基于RAMS的軌道交通信號(hào)轉(zhuǎn)轍機(jī)設(shè)備重要度分析

朱晨呈

（南京地鐵運(yùn)營(yíng)有限責(zé)任公司，南京 210012）

近年來(lái)，城市軌道交通行業(yè)的高速發(fā)展和軌道交通總運(yùn)營(yíng)里程數(shù)的不斷增加，對(duì)于設(shè)備的可靠性提出了越來(lái)越高的要求。轉(zhuǎn)轍機(jī)設(shè)備作為城市軌道交通的關(guān)鍵信號(hào)設(shè)備，保障其安全有效運(yùn)行具有非常重要的意義。傳統(tǒng)的轉(zhuǎn)轍機(jī)設(shè)備監(jiān)測(cè)維修主要采用人工定期檢修的方式，受限于檢修人員的專業(yè)能力、熟練程度以及敬業(yè)度，檢修過(guò)程中存在較多不確定因素，從而導(dǎo)致軌道列車在運(yùn)行過(guò)程中存在較大的潛在風(fēng)險(xiǎn)。因此，借助人工智能技術(shù)和大數(shù)據(jù)技術(shù)進(jìn)行轉(zhuǎn)轍機(jī)設(shè)備的智能監(jiān)測(cè)以提升監(jiān)測(cè)質(zhì)量成為了近年來(lái)的研究熱點(diǎn)。從故障隱患排查和可靠性的角度判斷，用智能監(jiān)測(cè)技術(shù)取代人工維護(hù)是勢(shì)在必行的發(fā)展趨勢(shì)。然而，受限于智能監(jiān)測(cè)設(shè)備的開發(fā)成本和開發(fā)周期，在最短的時(shí)間和最低成本下優(yōu)先解決最為關(guān)鍵和重要的設(shè)備部件的智能監(jiān)測(cè)具有非常重要的價(jià)值和意義。

為了能夠準(zhǔn)確評(píng)估轉(zhuǎn)轍機(jī)監(jiān)測(cè)過(guò)程中各部分的重要程度，本文采用層次結(jié)構(gòu)模型對(duì)轉(zhuǎn)轍機(jī)各組成部件進(jìn)行重要度分析，根據(jù)RAMS參數(shù)指標(biāo)，通過(guò)統(tǒng)計(jì)分析多年的故障數(shù)據(jù)得到轉(zhuǎn)轍機(jī)高頻率故障點(diǎn)和重要部件，為轉(zhuǎn)轍機(jī)關(guān)鍵設(shè)備智能監(jiān)測(cè)工作提供優(yōu)先級(jí)，從而為借助大數(shù)據(jù)和模式識(shí)別等先進(jìn)技術(shù)實(shí)現(xiàn)智能監(jiān)測(cè)提供參考依據(jù)。

1 基于RAMS的設(shè)備維修管理研究

RAMS是國(guó)際電工委員會(huì)(International Electro- technical Commission，IEC）頒布的國(guó)際鐵路系統(tǒng)標(biāo)準(zhǔn)，包括了可靠性（Reliability）、可用性（Availability）、可維護(hù)性（Maintainability）和安全性（Safety）4個(gè)方面。從20世紀(jì)初開始，軌道交通行業(yè)引進(jìn)了RAMS標(biāo)準(zhǔn)并廣泛應(yīng)用，取得良好效果，并以此構(gòu)建了行業(yè)標(biāo)準(zhǔn)。

劉述芳等[1]提出了通過(guò)數(shù)據(jù)分布檢驗(yàn)信號(hào)系統(tǒng)設(shè)備的壽命分布規(guī)律，以可靠性為約束，建立了城市軌道交通信號(hào)維修周期優(yōu)化模型。李國(guó)正[2]開發(fā)了故障診斷系統(tǒng)和專家系統(tǒng)，建立和完善了車載設(shè)備RAMS標(biāo)準(zhǔn)相關(guān)數(shù)學(xué)模型，提出了優(yōu)化維修模式的決策方法。宋丹[3]考慮了設(shè)備檢測(cè)的不確定性，提出的單部件研究策略和受約束的赫威斯準(zhǔn)則魯棒優(yōu)化模型對(duì)于優(yōu)化信號(hào)運(yùn)營(yíng)安全性和可靠性具有重要現(xiàn)實(shí)意義和研究 價(jià)值。

上述研究主要是借助RAMS準(zhǔn)則研究軌道交通設(shè)備的壽命及故障發(fā)生的規(guī)律，從而優(yōu)化設(shè)備的維修模式。而本文重點(diǎn)是研究轉(zhuǎn)轍機(jī)設(shè)備在長(zhǎng)期工作中的可持續(xù)狀態(tài)，借助RAMS準(zhǔn)則完成相關(guān)定性指標(biāo)和定量指標(biāo)的表示，用量化的參數(shù)明確不同使用時(shí)間對(duì)應(yīng)不同設(shè)備部件的檢修故障內(nèi)容以及故障頻率，通過(guò)判斷檢修故障內(nèi)容可以實(shí)現(xiàn)評(píng)估轉(zhuǎn)轍機(jī)設(shè)備各部件的重要度，按照越重要優(yōu)先級(jí)越高的原則，為轉(zhuǎn)轍機(jī)關(guān)鍵設(shè)備智能監(jiān)測(cè)工作提供優(yōu)先級(jí)排序，從而為借助大數(shù)據(jù)和模式識(shí)別等先進(jìn)技術(shù)實(shí)現(xiàn)智能監(jiān)測(cè)提供參考依據(jù)。

2 基于RAMS的設(shè)備關(guān)鍵度評(píng)估

本文借助融合聚類分析思想的層次結(jié)構(gòu)模型分析法[4]，通過(guò)加權(quán)平均獲得指標(biāo)權(quán)重。用該方法對(duì)城市軌道交通設(shè)備各部件進(jìn)行重要度評(píng)估的步驟如下：第一步，借助公式計(jì)算準(zhǔn)則層與目標(biāo)層的比例權(quán)重；第二步，借助RAMS準(zhǔn)則將各設(shè)備部件按照每一準(zhǔn)則進(jìn)行分類匯總，同時(shí)按照歸屬每一準(zhǔn)則的下比例權(quán)重對(duì)各部件進(jìn)行加權(quán)處理；第三步，通過(guò)對(duì)上所述兩個(gè)權(quán)重進(jìn)行整合處理，最終獲得每個(gè)設(shè)備部件對(duì)目標(biāo)層的組合權(quán)重值。在上述評(píng)估的基礎(chǔ)上，再結(jié)合RAMS準(zhǔn)則，按照各設(shè)備部件的組合權(quán)重進(jìn)行排序，從而獲得關(guān)鍵部件和重要部件。

本文通過(guò)調(diào)研軌道交通信號(hào)部件的維修情況，對(duì)信號(hào)部件關(guān)鍵度的評(píng)估從可靠性、可維修性、安全性、經(jīng)濟(jì)性等4個(gè)方面入手，同時(shí)利用層次結(jié)構(gòu)模型分析法確定不同影響因素的權(quán)重值，并依托大量實(shí)際檢測(cè)的故障數(shù)據(jù)來(lái)進(jìn)行分析，最終綜合出評(píng)定值模型，從而實(shí)現(xiàn)借助轉(zhuǎn)轍機(jī)智能監(jiān)測(cè)設(shè)備制定不同信號(hào)部件的監(jiān)控策略[3]。

RAMS的4個(gè)要素可以進(jìn)一步細(xì)分為故障率、功能影響、運(yùn)行影響、安全影響、維護(hù)時(shí)間、維護(hù)難度、可監(jiān)控性、維護(hù)成本和停機(jī)損失等9個(gè)方面。若要基于RAMS理論對(duì)轉(zhuǎn)轍機(jī)單部件進(jìn)可靠性評(píng)估，同時(shí)根據(jù)各部件關(guān)鍵度的級(jí)別進(jìn)行分類，并根據(jù)重要程度挑選出最重要的設(shè)備進(jìn)行維護(hù)，首先需要確定設(shè)備關(guān)鍵度評(píng)價(jià)范圍，其次要依據(jù)RAMS關(guān)鍵度參數(shù)分級(jí)評(píng)價(jià)，再次要對(duì)設(shè)備進(jìn)行大量的數(shù)據(jù)調(diào)查分析，最后通過(guò)層次分析法計(jì)算權(quán)重并得到單部件的關(guān)鍵度。另外，為了明確地劃分評(píng)價(jià)因素等級(jí)，現(xiàn)將每個(gè)因素設(shè)定為5個(gè)評(píng)分等級(jí)[2]，根據(jù)歷史故障數(shù)據(jù)可得出組件大部分因素的評(píng)分（這里采用百分制）。

現(xiàn)有的轉(zhuǎn)轍機(jī)故障分為兩大類，分別是人為因素和物理因素。其中，人為因素包括操作和維修失誤，物理因素包括電磁干擾、化學(xué)侵蝕、振動(dòng)、溫度和災(zāi)害等。由于轉(zhuǎn)轍機(jī)工作環(huán)境露天且維修成本高、維修情況復(fù)雜，綜合各因素對(duì)設(shè)備故障的影響，可結(jié)合維護(hù)和故障信息對(duì)主要功能組件進(jìn)行劃分，并設(shè)置設(shè)備維修層次，如圖1所示，其中可根據(jù)實(shí)際情況進(jìn)一步劃分中間層。

設(shè)備維修層次設(shè)置完成后，需要評(píng)價(jià)信號(hào)轉(zhuǎn)轍機(jī)所有部件的關(guān)鍵度。首先，需要統(tǒng)計(jì)并完成轉(zhuǎn)轍機(jī)系統(tǒng)典型故障樣本集的構(gòu)建，并結(jié)合故障樣本數(shù)據(jù)的特征進(jìn)行分析。其次，借助相關(guān)設(shè)備關(guān)鍵度評(píng)估標(biāo)準(zhǔn)以及轉(zhuǎn)轍機(jī)設(shè)備各部件的關(guān)鍵度來(lái)完成各個(gè)因素的等級(jí)評(píng)分。最后，根據(jù)具體情況對(duì)數(shù)據(jù)進(jìn)行調(diào)查分析，并將數(shù)據(jù)進(jìn)行分類總結(jié)[2]，以便對(duì)轉(zhuǎn)轍機(jī)設(shè)備的所有部件進(jìn)行關(guān)鍵度數(shù)據(jù)調(diào)查和關(guān)鍵度評(píng)價(jià)。

3 基于聚類分析思想層次結(jié)構(gòu)模型分析法的轉(zhuǎn)轍機(jī)部件關(guān)鍵度模型

基于聚類分析思想的層次結(jié)構(gòu)模型分析算法的分析過(guò)程如下：首先，根據(jù)具體問(wèn)題需求構(gòu)建一個(gè)描述系統(tǒng)功能或者系統(tǒng)特征的獨(dú)立遞階層次結(jié)構(gòu)；其次，對(duì)不同因素進(jìn)行兩兩比較來(lái)獲得其相對(duì)重要性，并根據(jù)比較結(jié)果獲得相應(yīng)比例標(biāo)度；最后，構(gòu)造出某上層元素對(duì)下層相關(guān)元素的判斷矩陣，從而獲得相關(guān)元素對(duì)某上層要素的相對(duì)重要序列，以此計(jì)算出權(quán)重因子[4]。

按照相關(guān)要求統(tǒng)計(jì)歷年轉(zhuǎn)轍機(jī)設(shè)備的故障數(shù)據(jù)，整理設(shè)備的故障原因，并對(duì)所選轉(zhuǎn)轍機(jī)關(guān)鍵成分的7個(gè)故障因素進(jìn)行關(guān)鍵度評(píng)分。通過(guò)對(duì)2017年1月至2019年12月某地鐵轉(zhuǎn)轍機(jī)的故障數(shù)據(jù)進(jìn)行采樣，每3個(gè)月數(shù)據(jù)為一組，按照故障原因劃分并進(jìn)行分類統(tǒng)計(jì)，總共整理出樣本數(shù)據(jù)20份。采用聚類分析思想的層次結(jié)構(gòu)模型分析方法對(duì)信號(hào)轉(zhuǎn)轍機(jī)單部件進(jìn)行分類時(shí)，先通過(guò)計(jì)算獲取準(zhǔn)則層對(duì)目標(biāo)層的權(quán)重，然后通過(guò)RAMS關(guān)鍵度評(píng)估將部件分類匯總并進(jìn)行加權(quán)，最后通過(guò)加權(quán)平均得到指標(biāo)的權(quán)重。同時(shí)，結(jié)合RAMS把得到的各部件組合權(quán)重進(jìn)行了排序分類[5]，并揀選出轉(zhuǎn)轍機(jī)設(shè)備的關(guān)鍵部件，從而完成設(shè)備的關(guān)鍵度評(píng)估。根據(jù)轉(zhuǎn)轍機(jī)設(shè)備各部件的故障數(shù)據(jù)統(tǒng)計(jì)采集樣表，按層次結(jié)構(gòu)模型分析算法計(jì)算權(quán)重因子得出轉(zhuǎn)轍機(jī)各部件的關(guān)鍵度排序如表1所示。

表1 轉(zhuǎn)轍機(jī)各部件關(guān)鍵度排序表

經(jīng)過(guò)大量的故障數(shù)據(jù)統(tǒng)計(jì)和轉(zhuǎn)轍機(jī)設(shè)備維護(hù)管理經(jīng)驗(yàn)的調(diào)研總結(jié)，以及關(guān)鍵設(shè)備信息的采集，明確了監(jiān)測(cè)部件，建立了設(shè)備信息數(shù)據(jù)庫(kù)，完善了履歷表。借助以上數(shù)據(jù)信息可以對(duì)轉(zhuǎn)轍機(jī)各部件關(guān)鍵度進(jìn)行對(duì)比分析，并統(tǒng)計(jì)獲得的關(guān)鍵度排序表，從而估計(jì)各模塊的故障概率以及出現(xiàn)故障后帶來(lái)的影響損失和設(shè)備的維護(hù)周期。根據(jù)上述相關(guān)信息可以完成設(shè)備各個(gè)部件的重要度排序，為轉(zhuǎn)轍機(jī)關(guān)鍵設(shè)備智能監(jiān)測(cè)工作提供優(yōu)先級(jí)排序方案，這對(duì)智能監(jiān)測(cè)設(shè)備的開發(fā)、規(guī)劃和布署均具有非常重要的意義。

4 結(jié)語(yǔ)

本文借助軌道交通行業(yè)內(nèi)部RAMS參數(shù)和聚類分析思想的層次結(jié)構(gòu)分析模型對(duì)信號(hào)轉(zhuǎn)轍機(jī)設(shè)備各部件進(jìn)行關(guān)鍵度評(píng)估，從而優(yōu)化轉(zhuǎn)轍機(jī)設(shè)備維護(hù)模式，并為轉(zhuǎn)轍機(jī)智能監(jiān)控提供數(shù)據(jù)參考，更為信號(hào)智能監(jiān)測(cè)技術(shù)的開發(fā)提供了大量的數(shù)據(jù)和算法支撐。鑒于軌道交通信號(hào)系統(tǒng)復(fù)雜且易受其他系統(tǒng)干擾，設(shè)備故障情況復(fù)雜多變且難以預(yù)測(cè)，因此構(gòu)建有效的維修周期模型，優(yōu)化設(shè)備智能監(jiān)測(cè)系統(tǒng)非常有必要。然而，現(xiàn)在的智能監(jiān)測(cè)設(shè)備技術(shù)不成熟且不完善，更需要進(jìn)行深入的研究開發(fā)。通過(guò)本文的研究，能在最優(yōu)的情況下找到轉(zhuǎn)轍機(jī)智能監(jiān)測(cè)的關(guān)鍵設(shè)備，并將其作為監(jiān)測(cè)重點(diǎn)進(jìn)一步開發(fā)，從而完善監(jiān)測(cè)過(guò)程，優(yōu)化數(shù)據(jù)結(jié)果，降低設(shè)備維修成本，提高監(jiān)測(cè)結(jié)果的可靠性，促進(jìn)轉(zhuǎn)轍機(jī)智能監(jiān)測(cè)技術(shù)的應(yīng)用和開發(fā)。