地铁车辆现场数据收集方法及数据库设计

黄 挺 邵寄平 谭鸿愿 杨克鲁

（南京中车浦镇城轨车辆有限责任公司城轨事业部，210031，南京∥第一作者，工程师）

地铁作为城市公共交通系统的重要组成部分，其运行的安全性、可靠性和准点率备受关注。地铁车辆的现场数据是车辆在运用和维护检修过程中记录的各类数据，和试验数据相比其更能真实地反映车辆的技术状态、可靠性水平以及维护检修成效等。通过对现场数据进行分析，可发现车辆在设计或制造上存在的缺陷，以推进产品的改进；可及时发现车辆维护检修方案存在的不合理之处，以指导车辆维护检修方案的调整。因此，对地铁车辆现场数据的收集是十分重要的。

事实上，许多工程领域都十分重视对现场数据的收集工作。文献［1］中美国国家航空航天局（NASA）对数据收集的框架和分析环境进行了深入研究；文献［2］显示，海上平台安全重要设备的现场数据收集工作早在上世纪80时代就已开始，并建立了著名的OREDA（海上平台可靠性数据）；文献［3-4］对城市轨道交通车辆现场数据的收集进行了探讨，但行业内未能形成统一标准。尽管地铁车辆现场数据的收集方法与其他工程设备相似，但由于地铁车辆的运用存在其特殊性，因此，本文针对地铁车辆现场数据的收集方法进行了探讨，在分析了地铁车辆现场数据的基本特点、组成形式和收集原则的基础上，提出了基于FMEA（故障模式及影响分析）框架的数据收集方法，并对其数据库进行了设计。其结论可为地铁车辆现场数据收集工作的有效开展、数据收集质量的提高以及数据信息系统的开发提供参考。

1 地铁车辆现场数据分析

1.1 地铁车辆现场数据的基本特点

地铁车辆运行环境相对封闭、运行区域相对固定、运用任务相对单一，其现场数据除了具有随机截尾性、时效性及可追溯性外，还具有以下特点：

（1）跨地域运行的轨道车辆的现场数据和其运行环境、所在区域和季节等存在较强的相关性［5］。由于地铁车辆的运行环境一般相对封闭和稳定，故其现场数据和运行环境、所在区域和季节的相关性较小。

（2）同一运营线路的车辆样本差异性较小。不同运营线路配属的车型可能不同，同一运营线路的车型一般一致，可将同一运营线路的地铁车辆作为样本，使其样本差异性较小；但不同生产批次的车辆可能在设计和制造上会有略微调整，故收集数据时应予以备注［6］。

（3）异常数据的收集存在局限性。大多数不能做状态监测的设备（如转向架、受电弓等）均是通过定期检测、外观检查发现异常的，异常数据不仅在收集时间上存在滞后，还在获取途径上受限于检测技术的可用性。

（4）故障模式众多，且存在复杂的故障连锁。地铁车辆系统复杂，可能发生故障的模式众多，且单一故障点可能导致连锁故障的发生；其他因素如线路异常、网压波动及误操作等亦增加了数据收集的复杂性。

1.2 地铁车辆现场数据的组成

提取地铁车辆现场数据的原始文件，包括车辆异常信息记录、故障信息记录、状态监测记录、运用里程记录及维护检修记录等。从组成形式来看，地铁车辆现场数据包括［2］：

（1）编目数据。即对数据收集对象的描述信息，主要包括地铁车辆编号、主要技术参数、运行里程、运行线路或运行环境信息、设备单元编号以及车辆各位点编号等。

（2）异常数据。即地铁车辆在正线运行和库内维护检修过程中发现的异常信息，主要包括故障数据、失效数据和性能退化数据（其中“故障”用于描述可修复设备单元，“失效”用于描述不可修复设备单元，以下统称为“故障”，必要时再以区分）。

（3）维修数据。即地铁车辆在维护检修过程中记录的信息，主要包括当前的维修等级、实施的维修方式、采用的检测方法、采取的维修措施、消耗的物料备件、需要的人力以及更换件的编号等。

地铁车辆现场数据的组成结构如图1所示。由图1可知：车辆的每1条异常数据对应1条编目数据，异常可能是由于地铁车辆系统或其组成设备单元的故障、失效或性能退化引起的；地铁车辆的维修数据分为定期预防维修数据、事后维修数据和视情维修记录数据；每1条定期预防维修数据对应1条编目数据，1条或多条事后维修数据对应1条故障数据或失效数据（考虑1次事后维修未能完全修复设备单元的情况），1条性能退化数据对应1条视情维修数据。根据图1所示的现场数据组成结构关系，可对地铁车辆现场数据进行有效的组织和收集。

图1 地铁车辆现场数据的组成结构

2 地铁车辆现场数据的收集原则

现场数据的“量”和“质”是数据收集工作中首要关注的问题［6］。在现场收集到数量可观的数据相对容易，但由于现场条件复杂，加之数据收集流程不够完善，收集人员可能对收集工作不够重视以及不熟悉收集流程或有意掩盖人为失误等，故保证现场数据的“质”往往存在更多挑战。为此，地铁车辆现场数据的收集工作应遵循如下原则：

（1）记录的真实性。数据记录应实事求是，不能杜撰，更不能为掩盖人为失误而进行篡改。

（2）描述的准确性。数据记录力求准确无误，避免出现含糊不清、引发歧义的情况。

（3）信息的完整性。确保定性、定量数据记录的完整性，避免后续分析工作因数据不完整而导致无法开展或得到错误结果。

（4）操作的标准化。对数据记录涉及的对象编号形式、表格形式、记录内容及要求、使用术语以及等级程度定义等标准化，这是落实上述原则的重要手段。

3 地铁车辆现场数据的收集方法

FMEA是一种在工程领域中应用较成熟、可靠的分析方法。该方法不仅有利于数据的分类组织、收集范围的扩缩，而且便于制定标准化的数据收集流程。本文基于FMEA框架对地铁车辆现场数据进行收集。FMEA的流程可按照文献［8］的相关规定实施，车辆现场数据收集工作可按如下流程开展：

（1）明确数据收集目的。即根据数据分析的需求确定地铁车辆现场数据收集的内容、范围和深度。

（2）确定约定层次。根据地铁车辆的结构功能特点对其进行约定层次划分，可分为产品、系统、设备及单元等层次。最低约定层次为FMEA达到的最低层次，反映了地铁车辆现场数据收集工作达到的细化程度。地铁车辆现场数据收集的最低约定层次至少应达到车辆维护检修项点对应的分析层次。

（3）确定和组织数据收集内容。根据地铁车辆现场数据的组成形式，在FMEA数据收集框架下，现场数据的主要收集对象应以FMEA的约定层次为主体，收集其编目数据、异常数据（包括故障的发生里程、故障对象、故障发生位点、故障特性，性能退化的对象、里程节点、性能退化描述或检测特征值、性能退化的原因和可能导致的影响等）以及维修数据。

（4）确定现场数据的收集标准。地铁车辆现场数据的收集标准主要包括统一化数据记录表格、故障和性能退化的定义、故障影响和严酷度等级的评定准则以及故障计数原则等。统一化数据记录表格可参考FMEA表格形式。对地铁车辆故障可界定为在车辆正线运行中，导致车辆发生事故、救援、清客、下线、晚点、冲标、异常紧急制动等情况，或在车辆进行库内维修作业过程中，发现超出技术指标规定的需要维修的或导致人员、环境、能源或物资超出正常范围的情况。技术状态偏离正常状态，但未构成故障的情况可认为是性能退化。关于故障和性能退化的描述术语可参考文献［9］。

地铁车辆故障影响包括对产品层次的影响和对系统层次的影响。地铁车辆设备单元的故障影响描述如表1所示。

表1 地铁车辆设备单元的故障影响描述

对地铁车辆故障严酷度等级可从由故障导致的人员伤亡情况、停机损失、服务质量下降程度及其引起的维修量等方面进行评定［8-10］，如表2所示。

表2 地铁车辆故障影响的严酷度评定准则

对地铁车辆故障计数时，应遵循一定的计数原则［11］：由本质故障引起的从属故障只按本质故障计数；维修后运用不足24 h复现故障按原故障计数；人为因素或非车辆自身因素引起的故障不计数，但要备注信息以另做统计；对紧固件或密封件的故障应按故障的连接面或密封面次数进行计数；定期预防更换的情况不记入故障次数，但要备注信息。

（5）组织现场数据收集工作。上述工作落实后，根据既定数据收集准则和标准来组织人员收集数据。该环节为执行部分，需要对相关人员进行必要培训，明确职责，并建立有效的监督机制，以保证数据收集质量。

4 地铁车辆现场数据的数据库设计

数据库是根据数据的组成结构来组织、存储和管理数据的仓库，是建立地铁车辆现场数据信息系统的基础。其设计的基本流程包括：需求分析、概念结构设计、逻辑结构设计、物理结构设计以及具体实施等环节。其中，概念结构设计是对数据涉及对象的抽象，逻辑结构设计则是将抽象出的数据概念结构转化成数据库开发平台支持的模型，两者是数据库设计的关键内容。

车辆现场数据收集的主体对象为地铁车辆，应视其为一个实体。若将异常信息（包括故障、性能退化）和维修信息（包括故障维修信息、定期维修信息及跟踪记录信息）也抽象成实体，则根据图1对地铁车辆现场数据组成结构的梳理可建立数据库的概念模型，即E-R（实体关系）模型，如图2所示。图2中：矩形框表示实体，菱形框表示实体间的关系，椭圆框表示实体的属性；图形框中的文字具有下划线时表示该属性可作为唯一标识实体的主码，菱形框两侧的数字和字符（1、K、L、M、N）表示具有关系的两个实体间的对应关系（一对一、一对多或多对多的关系，如1辆“地铁车辆”信息对应K条“定期维修信息）。该E-R模型数据库可清楚地表示现场数据间的组织关系，并为数据库的后续设计奠定基础。

图2 地铁车辆现场数据的E-R模型数据库设计

在概念模型的基础上，可对数据库的逻辑结构进行设计。关系数据模型是目前应用最为广泛的数据库模型。该模型将反映事物及其联系的数据。其以平面二维表格进行组织，具有结构简单、理论基础严格、数据表相互独立，以及数据增删或修改简易等优点［12］。建立地铁车辆现场数据的数据库关系模型设计如图3所示。

图3中：关系数据模型包含了与编目数据、异常数据和维修数据相关的二维表，其中出现异常数据（故障和性能退化）的车辆和里程与车辆编目对应，异常数据对象与约定层次编目对应，异常数据发生位点与车辆位点编目对应；故障维修记录和跟踪记录分别与车辆的故障维修信息和跟踪信息对应；定期维修的车辆、对象和位点直接对应相关编目信息。当检索故障单号、性能退化单号和定期维修单号时，可进一步查询到对应的车辆编目、约定层次编目及车辆位点编目等相关数据；反之当查询车辆编目、约定层次编目或车辆位点编目时，可查询到相关故障记录、性能退化记录或定期维修记录等信息。因此，在这种数据组织框架下，数据库关系模型设计能有效地保证现场数据的完整性和提高收集、组织和管理数据的效率。

图3 地铁车辆现场数据的数据库关系模型设计

5 结语

本文对地铁车辆现场数据的收集方法及数据库设计进行了探讨，在分析地铁车辆现场数据的基本特点、组成形式的基础上，明确了地铁车辆现场数据收集的基本原则，提出了基于FMEA框架的收集地铁车辆现场数据的方法流程，并以此对其数据库的概念模型和逻辑结构进行了设计。其可为地铁车辆现场数据的收集工作以及信息系统的开发提供参考。

［ 1 ］ GROEN F J，SMITH C.Concept for the NASA risk and reliability data collection and analysis environment［C］∥Annual Reliability and Maintainability Symposium.Fort Worth：IEEE Conference Publications，2009：134.

［2］ SANDTORV H A，HOKSTAD P，THOMPSON D W.Practical experience with a data collection project：the OREDA project［J］.Reliability Engineering&System Safety，1996，51（2）：159.

［3］ 齐洪峰.中低速磁浮列车可靠性数据收集与管理系统的建立［J］.内燃机车，2011（8）：35.

［4］ 唐微.基于RAMS要求的电力机车可靠性现场数据采集的一种设计［J］.电力机车与城轨车辆，2009（6）：20.

［5］ 宋永顺.基于故障数据分析的客车转向架运用维修策略研究［D］.北京：清华大学，2012.

［6］ 额田启三.机械可靠性与故障分析［M］.王茂庆，柯发庆，译.北京：国防工业出版社，2006.

［7］ 野中保雄.可靠性数据的收集与分析方法［M］.高金钟，译.北京：机械工业出版社，1988.

［8］ 中国人民解放军总装备部电子信息基础部.故障模式、影响及危害性分析指南：GJB/Z 1391-2006［S］.北京：总装备部军标出版发行部，2006.

［9］ 董锡明.轨道列车可靠性、可用性、维修性和安全性［M］.北京：中国铁道出版社，2009.

［10］ 严俊.地铁车辆故障分析及维修技术应用研究［D］.上海：上海交通大学，2008.

［11］ 董锡明.机车车辆故障及其可靠性分析［J］.中国铁路，2001（6）：44.

［12］ 祝红涛.SQL Server 2008从基础到应用［M］.北京：清华大学出版社，2014.