HaloChat 運維大模型與數字化軌道交通的共贏之路

文：吳志強｜北京國信會視科技有限公司總經理、上海中運量軌道交通系統工程技術研究中心管理委員會委員

人工智能已成為推動各行業轉型升級的重要力量，更是為可持續發展注入新活力。北京國信會視科技有限公司創新研發的HaloChat 運維大模型，為軌道交通行業走向更智能高效的未來貢獻智慧。

HaloChat 運維大模型，是一款集智能診斷、健康評估、預測性分析于一體的運維工具。它利用深度學習和大數據分析技術，對城軌車輛的運行數據實時采集、處理和分析，從而實現對車輛運行狀況和健康狀態的精準判斷。具體而言，HaloChat 運維大模型通過對車輛運行數據的深度挖掘，發現潛在的故障隱患，為運營方提供及時、有效的預警信息；它還能對車輛的整體健康狀態打分，為運營方提供直觀的車輛健康狀態評估結果；該模型還能預測關鍵部件的預期使用壽命，對城軌車輛的運行狀況和健康狀態進行智能診斷，為運營方制定科學的維修計劃提供有力支持。

傳統PHM 與裝備運維模式的轉變

在傳統模式下，PHM（預測與健康管理）與裝備運維往往采用反應式模式，即在設備出現故障后才進行維修。這往往導致維修成本高、維修周期長、設備使用效率低等。HaloChat 運維大模型的應用，使得PHM 與裝備運維轉變為預測的模式，更為主動。

HaloChat 能夠連接設置在設備各關鍵部位的各類傳感器，實時采集設備運行過程中的溫度、壓力、流量、距離、振動等數據，運用數據分析的方式，比如數據挖掘、統計分析等，去理解設備運行狀態和檢測設備可能存在的問題；HaloChat 的數據處理不單單是處理單一裝備的數據，還可以進行跨設備、跨場次的數據整合和比較，全面了解設備運行狀態，確保其穩定、高效地工作。

HaloChat 運維大模型還具備預測性分析的能力。它能夠通過對車輛運行歷史數據的挖掘和分析，結合深度學習，可以提前識別出可能的故障點、提前發現潛在故障，預測出關鍵部件的預期使用壽命，以及可能出現故障的時間點和類型。這不僅能幫助運營方提前做好維修計劃，還能有效降低故障發生的概率，提高安全性和可靠性，從而有效降低維修成本、縮短維修周期，并提高設備的使用效率。

根據客戶使用后統計，在已經交付項目中，應用該系統后，正線故障率平均降低12.5%，維修工時降低約23.7%；視頻巡檢比步行巡檢效率提高約85%，數字檢修比人工檢修效率高約12.5%；集控技術取代人工開關站效率提升約75%，數字技術取代人工開關站效率提升約80% 至90%；在安全方面，應急響應效率提高約80%，行車人因風險降低到接近“0”，安全可靠性提高約80%，處置標準化率平均提高約30%。

基于HaloChat 運維大模型的設備健康評估與壽命預測

壽命預測是設備運行與運維的重要關注點之一，對于提高設備的運行效率與可用性、降低運維成本具有重要意義。

HaloChat 能夠全面收集和匯總設備的運行數據、維修歷史、檢查記錄等影響健康評估壽命預測的基礎數據，提取其中對設備健康狀況和使用壽命影響深遠的特征指標，利用機器學習（如支持向量機、隨機森林、神經網絡等）或者深度學習（如卷積神經網絡、循環神經網絡等）對設備的故障模式進行建模，用收集到的大量數據對模型進行訓練，HaloChat 可以根據這些數據自我學習和進化，提高模型的效率、準確性和穩定性。根據模型的輸出結果，可以對設備的健康狀況進行評估和預測設備的剩余使用壽命（RUL）。

HaloChat 對設備的健康評估和壽命預測，可以為運維決策提供支持，例如根據設備的健康狀況來調整運行策略，或者提前為可能出現故障的設備安排維保計劃，從而實現對設備的高效、及時的維護和管理，提高設備的運行效率，降低因設備故障造成的風險。

HaloChat 運維大模型更好適應企業需求

北京國信會視在城軌交通市場的運維客戶群體覆蓋率達到80%，現有產品覆蓋率超過40%，目前已成功應用在北京、上海、深圳、重慶、成都、西安、武漢、南京、長沙、青島、天津等城市。公司在車輛智慧運維系統以及MRO 系統的應用排名穩居行業前三，為軌道交通行業的運維管理提供了強大的綜合支持。

HaloChat 運維大模型擁有強大的處理能力，提供了70 億～130 億個的模型參數選擇，滿足不同硬件配置要求，確保各種規模的企業都能獲得最優化的服務體驗。同時，它還支持本地化部署，確保數據的安全與私密性。此外，本地化數據訓練和微調功能使得模型能夠不斷進化，成為企業內部私有化的AI 大模型，更好地適應企業的實際需求。