符号有向图（Signed Directed Graph， SDG）作为一种定性的推理方法，用节点表示系统变量，用支路表示系统变量间的直接影响关系，因无需系统的定量信息即可形象的表示故障的传播，而被广泛的应用和研究。由于SDG方法在模型构建、推理和图像绘制上需要较高的专业背景知识和耗费大量的时间，当生产系统的规模较大和系统的复杂度较高时，对系统的故障诊断和安全评估将变得十分复杂，因此开发一套基于SDG方法的计算机辅助的系统，具有重要的现实意义。主要工作分三个方面。（1）详细介绍了搭建系统所涉及的理论，包括SDG方法的基本概念和推理方法，在此基础上实现了分层算法、故障诊断算法、安全评估算法和SDG绘制算法。利用算法间存在的关系，提高系统整体的工作效率。首先，通过分层算法将系统模型分层，该步骤是绘制分层SDG的前提；其次，利用分层结果减少故障源搜索空间，通过故障诊断算法判断节点是否为故障源；最后，利用寻找到的故障源和广度优先算法，得到所有可能的故障传播路径，以及在该路径下节点的状态，用于分析和评估故障可能造成的不利后果。（2）详细描述了系统的搭建过程，包含需求分析、Django的开发流程、系统的架构、使用流程和系统部署。所搭建的故障诊断和安全评估的开源系统，采用Django框架，具有使用简单、易开发、便于更新维护、可二次利用的特点。本系统还支持系统模型的在线存储和编辑；含有系统模型信息的文本文件上传；故障传播路径查询；分层SDG的自动绘制。（3）利用复杂的田纳西-伊斯曼过程（Tennessee-Eastman process，TEP）实例在故障模式1和故障模式10下的运行数据，对系统的有效性和完备性进行了验证。