APP下载

基于WBS-HLPN的主动防控业务流模型构建研究

2023-09-08胡志强张天格王艳辉

铁路技术创新 2023年3期
关键词:库所城轨变迁

胡志强,张天格,王艳辉,4,5,6

(1.北京市地铁运营有限公司,北京 100081;2.北京交通大学 先进轨道交通自主运行全国重点实验室,北京 100044;3.北京交通大学 交通运输学院,北京 100044;4.北京交通大学 北京市城市交通信息智能感知与服务工程技术研究中心,北京 100044;5.北京交通大学 城市轨道交通运营安全管理技术及装备交通运输行业研发中心,北京 100044;6.运营主动安全保障与风险防控铁路行业重点实验室,北京 100044)

0 引言

城轨系统的大部分运营安全保障工作都是在出现故障或发出事故警报信息后进行[1],此时的处理手段只有维修或应急处置,对于事故发生的原因和过程,也只能通过事故分析来确定。在这种安全保障模式下,城轨系统的运营安全不易得到保障。因此,需要优化城轨系统主动防控的业务流程。

为构建完善、合理的业务流模型,需要对风险主动防控任务进行明确和分解,因此选用工作分解结构(Work Breakdown Structure,WBS)法对风险主动防控的业务任务进行分解[2]。为了更加贴合实际,构建具有流形态和相关关系的业务流模型,选择利用Petri 网进行网络建模,模型具有普适性与可拓展性,可以模拟管理系统、组织结构的控制、管理方式[3],可以描述异步并发系统,能够保证业务流过程简化且没有重复[4]。

1 WBS业务模型构建

WBS[5]有4种主流构建方法:类比法、自下而上、自上而下[6]、模板法。城轨领域目前没有已成型的或类似的业务流模型,因此不能使用类比法或模板法。同理,自下而上的方法由于工作量繁重,并且不能保证底层元素的全面性,同样不适合。因此,选择自上而下的结构构建方法。

1.1 WBS业务模型定义

用六元组来表示WBS 业务模型,记为UW =(Nw,Tw,Gw,Rw,Dw,Cw)。其中:

(1) Nw ={nwij|i,j= 1,2,...,n}表示编码库,用来标注需要完成的任务,∀nwij∈nw,nwi′j′∈nw,当i≠i′或j≠j′时,nwij≠nwi′j′。

(2)Tw ={twij|i,j= 1,2,...,n}表示任务集合。

(3)Gw ={gwij|i,j= 1,2,...,n}表示任务间相关关系的集合。,其中,为twij的前一任务,为twij的上一层任务。

(4)Rw ={rwij|i,j= 1,2,...,n}表示资源集合,分为:人员、方法或技术、装备和物资。,其中,为人员,为方法和技术,为资源和装备。

(5)Dw ={dwij|i,j= 1,2,...,n}表示工期集合。为符合实际生产作业中时间的随机性,将时间单位分为分钟mi、小时ho、天da、周we、月mo和年ye,其中不满1 h的归为分钟单位,以此类推。

(6) Cw ={cwij|i,j= 1,2,...,n} 表示工作包集合。

1.2 WBS业务模型构建方法

基于上述对WBS 模型元素的定义,给出以下业务分解的算法步骤:

步骤1:初始化,确定需要分解的业务任务,i=1;

步骤2:给定任务节点的唯一编号nwij,确定任务节点twij的任务内容;

步骤3:确定twij对应的关系gwij、资源rwij和工期dwij;

步骤4:判断twij是否需要继续分解,若不需要,记为cwij,结束,转步骤6;否则,继续下一步;

步骤5:对任务进行分解,i=i+1,转到步骤2;

步骤6:返回上一层,i=i-1,若i≠0,继续下一步;否则,转到步骤8;

步骤7:判断本层是否仍有任务可以继续分解,若有,转到步骤2;否则,继续下一步;

步骤8:根据上述步骤的分解结果,构建出被分解业务任务的分解结构模型。

2 HLPN模型构建

为了更加贴合实际,构建具有流形态和相关关系的业务流模型,需要在业务分解的基础上,将业务模型转换为业务流模型,因此选用高级Petri[7-8]网(High Level Petri Net,HLPN)进行网络建模。

2.1 主动防控业务HLPN模型定义

城轨系统主动防控业务Petri网(Petri Net,PN)模型 是 1 个 九 元 组,表 示 为 UPN ={P,T,F,I,O,C,M,PI,TI},其中:

(1)三元组(P,T,F)组成的基本PN 称为UPN 的1 个基网。P为库所集合,代表模型具体的业务步骤,记为P={p1,p2,...,pn},n为1个有限的数值;T为变迁集合,代表业务步骤完成,转向下一个步骤的动态状态,记为T={t1,t2,...,tm},m为1 个有限的数值;F为流集合,表示任务和状态之间的先后关系,用(p,t),(t,p)对来表示。

(2)I和O分别为输入函数和输出函数集合,分别表示库所中标识的变化规则。

(3)C为标识颜色集合,涵盖了可能出现的标识颜色;M为标识集合。

(4)PI和TI分别是库所和变迁的时间集合。

2.2 HLPN模型库所模块化原理

在实际应用中,HLPN 模型中的每一个步骤都可以继续向下拆解为更详细的步骤(见图1)。

图1 库所模块分层示意图

2.3 HLPN模型资源库所交互原理

由输入函数和输出函数可以计算发现,很多库所的输入和输出标识并不对等。分析其原因,发现有很多资源是可以重复利用的非消耗性资源。因此,需要通过计算输入函数与输出函数之间的差值,来确定每个库所与外部资源库所的标识交换情况。业务流库所与资源库所的交互原理见图2。

当变迁t36的激发条件被满足,需要从资源库所p0中补充激发变迁t36所需要的资源。当变迁t36中的标识流出时,业务库所p37不需要利用的资源流入资源库所p0或者直接被消耗,其他可以继续利用的资源标识或其他标识流入业务库所p37,继续进行下一步变迁的系统活动。

3 WBS-HLPN映射及修正方法

利用业务模型的构建结果,可以快速映射到Petri网模型,提高算法效率。

3.1 初始PN模型向HLPN模型修正规则

由于WBS 方法本身的特性,利用WBS 进行分析时,关注对总任务的分解,不关注分解得到的小任务之间的复杂关系。在构建WBS 业务模型时,初步给出了小任务与其他任务的简单前后关系,没有考虑复杂的综合相关关系。因此映射出的PN 结构也并不完善,需要对初始PN模型进行修正。

(1)初始PN 模型中的库所,没有分析城轨系统运营安全影响因素的不同特征和区别。因此在修正的PN模型中,需要面向乘客、工作人员、设备设施、环境等影响因素,把部分需要分解或修改的库所进行重新构建,将不同影响因素对应的流程引向不同的库所路径。

(2)从WBS 业务模型映射时,只规定了变迁表示与其相连的前项任务是否完成的状态,然而变迁的激发条件可能是非常复杂的,因此对部分不准确的变迁进行修正,并给出所有变迁的激发条件。

(3)根据实际对初始PN 模型的流关系进行修正,完善各个库所和变迁之间的流关系,并且确定每个流关系上附着的输入或输出函数的具体表达式。

(4)在WBS业务模型向初始PN模型映射时,标识符号各不相同。实际上许多资源都不是单个任务独用,而是会贯穿几个任务步骤。基于此,将相同含义或属性的标识进行整合。整合不意味着把所有相同的资源都归一,而是要体现出非一次性消耗资源在多个任务过程中可以持续使用的特性。

(5)在由WBS 业务模型工期集合映射至初始PN模型中时,是直接映射到库所所对应的时间集合上的,但变迁也是需要时延的。因此要对每个库所的时间元素进行分析,确定其所处的位置应该是库所还是变迁。以此也可以构建出面向变迁的时间集合TI。

(6)工作包集合是WBS 业务模型1 个重要的集合元素。在初始PN 模型中,并没有体现出工作包集合的作用和特性。分析每一个库所,是否需要被设定为库所模块。如果需要设定为库所模块,还需要对每个具体的库所模块进行分解,确定模块内具体的组成结构,以此指导城轨系统风险主动防控业务的运行。

3.2 WBS业务模型向初始PN模型映射规则

(1)将任务集合Tw 映射为库所集合P,设定映射规则为{Twij|Twij∈UW(Twij)}→{Pij|Pij∈UPN(Pij)},代表任务是PN 所描述系统当前静态所处的状态。如果检验到任务已完成,则变迁可以被激发。

(2)将关系集合Gw =(a)映射为流集合F。设定映射规则为。

(3)将资源集合Rw =(p,m,e)映射为颜色集合C=(p,m,e)。设定映射规则为{p,m,e|p,m,e∈UW(Rw)}➝{p,m,e|p,m,e∈UPN(C)}。

(4)将工期集合Dw 映射为库所时间集合PI。设定映射规则为{dij|dij∈UW(Dwij)}→{piij|piij∈UPN(PIij)}。其中,piij的上、下界由dij的值确定。

3.3 WBS-HLPN模型构建方法

给出构建WBS-HLPN模型的算法步骤如下:

步骤1:初始化,i=1,j=1;

步骤2:将任务集合映射至库所集合;

步骤3:将关系集合映射至流集合;

步骤4:将资源集合映射至标识集合和颜色集合;

步骤5:将工期集合映射至库所时间集合;

步骤6:若j=m,继续;否则,转到步骤2,j=j+1;

步骤7:若i=n,继续;否则,转到步骤2,i=i+1,j=1;

步骤8:根据映射后的结果,构建出初始PN 模型结构;

步骤9:修正初始PN 模型的库所、变迁、流关系、库所时间和变迁时间集合;

步骤10:构建出针对每个主线的HLPN 修正子模型;

步骤11:修正初始PN模型的标识集合;

步骤12:修正初始PN 模型的输入、输出函数集合;

步骤13:融合3 个主线任务的HLPN 修正子模型,构建出HLPN修正总模型;

步骤14:计算库所与资源库所的标识交互,资源标识=输入函数-输出函数;

步骤15:构建出最终的城轨系统主动防控业务HLPN模型。

4 城轨系统主动防控业务流模型构建实例

4.1 WBS模型构建结果

在构建城轨系统的风险主动防控业务模型前,首先需要明确防控业务的内容,主线业务可以分为2个部分:一是风险辨识和风险评估两大主线任务;二是风险管控的主线任务。

风险的辨识、评估和管控工作,从城轨系统运营开始一直持续不断[9-10]。而隐患一旦出现或被发现,则需要立刻进行治理,这种隐患治理的含义与立刻实施的状态特征,与风险的管控措施是相符合的。因此,将隐患的治理业务归纳至风险的管控业务中。

基于WBS 法的风险主动防控业务任务分解结果见图3。

图3 风险主动防控业务任务分解结果

4.2 初始PN模型构建及其修正

根据风险辨识(评估与管控同理)的WBS 业务模型分解结果,映射其为初始PN 模型(见图4),在图4中,部分符号所标识的含义见表1。

表1 风险辨识机制初始PN模型符号含义(部分)

图4 风险辨识机制初始PN模型

首先,对初始PN 模型中的库所、变迁、流关系、库所时间和变迁时间进行修正,得到修正子模型见图5。

图5 风险辨识机制HLPN修正子模型

然后,针对HLPN修正子模型标识集合中的标识进行整理与融合,并且根据修正后子模型变迁的激发条件的需求,增加逻辑标识。相应地,在颜色集合中,增加逻辑标识颜色[L]。

最后,可以得出HLPN修正子模型流的输入和输出函数,部分结果见式(1)。

4.3 城轨系统主动防控业务HLPN模型构建

构建出3 个主线任务HLPN 模型融合后的HLPN 耦合模型(见图6)。

图6 主动防控业务HLPN耦合模型

对于耦合模型,计算其具体需要交换的标识,部分交互结果见表2。

表2 变迁与资源库所的标识交互结果(部分)

4.4 实例验证

选取地铁运营公司实际风险管理业务中的1个重要部分,即重大风险登记与降级工作流程进行建模分析与优化,根据公司规定的流程进行Petri 网建模,得到重大风险登记、降级工作流程PN模型见图7。

图7 重大风险登记、降级工作流程PN模型

对其优化的主要思想是根据工作流程模型,将其构建为模块耦合的HLPN模型,并且将流程构建的重点放到主动防控业务,改进模型见图8,模型符号含义(部分)见表3。需要指出的是,由于缺乏其中所需要的资源数据,以及流程本身没有对于工作时间的规定,在优化模型中没有对标识、颜色集、库所和变迁时延进行详细分析。

表3 重大风险登记与降级HLPN模型符号含义(部分)

图8 重大风险登记与降级工作流PN改进模型

针对重大风险登记与降级工作流程,在网络结构上改进其冗余结构一半以上,减少不必要的工作流程,使系统运转更为高效;在功能上对其中的工作进行划分,将工作流程模块化,利于职能、资源和任务分配;在内容上确保工作不止于形式,而是具有可实际操作的工作内容。

5 结束语

选取了针对业务分解的WBS 分解法,提出并分解了城轨系统风险主动防控机制业务。根据WBS 法针对任务分解与Petri 网针对流关系建立的特征,提出了WBS 至PN 模型的映射规则与修正规则。据此,构建出城轨系统主动防控业务HLPN耦合模型。选取了地铁运营公司重大风险登记与降级工作流程作为实例,对其进行了优化与分析。结果表明,提出的模型在内容分解方面更加具有合理性与可执行性。目前,该方法已经在城市轨道交通网络安全保障与主动防控平台中试用6 个月以上,平台用户方已经出具了用户使用证明,说明该方法可行、有效,能够切实优化主动防控的业务流程。在此,提出以下未来研究的展望:

(1)对业务模型进行面向具体防控对象的更加详细、有针对性的任务分解与构建;

(2)对于HLPN模型,实现面向对象的流程路径分解,以及库所模块的细化;

(3)对于模型结果,结合网络分析的方法与软件,对网络进行评价,使网络结构更加合理。

猜你喜欢

库所城轨变迁
基于FPGA 的有色Petri 网仿真系统设计*
40年变迁(三)
40年变迁(一)
40年变迁(二)
漫说城轨
漫说城轨
漫说城轨
漫说城轨
清潩河的变迁
利用Petri网特征结构的故障诊断方法