基于大数据的城市轨道交通设备维护管理新理念

葛党朝， 张兴宝

(西安地铁运营分公司， 西安 710016)

信息大爆炸的今天，大数据的应用已经悄无声息的进入到了我们生活的每个角落，例如我们在某一平台查阅了某一方面的信息，然后此平台会在后续将类似信息优先推荐给我们，甚至我们在某一平台(如京东)上看了或关注了某个产品，然后打开其他平台(如天猫、头条等)，此平台也推荐类似产品给我们，最主要的是推荐的这些信息/产品和我们起初要查阅的信息/产品在外人看来互不相关，但确实这些都是我们自己最近需要的，甚至还有比这更加不可思议的事情。这是怎么做到的呢？这就是“大数据”。现在“大数据”是社会上最为热门的词汇之一，人人现在都在提大数据，近日国家也批复了13个国家级的大数据实验室(主要围绕数据基础技术和数据应用技术)。生活在大数据的今天，我们似乎是一个完全的“透明人”，我们每个人在大数据面前毫无“隐私”可言。那到底什么是大数据？大数据都有哪些效能以及大数据在城轨行业设备管理方面的应用情况及前景又如何呢？

1 大数据概念及特点

1.1 大数据的概念

大数据和传统意义上的数据相比有很大差别，要准确把握大数据的含义，需要从两个方面去理解，即第一是“大”，第二是“数据”。其中大数据中的“大”，主要是数据从数量上体现多(海量数据)，从维度上体现全(不同角度)，大数据中的“数据”，不再是传统字面意思上的“数字”，而是泛指一切现实中的各种相关“信息”。这样，大数据就具有如下特点[1]：

(1)数据量大(Volume)

(2)维度多(Variety)

(3)时效性强(Velocity)

(4)真伪共存(Veracity)

大数据的如上特点，部分书籍简称“4V”特点或“大、快、杂、疑”特点。

1.2 传统意义上的数据和大数据在分析问题时理念上的转变

由于大数据的如上特点，传统意义上的数据和大数据在分析问题时理念上就得有如下转变：

(1)大数据分析问题，所用数据不是随机样本，而是全体数据。

(2)大数据分析问题，数据之间不仅有因果关系，还有相关关系。

(3)大数据分析问题，得出的结果不是精确性，而是混杂性。

2 大数据在城轨行业设备管理中的应用现状分析

借助设备相关数据来管理设备的理念由来已久，但由于之前相关技术的落后，此理念并未很好的发挥其效能。随着科技的进步，数据的采集手段、数据的储存容量以及数据的处理能力等不断提升，通过数据来管理设备效果越来越明显，人们开始关注它，并开始探索使用它。

2.1 利用数据管理设备的历程

在过去，设备的相关数据采集一般都是人肉眼可见的或人工通过相关测量工具对设备相关数据进行测量等得出的(例如电客车各部件的故障数据、电客车碳滑板厚度测量得出的数据等)，然后这些数据通过纸质记录或转换成Excel格式储存。由于数据储存手段落后，数据的量少、数据的种类也单一，导致这些数据仅适用于日常查阅，不便于数据的分析，同时也从数据中不能挖掘出有价值的信息。

随着科技的发现，设备自带数据采集功能或通过先进的自动数据采集工具来实时采集设备的相关数据(例如铁路上推行的5T系统，成都地铁部分电客车客室车门自带其各部件状态监测及记录功能等)，这样设备数据较之前呈现出指数增长。为对数据进行科学管理，通过编程数据库，将日常采集的相关数据人为录入数据库(例如利用机械式的轮对测量仪测量的数据)或自动导入数据库(例如激光式的非接触式的轮对测量仪测量的数据)，这样数据的储存管理得到了提升(通过纸质记录或Excel储存已无法满足要求)。同时为从数据中挖掘有用信息，人们开始搭建数学模型，系统自动通过数据库中的数据分析得出结论。

目前阶段在数据的采集、储存和计算上确实较之前有了很大的进步，但由于采集的数据的量还不够大，处理数据的能力依旧很低(分析的数据结果是通过数学建模提前预设好的)，这样在数据分析时，未能充分挖掘出数据中的有用信息，通过数据科学管理设备依旧比较局限，不能实现智能化。

2.2 大数据思想管理设备示例

西安地铁运营部门在设备的管理方面一直重视数据的积累以及对相关数据中重要信息的挖掘。通过对相关数据的收集及分析，确实也挖掘了一些有用的信息，例如车辆部门通过分析电客车故障库内相关信息，横纵向对比电客车故障数，提前发现部分设备的不稳定性,提前进行更换，提高列车的可靠性，也通过数据库中员工发现故障的数量，分析出部分员工近期状态情况，并安排人员深入班组了解情况，以及每次在修程修制优化改革时，也通过修程优化前后员工发现故障数的多少来间接反映此次修程优化是否成功等。下面列举现场一实例来说明目前大数据在设备日常管理中的应用情况：

2017年3月车辆部门和往月一样在对列车相关数据进行分析时，发现很多相关数据较前个月发生了明显的变化(此种情况在之前从未出现过)，具体数据变化如图1～图2。

(1)电客车耗电量的变化

如图1(a)图，电客车3月份牵引耗电量明显高于2月份(每公里牵引耗电量大概高出1 kW·h)。图1(b)，3月份电客车再生电量较2月份有所升高，但不明显。图1(c)，3月份列车再生率明显低于2月份。并且上线的39列车此3组数据均表现同一个规律，为何出现此情况？这组数据至少体现出列车耗电量增加了。

图1 列车电量相关数据

图2 列车轮对/闸瓦相关数据

(2)轮对闸瓦磨耗量及轮对温度的变化

在进行轮对闸瓦磨耗及轮对温度数据对比分析时，数据也呈现出非常规律的变化，即3月份列车闸瓦磨耗量是2月份的4倍，并且轮对踏面表面温度3月份明显高于2月份(平均高出10°左右)，这组数据说明空气制动投入增加了。

根据图1、图2 5组数据综合起来，初步分析出现此现象可能是3月份客流增加了，导致列车需要的牵引动力和制动力均增加，但由于列车再生能力之前已用到了极致，所以最终出现牵引耗电量增加了，再生电量变化不大，空气制动增加了(总的制动力增加了，但电制动变化不大，所以空气制动增加了)，闸瓦磨耗也就增加了，轮对温度也就升高了。貌似此原因(客流量增加)可以解释如上所有数据的变化。为验证此结论，随后调出2、3月份每日客流情况，具体如下：

从图3正线每日客流情况看，确实3月份客流较2月份有所上升，但平均日客流提高3万人次左右(上升了5%)。

图3 正线客流趋势

(3)列车舒适度的变化

图4为技术人员每月抽查的正线列车运行平稳性数据，从数据看出3月份列车横、纵向加速度均增加了，并且列车综合舒适度也下降了。后续继续抽查几列车，均是同样的情况。客流增加是不会导致列车横纵向加速度增加及列车舒适度下降的，至少不会如此明显(在进行首列车调试时，已在AW0和AW3工况进行过此试验)。前面推断出现数据变化是由于客流变化导致矛盾。

结合列车耗能情况、轮对/闸瓦变化情况、列车运行平稳性情况以及联想到3月份信号系统进行了升级等，可以初步推断，出现这些现象极有可能是正线列车的运行控制模型发生了变化。我们继续分析其他数据。

图4 正线列车舒适度相关数据

图5 正线列车运行数据对比

(4)列车运行曲线的变化

通过图5中的(a)图，可以看出3月份列车在制动环节速度曲线较2月份有明显变化。对比列车加速度情况，如图(b)为列车牵引/制动指令曲线(此可代表列车加减速度情况)，发现列车在正线区间制动环节，高速下(58 km/h左右)有多次的大牵引/大制动过程，此应该是3月份耗电量增加(图1)以及舒适度下降(图4)的原因。继续查看列车在区间运行时的牵引电机电流和空气制动大小情况，如图(c)所示(由于此车牵引制动的控制是以一动一拖为一个控制单元，故此图仅选取1车和2车相关数据显示)，发现3月份列车在制动阶段拖车有明显空气制动施加，并且动车空气制动也有施加的情况(制动时，首先由动车电制动承担，电制动不足时由拖车空气制动承担，在不足的部分由动车空气制动承担)，此应该是3月份闸瓦磨耗快及轮对温度升高(图2)的原因。

3月份信号系统升级，信号升级时对列车的控制模型进行了优化。

问题分析到此，应该如上几组数据之间的相关关系和因果关系都很清楚了，即3月份信号系统进行了升级，即对列车的控制模型进行了优化，优化最重要的变化是列车在区间制动环节的高速阶段有频繁的大牵引、大制动过程(升级前此阶段无牵引过程，制动也是小级位制动)，这样牵引电量务必会增加，然后由于存在大制动，这样电制动不能满足要求，所以就需要施加空气制动，这样闸瓦磨耗加剧和轮对温度升高是必然的，也正是因为在此阶段存在大牵引和大制动，这样列车的舒适度也相应的降低。同时，有人提出，列车在高速下频繁投入空气制动，对轮对踏面损伤较大。随后安排人员对所有列车轮对进行系统的普查，发现部分轮对踏面磨耗确实有异常情况，主要表现为踏面上有异常的沟槽、凸起以及剥离等。

对此，及时组织人员对轮对踏面磨耗严重的进行旋修，并和信号厂家讨论研究如何优化列车控制模型，避免上面现象的出现。

从上面的例子中的数据应用量上说未达到大数据的数据量，从大数据的效能上说也未正真体现出大数据的效能，但确实是利用了大数据的思想发现了现场的问题，找到了原因。同时，从这个例子可以看出通过设备数据来分析问题，数据的维度越大，分析结果越接近真实，也体现出数据之间不仅有因果关系，也存在着相关关系。

3 城轨行业设备维护管理实现智能化展望

近年来大数据在一些行业确实发展很快，也起到了明显的效果，但在城轨行业，通过如上对其现状进行分析看出，要真正实现用大数据的思想来科学管理设备，仍旧需要一些时间，有很多基础工作要做。需要从设备数据的收集手段、数据的储存方式以及数据中的信息挖掘(数据的计算)等方面提高，最主要的是人们在思想认识上要肯定大数据在城轨设备管理中的重要性，要从理念上在以前的各自为政的“信息孤岛”状态转变为自愿的信息共享，意识到为别人提供信息也就是给自己提供便捷，最终实现相关信息“开放为默认、不开放为特定”的局面，这样才能正真的实现通过大数据来科学管理设备。具体要做好如下工作。

(1)同一单位同一专业内数据的互联互通

同一专业，相关设备的数据需要进行共享和关联，这样可减少重复劳动以及提高数据的统一性。由于同一专业设备相关数据量不是很大，可以通过编程数据库，然后将日常相关数据录入或导入数据库，并且相关数据之间形成关联，这样设备相关数据就实现了共享和关联。例如西安地铁车辆部门内部员工搭建编程的数据库投入现场的有：电客车故障录入系统、电客车磨耗部件数据录入系统、电客车备件更换管理系统、电客车履历管理系统、电客车资料管理系统、现场生产管理系统以及每日一题答题系统等10多项，并且系统之间数据相互关联，例如电客车故障录入系统、电客车备件更换系统以及电客车履历管理系统之间数据关联，这样，当现场更换了列车某一备件，此时只要在任意一个系统中进行录入，则对应的其他系统也就自动的进行了更新。并且将这些系统入口集成在一个共用平台显示来管理，极大的提高了数据管理的便捷性。目前上述系统已用在车辆部门下设的各车间，规范了部门的管理，实现了部门内的资源共享。

(2)同一单位不同专业之间数据的局域网化

对于一些和外部门的其他设备有接口的设备，可能各自为政搜集和分析设备的数据就会存在分析结果的片面性和不真实性，因为这些设备之间相互影响，所以需要搭建一个共享平台，将不同专业设备的数据收集在同一平台内，这样在后面使用这些数据来分析设备状态时会更加真实和全面(数据的维度增加了)。例如电客车受电弓碳滑板的磨耗和供电专业负责的接触网的布置以及其磨耗相关，电客车轮对磨耗情况和工建专业轨道铺设、轨面状态以及轨面的轮缘润滑等因素相关。

(3)同一行业不同单位之间数据的互联网化

如上两个阶段，仅仅是我们如何应用数据，如何管理数据以及如何利用搭建的数据平台来管理设备、协调和提高日常工作事务等，这些对于数据的利用来说还远远谈不上大数据。这些工作是大数据理念管理设备的基础，是大数据雏形、是大数据管理设备的初级阶段。随着更多更先进的数据采集设备的现场应用以及“互联网+”的普及，设备的数据量(数量和维度)成指数增长，数据的储存及计算也采用云储存和云计算等先进技术，这时设备的数据能如实全方位反应设备的状态，设备的维护管理实现了真正意义上的大数据管理。同时，将“互联网+”和“大数据”结合起来，在不久的将来城轨行业设备的管理可实现智能化，即所谓的“互联网+大数据=智能化”。到那时，我想我们可以见到如下场景，即某一地铁现场发现某一车牵引电机有异响，此时系统会根据大数据找出其他地铁也发生过类似情况的实例，输入牵引电机品牌及型号，系统可找出其他地铁用此品牌和型号的牵引电机的使用情况，对于不同单位同型号产品出现类似情况后，系统会判断这些故障产品是不是同一批次，是不是同一个装配师傅作业的等，如果确认问题出在电机轴承上，则系统继续可以判断这些问题轴承是不是同一个厂家、是不是同一型号、是不是同一批次，甚至判断是不是同一师傅组装的等，最后通过这些大数据的对比分析，找出问题的根源。

4 结束语

城市轨道交通行业专业集成度高，设备之间的接口多，关联性强，设备之间的状态变化具有复杂的耦合性，这些特点都是导致其行业设备管理难的原因，但同时这些特点恰恰也是大数据的优势。所以随着“大数据”特点的凸显，其在城轨行业设备管理中推广应用将成为必然。谁掌握了这个新的理念，谁就是这个行业的设备管理专家，因为通过大数据，一是可以提前预判设备状态，实现设备状态修，最大化节省设备的维护费用和提高设备的可靠性，二是可对设备性能全方位的进行对比(可和同一单位不同线路设备比较，也可和不同单位的设备进行比较)，找出差距/差别，分析原因，提出优化改进意见，三是可掌握备件/耗材的使用规律，准确掌握备件/耗材的全寿命周期以及为备件/耗材的提报提供最科学的依据。