吳 亮,徐 炬,何興家,潘 越
(杭州地鐵運營有限公司,浙江杭州 310017)
在地鐵行業(yè)信息化發(fā)展過程中,相關業(yè)務系統(tǒng)產生了大量的基礎數據,這些數據既是地鐵車輛維護管理和運營決策的重要支撐,也是相關科研工作的重要依據。但在日常運維工作中僅靠人工統(tǒng)計無法高效利用這些數據。因此,結合大數據及人工智能的時代背景,運用可靠性分析、FMEA(Failure Mode Effects analysis,失效模式及后果分析)等方法實現(xiàn)基礎數據處理,以PHM(Prognostic and Health Management,故障預測和健康管理)為依托,探索地鐵車輛全生命周期健康狀態(tài)管理,量化維修決策,實現(xiàn)“狀態(tài)修”。
根據FMEA,按照功能、故障模式、故障原因及補償措施將各子系統(tǒng)進行部件分解,以車門系統(tǒng)作為分解對象進行FMEA 分析,分解為承載導向裝置、基礎部件、電動控制裝置、內外操作隔離裝置、驅動鎖閉裝置四部分,分解表格形式見表1。
表1 車門系統(tǒng)FMEA 分析——內外操作隔離裝置(例)
根據FMEA 分解結果,計算各子系統(tǒng)可靠性。使用故障率進行子系統(tǒng)可靠性分析,產品故障率λ(t):
式中 Δr(t)——t 時刻后,Δt 時間內發(fā)生故障的產品數
Δt——所取時間間隔
NS(t)——在t 時刻沒有發(fā)生故障的產品數
將各系統(tǒng)2018—2020 年度故障數、運行次數代入式(1),計算得出2018—2020 年度各系統(tǒng)故障率,求平均值作為該系統(tǒng)最終故障率,即可靠性(圖1)。
圖1 杭州地鐵4 號線地鐵車輛2018—2020 年度各系統(tǒng)可靠性
2.1.1 建立AHP 層次結構
對地鐵車輛的健康狀態(tài)進行層次劃分,建立地鐵車輛健康狀態(tài)評價模型,包括目的層——地鐵車輛健康狀態(tài),準則層——故障影響程度、子系統(tǒng)運行情況,以及方案層——地鐵車輛各系統(tǒng)專家評分,如圖2 所示。
圖2 層次結構示意
2.1.2 建立比較矩陣
以故障影響程度、子系統(tǒng)運行情況為準則,分別比較方案層地鐵車輛各系統(tǒng)的影響程度,得到判斷矩陣C,用影響程度cij表示第i 個要素與第j 個要素相比的重要程度。且矩陣C 需要滿足:①影響程度cij>0;②第i 個要素與第j 個要素影響程度的比值互為倒數;③同一要素相比,重要程度相同cii=1,其中i、j=1,2,…,n。
影響程度cij的取值需要滿足表2 要求。
表2 影響程度cij 的取值要求
2.1.3 檢驗一致性
明確后,在求出判斷矩陣C 的最大特征值λmax后,代入式(3)求出13 階判斷矩陣C 的CI 值:
然后計算13 階判斷矩陣C 的隨機一致性比率:
其中,CI 為判斷矩陣C 的一致性指標。
判斷矩陣C 是否有較好的一致性,可比較CR 與0.1 的大小,當CR<0.1 時,矩陣C 具有較好的一致性,否則矩陣的一致性不良,應重新修改后再次檢驗,直到調整至CR<0.1。
2.1.4 權重計算
使用求和法進行判斷矩陣C 各元素的權重計算,具體步驟如下:
(1)對矩陣C 的每一列元素按式(5)進行歸一化:
(2)完成歸一化后,各列按式(6)計算每列和,構成一個向量:
本文中,矩陣階數n 取13,i=1、2、3…13。
結合地鐵車輛實際運營情況,選用故障影響程度、各子系統(tǒng)運行情況作為第一層因素建立地鐵車輛健康狀態(tài)評價模型。
2.2.1 建立評價因素集(表3)
表3 評價因素
2.2.2 確定各層因素的權重
根據地鐵車輛故障影響程度和子系統(tǒng)運行情況與各系統(tǒng)的聯(lián)系,對地鐵車輛各系統(tǒng)的重要程度設置相應的數值,然后以此計算各指標影響地鐵車輛整體健康狀態(tài)的權重值。
(1)評估指標專家打分。首先,請杭州地鐵4 號線地鐵車輛各專業(yè)檢修工程師根據經驗進行打分。為避免由一名工作人員打分過于主觀,通過將評估指標兩兩對比,減少評分人員主觀性,使評分結果更具有真實性。評估指標打分表見圖3。
圖3 評估指標打分表
(2)特征根和權重向量的計算。按照層次分析建模的計算步驟,計算權重?的權重向量為:?=[0.020,0.059,0.038,0.183,0.192,0.057,0.103,0.133,0.066,0.031,0.077,0.019,0.019],求解特征根:
(3)權重一致性檢驗。權重一致性:
通過一致性檢驗可知,判斷矩陣C 可作為計算依據,用于地鐵車輛健康狀態(tài)評價模型的權重計算及模型構建。
最后,完成模型的權重計算,計算結果見表4。
表4 評價因素權重
2.2.3 杭州地鐵4 號線算例分析
根據杭州地鐵4 號線2019 年故障數據進行算例分析,表5 為2019 年4 號線各系統(tǒng)故障數據。
表5 杭州地鐵4 號線2019 年故障數據
根據表3 數據可得2019 年各個系統(tǒng)的故障率(表6)。
表6 杭州地鐵4 號線2019 年各系統(tǒng)故障率
根據以上數據,首先建立故障影響程度、子系統(tǒng)運行情況(故障率)的評判集。同時以K04001 車故障率數據為例,采用加權平均型模型進行計算,評價結果根據因素集中所有給出權重的因素的影響。
為更加客觀地評判地鐵車輛健康狀態(tài),建立評判集V={V1,V2,V3,V4},對應優(yōu)、良、中、差4個等級。見表7、表8。
表7 故障影響程度評判集
表8 子系統(tǒng)運行情況評判集
表9 地鐵車輛健康狀態(tài)評價模型評判集及取值范圍
結合故障影響程度、子系統(tǒng)運行情況(故障率)的評判集綜合考慮,確立地鐵車輛健康狀態(tài)評價模型的評價集及取值。
同時確定各指標ui隸屬于評價等級的隸屬度rij,采用專家評分法確定隸屬度rij,可得到故障影響程度的第二層評價因素隸屬度R1,車輛子系統(tǒng)運行情況的第二層評價因素隸屬度R2。
地鐵車輛健康狀態(tài)等級的隸屬度計算:
其中“O”取算子M(·,+):a·b=a×b=ab;a+b=a+b。(a1,a2)為第一層因素的權重系數。
按照最大隸屬度原則,該車健康狀態(tài)良好,通過計算最終得到K04001 車2019 年綜合評價結果為93.629 分(表10)。
表10 K04001 車2019 年故障率數據及綜合評價結果
城市軌道交通具有早晚客流高峰時間段且夜晚不運營的特點,車輛存在停止運營的間隙時間,又稱作列車的運行“窗口”(圖4)。為了有效提高檢修工作效率,利用地鐵車輛停運窗口時間,將檢修作業(yè)分散在窗口時間,利用計算得到的地鐵車輛健康狀態(tài)結果,繼續(xù)采用層次分析理論,提高“窗口”時間的利用率。
圖4 列車運行“窗口”
杭州地鐵現(xiàn)行的檢修模式為均衡修作業(yè),但各檢修項目頻次、標準較為統(tǒng)一,結合列車運行“窗口”的特點,綜合各系統(tǒng)維護要求、實際故障發(fā)生率、檢修情況等,參考地鐵車輛健康狀態(tài)將數據,動態(tài)均衡修作業(yè)標準,從而實現(xiàn)從計劃修到狀態(tài)修的轉變,提高列車上線率。設立與評判結果相對應的檢修級別,分別為Ⅳ、Ⅲ、Ⅱ、Ⅰ,車輛健康狀態(tài)越佳,其檢修評級越低,相應對應的作業(yè)時間也越低。
為確定檢修評級,本文選用2019 年杭州地鐵4 號線所有(29列)地鐵車輛健康狀態(tài)數據集為劃分依據(表11),采用統(tǒng)計學等距分組的原則,將所有分數排序后分組建立健康狀態(tài)評級標準(圖5)。
圖5 2019 年4 號線地鐵車輛健康狀態(tài)分組
其對應關系和檢修計劃的時間如表13 所示。
完成對應關系體系建立后,可按照車輛得分給出作業(yè)時間建議。取用杭州地鐵4 號線K04001 車健康狀態(tài)評級進行該車均衡修1 作業(yè)時間優(yōu)化,由表11 可知,該車2019 年最終健康狀態(tài)得分為93.629 分,按照評價等級(表12),該車為“優(yōu)”等級,對應表13 可知,K04001 車2020年均衡修1 作業(yè)檢修評級為Ⅳ級,建議安排作業(yè)時間為5~6 h,相比較沒有做健康狀態(tài)評估的檢修計劃的8 h,檢修的時間縮短了2~3 h,提高車輛的運營時間,從優(yōu)化檢修計劃層面進一步提升車輛上線率。
本文采用PHM 管理理念,首先利用FMEA 進行地鐵車輛各子系統(tǒng)功能、故障模式、故障原因及補償措施況的定型分析,確定系統(tǒng)可靠性。之后,基于系統(tǒng)可靠性,運用AHP 分析建立地鐵車輛健康狀態(tài)模型,量化評估地鐵車輛全生命周期健康狀態(tài)。最后,根據地鐵車輛全生命周期健康狀態(tài)建立對應檢修評級及作業(yè)時間對應關系,給出作業(yè)時間建議,實現(xiàn)維修決策優(yōu)化,最終實現(xiàn)地鐵車輛從故障修到狀態(tài)修的轉變。