基于智能運維的多專業設備故障閉環管理系統

趙 磊

(昆明地鐵運營有限公司,650051,昆明∥高級工程師)

隨著城市軌道交通線網規模的擴大,運維與管理的壓力同步增長,迫切需要通過技術手段來改進運維管理方式。通過構建閉環、高效的報修系統,建立從設備報修—維修響應—維修記錄—設備恢復正常的全作業流程,建立起備件/耗材的領用需求與實際需求的關聯管理,同時將故障、應急事件、隱患、設備告警信息、維保計劃等與報修系統有機結合,達到精減流程、提高效率、掌控成本的目標,從而為城市軌道交通運營提供高質量的服務保證。為此,設計了基于智能運維的多專業設備故障閉環管理系統,實現更完善、更智能化的跨專業設備故障閉環管理,推進設備故障監測與健康管理的智能化,逐步實現設備故障管理體系化和運維服務信息化。

1 基于智能運維的多專業設備故障閉環管理系統架構

在進行基于智能運維的多專業設備故障閉環管理系統設計時,應考慮各專業設備故障存在的差異性,打破專業壁壘,編制整體預案和知識庫,進行統一規劃;對離散、多樣以及難以監控的設備故障進行統一的信息采集;實現跨專業設備故障數據的信息共享和挖掘與利用,為多專業設備故障數據的綜合分析和智能分析提供決策支持。該系統應實現多專業設備監測智能化、維修決策自動化、維修知識可視化、設備壽命透明化、維修管理和故障閉環流程化;應能夠充分利用運營場景、設備履歷及管理信息等,實現跨專業設備的健康管理,進而實現優化運維管理流程、共享線網運維資源,提供合理的日檢、周檢計劃,提高運營維修的效率,降低維護運營成本。

該系統由3個獨立網域構成整體網域架構,分別是生產(系統)網域、管理(辦公)網域和互聯網域。采用網絡隔離設備實現網域之間網絡隔離,能夠滿足各級網域的安全性要求。對于生產(系統)網域和管理(辦公)網域間,可通過增設單向強隔離設備防護生產網域的安全性;對于管理(辦公)網域和互聯網域間,可復用企管部既有的隔離區及鏈路實現互聯。該系統架構如圖1所示。

該系統架構是基于大數據集群的系統架構,主要實現的業務應用如下:

1) 線網集成化監測:實現跨線路在線監測可視化集成、全網設備狀態可視化監測、關鍵運營/運維指標計算及展示。

2) 線網大數據分析:實現線網設備專項統計分析、運維信號綜合分析、日志大數據分析等挖掘分析功能。

3) 設備質量評估分析:實現設備健康狀態評估、趨勢劣化評估,為設備科學量化維修提供支撐。

4) 故障管理和維修管理的信息化:通過布署應用于多部門的終端系統實現部門內及跨部門的業務交互,同時通過隔離區提供移動應用服務,滿足便攜應用的需求。

上述業務應用主要依賴于線路側上送的基礎采集數據、告警數據,基于大數據平臺評估計算后進行可視化展示及線網-線路雙向數據交互。目前線路側-線網側的實時數據交互采用的是雙向確認校驗機制,依賴于雙向數據傳輸。經過線網計算的結果類信息需要回送至線路側指導生產維護,相關信息包括系統及設備告警、故障詳情信息、數據故障段特征、告警可能原因、維護指導建議、設備健康度評分和設備檢維修建議等。

2 基于智能運維的多專業設備故障閉環管理系統功能設計

依托于故障智能分析、機器學習、日志分析、故障過濾、流程引擎和設備健康評估等算法,該系統可以實現故障管理、設備管理、案例庫、日志管理、維修管理和流程管理等功能。該系統功能邏輯結構如圖2所示。

圖2 系統功能邏輯結構圖

2.1 基礎功能

1) 信息報送:公司內部員工、委外人員發現現場問題后均可進入系統創建故障、隱患、事件等各類信息。內容包括創建人、時間、故障地點和故障內容。如果屬運維調度處理的信息,運維調度在接到信息后可對信息進行歸類(設施設備故障類、非設施設備故障類),如為設施設備故障類則進入故障指標統計,如為非設施設備故障類則單獨統計。對于經運維調度處理的信息,該系統全過程支持對該類信息出口、設備等級、故障等級、所屬專業和子系統等內容的編輯修改。信息流轉的所有相關操作均有作業流程記錄(時間軸記錄),時間軸按時間由近及遠順序排列。當發生同一故障,因信息來源和故障描述不一致導致該系統中存在一條以上相同編號的故障時,支持合并成同一條故障,但保留原有故障信息及操作流程,且在過程時間軸記錄中一并展現。

2) 工單管理:維修工單作為現場執行故障處理或執行維修任務的憑證之一,由執行層的上一層級直接下發。各層級的管理人員均可派發本層級以下的工單,操作頁面可由當前執行流程的操作人員自主選擇執行“派工”“信息流轉”“回復處理情況”至上級。派工后,接工單位可自主選擇執行“轉入施工管理”“直接處理”“回復處理情況”至上級。單獨建立工單的人工工時、物料消耗和工器具使用情況數據庫,方便統計分析,并支持導出。

3) 接口管理:建立與施工管理系統的接口,實現根據維修工單自動創建施工申請單,跟蹤施工申請單申報、執行進度;建立與票務系統的接口,實現票務系統故障數據的回傳,并將故障信息納入數據統計分析范疇;建立與基礎數據管理系統的接口,實現人員架構信息的實時更新;預留與隱患管理系統的接口,實現故障信息向隱患系統的數據推送。

4) 日志管理:業務流程、關聯業務和基礎數據維護等所有操作及事件均有日志記錄,且根據業務特點分別存儲。所有日志均可訪問查閱。日志的保存期限可人為設定,超過時限的自動清除。

2.2 輔助功能

1) 整改時限設置:對于從運維調度流轉至各部門的故障信息,各部門接信息后需在界面的處置時限選項的“計劃完成時限”內設置計劃完成處置日期及時間(24 h制);對于部門內流轉的故障信息,以及流轉至車間、班組處理的故障信息,各級均可設置處置時限,層級最低的為必填項,其余為選填項,如上一級已填寫該項后,后續各級可編輯修改。在預計處置時限結束前一定時限內會有信息提醒(提示音、待辦、顏色標記等),每一級處置時限的設置在流程記錄中均有體現,且在數據統計時增加處置時限的準確度統計。

2) 故障處置延期申請:初設整改時限期限截止前,部門、車間、班組可申請“調整整改時限”或“故障延期處置”。如申請“故障延期處置”(同一事項的相關故障可合并申請),則需逐級上報審核,部門審核通過后,將申請流轉至總工辦審核,總工辦審核通過后流轉至運維調度,運維調度操作確認后將該故障調整為“臨時閉環”狀態,指標統計時按閉環的標準統計,閉環時間設定為運維調度確認時間。

3) 故障分析管理:針對每一條故障(未閉環或已閉環故障),運維調度均有權限操作是否需要提交分析報告,可將需求信息推送至各生產部門,生產部門可將確定的分析報告以附件形式上傳并在填寫處理意見后提交運維調度。運維調度接到分析報告后可將分析報告分發至總工辦部門內用戶審核,也可直接操作意見反饋或無意見結束。

2.3 統計功能

1) 故障閉環率統計:統計指標包括故障總數、閉環故障數、未閉環故障數和故障閉環率。統計方式包括按日期、線路、信息出口、第一所屬專業、子系統和設備等級。支持查詢和導出功能。

2) 故障指標統計:統計指標包括以線路、專業為單位生成的設備等級和故障類型。

3) 重點故障統計:根據故障指數值(設備等級值×故障等級值×時間系數)將故障性質劃分3個等級(一般、較大、重點),判定值區間設為可調整值。該系統可自動識別故障所屬等級,并按等級分類查詢和導出。

4) 重點事件統計:①運營晚點事件統計。關聯故障信息后,創建晚點信息(行車調度、運維調度有權限操作),運營晚點事件類型包括始發站延誤(晚發時間)/早發、終到站延誤(終到晚點)/早發、任意車站延誤/早發。運營晚點事件統計指標包括15 min以上晚點事件數、5～15 min(不含)晚點事件數、2～5 min(不含)晚點事件數、0～2 min(不含)晚點事件數。②停供水事件統計。關聯故障,創建停水信息,系統自動識別更新停水時長直至閉環。如因給排水系統故障導致停水,需統計停水次數、單次故障修復時長(時長超過設定值后該系統有報警提示)。③變電所開關設備遠控失敗次數統計。統計范圍為電力調度管轄內開關設備(AC 110 kV、AC 35 kV、DC 750 V開關設備,400 V進線及母聯),新線自投入試運營時納入統計。

3 基于智能運維的多專業設備故障閉環管理系統關鍵技術

3.1 智能診斷

目前,設備故障監控及智能診斷技術在設備維護中的應用越來越廣泛,設備狀態微機監測技術也已成熟。但是尚缺乏可實用的設備狀態智能診斷和分析技術。該系統可克服上述技術存在的缺陷,提供一種適用于多專業設備故障閉環管理的智能故障診斷方法。

將診斷邏輯轉換為流程圖數據,并將該數據存儲為適用于城市軌道交通多專業領域的知識表示文檔,然后通過推理機把流程圖加載到內存,推理機根據流程圖數據適用的設備類型,為每個單獨的設備建立流程實例遍歷器;流程實例遍歷器在推理機驅動器的推理驅動機制下不斷運轉,每次運轉都執行知識表示的遍歷分析算法,推理機驅動器在訪問到流程圖數據的數據點時,根據數據點的描述獲取數據,數據獲取器會訪問外部采集器提供的數據緩存內存區尋找該數據點所描述的設備的某段時間內的數據,根據取到的數據做自定義表達式的邏輯運算,如滿足邏輯表達式則進入該表達式對應的后續節點,如所有后續節點都不滿足則跳出一次遍歷,報警分析器對產生的結果做后續處理,包括存儲、展示。數據點的描述除了包括通用的表述,如“取某個時間段的某設備信息”,還包括城市軌道交通專業知識表述,如進路前后軌道區段、區間前后軌道區段、道岔所在區段和信號機繼電器碼位等。該方法定義了專用于城市軌道交通領域的“知識表示方法”和“推理機制”,實現了高效的“推理驅動機制”,實現了面向城市軌道交通領域的特有的遍歷分析算法。

3.2 日志挖掘分析

該系統中的日志挖掘分析著眼于全局控制體系,在此基礎上集成優秀的開源產品,主要包括Flume、Kafka、HBase、ElasticSearch等。Flume支持在日志系統中定制各類數據發送方,用于收集數據;Kafka是一個分布式的消息系統,便于橫向擴展,吞吐量高,可以保證消息的有序性和可靠性,可以為高速流數據的處理提供支持;HBase是一個高性能、可擴展的分布式列式數據庫存儲系統;ElasticSearch是一個準實時的分布式搜索引擎,可以支持所有類型文檔的搜索。通過HBase與ElasticSearch的整合,構建二級索引,可以處理PB級的數據,同時保持很高的處理性能。

日志挖掘分析模塊包含日志采集、日志匯集存儲和日志分析三部分。基于分布式存儲、分布式列式數據庫、分布式索引服務和分布式消息服務等提供日志的采集服務和日志匯集與存儲服務,日志采集提供各類終端和服務器日志數據的采集能力;日志匯集與存儲提供匯集的集中控制功能,以及控制規則的數據定向匯集能力,涵蓋日志開發、收集、存儲、應用、銷毀的全生命周期服務,為基于日志的各類數據分析提供數據支撐。

多專業設備故障閉環管理系統對智能運維系統、通信系統、機電系統、供電系統和車輛系統的日志進行統一匯總分析,實現跨專業結合部隱患發現、故障定位及綜合分析等功能。提供日志統計分析能力和數據內容查看能力。可以縱觀該系統的運行狀態,如發現問題,可以提取和查看詳細日志內容,輔助現場人員進行故障診斷。

3.3 故障案例自學習

故障案例自學習系統應用架構主要包括大數據平臺層、機器學習、可視化展現與告警三個部分,使用基于神經網絡自學習功能自動匹配歷史故障案例,通過對接故障識別庫、算法、構建模型、迭代優化等步驟逐步完善故障診斷自動化預警系統。主要按照以下步驟處理:在大數據平臺收集歷史故障數據;數據預處理(清洗、轉換、統一),進行基礎統計;將基礎統計結果存儲到數據庫;通過計算引擎加載數據;劃分訓練和測試集合;訓練模型,在測試集上驗證;保存模型;迭代式優化模型。

對現有復雜設備及系統的故障信息進行數據采集,采用特征選擇與特征提取兩種方法得到故障數據的特征。故障數據主要是由人工記錄并存儲在知識庫中,大部分為描述性語言并且數據量較大,可依此直接對故障數據進行數據分析。故障數據含有的屬性較多,并非所有的數據都可以用來進行分析的,應注意過濾篩選。

可視化展現與自動化告警是以適當的視覺元素及視圖來呈現抽象的數據信息,并結合機器學習技術完成自動化告警的過程。當發現了故障后,自動接入相應的流程進行處理,這時故障事件自動觸發問題處理跟蹤流程,并在自動化工單式流程的指引下通知到相關責任人,利用知識庫自動完成整個故障處理協調過程。

基于新一代人工智能技術的全新分析方式的特色亮點有:系統能自動學習案例,新的故障發生時能用歷史案例推導出本次故障原因及處置方法;可不斷積累案例庫中的案例,隨著案例庫越大,系統分析功能越強;以神經網絡驅動,不需要編寫額外的智能分析代碼;除可以診斷實時故障外,同時可以遍歷挖掘歷史數據中與案例同樣的隱患。

4 基于智能運維的多專業設備故障閉環管理系統應用分析

目前,該系統已布署于昆明地鐵線網中心。該系統可以對每一項具體發生的設備故障進行深入全面的分析,查明發生的原因,然后采取預防措施,防止故障重復出現。更重要的是該系統可以對所有設備的故障信息進行整理統計,經過科學分析,查找設備故障發生的主要問題和故障發生的規律。因此,通過該系統的應用,可發現設備管理中的薄弱環節,進而明確設備管理的重點,采取針對性維修策略,改善技術狀態,降低故障發生率,確保設備的功能,持續滿足生產需求。

該系統將設備故障的統計分析落實到實際維修中,可預防故障和減少故障,提高了設備的可靠性。傳統的維修概念是設備發生故障后的修理工作才叫維修,但現代維修概念是從設計階段開始的,因為設備的可靠性、易于修復性和維修的方便性都是在設計階段決定的。設備驗收后,從計劃修、狀態修、故障修和技術改進都是基于該系統的,通過該系統進行分析決策,以改進設備管理工作。

5 結語

通過對各專業設備設施故障采集、統計及設備設施故障分析等方面工作進行分析研究,應用統計學知識對多種故障統計、分析方法進行對比,綜合各自長處提出了較好的故障統計、分析方法,設計了基于智能運維的多專業設備故障閉環管理系統。昆明地鐵的實際應用表明,該系統可解決實際故障管理工作中的故障數據統計與分析難點,有助于全面提升設備設施管理水平,進而更好地保障城市軌道交通安全運營。