南京地铁运用全面生产维修和以可靠性为中心的维修相结合的维修效果评估

2010-04-13王海峻徐永能陈城辉

城市轨道交通研究 2010年7期

王海峻徐永能陈城辉

(南京理工大学车辆与交通工程系,210094,南京∥第一作者,硕士研究生)

全面生产维修(Total Productive Maintenance,简为 TPM)和以可靠性为中心的维修(Reliability Centered Maintenance,简为 RCM)是设备维护和管理工作的两种方法,经过多年的推广和实践,越来越被人们广泛采用。南京地铁在实际的设备维护和管理工作中首次将两者结合起来同时运用。该方法的相关成果在南京地铁推行了2年,在设备管理推行的四项重点工作(设备点巡检优化管理、设备自主维修管理、重大惯性故障信息化管理和检修修程优化)中取得了较为理想的成绩,获得了较为理想的社会效益和潜在的经济效益。本文针对TPM和RCM开展的具体情况,构建了实施效果的评价指标体系。由于评价对象中很多因素是模糊、灰色、难以量化的,所以选用模糊层次综合评价对实施效果进行了评价和分析,并选用灰色理论对评判的信息进行进一步处理。

1 TPM和RCM方案在南京地铁推行简介

南京地铁1号线自2005年9月3日开通试运营以来,其设备主要采用传统的计划修检修模式。但由于1号线设备厂家质保工作退出而带来的维护工作量加大,新建2号线设备安装、调试工作的提前介入使设备故障渐进入多发期而导致安全隐患的日益增多,以及备品备件材料价格和用工成本压力增大等一系列原因,南京地铁必须在设备维修管理方面进行思维创新。为了保证整个系统正常、安全、有效运转,在确保系统可靠性的基础上,南京地铁结合自身特色,吸取国内外先进维修思想,融合TPM和RCM,实现维修管理的一体化。在此过程中,南京地铁采用“样板建设,标准作业,全面推广”的原则,使TPM和RCM逐渐由点到面推广开来。

2 评价指标体系的建立

南京地铁TPM和RCM推行工作的开展涉及的系统内容很多,因此在建立指标体系时,应遵循以下原则:

(1)定性与定量结合——考虑到影响TPM 和RCM实施效果的因素具有广泛性,必须将定性与定量相结合。

(2)侧重性——要考虑影响因素对整个实施效果影响的大小,选取具有实际意义且影响较大的指标体系。

(3)可比性——数据越具体越精确,就越能反应实际的效果。

(4)层次性——根据各指标的相关性和层次分析的特点,将指标细分到相关层次,以利于专家评估。

从南京地铁“安全、经济”的宗旨来看,首要是保证安全运营,然后再考虑经济性。新的维修方法的运用会带来一定的风险。为此,从安全性、风险性、经济性三方面对维修效果进行评估,对 TPM和RCM实施效果的影响因素进行分析,将包含的因素分层,按照最高层、中间层、最底层的形式排列起来,建立了维修效果评价指标体系(如图1所示)。

图1 推行效果评价的指标体系

按照图1的指标体系,评价集中的各因素应对应评价指标的各指标,即:U={u1,u2,u3}。其中,u1={u11,u12,u13,u14},u2={u21,u22,u23},u3={u31,u32,u33},uij为与第i类指标相关性的第j个评价指标。

推行效果的评语集为:

V={很好(v1),较好(v2),一般(v3),差(v4)}

3 组合综合评价方法

3.1 模糊层次综合评价

(1)用层次分析法确定各指标权重。利用1～9比率标度法对不同指标进行两两比较构造判断矩阵A;根据判断矩阵计算各层指标权重,并进行一致性检验。

(2)构造各层指标的评价矩阵。从最底层开始,对该层中各方案针对不同类中的指标构造出一个模糊评价矩阵R,即

其中,rij(i=1,2,…,m;j=1,2,…,n)表示从因素ui着眼,该评判对象能被评为vj的隶属度。

(3)模糊合成和单层次评价。对最底层中的第i类单因素Ai、Ri矩阵进行一级模糊综合运算:Bi=Ai°Ri,其中°为算子。

(4)综合评价。综合评价结果向量为B=A°R=(B1,B2,…,Bn)。其中,Bi表示评价对象属于评语等级vi的隶属度。

3.2 模糊灰色综合评价

模糊数学和灰色理论是研究不确定性系统的两种研究方法。对所建立的指标体系,考虑到专家评判的信息存在一定的灰度,故基于三角白化权函数的灰色评估建立白化权函数,利用灰色聚类理论得到的综合聚类系数矩阵构造出模糊隶属度矩阵,再利用模糊算法评估维修实施效果。

3.2.1 划分灰类数

按照评估要求所需划分的灰类数s,将各指标的取值范围也相应地划分为s个灰类。例如,将j指标的取值范围[a1,as+1]划分为[a1,a2],…,[ak-1,ak],…,[as-1,as],[as,as+1],其中ak(k=1,2,…,s)的值一般可根据实际问题的要求或定性研究结果确定。此时的灰类即评语等级,即s=4。

3.2.2 建立白化权函数

根据基于三角白化函数的灰色评估,j种指标第k个灰类的白化函数为:

由式(1)计算出其属于灰类k(k=1,2,…,s)的隶属度 fkj(x),其中 λkj=(xkj+xk+1j)/2。

3.2.3 确定综合聚类系数σki

根据对象i(i=1,2,…,n)关于灰类k的综合聚类系数σki为:

式中:

3.2.4 评价结果

4 南京地铁TPM和RCM实施效果评估

4.1 模糊层次综合评价

通过专家评价确定1级指标和各2级指标的权重向量,评判结果见表1。

1级指标的权重向量为:

各2级指标的权重向量为:

通过模糊计算可得出相应的1级指标评语集为:

由1级指标的单因素评语构成1级指标的评判矩阵再进行模糊计算,可以得到对综合指标U的评语集。即:B=W°R=(0.199,0.421,0.307,0.073)。

评判结果表明,南京地铁开展TPM和RCM,42.1%的可信度属于较好,19.9%的可信度属于很好,30.7%的可信度属于一般。根据隶属度最大原则,南京地铁TPM和RCM开展情况处在较好水平。

表1 南京地铁TPM和RCM指标等级评语表

从表1可以看出,指标层中,设备的故障率u12、设备的故障平均间隔u13、对运营的影响程度u22三者是最重要的指标体系,且权重之和大于0.6。其中u12的评语等级属于“较好”,u13的评语等级属于“一般”,u22的评语等级属于“较好”,因此T PM 和 RCM实施效果属于“较好”水平。这符合地铁车辆对安全性、故障、应急能力的要求,同时也表明 T PM 和RCM的开展使得轨道车辆的安全性提高,故障率得到降低。

然而,要进一步提高 TPM和 RCM的维修效果,就要提高指标层比较重要的指标。即:要贴近现场,减少维修时间;增加员工技能培训课程,提升员工技能;优化维修规程,提高工作效率。