文：吳志強(qiáng)｜北京國(guó)信會(huì)視科技有限公司總經(jīng)理、上海中運(yùn)量軌道交通系統(tǒng)工程技術(shù)研究中心管理委員會(huì)委員

人工智能已成為推動(dòng)各行業(yè)轉(zhuǎn)型升級(jí)的重要力量，更是為可持續(xù)發(fā)展注入新活力。北京國(guó)信會(huì)視科技有限公司創(chuàng)新研發(fā)的HaloChat 運(yùn)維大模型，為軌道交通行業(yè)走向更智能高效的未來(lái)貢獻(xiàn)智慧。

HaloChat 運(yùn)維大模型，是一款集智能診斷、健康評(píng)估、預(yù)測(cè)性分析于一體的運(yùn)維工具。它利用深度學(xué)習(xí)和大數(shù)據(jù)分析技術(shù)，對(duì)城軌車(chē)輛的運(yùn)行數(shù)據(jù)實(shí)時(shí)采集、處理和分析，從而實(shí)現(xiàn)對(duì)車(chē)輛運(yùn)行狀況和健康狀態(tài)的精準(zhǔn)判斷。具體而言，HaloChat 運(yùn)維大模型通過(guò)對(duì)車(chē)輛運(yùn)行數(shù)據(jù)的深度挖掘，發(fā)現(xiàn)潛在的故障隱患，為運(yùn)營(yíng)方提供及時(shí)、有效的預(yù)警信息；它還能對(duì)車(chē)輛的整體健康狀態(tài)打分，為運(yùn)營(yíng)方提供直觀的車(chē)輛健康狀態(tài)評(píng)估結(jié)果；該模型還能預(yù)測(cè)關(guān)鍵部件的預(yù)期使用壽命，對(duì)城軌車(chē)輛的運(yùn)行狀況和健康狀態(tài)進(jìn)行智能診斷，為運(yùn)營(yíng)方制定科學(xué)的維修計(jì)劃提供有力支持。

傳統(tǒng)PHM 與裝備運(yùn)維模式的轉(zhuǎn)變

在傳統(tǒng)模式下，PHM（預(yù)測(cè)與健康管理）與裝備運(yùn)維往往采用反應(yīng)式模式，即在設(shè)備出現(xiàn)故障后才進(jìn)行維修。這往往導(dǎo)致維修成本高、維修周期長(zhǎng)、設(shè)備使用效率低等。HaloChat 運(yùn)維大模型的應(yīng)用，使得PHM 與裝備運(yùn)維轉(zhuǎn)變?yōu)轭A(yù)測(cè)的模式，更為主動(dòng)。

HaloChat 能夠連接設(shè)置在設(shè)備各關(guān)鍵部位的各類傳感器，實(shí)時(shí)采集設(shè)備運(yùn)行過(guò)程中的溫度、壓力、流量、距離、振動(dòng)等數(shù)據(jù)，運(yùn)用數(shù)據(jù)分析的方式，比如數(shù)據(jù)挖掘、統(tǒng)計(jì)分析等，去理解設(shè)備運(yùn)行狀態(tài)和檢測(cè)設(shè)備可能存在的問(wèn)題；HaloChat 的數(shù)據(jù)處理不單單是處理單一裝備的數(shù)據(jù)，還可以進(jìn)行跨設(shè)備、跨場(chǎng)次的數(shù)據(jù)整合和比較，全面了解設(shè)備運(yùn)行狀態(tài)，確保其穩(wěn)定、高效地工作。

HaloChat 運(yùn)維大模型還具備預(yù)測(cè)性分析的能力。它能夠通過(guò)對(duì)車(chē)輛運(yùn)行歷史數(shù)據(jù)的挖掘和分析，結(jié)合深度學(xué)習(xí)，可以提前識(shí)別出可能的故障點(diǎn)、提前發(fā)現(xiàn)潛在故障，預(yù)測(cè)出關(guān)鍵部件的預(yù)期使用壽命，以及可能出現(xiàn)故障的時(shí)間點(diǎn)和類型。這不僅能幫助運(yùn)營(yíng)方提前做好維修計(jì)劃，還能有效降低故障發(fā)生的概率，提高安全性和可靠性，從而有效降低維修成本、縮短維修周期，并提高設(shè)備的使用效率。

根據(jù)客戶使用后統(tǒng)計(jì)，在已經(jīng)交付項(xiàng)目中，應(yīng)用該系統(tǒng)后，正線故障率平均降低12.5%，維修工時(shí)降低約23.7%；視頻巡檢比步行巡檢效率提高約85%，數(shù)字檢修比人工檢修效率高約12.5%；集控技術(shù)取代人工開(kāi)關(guān)站效率提升約75%，數(shù)字技術(shù)取代人工開(kāi)關(guān)站效率提升約80% 至90%；在安全方面，應(yīng)急響應(yīng)效率提高約80%，行車(chē)人因風(fēng)險(xiǎn)降低到接近“0”，安全可靠性提高約80%，處置標(biāo)準(zhǔn)化率平均提高約30%。

基于HaloChat 運(yùn)維大模型的設(shè)備健康評(píng)估與壽命預(yù)測(cè)

壽命預(yù)測(cè)是設(shè)備運(yùn)行與運(yùn)維的重要關(guān)注點(diǎn)之一，對(duì)于提高設(shè)備的運(yùn)行效率與可用性、降低運(yùn)維成本具有重要意義。

HaloChat 能夠全面收集和匯總設(shè)備的運(yùn)行數(shù)據(jù)、維修歷史、檢查記錄等影響健康評(píng)估壽命預(yù)測(cè)的基礎(chǔ)數(shù)據(jù)，提取其中對(duì)設(shè)備健康狀況和使用壽命影響深遠(yuǎn)的特征指標(biāo)，利用機(jī)器學(xué)習(xí)（如支持向量機(jī)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等）或者深度學(xué)習(xí)（如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等）對(duì)設(shè)備的故障模式進(jìn)行建模，用收集到的大量數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，HaloChat 可以根據(jù)這些數(shù)據(jù)自我學(xué)習(xí)和進(jìn)化，提高模型的效率、準(zhǔn)確性和穩(wěn)定性。根據(jù)模型的輸出結(jié)果，可以對(duì)設(shè)備的健康狀況進(jìn)行評(píng)估和預(yù)測(cè)設(shè)備的剩余使用壽命（RUL）。

HaloChat 對(duì)設(shè)備的健康評(píng)估和壽命預(yù)測(cè)，可以為運(yùn)維決策提供支持，例如根據(jù)設(shè)備的健康狀況來(lái)調(diào)整運(yùn)行策略，或者提前為可能出現(xiàn)故障的設(shè)備安排維保計(jì)劃，從而實(shí)現(xiàn)對(duì)設(shè)備的高效、及時(shí)的維護(hù)和管理，提高設(shè)備的運(yùn)行效率，降低因設(shè)備故障造成的風(fēng)險(xiǎn)。

HaloChat 運(yùn)維大模型更好適應(yīng)企業(yè)需求

北京國(guó)信會(huì)視在城軌交通市場(chǎng)的運(yùn)維客戶群體覆蓋率達(dá)到80%，現(xiàn)有產(chǎn)品覆蓋率超過(guò)40%，目前已成功應(yīng)用在北京、上海、深圳、重慶、成都、西安、武漢、南京、長(zhǎng)沙、青島、天津等城市。公司在車(chē)輛智慧運(yùn)維系統(tǒng)以及MRO 系統(tǒng)的應(yīng)用排名穩(wěn)居行業(yè)前三，為軌道交通行業(yè)的運(yùn)維管理提供了強(qiáng)大的綜合支持。

HaloChat 運(yùn)維大模型擁有強(qiáng)大的處理能力，提供了70 億～130 億個(gè)的模型參數(shù)選擇，滿足不同硬件配置要求，確保各種規(guī)模的企業(yè)都能獲得最優(yōu)化的服務(wù)體驗(yàn)。同時(shí)，它還支持本地化部署，確保數(shù)據(jù)的安全與私密性。此外，本地化數(shù)據(jù)訓(xùn)練和微調(diào)功能使得模型能夠不斷進(jìn)化，成為企業(yè)內(nèi)部私有化的AI 大模型，更好地適應(yīng)企業(yè)的實(shí)際需求。