譙 兵，胡 斌

（1.北京經(jīng)緯信息技術(shù)有限公司，北京 100081；2.北京新聯(lián)鐵集團股份有限公司，北京 100034）

隨著信息化的發(fā)展，設(shè)備健康管理（EHM，Equipment Health Management）已經(jīng)成為當(dāng)今時代的潮流，通過整合設(shè)備管理規(guī)章制度和業(yè)務(wù)流程，緊密結(jié)合狀態(tài)監(jiān)測、維修、使用和環(huán)境等信息，對涉及設(shè)備健康的因素進行全過程控制，對維修活動進行計劃和優(yōu)化[1]。EHM使得設(shè)備在實際工作時保持更好的工作狀態(tài)，在降低維修成本的同時提高工作效率，因此越來越受到各類相關(guān)企業(yè)的重視。

前人在該領(lǐng)域做了很多嘗試，例如，故障預(yù)測與健康管理（PHM，Prognostics and health management）[2]技術(shù)最早是美國等國家針對復(fù)雜軍事裝備研究的健康管理方案；廖可通過數(shù)據(jù)分析排查機務(wù)設(shè)備規(guī)律性故障[3]；李航等人針對航空發(fā)電機的健康管理，提出了基于航空發(fā)電機參數(shù)設(shè)計航空發(fā)電機健康預(yù)測模型的方法[4]；周奇才等人針對機械設(shè)備的健康管理，提出了基于深度學(xué)習(xí)方法的預(yù)測模型[5]；針對選煤設(shè)備的健康管理，胡煒等人提出了基于設(shè)備狀態(tài)的持續(xù)監(jiān)測和監(jiān)測數(shù)據(jù)的分析方法[6]。

在前人的研究基礎(chǔ)上，針對鐵路機務(wù)設(shè)備的健康管理，本文設(shè)計并實現(xiàn)了基于EHM理念的鐵路機務(wù)設(shè)備大數(shù)據(jù)健康管理系統(tǒng)。本系統(tǒng)通過自回歸（AR，Autoregressive）模型和支持向量機（SVM，Support Vector Machine）模型對鐵路機務(wù)設(shè)備進行健康趨勢預(yù)測和故障預(yù)測，結(jié)合鐵路機務(wù)設(shè)備工作人員的實際工作經(jīng)驗和數(shù)據(jù)源分析結(jié)果，制定了鐵路機務(wù)設(shè)備風(fēng)險評估等級。

1 系統(tǒng)設(shè)計

1.1 系統(tǒng)架構(gòu)設(shè)計

基于EHM理念的鐵路機務(wù)設(shè)備大數(shù)據(jù)健康管理系統(tǒng)的架構(gòu)設(shè)計如圖1所示。

圖1 系統(tǒng)架構(gòu)圖

（1）數(shù)據(jù)源

系統(tǒng)的數(shù)據(jù)源由鐵路機務(wù)設(shè)備的歷史運行數(shù)據(jù)、維修數(shù)據(jù)和實時監(jiān)測數(shù)據(jù)構(gòu)成。

鐵路機務(wù)設(shè)備的歷史運行數(shù)據(jù)是設(shè)備既有的監(jiān)測數(shù)據(jù)，包括機務(wù)設(shè)備的初始各項指標(biāo)值、工作時長、工作次數(shù)、工作環(huán)境以及每次工作的各項指標(biāo)等；維修數(shù)據(jù)是設(shè)備在損壞時的維修記錄，包括損壞時間、損壞情況、維修方式、維修地點、維修費用等；實時監(jiān)測數(shù)據(jù)是設(shè)備運行情況下各項指標(biāo)要素的實時記錄，系統(tǒng)每隔一段時間就會將前一階段的實時記錄轉(zhuǎn)移到鐵路機務(wù)設(shè)備的歷史運行數(shù)據(jù)庫中。

（2）數(shù)據(jù)傳輸

系統(tǒng)的數(shù)據(jù)傳輸需要在滿足文件傳輸協(xié)議（FTP）的前提下，通過企業(yè)服務(wù)總線（ESB）和數(shù)據(jù)網(wǎng)關(guān)將數(shù)據(jù)存儲系統(tǒng)中的源數(shù)據(jù)抽取、轉(zhuǎn)置、加載到系統(tǒng)中。

（3）數(shù)據(jù)處理

將源數(shù)據(jù)加載到系統(tǒng)中后，系統(tǒng)會自動對源數(shù)據(jù)進行解析、去重、篩選、清洗、合并、分類、轉(zhuǎn)換等數(shù)據(jù)預(yù)處理，使源數(shù)據(jù)標(biāo)準(zhǔn)化。

（4）數(shù)據(jù)存儲

經(jīng)過預(yù)處理之后，大部分?jǐn)?shù)據(jù)通過Hadoop架構(gòu)實現(xiàn)分布式存儲，小部分的常用數(shù)據(jù)通過本地的MySQL數(shù)據(jù)庫進行存儲。

（5）數(shù)據(jù)分析

系統(tǒng)通過層次分析法，AR、SVM等數(shù)據(jù)分析模型對經(jīng)過預(yù)處理的歷史數(shù)據(jù)進行數(shù)據(jù)分析，進而支撐系統(tǒng)的各項功能[7]。

1.2 系統(tǒng)功能設(shè)計

結(jié)合鐵路機務(wù)EHM的實際需求，本系統(tǒng)設(shè)計的主要功能包括設(shè)備實時監(jiān)控、設(shè)備趨勢分析、設(shè)備故障預(yù)測和風(fēng)險等級評估。

1.2.1 設(shè)備實時監(jiān)控

鐵路機務(wù)設(shè)備運行狀態(tài)實時監(jiān)控功能用于對鐵路機務(wù)設(shè)備的健康進行實時監(jiān)控[8]，使工作人員及時了解設(shè)備工作狀態(tài)，提高鐵路機務(wù)設(shè)備的可靠性[9]。

（1）設(shè)備位置監(jiān)控

設(shè)備在工作中經(jīng)常根據(jù)需要進行位置改動，涉及到設(shè)備的安裝、調(diào)試、退役以及變更等。系統(tǒng)基于采集到的地理結(jié)構(gòu)定位數(shù)據(jù)對設(shè)備進行跟蹤管理，在此基礎(chǔ)上，可支持顯示建筑物、車間等位置類別及其實際位置，未來可直接結(jié)合GIS，實現(xiàn)圖形化篩選定位功能。

（2）設(shè)備狀態(tài)信息監(jiān)控

對設(shè)備的使用狀態(tài)進行實時查詢，包括設(shè)備的新增、在用、檢修、報廢、閑置等設(shè)備狀態(tài)標(biāo)志的設(shè)置和變更，如果設(shè)備處于在用狀態(tài)，可實時監(jiān)控不同設(shè)備的各項參數(shù)、指標(biāo)等狀態(tài)信息。使得相關(guān)人員通過手機、PC機、調(diào)度大屏等實時掌握生產(chǎn)中設(shè)備運行情況。

1.2.2 設(shè)備趨勢分析

（1）設(shè)備效率趨勢分析

系統(tǒng)通過與設(shè)備控制系統(tǒng)集成，實時采集各生產(chǎn)設(shè)備的開動狀態(tài)、運行狀態(tài)，對設(shè)備運行狀況進行集中監(jiān)控。系統(tǒng)采集設(shè)備開停機時間、設(shè)備作業(yè)量、設(shè)備故障時間等，自動生成全局設(shè)備效率（OEE，Overall Equipment Effectiveness)，并提供設(shè)備的實時OEE趨勢，便于工作人員及時發(fā)現(xiàn)影響生產(chǎn)效率的因素。

（2）設(shè)備健康趨勢分析

該功能對鐵路機務(wù)設(shè)備未來一段時間內(nèi)的健康趨勢進行分析預(yù)測。系統(tǒng)采集設(shè)備開停機時間、設(shè)備作業(yè)量、設(shè)備使用率、設(shè)備異常率等關(guān)檢指標(biāo)，進行綜合數(shù)據(jù)分析，實現(xiàn)設(shè)備健康趨勢的分析。

1.2.3 設(shè)備故障預(yù)測

（1）設(shè)備性能預(yù)測

不同設(shè)備的使用環(huán)境、偶發(fā)因素、使用場景各不相同，很難對設(shè)備或其部件進行壽命預(yù)測，系統(tǒng)根據(jù)歷史數(shù)據(jù)進行趨勢預(yù)測和關(guān)鍵指標(biāo)跟蹤，并通過基于原始數(shù)據(jù)的分類、聚類、異常點識別、關(guān)聯(lián)性分析等多種算法實現(xiàn)趨勢研判和異常點追蹤，和智能化的性能指標(biāo)閾值設(shè)置，當(dāng)性能指標(biāo)超出預(yù)警值，系統(tǒng)可自動進行報警。

（2）設(shè)備故障預(yù)測

該功能用于對鐵路機務(wù)設(shè)備未來一段時間內(nèi)是否會發(fā)生故障進行預(yù)測分析。故障預(yù)測可綜合利用上述各部分的數(shù)據(jù)信息，評估和預(yù)測被監(jiān)測設(shè)備未來發(fā)生故障的可能性，并做出判斷、建議和決策。工作人員根據(jù)系統(tǒng)提示，采取相應(yīng)的措施，在部件發(fā)生故障之前選擇適宜時機進行維修。

1.2.4 風(fēng)險等級評估

（1）故障風(fēng)險等級評估

通過設(shè)備實時狀態(tài)信息推算設(shè)備故障率，以設(shè)備自身資產(chǎn)和資產(chǎn)損失度衡量經(jīng)濟性，綜合考慮設(shè)備故障率及設(shè)備退出運行對生產(chǎn)的經(jīng)濟性、安全性的影響，對設(shè)備故障風(fēng)險進行評估

（2）安全風(fēng)險等級評估

實現(xiàn)在生產(chǎn)及維修過程中對安全風(fēng)險的預(yù)警功能，向工作人員發(fā)出相應(yīng)的預(yù)警提示，風(fēng)險等級分為一般風(fēng)險、低級風(fēng)險、中級風(fēng)險、高級風(fēng)險。

2 系統(tǒng)實現(xiàn)

基于EHM理念的鐵路機務(wù)設(shè)備大數(shù)據(jù)健康管理系統(tǒng)在Windows 10操作系統(tǒng)環(huán)境下，利用python 3.5和pycharm 2018兩種工具構(gòu)建鐵路機務(wù)設(shè)備健康評測模型、健康趨勢預(yù)測模型和故障預(yù)測模型，進而支撐系統(tǒng)的各個功能模塊，實現(xiàn)對鐵路機務(wù)設(shè)備的大數(shù)據(jù)健康管理。

2.1 健康評測模型

鐵路機務(wù)設(shè)備健康評測值是對鐵路機務(wù)設(shè)備當(dāng)前工作狀態(tài)的一種認(rèn)知。鐵路機務(wù)設(shè)備的運行歷史數(shù)據(jù)、維修數(shù)據(jù)和實時監(jiān)測數(shù)據(jù)對設(shè)備健康評測模型的構(gòu)建至關(guān)重要[10]。在構(gòu)建健康評測模型時，必須要確定設(shè)備各個指標(biāo)要素的權(quán)重。層次分析法能夠把與決策有關(guān)的元素分解成目標(biāo)、準(zhǔn)則、方案等層次，進行定性和定量分析，適用于鐵路機務(wù)設(shè)備各個指標(biāo)要素的權(quán)重確定[11]。

鐵路機務(wù)設(shè)備健康評測模型的構(gòu)建分3個部分。

（1）基于鐵路機務(wù)設(shè)備的運行歷史數(shù)據(jù)、維修數(shù)據(jù)和實時監(jiān)測數(shù)據(jù)構(gòu)建鐵路機務(wù)設(shè)備的健康評估體系，如圖2所示。

圖2 鐵路機務(wù)設(shè)備健康評估體系圖

（2）結(jié)合鐵路機務(wù)設(shè)備相關(guān)專家的意見確定每個指標(biāo)要素的健康得分，滿分為10分。通過層次分析法對鐵路機務(wù)設(shè)備各個指標(biāo)要素之間的關(guān)系進行分析并確定其各自的權(quán)重，將定性問題定量化，達到歸一化處理的目的[12]。

（3）通過把機務(wù)設(shè)備實時監(jiān)測的各個指標(biāo)要素的值代入定量化分析的鐵路機務(wù)設(shè)備健康值評測體系，如式（1）所示，對該鐵路機務(wù)設(shè)備進行健康值評測，從而對該鐵路機務(wù)設(shè)備的當(dāng)前健康狀況有所認(rèn)知。

其中，H表示鐵路機務(wù)設(shè)備的當(dāng)前健康評測值；Vi表示鐵路機務(wù)設(shè)備第i個指標(biāo)要素的監(jiān)測值；Mi表示鐵路機務(wù)設(shè)備第i個指標(biāo)要素的閾值中位數(shù)；Li表示鐵路機務(wù)設(shè)備第i個指標(biāo)要素的閾值長度；ωi表示鐵路機務(wù)設(shè)備第i個指標(biāo)要素的權(quán)重；i=1，…，10。

2.2 基于AR模型的健康趨勢預(yù)測模型

鐵路機務(wù)設(shè)備的健康值與設(shè)備的歷史狀態(tài)關(guān)系緊密，受其它因素影響較小。AR模型是統(tǒng)計領(lǐng)域一種處理時間序列的方法，通過結(jié)合同一變量之前各期的表現(xiàn)記錄，來預(yù)測本期的表現(xiàn)情況，適用于鐵路機務(wù)設(shè)備健康趨勢預(yù)測[13]。AR模型原理如式（2）所示[14]。

其中，t為某一時刻；X為t時刻的電壓數(shù)據(jù)；c為設(shè)備電壓修正值常量；p和l代表設(shè)備電壓取值范圍的上界和下界；φi為t時刻的電壓數(shù)據(jù)是否適用于式（2）的權(quán)重值；t-i為歷史某一時刻電壓數(shù)據(jù)；εt為隨機誤差值。

將鐵路機務(wù)設(shè)備指標(biāo)要素歷史監(jiān)測數(shù)據(jù)分為訓(xùn)練集和測試集，對訓(xùn)練集進行AR模型訓(xùn)練，得到健康趨勢預(yù)測模型。該模型對測試集進行測試的結(jié)果如圖3所示，其中，原始數(shù)值代表測試集的實際健康值，評估和預(yù)測是通過健康趨勢預(yù)測AR模型得到的測試集健康預(yù)測值。對比健康趨勢預(yù)測模型預(yù)測結(jié)果與測試集實際健康值，預(yù)測結(jié)果準(zhǔn)確率約為96.2%。

圖3 基于AR模型的鐵路機務(wù)設(shè)備健康趨勢預(yù)測圖

2.3 基于SVM的故障預(yù)測模型

鐵路機務(wù)設(shè)備狀態(tài)分為正常和故障2種，屬于二分類問題。而SVM是一種按監(jiān)督學(xué)習(xí)方式對數(shù)據(jù)進行二元分類的廣義線性分類器[15]，適合處理設(shè)備狀態(tài)判斷問題。本系統(tǒng)通過使用SVM對各種鐵路機務(wù)設(shè)備故障維修數(shù)據(jù)進行分析、訓(xùn)練得到設(shè)備故障預(yù)測模型，通過該模型進行故障預(yù)測[16]。

當(dāng)模型獲取到如圖4所示的數(shù)據(jù)時，可在圖例中根據(jù)第一列標(biāo)簽標(biāo)示出數(shù)據(jù)的有效性進行判斷處理，例如，當(dāng)?shù)谝涣袛?shù)據(jù)為+1時數(shù)據(jù)有效，為-1時則數(shù)據(jù)無效。

圖4 鐵路機務(wù)設(shè)備部分故障維修訓(xùn)練數(shù)據(jù)處理界面

將通過故障預(yù)測模型得到的故障預(yù)測結(jié)果與鐵路機務(wù)設(shè)備故障實際情況進行對比，得出預(yù)測的成功率為99.08%，如圖5所示。

圖5 鐵路機務(wù)設(shè)備故障預(yù)測界面

2.4 設(shè)備健康風(fēng)險預(yù)警等級

本系統(tǒng)結(jié)合鐵路機務(wù)設(shè)備工作人員的實際工作經(jīng)驗和數(shù)據(jù)源分析結(jié)果，為鐵路機務(wù)設(shè)備設(shè)定了如圖6所示的風(fēng)險等級評估系數(shù)。

圖6 鐵路機務(wù)設(shè)備健康風(fēng)險預(yù)警等級示意圖

系統(tǒng)會根據(jù)設(shè)備健康值分?jǐn)?shù)所處的風(fēng)險評估等級，向工作人員發(fā)出不同級別的風(fēng)險評估預(yù)警，方便工作人員及時采取應(yīng)對措施，保證鐵路機務(wù)設(shè)備維護的工作效率[17]。

3 結(jié)束語

基于EHM理念的鐵路機務(wù)設(shè)備大數(shù)據(jù)健康管理系統(tǒng)將前沿的信息化技術(shù)融入鐵路機務(wù)設(shè)備的實際工作中，實現(xiàn)了對鐵路機務(wù)設(shè)備的健康管理，提高了鐵路機務(wù)設(shè)備的整體管理水平，保證了工作質(zhì)量，為前沿信息化技術(shù)的普及發(fā)揮了示范作用[18]。然而，EHM的關(guān)鍵技術(shù)現(xiàn)在還不夠成熟，本文中的健康趨勢預(yù)測和故障預(yù)測模型都只采用了一種關(guān)鍵技術(shù)。下一步準(zhǔn)備在這2個功能上采用混合方法，使得健康趨勢預(yù)測模型和故障預(yù)測模型更加完善，進一步提高預(yù)測準(zhǔn)確率。