基于數據挖掘技術的醫療設備故障庫的設計

李巍，徐雷

1.軍事醫學科學院 衛生勤務與醫學情報研究所，北京 100850；2.解放軍第307醫院 醫學工程科，北京100071

基于數據挖掘技術的醫療設備故障庫的設計

李巍1,2，徐雷1

1.軍事醫學科學院 衛生勤務與醫學情報研究所，北京 100850；2.解放軍第307醫院 醫學工程科，北京100071

目的本文擬在以往研究基礎上，以現代數據庫及數據挖掘算法為基礎，對醫院醫療設備維修及故障信息進行管理與分析，建立專項數據庫系統。方法系統采用用戶交互、建模算法和輔助決策相結合的設計體系，實現對故障設備的全周期故障分析及管理，健全醫療設備管理體系。結果系統設計將能夠對現有設備故障進行統計，針對故障相關因素進行成因分析，構建設備性能分析模型，為預防性維護及設備質量分析過程提供依據。結論系統可廣泛應用于醫療設備評估、報告、數據分析等過程，其應用對提高維修能力和設備完好率有重要意義，進而有效提高醫院醫療設備檢修工作的規范化、智能化水平。

醫療設備管理；故障分析；數據庫系統；數據挖掘

隨著科學技術的不斷發展，醫療設備在現代臨床診療活動中所扮演的角色越來越重要。各醫院醫療設備數量和種類的增長，使設備的維修問題也日益突顯。醫療設備的維修質量直接關系到醫院診療工作的質量，甚至還會影響到患者的生命安全。做好醫療設備維修質量保障和控制，對于臨床診斷和治療工作有著重要意義[1-2]。然而，伴隨現代醫院建設的興起和醫療設備的發展，醫院原有的信息化管理系統和理念，已不能完全滿足醫療工作的需求，特別是醫療設備維修管理的需求。原有的維修信息管理工作存在著維修資料缺乏規范化歸檔、維修處理中存在更多的人為因素、維修流程間信息缺乏有效關聯等問題。因此，維修工作內容應由基本保障醫療設備正常工作轉變為進行綜合分析、故障預測、質量控制、成本分析、維修輔助決策、維修配件管理、工作量統計等[3-4]，工作手段也應由手工操作逐漸轉變為計算機處理。

1 系統設計

故障分析作為維修的首要內容，一般包括診斷對象的故障機理、故障模式及影響、故障發生概率等。故障庫技術是從統計分析的角度研究故障表征-故障概率-維修方法的對應關系，從而簡化故障分析流程，降低故障處理時間。故障樹分析法，主要是分析設備故障的形式分類、表現特征及處理方法等，并且根據使用經驗和試驗結果了解故障發生概率。系統設計通過樣本積累、記錄標記、統計分析、推理策略等過程，設計出基于故障庫的醫療設備維修系統。系統可以采用Visual Basic for Applications（VBA）開發，VBA作為Visual Basic的一種宏語言，是微軟開發出來在其桌面應用程序中執行通用的自動化（OLE）任務的編程語言。主要能用來擴展Windows的應用程式功能，便于依托Microsoft Offce系列軟件實施開發。該腳本語言具有應用程式視覺化開發的優勢。

系統功能主要分為：維修工作流程模塊及故障庫輔助維修模塊，可為維修人員提供包括對設備信息查詢、報修、故障分類、輔助決策、周期任務管理等功能，以期提高維修工作效率，降低維修難度。

1.1 系統工作流程模塊

系統標準化維修流程，見圖1。流程包括：保修、維修分派、計劃調度、停用報廢等環節。當設備發生故障時，報修人員可通過報修模塊錄入設備編碼、設備名稱、規格型號等多種條件查詢到所需維修設備的信息，系統自動生成報修記錄及分派單。故障-維修對應信息由故障庫檢索模塊檢索并提供查詢結果信息。當故障庫存在既往故障信息時，由故障決策模塊提供維修輔助策略；當該類型故障未能檢索到時，作為首次記錄信息存入故障庫，并生成對應故障事件。

圖1 系統標準化維修流程圖

1.2 故障庫輔助決策模塊

故障庫輔助維修模塊功能框圖，見圖2。該系統的維修策略生成模塊主要包括：案例庫接口、推理機、故障知識庫（包括：故障庫表管理、故障庫生成、特征檢索、決策生成等）模塊，實現數據管理和維修決策制定以及各模塊間數據和信息的傳遞。其中，案例庫接口實現案例庫訪問；推理機根據案例庫信息提取故障特征信息并存放推理過程中的中間結果[5-6]；故障知識庫模塊具有對知識庫的規則進行編輯、添加、刪除、修改、瀏覽、檢索、決策生成的功能。維修流程接口采用宏開發，便于流程組合，同時給二次開發提供了接口，并具有良好的擴展性。

圖2 故障庫輔助維修模塊功能結構圖

1.2.1 案例庫接口

案例庫接口用于實現訪問案例庫（包括設備信息庫、維修信息庫），系統采用ActiveX數據對象組件（ActiveX Data Objects，ADO）。該組件具有易于使用、高速度以及較低的內存占用的優點。可通過創建多個“Сonnection”、“Recordset”對象實現多數據源實時訪問[7]。

案例庫記錄采用全面調查與整群抽樣相結合的方法，以解放軍第307醫院現有醫療設備及維修報告為樣本建立數據庫信息。重點是對萬元以上設備進行分類， 對設備基礎信息與維修事件進行相關分析。在建立設備故障事件庫之后，特別是在日常的使用當中，根據不斷發生的新故障情況及時在設備故障事件庫中進行補充與更新[8]；同時根據設備的變更情況，將報廢設備的故障事件庫內容及時清除，以確保設備故障事件庫中的內容始終處于可用和有效的狀態。同時進行設備類別、故障特征和維修方案的關系分析[9]。

1.2.2 故障知識庫

系統主要數據表關系，見圖3。調用設備庫、故障事件庫信息及參數，統計故障事件案例，進行頻數統計，建立故障庫，預測設備可能發生的故障。故障知識庫的組織結構分為三級，首先由大范圍知識確定可能故障區域，再由小范圍知識確定準確故障部位或故障原因，最后得到參考解決方案。

（1）檢索規則。根據故障描述及粒度，將知識庫分為：大范圍經驗知識庫和小范圍經驗知識庫，采用產生式表示法，將產生式規則表示為：

rule(ID，[前置條件]，結論，規則類型，可信度因子)

其中，ID為故障知識庫數據表中規則ID，結論為對應故障成因描述索引信息，規則類型是故障結論的遍歷值（大范圍故障成因描述規則索引、小范圍故障成因描述規則索引），可信度因子為預測引發搜索故障成因的準確度，在此用搜索故障成因的構成比表示。

大范圍經驗知識庫用于根據大范圍的分類和篩查，確定故障發生區域，即大范圍的故障診斷，系統將大范圍經驗知識庫設置為區分設備類型、電源故障、附件故障、電池故障、主機故障、軟件故障、操作故障等[7]。在邏輯中大范圍知識構成“或”關系，即：

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

在故障知識庫實現過程中，將小范圍故障成因描述規則索引設置為1，大范圍故障成因描述規則索引設置為2。

小范圍知識庫用于根據經常出現的一些故障的經驗，在大范圍故障診斷確定出的故障區域的基礎上，進一步確定失效的零件或故障原因，即小范圍的故障診斷[7]。在邏輯中小范圍知識構成“與”關系，即:

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

（2）構建故障樹。按知識庫結構進行簡化，求解最小割集、最小徑集，分析可信度，按照庫基本事件概率求解頂上故障概率、概率重要度、臨界重要度。把大范圍故障診斷規則作為初始條件，與知識庫中的規則前置條件進行匹配；當規則被激活，通過這些激活的規則，推理函數把結論放到推理機中繼續推理，直到再沒有其他規則的前件能與綜合數據庫內的事實相匹配為止。

確定所有事故發生概率，標在對應故障類別上，并進而求出頂上故障的發生概率[8-9]。倒立樹狀邏輯因果關系圖，將事件符號、邏輯門符號和轉移符號描述系統中各種故障現象-成因-方法之間的因果及對應關系。依照故障樹結構進行分析化簡，確定各基本事件的重要程度，即所有故障發生的概率，標注在故障樹上，按照從主到次的順序，分析設備發生故障的原因。

（3）決策生成機制。決策生成機制由可信度評估和故障鏈策略協同完成。

圖3 系統主要數據表關系圖

可信度評估策略：對于某設備E，先確定其故障所帶來的輸出表征范圍，將大范圍故障縮小為小范圍故障，將對應小范圍故障檢索結果按照可信度排列，搜索出對應解決故障問題的最大可信度參考方法：

起始決策由最大可信度方法參考制定，當最大可信度方法未能解決故障時，系統執行故障鏈進一步修正策略。

故障鏈策略：假設最大可信度故障對應為某具體組件A。對組件A的所有既往故障信息進行分類，一類表示部件自身故障所導致的原因，記為AS；非自身故障引起（由輸入異常、未發現故障引起）的故障歸到另一類，記為AI。當測試數據W∈AS時，故障診斷結果可以確定由于組件A自身導致出現故障；當測試故障原因W∈AI時，需要對組件A的輸入進行測試，由于組件A的輸入又是其他組件的輸出，因此，可以逐級推理，直至將故障定位在某一個或幾個部件上，當遍歷完成后依然無法判斷故障組件時，可將故障歸類為未發現故障，可通過分析及經驗判斷，故障正確處理完成后，可將該故障信息存入案例庫。

方程中，x為外生觀測變量向量；ξ為外生潛變量向量；y為內生觀測變量向量；η為內生潛變量向量；Λx為外生觀測變量在外生潛變量上的因子載荷矩陣；Λy為內生觀測變量在外生潛變量上的因子載荷矩陣；δ為外生變量的誤差項變量；ε為內生變量之間的誤差項變量；B為內生潛變量向量之間的路徑系數矩陣；Г為外生潛變量對內生潛變量向量的路徑系數矩陣。

2 系統測試

系統測試以一次呼吸機“超過氣道壓力下限”報警事件為例，描述系統工作流程：系統中呼吸機故障庫實現分為3級4層，其中：

第1級包含1層，用于排查故障類型，故障分類信息R包括：R1：設備類型、R2：電源故障、R3：附件故障、R4：電池故障、R5：主機氣路故障（控制電路系統故障分別包含在對應的氣路系統故障和機械系統故障中，故不再獨立分項）、R6：主機機械故障、R7：軟件故障、R8：氣源故障、R9：操作故障、R10：患者自身原因[10-13]。

第2級包含2層，其中，第1層用于判斷故障所屬模塊；第2層用于進一步判斷模塊內組件故障。

第3級包含1層，用于根據故障類型選取對應的解決方案。系統選擇 “氣道壓力過低” ，Q為故障特征描述，搜索到包含此類關鍵字描述的故障樹，見圖4。

圖4 “氣道壓力過低”關鍵字描述故障樹

A表示第2級1層事件，表示呼吸機氣路故障。A1：軟件系統故障；A2：呼出模塊及管路故障；A3：后備電源模塊故障；A4：安全閥/呼氣檢測模塊故障；A5：空氣流量控制模塊故障；A6：氧氣流量控制模塊故障；A7：供氣調節模塊故障；A8：供氧調節模塊故障；A9：空壓機模塊故障；A10：電子控制模塊故障。

X表示第2級2層事件，表示事件導致的原因。X1：壓力傳感器故障；X2：流量閥故障；X3：呼氣閥故障；X4：呼吸機內部漏氣；X5：病人呼吸回路阻塞；X6：病人氣道阻塞；X7：病人順應性改變；X8：濕化罐漏氣；X9：病人管路漏氣；X10：氣道壓力上限設置低；X11：通氣參數的改變；X12：管路與病人脫接。

概率構成符合下式:

表1 事件可信度參考表

故障樹中各中間事件的可信度（P）計算如下：

按照決策生成機制， PR3中X9可信度最高，優先嘗試X9對應方法，懷疑病人管路漏氣，更換管路后，故障現象消失。

3 討論

以往絕大多數維修信息系統的管理，傾向于數量的管理，即對設備庫房的入出庫及維修事件的管理。而本醫療設備維修管理信息系統，針對目前醫療設備質量管理的薄弱環節，建立一種從預防性維修（PM）計劃到應用質控、直至設備報廢的醫療設備維修周期全過程的質量保證體系及以質量保證為核心的新的醫療設備管理模式[14-17]。

系統在設計過程中，以人因工程學中差錯理論以及灰色理論為基礎[18]，在參考維修經驗以及層次分析方法的基礎上，設計醫療設備維修差錯及成因指標，采取專家訪談及德爾菲咨詢法對指標進行評價[19]。在今后的工作中，可結合目前工作設計醫療設備維修差錯及成因調查表，實現調查醫院臨床工程師在工作中經歷的維修差錯事件，應用灰色關聯分析法[20]、故障樹分析法，對醫療設備差錯模式與差錯成因之間的關系進行關聯分析[21-23]，并針對邏輯偏差進行了校正。

醫療設備維修故障庫的建立，在提高設備故障處理效率的同時，也提升了維修技術人員解決設備故障問題的能力，同時縮短了了解和掌握設備結構、功能及運行狀況的時間。在應用中，通過建立標準化的文檔管理體系、輔助決策機制，增強了系統的人機交互能力，簡化了查詢和使用流程，提高了維修過程的信息化能力。

[1] 徐桓,許鋒,田金.醫院醫療設備維護管理新策略探討[J].中國醫學裝備,2010,25(6):46-48.

[2] 戴捷,馮璐瓊,蘇磊,等.醫療設備維修管理的研究[J].中國醫學裝備,2011,8(1):32-34.

[3] 黃連成.淺談新時期醫療設備的檔案管理工作[J].中外醫學研究,2011,9(30);138-139.

[4] 高峰,劉志友,張勝,等.醫療設備全生命周期維修管理系統的設計與實現[J].中國醫療設備,2016,31(1):155-156.

[5] 張謙.淺談醫療設備的故障規律及應對措施[J].中外健康文摘,2011,18(39):390-391.

[6] 吳翠峰.關于醫院醫療設備維護保養的若干思考[J].中國科技博覽,2010,(35):475.

[7] 錢頌迪.運籌學[M].北京:清華大學出版社,2000．

[8] 徐勇.淺談故障樹分析法在醫療設備維修中的應用[J].醫療裝備,2012,25(8):87-88.

[9] 黃文斌,鄭傳權.醫療設備績效考核與評價的相關研究[J].中國醫療設備,2011,26(2):67-70．

[10] 林東曉.大型醫療設備經濟效益分析在醫院管理中的價值[J].齊齊哈爾醫學院學報,2011,32 (12):1966-1967．

[11] 倪萍,張魯閩,陳自謙,等.大型醫療設備維修維護策略探討[J].醫療衛生裝備,2009,30(5):106-107.

[12] 李斌,鄭蘊欣,何德華,等.醫院臨床工程師在醫療設備安全保障體系中的定位與作用[J].中國醫療器械雜志,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] 鄭睿.利用故障記錄數據優化設備維修決策的研究[J].統計與決策,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] 呂文元,鄭睿,張樂.非齊次缺陷發生率情況下時間延遲模型比較研究[J].計算機集成制造系統,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，研究員。

作者郵箱：13260463706@163.com