軌旁信號設備多維度數據挖掘與可視化展示

施 聰 陸鑫源 孫 杰 晏 偉 張 杰 陳恒泰 戴洋競 顧思淵 張玉潔 桂文婧

(1.上海磁浮交通發展有限公司,201204,上海; 2.上海地鐵維護保障有限公司通號分公司,200235,上海;3.上海工程技術大學城市軌道交通學院,201600,上海∥第一作者,高級工程師)

軌旁信號設備是保障列車運行安全、提高運行效率的重要基礎設備,對其RAMS(可靠性、可用性、可維修性、安全性)要求極其嚴苛,因此,研究軌旁信號設備的運營維護工作具有重要意義。傳統運營維護手段主要有基于時間的周期性維護和基于故障的糾正性維護[1]。基于故障的糾正性維護,是在故障發生后因受故障點位置、搶修人員和物資分配等因素的影響無法快速解決故障[2]而進行的維護,如故障不能及時得以解決,可能會造成線網擁堵癱瘓等問題。

在軌旁信號設備維護領域,已經積累了海量數據,但是這些數據維度高、時間跨度大、數據體量大且價值稀疏,因此目前的使用率較低。而基于數據統計分析的維護策略優化理念在地鐵售票系統設備維修[3]、鐵路內燃機車故障數據處理[4]、動車組齒輪箱異常數據分析[5]等方面應用非常廣泛。本文主要探討軌旁信號設備維護數據的挖掘與可視化展示。

1 軌旁信號設備維護數據分析

1.1 數據獲取與類別

1) 數據獲取。維護作業數據主要分布在各業務階段數據管理平臺中,比如EAM(企業資產管理)系統、點巡檢系統、工單系統和智慧運維平臺(見圖1),因此需要打通系統間數據接口,實現互聯互通。各個系統之間接口協議采用Restful風格和JSON(JavaScript (JS)對象簡譜)數據格式。獲取到接口平臺接口庫URL(統一資源定位符)地址,申請接口訪問時,首先要完成身份鑒權,如EAM系統身份鑒權,需要提供接入系統所屬公司、接入范圍對象和加密動態數字證書等。獲取接口數據時,通過Restful協議提供標準請求(Get)動作方法,通過調用平臺接口方法和傳入參數即可獲得返回結果,最后將JSON格式文件數據解析為Excel文件和文本文件或者將數據存儲到數據庫中。

圖1 數據獲取流程圖

2) 數據類別。維護作業數據主要包括工單數據、點巡檢數據和故障數據。工單數據記錄軌道交通運維事件的管理、追蹤和刪除等過程,內容包括工單編號、設備(位置)編碼、工作內容、工作類型、實際開始時間、實際完成時間、工單完成描述和工單狀態等;點巡檢數據記錄設備周期性固定計劃維護內容,主要包括計劃編號、任務編號、設備名稱、檢查序號、檢查項、是否正常和記錄值等;故障數據主要包括故障編號、故障時間、故障設備名稱、故障現象、故障發生線路和站點、處理時間、處置經過和處置延時。

1.2 數據預處理

解析以后的數據無法直接使用,存在數據信息冗余、數據格式錯亂或者數據內容缺失等問題,因此需進行數據預處理。數據預處理包括數據篩選、數據清洗和缺失值填充。數據篩選是指篩選出與軌旁信號設備有關的數據,避免非軌旁設備數據干擾,如從工單數據與點巡檢數據中篩選出與轉轍機、信號機、計軸和信標有關的數據項;數據清洗是指刪除閾值范圍外異常數據和邏輯性錯誤數據,如從工單數據檢查各項數據值,刪除填寫為負值的數據;缺失值填充針對的是填寫表格時為節約時間未填寫或者簡寫的項(這些項與已填寫項內容相同),需要根據已填寫項內容補齊相關數據。

1.3 數據特點分析

本文中的軌旁信號設備主要指道岔轉轍機、信號機、計軸和應答器,維護數據主要包括故障數據和工單數據。

1) 故障數據分析。道岔轉轍機故障類型較多,其中大小角鋼(槽鋼)和電路2DQJ兩類故障占比較大;信號機主要故障有信號綠燈燈絲故障、白燈燈絲故障和紅燈燈絲故障,其中綠燈燈絲故障占比最高,遠超其它兩類故障;計軸故障類型有室內并口板故障、室外磁頭故障和CPU(中央處理器)電源故障;應答器的可靠性和安全性較高,故障概率低,故障類型只有A-TAG應答器一類故障。在這4類故障中,道岔轉轍機故障數量最多,其次是計軸故障數量,信號機和應答器的可靠性和安全性較高,故障數量較少。

2) 工單數據分析。工單類型包括日常養護、巡檢、配合、集中養護、臨修和搶修等工單。以上海軌道交通14號線2023年7月和8月的工單為例進行分析,各類型工單數量如圖2所示。由圖2可見,日常養護類型工單最多,臨修和搶修工單極少。本文重點分析日常養護、巡檢和集中維護工單占比情況。日常養護分為雙周養護、四周養護、月養護、季養護和半年養護,日常養護中的各類工單占比如圖3所示。由圖3可見,四周養護工單占比最大,季養護工單占比最小。巡檢維護分為日維護、周維護、月維護和半年維護,巡檢維護中的各類工單占比如圖4所示。由圖4可見,周維護工單占比最大,半年養護工單占比最小。集中維護類型分為季維護、半年維護和年維護,集中維護中的各類工單占比如圖5所示。由圖5可見,年維護工單占比最大,季養護工單占比最小。

圖2 工單類型數量統計

圖3 日常養護各類工單占比

圖4 巡檢各類工單占比

圖5 集中維護各類工單占比

2 軌旁信號設備維護數據挖掘與維護策略優化

2.1 數據挖掘

軌旁信號設備是交互發生影響的,因此需對多源維護數據進行綜合分析,對設備狀態和故障影響進行邏輯嚴密綜合分析。設備故障會導致各類型故障,故障影響表達式為:

M=f(Di,Xj,Jk,Yz)

(1)

式中:

M——故障影響;

Di——第i個道岔設備故障;

Xj——第j個信號機故障;

Jk——第k個計軸故障;

Yz——第z個應答器故障。

然而,Di和Xj故障會導致聯鎖區域列車降級,Jk故障會導致相關區域列車降級,Yz故障對運營無影響。聯鎖區域列車降級是等級最高事件,Di道岔設備故障是導致連鎖區域列車降級的根本性因素,無論是否有無其他3類故障。軌旁信號設備故障類型及其影響如表1所示。

表1 軌旁信號設備故障類型及其影響

信號設備維護工作具有保障設備安全、延長設備壽命和避免事故發生等作用。維護時間能夠反應維護效率。信號設備維護主要包括計劃性維護和糾正性維護。計劃性維護包含集中維護、巡檢、日常養護、檢修和調測(測試并調整)5種類型,計劃性維護的設備維護年總工時為各類維護類型工時之和。但大規模維護會造成大量人力、物力和財力的浪費[6]。糾正性維護是指在設備出現故障后,從對設備進行維護開始到恢復到正常工作狀態的過程,糾正性維護時間是反映維護時間的關鍵指標。計劃性維護工時在總維護工時中的占比q計算公式為:

(2)

式中:

Pt——某車站或者某設備計劃性維護工時;

Mt——某車站或某設備糾正性維護工時。

若q<1,應增加計劃性維護工時,對高頻故障設備進行重點維護;若q=1,應適當減少計劃性維護工時。

2.2 維護策略優化

1) 使用壽命估計方法。軌旁信號設備使用壽命估計是一個研究重點,本文通過設備上道時間、設備最大使用年限和單月最高動作次數對設備剩余使用壽命和設備下道時間進行估計。軌旁信號設備基礎預估使用年限是15年,其中轉轍機可分為二級道岔轉轍機和三級道岔轉轍機。三級道岔使用壽命估計計算公式為:

t=t0+h+3 d

(3)

式中:

t——預估設備下道岔時間,單位 d;

t0——設備上道時間,單位 d;

h——設備預估計剩余使用時間,考慮到閏年,因此多加3 d,單位 d。

二級道岔與三級道岔的單月最高動作次數可相差10倍,甚至可達30倍,因此,對于二級道岔,要從當前設備動作次數與最大可允許動作次數的比值來計算其下道時間,計算公式為:

式中:

Mn——設備單月動作次數,max (M1,M2,…,Mn)表示設備單月動作次數最大值,單位 次;

PM——設備允許最大動作次數,單位 次。

根據式(4)可估算出來二級道岔設備使用壽命。設備使用壽命估計對設備狀態檢測、維護工時安排和設備庫存管理等都有重大意義。

2) 庫存優化。根據維護數據特點分析可知,道岔轉轍機和計軸故障次數多且類型也多,信號機和應答器故障次數少,因此各車站應增加轉轍機和計軸庫存數量,建議適當性減少信號機和應答器庫存數量。此外,針對個別車站的高頻發故障類型,應單獨增加某類型設備配件。

3) 計劃性維護優化。對計劃性維護工時以新規則進行分散統計,如以車站和設備、車站和時間(每月)、設備和時間(每月)理清各車站需維護設備時間、每月各車站維護時間、每月設備需維護時間。在對故障數據進行分析和統計的基礎上,針對性增加故障頻發車站、故障頻發月的維護需求,針對性增加某類故障頻發設備維護需求,應減少不發生和少發生故障的設備的日常養護和巡檢頻次與時間。

4) 糾正性維護優化。糾正性維護時間越短造成的影響越小。因此,根據故障數據特點分析結果,對故障數據進行多維度分析,如:從空間角度按車站和故障數、車站和設備故障數,從時間角度按月份與故障數等進行多維度統計、分析和研究。對頻發故障位置進行標記,研究不同維護路徑和方法下取得最少糾正性維護時間最優化方案,此外還與設備庫存和計劃性維護工時進行關聯。

3 軌旁信號設備維護數據可視化展示

軌旁信號設備維護數據來源廣、數據量大和數據格式種類多,維護策略優化后,軌旁信號設備全生命平臺包括基礎管理、引導管理、設備管理和風險管理四大管理模塊(見圖6),對軌旁設備維護工時、故障分布、基礎信息、庫存和風險等數據進行統一管理。各個管理模塊均能在上海市真實地圖中實現數據聯動展示,可從中直觀高效地觀察相關數據的分布情況,實現高效便捷管理。

圖6 軌旁信號設備全生命平臺功能模塊示意圖

1) 基礎管理模塊:具有展示線路基礎概況、靜態數據和車站設備信息3大功能。線路基礎概況展示全線的運營里程、客運站、投用年代、列車配屬以及列車控制模式等線路基礎信息;靜態數據展示設備供應商、型號、數量、使用年限、動作次數、圖紙以及應急預案等靜態信息;設備信息展示線路各車站設備數量和供應商等信息。可方便維護人員隨時查看,加強對線路設備熟悉掌握程度,或用于對線路不熟悉的維護專業新員工學習了解使用。

2) 引導管理模塊:具有展示故障樹種類、故障趨勢分類和壽命情況3大功能。故障樹種類展示全線網內4類軌旁設備故障種類占比,對比全線網內相同設備各類故障發生比例,對全線故障作預測分析。故障趨勢分類展示故障發生的時間變化趨勢以及相應車站的分布情況,使維護人員能從時間、空間和數量等多維度掌握故障分布情況,提醒維護人員留意相關車站及相關設備的故障發生,加強對相關設備的維護。在引導管理模塊中也能看到具體軌旁設備的可使用壽命情況,使維護人員能直觀地感受到設備的預計使用時間。

3) 設備管理模塊:具有展示計劃性維護、糾正性維護和存庫3大功能,可將維護策略優化后應用結果以可視化方式展示出來。可展示4類軌旁設備各種計劃性維護及糾正性維護工時隨著時間變化的趨勢,結合線路地圖可直觀立體地看到維護工時集中的時間以及站點。線路庫存預警可提醒維護人員及時補充相應的備品備件。

4) 風險管理模塊:具有展示致命風險源健康狀態、風險源和致命風險源外部影響3大功能。維護人員從中可看到風險源對線路運營的影響情況,方便維護人員評估該車站的相應風險發生概率,使維護人員能夠掌握具體故障車站地理位置。維護人員根據設備致命風險源的實時部件以及外部工況的健康狀態的可視化展示,能夠直觀地觀察到風險發生位點及其具體情況。

4 結語

上海軌道交通14號線實際應用結果表明,通過對軌旁信號設備維護數據進行深度挖掘,并通過在軌旁信號設備全生命平臺進行可視化展示,使多維度海量軌旁信號設備維護數據的價值得以有效展現,既便于新員工學習時使用,又能使維護人員直觀地了解設備的基本情況和運行狀態,有利于縮短維護時間、節約成本、提高企業效益。