基于風險地形圖的城軌設備風險-維修決策矩陣群構建

徐保強 靳守杰 李葆文

摘 要：城市軌道交通的快速發展對系統運維可靠性和設備維修策略應用提出新的挑戰。文章在梳理城市軌道交通所面臨的復雜環境因素基礎上，結合行業特點分析風險矩陣與故障概率及故障后果的關聯關系。通過將大數據與可視化技術相結合，提出風險地形圖的概念，并從專業系統、運營線路、時間節點和綜合因素 4 個層面對風險地形圖如何展開進行論述，構建涵蓋數據來源及維修策略的城市軌道交通風險 - 維修決策矩陣群。

關鍵詞：城市軌道交通;復雜環境;風險地形圖;維修策略;風險-維修決策矩陣群

中圖分類號：U231+.92

1 研究背景

城市軌道交通的快速發展，對系統運維可靠性和設備維修策略應用提出新的挑戰。城市軌道交通設備包括車輛、行車設備和車站設備等。近年來，風險矩陣評估方法在軌道交通行業的應用受到密切關注，推動了行業風險管理和系統可靠性工作的開展[1-12]。本文通過梳理城市軌道交通所面臨的復雜環境因素，結合行業特點分析風險矩陣與故障概率及故障后果的關聯關系。通過將大數據與可視化技術相結合，提出風險地形圖的概念，并從專業系統、運營線路、時間節點和綜合因素4個層面對風險地形圖如何展開進行論述，構建涵蓋數據來源及維修策略的風險-維修決策矩陣群，對確保城市軌道交通設備的可靠性及穩定運行，改善乘運安全性、舒適度、便利性、效率化、滿意度等指標，以及降低運營單位運維成本、提高管理效率方面有重要意義。

2 城市軌道交通面臨的復雜環境因素

網絡化運營背景下的城市軌道交通將面臨比單線運營復雜得多的環境，比如線網規模擴大帶來的網絡放大效應、短時期內客流驟增對運營組織的沖擊、新老設備交替致使可靠性降低、維護管理問題、特殊人群問題、人員技能水平不匹配、安全風險等。

城市軌道交通所面臨的復雜環境，可按照突發事件、城市因素、內部管理3個維度進行梳理，如圖1所示。圖中的復雜環境因素會直接影響城市軌道交通運營的可靠性、乘客的滿意度、運營單位的運營成本等，不同因素對應事件的發生概率不同、事件后果嚴重程度不同，表現為事件的不同風險等級。本文主要對城市軌道交通設備相關因素進行研究。

3 風險管控技術

風險管控技術主要包括風險識別、風險分析、建立風險管理矩陣等。

3.1 風險識別的主要工作

風險識別是風險管理的第一步，也是風險管理的基礎。只有在正確識別出所面臨風險的基礎上，才能主動選擇適當有效的方法進行處理。

風險識別的主要工作內容是識別風險源、影響的范圍、相關事件、風險原因及潛在的后果，核心內容是要識別所有的重要原因和重要后果。其主要目的是建立一個基于風險事件的、綜合的、廣泛的風險清單。在風險識別之前需要事先建立風險分類目錄和風險編號規則，便于后續采用數據庫的形式記錄風險。

3.2 風險分析

風險分析是風險評估的核心子過程。風險分析是通過量化過程將數據轉化為與風險相關的決策支持信息。這些量化數據一般指事件的概率，以及事件后果的嚴重程度。

風險分析主要完成2項工作：①深入理解風險的特性;②估計風險的大小及風險等級。一般可采用情景分析、后果/可能性矩陣等風險評估方法，對風險識別過程識別出的風險逐項進行分析，包括分析現有風險應對措施及其有效性（先分析其設計的有效性，再分析其執行的有效性，最后分析其執行的效率），然后估計風險發生的可能性（概率）及后果，最后確定風險等級。

3.3 風險定義與故障概率

從數學角度，風險就是體現故障的概率和后果的共同影響。因此，國際上普遍的定義為：

3.4 故障后果的級別劃分

故障后果的嚴重程度是連續的，在0～1區間取值，0代表沒有不良后果，1代表最嚴重的后果。為了研究方便，一般把故障后果的嚴重程度劃分為若干級別。城市軌道交通行業通常將故障后果劃分為5個級別，即“最嚴重”“較嚴重”“嚴重”“一般”和“輕微”，具體分級如表1所示。

根據城市軌道交通的實際情況，后果分級通常應考慮以下幾個因素。

（1）是否靠近城市中心或者居民密集的區域。越靠近城市居民密集區和市中心，出現故障對交通的影響就越嚴重，客戶的投訴也會越頻繁，其后果級別越高。

（2）是否為換乘樞紐站點。換乘樞紐站點牽涉2條或者2條以上線路的交匯和轉乘，一旦發生故障，影響的客流較多，其后果級別明顯高于其他站點。

（3）時間段的區別。城市軌道交通存在明顯時間段的差異，上班和下班有高峰期;在節假日也有運營高峰期;在城市特殊事件時期，如交易會、展覽會、藝術節、體育盛事等，在不同的區域和線路都會出現客流高峰。因此故障后果的嚴重程度隨著時間段、牽涉區域不同而不同。

（4）與設備狀況的關聯。不同線路，設備役齡不同、初始可靠性不同、客流負荷不同會對故障類型和后果產生不同的影響。

3.5 風險矩陣與故障概率及故障后果的關聯關系

3.5.1 專業子系統的風險公式

一般按照不同專業來評估系統的風險，式（1）轉換為：

式（3）中，Rj為第j個專業子系統的風險值;Pj 和Cj分別代表第j個專業子系統的故障概率和故障后果數值。

某地鐵公司將設備類別專業風險評估按照地鐵運營實際進行了劃分，如自動售檢票系統（AFC）和電扶梯等車站設備，其故障后果判定為“服務不暢，未造成擁堵”，對應后果級別為“一般”，后果取值范圍為0.1～0.3;而線路、供電和通信系統等行車設備，其故障后果判定為“延誤導致客流嚴重擁堵”，對應后果級別為“較嚴重”，后果取值范圍為0.5～0.8。

3.5.2 風險矩陣

故障概率和故障后果都可以用矩陣的形式表達，并與風險矩陣建立關聯關系，如圖2所示。

圖2中A矩陣代表設備的故障概率矩陣，其中X1軸代表設備服役年限t，Y1軸代表故障概率Pj（取值區間0～1），呈現設備在壽命周期3個階段（初始故障階段、偶發故障階段和耗損故障階段）的變化;B矩陣代表設備的故障后果矩陣，其中X2軸代表不同的故障特征，Y2軸代表設備不同故障后果的嚴重程度Cj（取值區間0～1）。

按照故障風險為故障概率與后果乘積的原則，可得到風險矩陣象限圖（圖2中的R矩陣），其中X3軸代表設備的故障后果的嚴重程度Cj（取值區間0～1），Y3 軸代表設備的故障概率Pj（取值區間0～1）。

4 風險地形圖

4.1 風險分級及顏色表征

為了便于區分和管理，在建立風險地形圖之前，依照風險的3/7分割律，將風險等級劃分為3個級別，即不能容忍的風險、嚴重風險和一般風險，分別用紅色、黃色和綠色進行區分，如表2所示。

圖2所示的風險矩陣R中，如果是超過0.7的后果Cj乘以超過0.7的概率Pj，得到風險Rj等于或者大于0.5（紅區），即處于十分嚴重或者不能忍耐的風險值，需要采取緊急、特殊措施對設備狀態進行處理。

例如，某區間信號系統的故障概率P為0.07，而故障后果C為0.7，則該區間信號系統的風險值R為0.049，屬于一般風險狀態。

4.2 可視化技術

完整的地理空間信息可視化概念主要包括科學計算可視化、數據可視化和信息可視化。地理空間信息可視化技術的核心是為使用者提供空間信息直觀的、可交互的可視化環境[13]。將設備的風險等級用色彩等可視化手段，與城市軌道交通線路、車間的地理空間位置相結合，構建風險地形圖。參照表2中的色彩劃分，通常用綠色區域代表低風險區，黃色區域代表嚴重風險區，而紅色區域代表不能容忍的、必須要處理的風險區域。

4.3 大數據技術

某一時刻的風險地形圖，例如早晚高峰階段的設備風險，會隨著時間不同而有所變化。因此，風險地形圖上每個風險點的描述來源于各個區域子系統風險分析的數據。城市軌道交通領域涉及專業眾多，包括土木、車輛、機電、供電、維保、通信、信號、環控、AFC等，這些專業子系統通過人工或自動傳輸等方式采集產生的數據數以百萬計，應用大數據處理技術是建立風險地形圖動態管理最重要的技術手段之一。

大數據指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

對于城市軌道交通行業來說，可用于設備故障及失效風險預測的數據來源主要包括：

（1）設備運行數據，包括噪聲、振動、電流、電壓、溫度、壓力等;

（2）設備狀態監測數據，包括在線（連續）、離線（間隔）監測數據（開關量）;

（3）設備點巡檢數據，包括通過簡單儀器/工具或人的五感獲取的數據和信息;

（4）設備維修歷史數據，包括故障履歷、換件信息、修復記錄等。

4.4 風險地形圖的應用分析

探討風險地形圖的應用，可以從專業系統、運營線路、時間節點和綜合因素4個層面展開。

4.4.1 專業系統

如AFC、電扶梯、車輛、信號與屏蔽門、給排水、低壓和環控等專業系統，均可標注在某段時間的風險地形圖上，用紅色的點代表不能容忍的高風險，黃色代表嚴重風險，綠色代表一般風險。

4.4.2 運營線路

風險地形圖是以不同風險顏色的形式來表示不同的運營線路，其中紅色代表最高風險，黃色代表嚴重風險，綠色代表一般風險。不同顏色的運行線路集中代表該線路的軌道、接觸網、供電系統、信號系統等設備的風險等級。

4.4.3 時間節點

由于城市軌道交通系統的風險分布具有明顯的時間特征，因此專業系統、站點、運營線路都可以結合特定的時間段進行風險地形圖繪制。為了更好地展示不同時間段（平時、早晚高峰、節假日、大型展會等）相應設備對象的風險地形圖動態分布情況，可以用時間節點層的概念，對風險地形圖進行多層展示和管理。

4.4.4 綜合因素

為了清晰表述系統不同內容的風險，可以單獨繪制專業系統、站點、運行線路的風險地形圖。但為了便于運營管理人員更全面的把握系統風險，可以將專業系統、站點和線路進行綜合，形成某一時間段綜合因素的風險地形圖。某城市地鐵線路綜合風險地形圖如圖3所示。

5 風險 - 維修決策矩陣群

對風險矩陣和風險地形圖展開進一步研究，構建風險-維修決策矩陣群。盡管維修策略的優化并不完全依賴于風險等級，其他因素（如換乘效率、運維成本等）均需在決策過程中考慮，但運營風險顯然處于最重要地位，而且經濟因素也可以從后果中體現，轉化為不同的風險等級進行管理。

在圖2的基礎上，通過增加數據來源矩陣和維修策略矩陣，可以構造出如圖4所示的風險-維修決策矩陣群。城市軌道交通運營部門可以參照這個矩陣群，以“設備可靠性-故障概率-后果-風險”為業務主線，進一步向前細化數據來源，向后擴展到維修策略的選擇與優化，進行各專業及設備的維修資源配置、維修模式和維修保養行為規范等方面的精準化設計，形成新的“數據源-設備可靠性-故障概率-后果-風險-維修策略-維修模式（維修規范）”管理主線。圖4中的風險-維修決策矩陣群構造的邏輯順序如下。

（1）構造數據來源矩陣。挖掘系統可編程邏輯控制器（PLC）、分散控制系統（DCS）、數據采集與監視控制系統（SCADA）的工藝參數和運行數據，這些數據可間接反映設備劣化。如通過監測電機、門控器的工作狀態，可以預測車門系統的常見故障（無法電動關門、開不到位、3s不解鎖、阻力過小、阻力過大），溫度驟升代表局部短路等。數據來源中需要重視日常人工點巡檢數據，同時參考設備的歷史數據，如維修換件記錄等。在以上數據特征不足以反映設備劣化時，還要主動采用各種狀態監測手段加以補充，如振動監測、紅外監測以及電氣參數監測等。

（2）形成故障概率矩陣。將可能、不可能等模糊語義轉化為概率值，主要根據劣化及故障頻率進行評估量化。故障概率矩陣中，1/Y代表每年發生1次，10/Y代表每年發生10次，用于表征事件發生頻次，運營單位可在此基礎上結合自身情況調整（圖4中將概率分為7 個等級，也可以是5級、3級）。

（3）構造故障后果矩陣。結合故障的內容和特征，分析其造成的運營可靠性、安全、服務質量等后果，并進行歸一化處理。

（4）形成風險矩陣。后果與概率的乘積即為風險等級值，不斷完善后果與概率2個矩陣，在此基礎上形成風險矩陣。

（5）構造維修策略矩陣。依據風險大小選擇對應級別的維修策略，風險大則維修策略的等級高，維修投入大，反之亦然。維修策略矩陣中，BDBM為基于大數據的維修;CBM為狀態維修;TBM為基于時間的維修;PIT STOP為賽車式搶修;OppT為機會維修;ProA為主動性維修;BrkD為事后維修;“×”代表該維修模式可應用;“-”代表該維修模式不適用。

6 結語及未來發展方向

6.1 結語

通過基于風險地形圖構建城市軌道交通行業設備的風險-維修決策矩陣群，實現了風險管理的可視化應用，形成了新的“數據源-設備可靠性-故障概率-后果-風險-維修策略-維修模式（維修規范）”管理主線，有利于城市軌道交通運營部門優先安排資源、保證工作重點，從總體上管控風險、提高乘客滿意度及優化運維成本。

6.2 未來發展方向

風險-維修決策矩陣群未來有以下幾個發展方向，包括TOC管理（Theory Of Constraints，約束理論，也稱瓶頸管理）、風險樹應用和可接受風險研究、基于大數據的精準維修等，具體如下。

（1）通過TOC管理，仿真高風險解決后的新管理瓶頸。TOC管理可以引導城市軌道交通設備管理者重點關注成為瓶頸的站點、線路或者子系統，避免平均分配管理精力和資源。為了從系統角度做好風險管理，還應建立起全系統風險樹，以便從系統和宏觀角度認識系統的瓶頸，做好風險管理。

（2）建立風險樹，分層級研究風險。結合城市軌道系統特點，將系統風險置頂，第二層級是危害級的風險，第三層級為子危害級風險，最后一級是事件級風險。

（3）可接受風險研究。通過度量“可接受風險水平”，做好風險評估與管理。

（4）基于大數據的精準維修。采集設備關鍵特征值的實時變化情況，并根據這些不同特征值是否落入提前設定的陷阱閾值，進行不同風險級別的預警，如果是強預警狀態則生成檢修包，精準指導維修團隊采取維修行動。

參考文獻

[1]金鋒. 風險管理在城市軌道交通建設中的應用[J]. 都市快軌交通，2005（1）：1-4.

[2]曾鐵梅，侯建國. 地鐵營運風險管理初探[J]. 武漢大學學報（工學版），2007（6）：84-87，93.

[3]毛儒. 軌道交通安全風險管理[J]. 都市快軌交通，2007（4）：7-8，16.

[4]阮欣，尹志逸，陳艾榮. 風險矩陣評估方法研究與工程應用綜述[J]. 同濟大學學報（自然科學版），2013，41（3）：381-385.

[5]王自力，崔亦謙. 關鍵基礎設施風險相互依賴性[M]. 北京： 國防工業出版社，2014.

[6]吳濤，毛俊嶸，許樹生. 基于國際標準的城市軌道交通運營風險管理研究[J]. 中國鐵路，2014（6）：17-20.

[7]周虎，趙時旻，楊建國，等. 網絡化城市軌道交通車站設備監控系統研究——基于嵌入式技術的網絡化解決方案[J]. 現代城市軌道交通，2008（1）：1-5.

[8]張昊. 北京地鐵運營安全風險評價體系研究[D]. 北京：中國科學院大學（工程管理與信息技術學院），2016.

[9]王博，方鳴，劉濰清，城市軌道交通風險管理與可接受風險水平的探討[J]. 現代城市軌道交通，2016（4）：99-102.

[10] 劉云輝. 廣州地鐵運營安全風險評價體系研究[D]. 廣東廣州：華南理工大學，2018.

[11] 鹿穎. 基于風險矩陣法的城市軌道交通運營安全評價研究[D]. 吉林長春：吉林大學，2019.

收稿日期 2020-04-10

責任編輯 胡姬