基于数据挖掘技术的医疗设备故障库的设计

李巍，徐雷

1.军事医学科学院 卫生勤务与医学情报研究所，北京 100850；2.解放军第307医院 医学工程科，北京100071

基于数据挖掘技术的医疗设备故障库的设计

李巍1,2，徐雷1

1.军事医学科学院 卫生勤务与医学情报研究所，北京 100850；2.解放军第307医院 医学工程科，北京100071

目的本文拟在以往研究基础上，以现代数据库及数据挖掘算法为基础，对医院医疗设备维修及故障信息进行管理与分析，建立专项数据库系统。方法系统采用用户交互、建模算法和辅助决策相结合的设计体系，实现对故障设备的全周期故障分析及管理，健全医疗设备管理体系。结果系统设计将能够对现有设备故障进行统计，针对故障相关因素进行成因分析，构建设备性能分析模型，为预防性维护及设备质量分析过程提供依据。结论系统可广泛应用于医疗设备评估、报告、数据分析等过程，其应用对提高维修能力和设备完好率有重要意义，进而有效提高医院医疗设备检修工作的规范化、智能化水平。

医疗设备管理；故障分析；数据库系统；数据挖掘

随着科学技术的不断发展，医疗设备在现代临床诊疗活动中所扮演的角色越来越重要。各医院医疗设备数量和种类的增长，使设备的维修问题也日益突显。医疗设备的维修质量直接关系到医院诊疗工作的质量，甚至还会影响到患者的生命安全。做好医疗设备维修质量保障和控制，对于临床诊断和治疗工作有着重要意义[1-2]。然而，伴随现代医院建设的兴起和医疗设备的发展，医院原有的信息化管理系统和理念，已不能完全满足医疗工作的需求，特别是医疗设备维修管理的需求。原有的维修信息管理工作存在着维修资料缺乏规范化归档、维修处理中存在更多的人为因素、维修流程间信息缺乏有效关联等问题。因此，维修工作内容应由基本保障医疗设备正常工作转变为进行综合分析、故障预测、质量控制、成本分析、维修辅助决策、维修配件管理、工作量统计等[3-4]，工作手段也应由手工操作逐渐转变为计算机处理。

1 系统设计

故障分析作为维修的首要内容，一般包括诊断对象的故障机理、故障模式及影响、故障发生概率等。故障库技术是从统计分析的角度研究故障表征-故障概率-维修方法的对应关系，从而简化故障分析流程，降低故障处理时间。故障树分析法，主要是分析设备故障的形式分类、表现特征及处理方法等，并且根据使用经验和试验结果了解故障发生概率。系统设计通过样本积累、记录标记、统计分析、推理策略等过程，设计出基于故障库的医疗设备维修系统。系统可以采用Visual Basic for Applications（VBA）开发，VBA作为Visual Basic的一种宏语言，是微软开发出来在其桌面应用程序中执行通用的自动化（OLE）任务的编程语言。主要能用来扩展Windows的应用程式功能，便于依托Microsoft Offce系列软件实施开发。该脚本语言具有应用程式视觉化开发的优势。

系统功能主要分为：维修工作流程模块及故障库辅助维修模块，可为维修人员提供包括对设备信息查询、报修、故障分类、辅助决策、周期任务管理等功能，以期提高维修工作效率，降低维修难度。

1.1 系统工作流程模块

系统标准化维修流程，见图1。流程包括：保修、维修分派、计划调度、停用报废等环节。当设备发生故障时，报修人员可通过报修模块录入设备编码、设备名称、规格型号等多种条件查询到所需维修设备的信息，系统自动生成报修记录及分派单。故障-维修对应信息由故障库检索模块检索并提供查询结果信息。当故障库存在既往故障信息时，由故障决策模块提供维修辅助策略；当该类型故障未能检索到时，作为首次记录信息存入故障库，并生成对应故障事件。

图1 系统标准化维修流程图

1.2 故障库辅助决策模块

故障库辅助维修模块功能框图，见图2。该系统的维修策略生成模块主要包括：案例库接口、推理机、故障知识库（包括：故障库表管理、故障库生成、特征检索、决策生成等）模块，实现数据管理和维修决策制定以及各模块间数据和信息的传递。其中，案例库接口实现案例库访问；推理机根据案例库信息提取故障特征信息并存放推理过程中的中间结果[5-6]；故障知识库模块具有对知识库的规则进行编辑、添加、删除、修改、浏览、检索、决策生成的功能。维修流程接口采用宏开发，便于流程组合，同时给二次开发提供了接口，并具有良好的扩展性。

图2 故障库辅助维修模块功能结构图

1.2.1 案例库接口

案例库接口用于实现访问案例库（包括设备信息库、维修信息库），系统采用ActiveX数据对象组件（ActiveX Data Objects，ADO）。该组件具有易于使用、高速度以及较低的内存占用的优点。可通过创建多个“Сonnection”、“Recordset”对象实现多数据源实时访问[7]。

案例库记录采用全面调查与整群抽样相结合的方法，以解放军第307医院现有医疗设备及维修报告为样本建立数据库信息。重点是对万元以上设备进行分类， 对设备基础信息与维修事件进行相关分析。在建立设备故障事件库之后，特别是在日常的使用当中，根据不断发生的新故障情况及时在设备故障事件库中进行补充与更新[8]；同时根据设备的变更情况，将报废设备的故障事件库内容及时清除，以确保设备故障事件库中的内容始终处于可用和有效的状态。同时进行设备类别、故障特征和维修方案的关系分析[9]。

1.2.2 故障知识库

系统主要数据表关系，见图3。调用设备库、故障事件库信息及参数，统计故障事件案例，进行频数统计，建立故障库，预测设备可能发生的故障。故障知识库的组织结构分为三级，首先由大范围知识确定可能故障区域，再由小范围知识确定准确故障部位或故障原因，最后得到参考解决方案。

（1）检索规则。根据故障描述及粒度，将知识库分为：大范围经验知识库和小范围经验知识库，采用产生式表示法，将产生式规则表示为：

rule(ID，[前置条件]，结论，规则类型，可信度因子)

其中，ID为故障知识库数据表中规则ID，结论为对应故障成因描述索引信息，规则类型是故障结论的遍历值（大范围故障成因描述规则索引、小范围故障成因描述规则索引），可信度因子为预测引发搜索故障成因的准确度，在此用搜索故障成因的构成比表示。

大范围经验知识库用于根据大范围的分类和筛查，确定故障发生区域，即大范围的故障诊断，系统将大范围经验知识库设置为区分设备类型、电源故障、附件故障、电池故障、主机故障、软件故障、操作故障等[7]。在逻辑中大范围知识构成“或”关系，即：

if A then A1or A2or …… 可表示为：rule(0001，["A"]，"A1"，2，1)

在故障知识库实现过程中，将小范围故障成因描述规则索引设置为1，大范围故障成因描述规则索引设置为2。

小范围知识库用于根据经常出现的一些故障的经验，在大范围故障诊断确定出的故障区域的基础上，进一步确定失效的零件或故障原因，即小范围的故障诊断[7]。在逻辑中小范围知识构成“与”关系，即:

if B1，B2，B3，…… then B，可表示为：rule(0100，["B1"，"B2"，"B3"，……"]，"B"，1，1)

（2）构建故障树。按知识库结构进行简化，求解最小割集、最小径集，分析可信度，按照库基本事件概率求解顶上故障概率、概率重要度、临界重要度。把大范围故障诊断规则作为初始条件，与知识库中的规则前置条件进行匹配；当规则被激活，通过这些激活的规则，推理函数把结论放到推理机中继续推理，直到再没有其他规则的前件能与综合数据库内的事实相匹配为止。

确定所有事故发生概率，标在对应故障类别上，并进而求出顶上故障的发生概率[8-9]。倒立树状逻辑因果关系图，将事件符号、逻辑门符号和转移符号描述系统中各种故障现象-成因-方法之间的因果及对应关系。依照故障树结构进行分析化简，确定各基本事件的重要程度，即所有故障发生的概率，标注在故障树上，按照从主到次的顺序，分析设备发生故障的原因。

（3）决策生成机制。决策生成机制由可信度评估和故障链策略协同完成。

图3 系统主要数据表关系图

可信度评估策略：对于某设备E，先确定其故障所带来的输出表征范围，将大范围故障缩小为小范围故障，将对应小范围故障检索结果按照可信度排列，搜索出对应解决故障问题的最大可信度参考方法：

起始决策由最大可信度方法参考制定，当最大可信度方法未能解决故障时，系统执行故障链进一步修正策略。

故障链策略：假设最大可信度故障对应为某具体组件A。对组件A的所有既往故障信息进行分类，一类表示部件自身故障所导致的原因，记为AS；非自身故障引起（由输入异常、未发现故障引起）的故障归到另一类，记为AI。当测试数据W∈AS时，故障诊断结果可以确定由于组件A自身导致出现故障；当测试故障原因W∈AI时，需要对组件A的输入进行测试，由于组件A的输入又是其他组件的输出，因此，可以逐级推理，直至将故障定位在某一个或几个部件上，当遍历完成后依然无法判断故障组件时，可将故障归类为未发现故障，可通过分析及经验判断，故障正确处理完成后，可将该故障信息存入案例库。

方程中，x为外生观测变量向量；ξ为外生潜变量向量；y为内生观测变量向量；η为内生潜变量向量；Λx为外生观测变量在外生潜变量上的因子载荷矩阵；Λy为内生观测变量在外生潜变量上的因子载荷矩阵；δ为外生变量的误差项变量；ε为内生变量之间的误差项变量；B为内生潜变量向量之间的路径系数矩阵；Г为外生潜变量对内生潜变量向量的路径系数矩阵。

2 系统测试

系统测试以一次呼吸机“超过气道压力下限”报警事件为例，描述系统工作流程：系统中呼吸机故障库实现分为3级4层，其中：

第1级包含1层，用于排查故障类型，故障分类信息R包括：R1：设备类型、R2：电源故障、R3：附件故障、R4：电池故障、R5：主机气路故障（控制电路系统故障分别包含在对应的气路系统故障和机械系统故障中，故不再独立分项）、R6：主机机械故障、R7：软件故障、R8：气源故障、R9：操作故障、R10：患者自身原因[10-13]。

第2级包含2层，其中，第1层用于判断故障所属模块；第2层用于进一步判断模块内组件故障。

第3级包含1层，用于根据故障类型选取对应的解决方案。系统选择 “气道压力过低” ，Q为故障特征描述，搜索到包含此类关键字描述的故障树，见图4。

图4 “气道压力过低”关键字描述故障树

A表示第2级1层事件，表示呼吸机气路故障。A1：软件系统故障；A2：呼出模块及管路故障；A3：后备电源模块故障；A4：安全阀/呼气检测模块故障；A5：空气流量控制模块故障；A6：氧气流量控制模块故障；A7：供气调节模块故障；A8：供氧调节模块故障；A9：空压机模块故障；A10：电子控制模块故障。

X表示第2级2层事件，表示事件导致的原因。X1：压力传感器故障；X2：流量阀故障；X3：呼气阀故障；X4：呼吸机内部漏气；X5：病人呼吸回路阻塞；X6：病人气道阻塞；X7：病人顺应性改变；X8：湿化罐漏气；X9：病人管路漏气；X10：气道压力上限设置低；X11：通气参数的改变；X12：管路与病人脱接。

概率构成符合下式:

表1 事件可信度参考表

故障树中各中间事件的可信度（P）计算如下：

按照决策生成机制， PR3中X9可信度最高，优先尝试X9对应方法，怀疑病人管路漏气，更换管路后，故障现象消失。

3 讨论

以往绝大多数维修信息系统的管理，倾向于数量的管理，即对设备库房的入出库及维修事件的管理。而本医疗设备维修管理信息系统，针对目前医疗设备质量管理的薄弱环节，建立一种从预防性维修（PM）计划到应用质控、直至设备报废的医疗设备维修周期全过程的质量保证体系及以质量保证为核心的新的医疗设备管理模式[14-17]。

系统在设计过程中，以人因工程学中差错理论以及灰色理论为基础[18]，在参考维修经验以及层次分析方法的基础上，设计医疗设备维修差错及成因指标，采取专家访谈及德尔菲咨询法对指标进行评价[19]。在今后的工作中，可结合目前工作设计医疗设备维修差错及成因调查表，实现调查医院临床工程师在工作中经历的维修差错事件，应用灰色关联分析法[20]、故障树分析法，对医疗设备差错模式与差错成因之间的关系进行关联分析[21-23]，并针对逻辑偏差进行了校正。

医疗设备维修故障库的建立，在提高设备故障处理效率的同时，也提升了维修技术人员解决设备故障问题的能力，同时缩短了了解和掌握设备结构、功能及运行状况的时间。在应用中，通过建立标准化的文档管理体系、辅助决策机制，增强了系统的人机交互能力，简化了查询和使用流程，提高了维修过程的信息化能力。

[1] 徐桓,许锋,田金.医院医疗设备维护管理新策略探讨[J].中国医学装备,2010,25(6):46-48.

[2] 戴捷,冯璐琼,苏磊,等.医疗设备维修管理的研究[J].中国医学装备,2011,8(1):32-34.

[3] 黄连成.浅谈新时期医疗设备的档案管理工作[J].中外医学研究,2011,9(30);138-139.

[4] 高峰,刘志友,张胜,等.医疗设备全生命周期维修管理系统的设计与实现[J].中国医疗设备,2016,31(1):155-156.

[5] 张谦.浅谈医疗设备的故障规律及应对措施[J].中外健康文摘,2011,18(39):390-391.

[6] 吴翠峰.关于医院医疗设备维护保养的若干思考[J].中国科技博览,2010,(35):475.

[7] 钱颂迪.运筹学[M].北京:清华大学出版社,2000．

[8] 徐勇.浅谈故障树分析法在医疗设备维修中的应用[J].医疗装备,2012,25(8):87-88.

[9] 黄文斌,郑传权.医疗设备绩效考核与评价的相关研究[J].中国医疗设备,2011,26(2):67-70．

[10] 林东晓.大型医疗设备经济效益分析在医院管理中的价值[J].齐齐哈尔医学院学报,2011,32 (12):1966-1967．

[11] 倪萍,张鲁闽,陈自谦,等.大型医疗设备维修维护策略探讨[J].医疗卫生装备,2009,30(5):106-107.

[12] 李斌,郑蕴欣,何德华,等.医院临床工程师在医疗设备安全保障体系中的定位与作用[J].中国医疗器械杂志,2012,36(2):93-96.

[13] Wenbin W. An inspection model for a process with two types of inspections and repairs[J].Reliability Engineering and System Safety,2009,(94):526-533.

[14] 郑睿.利用故障记录数据优化设备维修决策的研究[J].统计与决策,2008,(10):71-72.

[15] Rodrigo J,Ferreira P. A multicriteria decision model to determine inspection intervals of condition monitoring basedon delay time analysis[J].Reliability Engineering and System Safety,2009,(94):905-912.

[16] Aven T,Сastro T.A Delay time model with safety const raint [J].Reliability Engineering and System Safety,2009,(94):261-267.

[17] Apeland S,Scarf A. A fully subjective approach to modeling inspection maintenance [J].European Journal of Operational Research,2003,(148):410-412.

[18] Wenbin W,Jia X.A bayesian approach in delay time maintenance model parameters estimation using both subjective and objective data [J].Quality and Reliability Engineering Int,2007,(23):95-105.

[19] 吕文元,郑睿,张乐.非齐次缺陷发生率情况下时间延迟模型比较研究[J].计算机集成制造系统,2008,14(8):1529-1532.

[20] Wenbin W,Dragan Banjevic.Ergodicity of forward times of the renewal process in a block based inspection model using the delay time concept[J].Reliability Engineering and System Safety,2012,(100):1-7.

[21] Wenbin W,Banjevic D,Pecht M.A multi-component and multi-failure mode inspection modelbased on the delay time concept[J].Reliability Engineering and System Safety, 2010,95(8):912-920.

[22] Wenbin W.An inspection model for a process with two types of inspections and repairs[J].Reliability Engineering and System Safety,2009,(94):526-33.

[23] Shaomin W,Wenbin W.Optimal inspection policy for three state systems monitored by control charts[J].Applied Mathematics and Computation,2011,217(9):9810-9819.

Design of Medical Equipment Failures Library Based on Data Mining Technology

LI Wei1,2, XU Lei1
1.Institute of Health Service and Medical Information, Academy of Military Medical Sciences, Beijing 100850, Сhina; 2.Department of Medical Engineering, 307thPLA Hospital, Beijing 100071, Сhina

ObjectiveBased on the previous research, the paper established a special database system with modern databases and data mining algorithms, which gave an analysis of the hospital medical equipment maintenance and fault information.MethodsBy using user interaction modeling algorithms and decision support system, system could achieve full-cycle fault analysis and improve the medical equipment management system.ResultThe system could be able to carry out the existing equipment failure statistics, perform analysis of causes of failure factors, as well as to build equipment performance analysis model so as to provide basis for the process of preventive maintenance and equipment quality analysis.ConclusionThe system could be widely used in medical equipment assessment, reporting, data analysis, and maintenance process, which can be used to improve the standardization and intellectualization of medical equipment maintenance effectively.

medical equipment management; fault analysis; database system; data mining

R197.39；R197.3

С

10.3969/j.issn.1674-1633.2016.05.033

1674-1633(2016)05-0117-04

2016-02-01

2016-03-18

徐雷，研究员。

作者邮箱：13260463706@163.com