除。
大修、小修期间产生的事件受到大、小修的影响，是非随机性事件，但这部分事件应保留，并在控制图作图完成后将大、小修期间统计的数据点标在控制图上并说明。
(4)剔除非独立性事件：经验反馈数据库中存在同一事件多人报告或机组同类缺陷并案处理的事件，应将被合并的事件剔除。
步骤一：信息搜集与筛选，搜集筛选人员异常行为数据具体步骤包括：
(1)数据来源：人员“行为低于期望率”数据来源于核电厂人员行为数据库中的观察指导数据；
(2)从人员行为数据库中收集到观察指导数据后，筛选出需要进行人员“行为低于期望率”异常趋势跟踪的群体(如某部门、科室或某承包商团队)的数据，按月度统计出该群体观察指导数据项中“观察指导子项总数”和“低于期望观察指导子项数”，则：
(3)选定进行异常趋势跟踪群体的月度“观察指导子项总数”应大于150项，对于少于150项的数据，应备注说明。
步骤一：信息搜集与筛选，搜集核电厂运行机组性能指标数据具体步骤包括：
(1)从核电厂指标数据库中按月度统计指标值，每个月度统计值为一个数据点；
(2)大修期间指标数据受到大修的影响，是非随机性数据，统计月度指标值时应将该部分数据剔除；
步骤二：数据统计，具体步骤包括：
(1)统计对象：核电厂运行机组具备特定属性/特征的事件发生数量、观察指导数据“行为低于期望率”、机组性能指标数据。
(2)统计周期：事件数量可按月度或半月度统计，人员“行为”低于期望率和机组性能指标按月度统计。
(3)统计20-25个周期内事件发生的数量，构成20-25个数据点。
(4)统计时间以当前时间的上一统计周期为起点，向后倒推——即按周期统计过往事件发生数量、过往人员“行为低于期望率”和过往机组性能指标。
步骤三：选择控制图并作图，具体包括：
对数据点做分布拟合检验，采用kolmogorov-smirnov检验数据观察分布和假设分布的符合性；
当数据点符合正态分布时，采用单值控制图分析判定数据点的异常趋势；当数据点符合泊松分布时，采用c控制图分析判定数据点的异常趋势；
(1)单值控制图作图方法：
作单值控制图需估算参数为：数据点中心线(cl)、标准差
式中：
xm——数据点的值；
k——数据点的个数；
d2＝1.128；
其中：均值与标准差四舍五入取整，控制限(lcl)小于0时取0；
(2)c图作图方法：
同单值控制图一样，作c图需估算参数也为：数据点中心线(cl)、标准差
式中：
cm——数据点的值；
k——数据点的个数；
其中：均值与标准差取整，控制限(lcl)小于0时取0。
单值控制图异常趋势判断准则为：
a)1个数据点，距离中心线大于3倍标准差；
b)连续9个数据点在中心线同一侧；
c)连续6个数据点，全部递增或递减；
d)连续14个数据点，上下交错；
e)连续3个数据点中有2个点，距中心线(同侧)大于2倍标准差；
f)连续5个数据点中有4个点，距中心线(同侧)大于1倍标准差；
g)连续15个数据点，在中心线(任一侧)1个标准差以内；
h)连续6个数据点，距中心线(任一侧)大于一倍标准差；
c图异常趋势判断准则为：
a)1个数据点，距中心线大于3倍标准差；
b)连续9个数据点在中心线同一侧；
c)连续6个数据点，全部递增或递减；
d)连续14个数据的，上下交错。
在估算好控制图参数后，按图5所示作图并将数据点以此标在图上，按异常判断准则(a)剔除超出上、下控制限的数据点，重新按(1)-(9)式计算参数。用新计算的参数重新作图，直到没有超出控制限的数据点后，得到反映运行维护管理日常水平的控制图。
步骤四：定期搜集数据在控制图上打点；
步骤五：状态判断和处理，具体步骤包括：
(1)当控制图作好后，按数据统计周期定期收集统计数据在控制图上打点，按异常趋势判定准则判定异常趋势；
一旦判定出异常趋势，核电厂应分析异常趋势产生的原因，采取适当的专项措施对异常趋势进行整改；
(2)由于核电厂运行管理过程的复杂性及数据波动的偶然性，对异常趋势原因无法查明或查明原因需要投入很大的工作量，这种情况，也应进行记录，说明经分析，未发现异常原因或暂不进行异常趋势原因分析，为日后做回顾性分析保存资料；
(3)当核电厂系统、设备改造、运行维护技术改进、管理改进导致控制图上数据点连续被判定为异常趋势，表明这些异常趋势点数据是来自新的运行维护管理水平的样本；
(4)在连续出现7个异常趋势点后，采用这些异常趋势点数据重新绘制控制图，跟踪来自新的运行维护水平下的数据变化；由于用于绘制新控制图的数据点不满足至少20个数据点的要求，因此在积累至20个数据点，绘制正式控制图前，用该控制图判定的异常趋势数据点宜参考使用。
步骤六：进行整改。
有益效果：
本发明创造出一种核电厂运行管理过程数据异常趋势判定方法，能够及时有效判定核电厂运行机组事件数量是正常波动还是出现异常趋势，“行为低于期望率”是正常波动还是异常趋势，机组性能指标是否出现异常趋势，避免对异常趋势漏判或误判造成的运行维护的困扰，帮助核电厂在运行管理过程中决策是否需要采取专项措施处理，可以做到既节约维护成本，又能及时且有针对性的实施专项整改措施，保证核电机组安全、稳定运行。
附图说明
图1核电厂运行管理过程数据异常趋势判定方法实施基本流程
图2核电厂机组性能指标异常趋势判定方法实施流程
图3核电厂机组事件发生数量异常趋势判定方法实施流程
图4核电厂观察指导数据“行为低于期望率”异常趋势判定方法实施流程
图5控制图示意图
图6x核电厂1号机组qsr设备月度定期试验一次不成功数异常趋势跟踪图
图7x核电厂1号和2号机组xx类设备半月度轴承漏油事件数量异常跟踪图
图8x核电厂运行处观察指导人员行为低于期望率异常趋势跟踪图
具体实施方式
本发明核电厂运行管理过程数据异常趋势判定方法主要应用于三个领域，运行机组事件管理、核电厂人员行为管理，运行机组性能指标管理，下面将对于这三个领域分别给出具体的实施例进行说明。
实施例1：核电运行机组性能指标异常趋势判定
核电厂运行机组性能指标值存在波动，这种波动一种是由随机原因造成的偶然波动，是由各种不易识别的因素共同作用造成的，其中没有一个因素起到显著作用；还有一种波动是由于特殊原因造成的，如设备管理不当、高温季节设备缺陷率增高、积累的潜在缺陷发展等等，这种波动称为异常波动。
按月度统计核电厂指标数据库中月度指标值作为数据点，形成20-25个数据点做控制图，当数据点处于统计受控状态时，则月度指标的波动是由随机原因造成的偶然波动，是机组运行维护日常水平的反映，不存在异常趋势；当按失控准则判定数据点不处于统计受控状态时，则月度指标的波动是由于特殊原因造成的，则判定为“异常趋势”。因此，“异常趋势”就是月度指标在随机波动中出现的统计显著性。当采用常规控制图判定异常趋势时，异常趋势的统计显著性水平约为0.27％。
本方法在核电厂实施的基本流程如图1所示：
以常规控制图作为基本工具，按月度统计核电厂指标数据库中月度指标值作为数据点，收集整理20-25个数据点建立常规控制图，后续在控制图按周期打数据点，采用异常趋势判定准则判定数据点是否为异常趋势。
常规控制图的控制限是采用过往20-25个统计周期的数据点估算的，当月度指标值的波动处于统计受控过程——即偶然波动，反映了设备缺陷数量与运行维护管理过程的固有变异，是机组运行维护管理日常水平下事件数量的正常波动。
当数据点按异常趋势判定准则判定不处于统计受控过程——即异常波动，则认为存在异常趋势，需要进行分析，采取专项措施整改。
本方法在核电厂实施的具体流程如图2所示，具体实施步骤如下：
一、月度指标值统计
月度指标值统计是指从核电厂指标数据库中按月度统计指标值。每个月度统计值为一个数据点。收集不少于20个统计周期的数据点，最好多收集5个数据点，以便补充作图中统计受控过程判定时舍去的超标数据点。
大修期间指标数据受到大修的影响，是非随机性数据，统计月度指标值时应将该部分数据剔除。
统计时间以当前月的上一月为起点，向后倒推——即统计过往月度指标值。
二、控制图选用
选用何种控制图来分析异常趋势，要以数据点的分布为基础，因此应对数据点做分布拟合检验，采用kolmogorov-smirnov检验数据观察分布和假设分布的符合性。
当数据点符合正态分布时，采用单值控制图分析判定数据点的异常趋势；当数据点符合泊松分布时，采用c控制图分析判定数据点的异常趋势。
若不符合，则不再适用此种方法。
三、月度指标值的正常波动范围判定准则
由于随机原因造成了月度指标值的正常波动，正常波动范围是机组运行维护管理日常水平的反映。基于正常波动范围，判定出的异常趋势才有意义。
常规控制图的上控制限(ucl)和下控制限(lcl)反映了过程的固有变异范围，因此用过往事件统计的数据点做控制图判定统计受控过程(范围)，得出上控制限(ucl)和下控制限(lcl)，即月度指标值的正常波动范围。(时间范围为20个月)
月度指标值的正常波动范围——统计受控过程判定准则为连续20个数据点，超出上控制限(ucl)或下控制限(lcl)的数据点个数为0。
四、单值控制图作图方法
如图5所示，作单值控制图需估算参数为：数据点中心线(cl)、标准差
式中：
xm——数据点的值；
k——数据点的个数。
d2＝1.128。
其中：均值与标准差取整，控制限(lcl)小于0时取0。
在估算好控制图参数后，做控制图，将数据点标在控制图上，如图5所示，按统计受控过程判定准则判定过程是否处在统计受控过程，若不是，剔除超出上、下控制限的数据点，重新按(1)-(5)式重新计算参数。用新计算的参数重新作图，直到没有超出控制限的数据点后，得到反映运行维护管理日常水平的单值控制图。
将所有数据点依次重新标在控制图上。延长控制线，后续按统计周期将新统计的数据标在控制图上，跟踪月度指标值趋势，判定其异常趋势。
五、c图作图方法
同单值控制图一样，作c图需估算参数也为：数据点中心线(cl)、标准差
式中：
cm——数据点的值；
k——数据点的个数。
其中：均值与标准差取整，控制限(lcl)小于0时取0。
六、采用单值控制图进行趋势分析时，异常趋势判定准则如下：
a)1个数据点，距离中心线大于3倍标准差；
b)连续9个数据点在中心线同一侧；
c)连续6个数据点，全部递增或递减；
d)连续14个数据点，上下交错；
e)连续3个数据点中有2个点，距中心线(同侧)大于2倍标准差；
f)连续5个数据点中有4个点，距中心线(同侧)大于1倍标准差；
g)连续15个数据点，在中心线(任一侧)1个标准差以内；
h)连续6个数据点，距中心线(任一侧)大于一倍标准差。
其中准则h)与标准《常规控制图》(gb/t4091-2001)不同的是，标准规定连续8个数据点，距中心线(任一侧)大于一倍标准差，是因为若调整为连续6个点在中心线任一侧大于1倍标准差，则显著性水平α＝0.0019，接近于0.0027且及时性更好，因此调整为6点。
采用c图跟踪异常趋势时，异常趋势判定准则为：
a)1个数据点，距中心线大于3倍标准差；
b)连续9个数据点在中心线同一侧；
c)连续6个数据点，全部递增或递减；
d)连续14个数据的，上下交错。
七、异常趋势分析运行
当控制图作好后，按月度定期收集月度指标值在控制图上打点，按异常趋势判定准则判定异常趋势。
一旦判定出异常趋势，核电厂应分析异常趋势产生的原因，采取适当的专项措施对异常趋势进行整改。
由于核电厂运行维护的复杂性及数据波动的偶然性，可能存异常趋势原因无法查明或查明原因需要投入很大的工作量，这种情况，也应进行记录，说明经分析，未发现异常原因或暂不进行异常趋势原因分析，为日后做回顾性分析保存资料。
当核电厂系统、设备改造、运行维护技术改进、管理改进导致控制图上数据点连续被判定为异常趋势，往往表明这些异常趋势点数据是来自新的运行维护管理水平的样本，宜在连续出现7个异常趋势点后，采用这些异常趋势点数据重新绘制控制图，跟踪来自新的运行维护水平下的数据变化。由于用于绘制新控制图的数据点不满足至少20个数据点的要求，存在较大的漏报和误报趋势的可能性，在积累至20个数据点，绘制正式控制图前，用该控制图判定的异常趋势数据点宜参考使用。
样例：核电厂质量安全相关设备(qsr设备)定期试验一次成功率异常趋势跟踪。
核电厂qsr设备定期试验一次成功率是反映核电厂质量安全相关设备可靠性的重要指标，对其进行异常趋势跟踪可以更清晰的判定qsr设备的可靠性，做到心中有数，也为管理目标值的制定提供定量的参考。
选取x核电厂1号机组2015年4月-2018年5月定期试验一次成功数据(剔除大修月度数据)，如表1所示。假设定期试验一次不成功数的分布服从泊松分布，对一次不成功数做分布拟合检验，数据服从泊松分布，接收原假设，故采用c图跟踪异常趋势。
表1x核电厂1号机组qsr设备月度定期试验数据
表1
做一次不成功数c图，均值为1.371，取整为1，从严管理，取上控制限为4，即qsr设备月度定期试验一次不成功数达到4个可视为异常。由图6可见，2018年4月，该机组月度“qsr设备定期试验一次不成功数”异常高，分析原因整改后，数量下降进入正常区域。
实施例2：核电运行机组事件发生数量异常趋势判定
本方法针对目前对核电厂运行机组事件发生数量的异常趋势依靠人员经验判断，存在认识不一致，“漏判”和“误判”概率较高的问题，提出一种事件发生数量异常趋势判定方法，该方法经过实践，有效解决了这一问题。
本方法用于核电厂运行维护人员、经验反馈人员判定运行核电机组事件发生数量的异常趋势，从而决策是否采取专项整改措施。
为达到以上目的，本发明采取的总体技术方案是：以常规控制图作为基本工具，按周期(如月度、半月度)统计核电厂经验反馈数据库中字段涉及运行机组系统、设备、部件缺陷或运行维护关注项的事件数量作为数据点，收集整理20-25个数据点建立常规控制图，后续在控制图上按周期打数据点，采用异常趋势判定准则判定数据点是否为异常趋势。
常规控制图的控制限是采用过往20-25个统计周期的数据点估算的，当运行机组事件数量的波动处于统计受控过程——即偶然波动，反映了设备缺陷数量与运维管理过程的固有变异，是机组运行维护管理日常水平下事件数量的正常波动。
当数据点按异常趋势判定准则判定不处于统计受控过程——即异常波动，则认为存在异常趋势，需要进行分析，采取专项措施整改。
本方法在核电厂实施的基本流程如图1所示，具体流程如图3所示，具体实施步骤如下：
一、事件收集
事件应从核电厂经验反馈数据库中筛选收集，收集原则如下：
(1)筛选的事件应不包括机组首次大修及之前的数据。因为核电机组首次大修之前，包括建造阶段，受不同施工阶段和运行初期设备缺陷较多等因素影响，事件数量受到特殊原因影响波动较大，另外往往在一个施工阶段内样本较少，不足以按控制图的要求构成控制图判稳所需要的数据点数量，因此不宜开展异常趋势分析。
(2)应在运行机组设备未发生较大改造或运行方式变化，运行维护措施相对稳定的时间段内收集数据。因为事件数量异常趋势的判定是基于相对稳定的过程。若运行机组某系统、设备进行过重大技术改造，要跟踪核电厂缺陷数量异常趋势，则应仅收集系统、设备改造后的数据，避免改造前后数据都收集。
二、事件整理
(1)异常趋势分析对象选取。
核电厂经验反馈数据库中表征事件属性/特征的字段一般由三部分组成：一部分是事件发生时间、地点、机组、系统、报告部门等字段组成的事件基本属性字段，一部分是事件类别、原因类别组成的事件特征字段，还有一部分是事件在管理流程中流转产生的字段。
异常趋势判定的目的是找出运行机组系统、设备、部件缺陷异常趋势或运行维护管理中存在的问题。因此，将事件在管理流程中流转产生的字段去除，保留事件发生时间、地点、机组、系统、报告部门等事件基本属性字段和事件类别、原因类别等事件特征字段。将事件基本属性字段和特征字段相组合构成反映机组某方面运行状况的特定属性/特征，按字段组合筛选出具备这些特定属性/特征的事件，定期统计其发生数量作为异常趋势分析对象。如按1、2号机组分类、系统分类，机械、电气、仪控、分类，人因、设备类属性分类字段组合后筛选出“2号机组xx系统机械类设备事件”，定期对这类事件数量统计并进行异常趋势分析。
异常趋势分析对象的选取要符合业务需求，被公认与理解，发现异常趋势后易分析原因并开发专项整改措施。
(2)剔除非随机性事件
按选定的异常趋势分析对象筛选出的事件夹杂有大量的非随机性事件，应剔除这些事件。非随机性事件是指按计划实施的专项运行维护管理活动产生的事件记录，如程序定期升版、观察指导、同行评估、内部评估、定期巡查、检查等。将这些事件剔除后，则保留下的为随机发生的事件，可以反映机组系统、设备、部件缺陷或运行维护管理过程。
大修、小修期间产生的事件受到大、小修的影响，是非随机性事件，但这部分事件应保留，并在控制图作图完成后将大、小修期间统计的数据点标在控制图上，以便于与机组满功率运行期间统计的数据点进行比较。
(3)剔除非独立性事件
数据独立同分布是制作控制图的前提，经验反馈数据库中存在同一事件多人报告或机组同类缺陷并案处理的事件，应将被合并的事件剔除，只保留合并后的事件，保证数据之间的独立性。
三、事件数量统计与控制图选用
(1)事件数量统计
事件数量统计周期按核电厂运行维护管理要求，一般为月度或半月度，在每个周期内，统计异常趋势分析对象——具备特定属性/特征的事件发生数量。
每个统计周期内，统计出的数量构成一个数据点。收集不少于20个统计周期的数据点，最好多收集5个数据点，以便补充作图中统计受控过程判定时舍去的超标数据点。
统计时间以当前月的上一月为起点，向后倒推——即统计过往事件发生数量。
(2)控制图选用
选用何种控制图来分析异常趋势，要以数据点的分布为基础，因此应对数据点做分布拟合检验，采用kolmogorov-smirnov检验数据观察分布和假设分布的符合性。
当数据点符合正态分布时，采用单值控制图分析判定数据点的异常趋势；当数据点符合泊松分布时，采用c控制图分析判定数据点的异常趋势。
四、事件发生数量的正常波动范围判定
由于随机原因造成了运行机组事件数量正常波动，正常波动范围是机组运行维护管理日常水平的反映。基于正常波动范围，判定出的异常趋势才有意义。
常规控制图的上控制限(ucl)和下控制限(lcl)反映了过程的固有变异范围，因此用过往事件统计的数据点做控制图判定统计受控过程，得出上控制限(ucl)和下控制限(lcl)，即是事件发生数量的正常波动范围。
事件发生数量的正常波动范围——统计受控过程判定准则为连续20个数据点，超出上控制限(ucl)或下控制限(lcl)的数据点个数为0。
采用单值控制图和c图跟踪分析异常趋势时，方法同实施例1第六部分。
五、单值控制图和c图作图方式，方法同实施例1第四、第五部分。
六、异常趋势分析运行
当控制图作好后，按数据统计周期定期收集统计数据在控制图上打点，按异常趋势判定准则判定异常趋势。
一旦判定出异常趋势，核电厂应分析异常趋势产生的原因，采取适当的专项措施对异常趋势进行整改。
由于核电厂运行维护的复杂性及数据波动的偶然性，可能存异常趋势原因无法查明或查明原因需要投入很大的工作量，这种情况，也应进行记录，说明经分析，未发现异常原因或暂不进行异常趋势原因分析，为日后做回顾性分析保存资料。
当核电厂系统、设备改造、运行维护技术改进、管理改进导致控制图上数据点连续被判定为异常趋势，往往表明这些异常趋势点数据是来自新的运行维护管理水平的样本，宜在连续出现7个异常趋势点后，采用这些异常趋势点数据重新绘制控制图，跟踪来自新的运行维护水平下的数据变化。由于用于绘制新控制图的数据点不满足至少20个数据点的要求，存在较大的漏报和误报趋势的可能性，在积累至20个数据点，绘制正式控制图前，用该控制图判定的异常趋势数据点宜参考使用。
样例：核电机组xx类设备半月度轴承漏油事件数量异常趋势跟踪
收集双堆布置核电机组1号和2号机组xx类设备轴承漏油事件，统计其半月度数量，跟踪该类设备轴承漏油事件发生数量的异常趋势，判断轴承漏油事件数量是正常状态还是异常趋势，以决定是否安排专项整改措施。
通过事件收集、事件整理、事件数量统计等步骤得出1号和2号机组xx类设备半月度轴承漏油事件数量如表2所示。
表2x核电厂1号和2号机组xx类设备半月度轴承漏油事件统计表
表2
做x核电厂1号和2号机组xx类设备轴承漏油半月度异常趋势跟踪图，按半月度对xx类设备事件整理统计后，进行分布拟合检验，数据服从正态分布，采用单值控制图跟踪其异常趋势，如图7所示。
2016年8月下半月至11月下半月，2台机组设备其它部件漏油事件数量连续7连降，呈现良好趋势。2017年3、4月份，漏油事件数量显著高，其中4月上半月出现高峰，突破3倍标准差。2017年8月下半月漏油状态报告数量出现高峰，突破3倍标准差且与前后两个半月差异显著。2018年1月下半月漏油状态报告数量出现高峰，对异常高的趋势，及时采取专项措施处理后，得到缓解。
样例表明：通过本发明所述方法，系统化的明确了核电厂一类事件发生的日常水平和异常趋势，避免了对异常趋势的误判和漏判，既节约了运行维护成本，又及时、有针对性的采取了措施，避免了设备缺陷的大面积发展。
实施例3：核电厂人员“行为低于期望率”指标异常趋势判定
核电厂观察指导数据中，一个群体——部门、科室、承包商团队“行为低于期望率”的统计数据存在波动。这种波动一种是由于人员工作行为存在偶然性，对行为规范的遵守不一致造成的，是随机原因造成的偶然波动；还有一种是由于行为规范遵守意识不强，对规范要求不了解等原因造成的工作人员群体行为规范性下滑，这是由于特殊原因造成的异常波动。
按月度统计核电厂观察指导库中“行为低于期望比率”数据作为数据点，形成20-25个数据点做控制图，当数据点处于统计受控状态时，则“行为期望低于比率”的波动是由随机原因造成的偶然波动，反映了人员工作对行为规范遵守的不一致，是人员群体对行为规范遵守的日常水平，不存在异常趋势；当按失控准则判定数据点不处于统计受控状态时，则“行为低于期望比率”的波动是由于特殊原因造成的，判定为“异常趋势”。因此，“异常趋势”就是“行为低于期望率”在随机波动中出现的统计显著性。本发明中采用单值图判断异常趋势，异常趋势的统计显著性水平约为0.27％。
本方法在核电厂实施的基具体流程如图4所示：
一、数据收集与统计
人员“行为低于期望率”数据来源于核电厂人员行为数据库中的观察指导数据。从人员行为数据库中收集到观察指导数据后，筛选出需要进行人员“行为低于期望率”异常趋势跟踪的群体(如：部门、科室、承包商团队)的数据，按月度统计出该群体观察指导数据项中“观察指导子项总数”和“低于期望观察指导子项数”，则：
“行为低于期望率”是反映一个群体工作行为规范性的指标，因此必须要有一定的数据量作为支撑。结合核电厂观察指导活动实际情况，选定进行异常趋势跟踪群体的月度“观察指导子项总数”应大于150项，对于少于150项的数据，应备注说明。
统计的每个月度“行为低于期望率”数值为一个数据点。收集不少于20个统计周期的数据点，最好多收集5个数据点，以便补充作图中统计受控过程判定时舍去的超标数据点。
统计时间以当前月的上一月为起点，向后倒推——即统计过往月度指标值。
二、行为低于期望率的正常波动范围判定准则
由于随机原因造成了“行为低于期望率”正常波动，反映了人员工作对行为规范遵守的不一致，是人员群体对行为规范遵守的日常水平。基于正常波动范围，判定出的异常趋势才有意义。
常规控制图的上控制限(ucl)和下控制限(lcl)反映了过程的固有变异范围，因此用过往“行为低于期望率”数据统计的数据点做控制图判定统计受控过程，得出上控制限(ucl)和下控制限(lcl)，即是“行为低于期望率”的正常波动范围。
“行为低于期望率”的正常波动范围——统计受控过程判定准则为连续20个数据点，超出上控制限(ucl)或下控制限(lcl)的数据点个数为0。
本方法采用单值控制图进行趋势分析，异常趋势判定准则同实施例1第六部分。
三、单值控制图作图，作图方式同实施例1第四部分。做好图后，均值与标准差估算结果保留至小数点后四位，控制限(lcl)小于0时取0。
将所有数据点依次重新标在控制图上。延长控制线，后续按统计周期将新统计的数据标在控制图上，跟踪“行为低于期望率”，判定其异常趋势。
四、异常趋势分析运行
当控制图作好后，按月度收集统计数据在控制图上打点，按异常趋势判定准则判定异常趋势。采用单值控制图分析异常趋势时，方法同实施例1第六部分。
一旦判定出异常趋势，核电厂应分析异常趋势产生的原因，采取适当的专项措施对异常趋势进行整改。
由于核电厂运行维护的复杂性及数据波动的偶然性，可能存异常趋势原因无法查明或查明原因需要投入很大的工作量，这种情况，也应进行记录，说明经分析，未发现异常原因或暂不进行异常趋势原因分析，为日后做回顾性分析保存资料。
当核电厂实行“行为低于期望率”异常趋势跟踪的群体——部门、科值或承包商团队人员变化较大、管理改进、观察指导项变化导致控制图上数据点连续被判定为异常趋势，往往表明这些异常趋势点数据是来自新的人员行为水平的样本，宜在连续出现7个异常趋势点后，采用这些异常趋势点数据重新绘制控制图，跟踪来自新的人员行为水平下的数据变化。由于用于绘制新控制图的数据点不满足至少20个数据点的要求，存在较大的漏报和误报趋势的可能性，在积累至20个数据点，绘制正式控制图前，用该控制图判定的异常趋势数据点宜参考使用。
样例：x核电厂运行处人员行为低于期望数据异常趋势跟踪
核电厂运行处担负着核电机组安全运行的主要责任，因此运行操作行为的规范性一直是防人因失误关注的重点。2016年和2017年x核电厂运行处统计了观察指导数据，分析该处人员行为低于期望数据跟踪其变化，发现异常趋势。表3是该核电厂运行处月度观察指导子项数据，分别为：“子项总数”、“低于期望子项总数”将这两项相除，得出“人员行为低于期望率”的月度数据。采用该数据做“x核电厂运行处观察指导人员行为低于期望率异常趋势跟踪图”如图8所示。
x核电厂运行处人员行为低于期望数据
表3
由图8可见，在2016年9月份之前，出现5个月度人员“行为低于期望率”异常高的趋势，其中，2月份出现超过3倍标准差的一次；连续5个月有四个月超过平均值1倍标准差；连续3个月有2个月超过平均值2倍标准差；从1月份起至9月份，数据均大于平均值。
该电厂在2016年2月识别出异常高趋势后，采用培训、现场观察指导等多种措施加强管理，从2月份起，虽然一直出现上述异常高趋势，但情况逐步好转，至10月份，异常趋势消除并一直保持到2017年底。运行处人员行为规范符合性得到了提升，有效降低了作业安全风险。后续继续收集数据，在该控制图上打点跟踪异常趋势。
- 还没有人留言评论。精彩留言会获得点赞！