軌道交通大型養(yǎng)路機械日常運用數(shù)據(jù)分析模型研究

時光明，李嘉宇，王洪峻

（北京市地鐵運營有限公司線路分公司，北京 100082）

北京地鐵的規(guī)劃始于1953 年，始建于1965 年，最早的線路竣工于1969 年，是中國首個開通地鐵的城市。根據(jù)中國城市軌道交通協(xié)會披露的數(shù)據(jù)，截止到2022 年初，北京地鐵運營線路共有27 條，運營里程783 km。以運營里程計算，北京地鐵已是世界上規(guī)模第一大的城市地鐵系統(tǒng)。以客運量計算，北京地鐵亦是世界最繁忙的城市軌道交通系統(tǒng)之一?！侗本┦小笆奈濉?時期交通發(fā)展建設規(guī)劃》明確提出，“十四五”時期，北京市將重點加快軌道交通“四網(wǎng)融合”、軌道與公交融合，推進交通運輸綠色發(fā)展，建設步行自行車友好城市，鼓勵綠色低碳出行，力爭 “十四五”末中心城區(qū)綠色出行比例達到76.5%。到2025 年，北京軌道交通運營里程預計達到1 600 km。隨著軌道交通地鐵線路運營里程的不斷增長，客運量日益增加，大型養(yǎng)路機械對地鐵線路的維護工作任務量日益加重。為滿足日益繁重的線路維護工作，客觀準確地反映大型養(yǎng)路機械的日常運用情況，分析大型養(yǎng)路機械設備兌現(xiàn)率、設備油耗指數(shù)、設備作業(yè)量等關鍵日常運用數(shù)據(jù)尤為重要[1]。

1 大型養(yǎng)路機械運用數(shù)據(jù)種類

1.1 日常運用數(shù)據(jù)收集

在大型養(yǎng)路機械日常運用過程中對各類大機的運用數(shù)據(jù)進行收集，主要包括搗固車、清篩車、搗穩(wěn)車、打磨車、拋碴車、動力穩(wěn)定車、配碴整形車、風動吹碴車等8 種大型養(yǎng)路機械設備運轉數(shù)據(jù)的收集。

設備的運轉數(shù)據(jù)由共性數(shù)據(jù)和個性數(shù)據(jù)兩部分組成。其中，共性數(shù)據(jù)包括單位名稱、施工日期、次日施工計劃、次日施工項目、設備編號、工程名稱、運行區(qū)間（線）、行別、站段、運行里程、累計里程、封鎖時間、封鎖命令、出車車次、返回車次、作業(yè)里程、作業(yè)車站、當日作業(yè)時長、作業(yè)人數(shù)、作業(yè)次數(shù)、加油量、作業(yè)后剩余油量、設備檢修信息、設備維修信息、設備臺賬信息、設備狀態(tài)數(shù)據(jù)（機油壓力、發(fā)動機小時數(shù)、發(fā)動機轉速、主風缸壓力、發(fā)動機溫度、控制壓力、ZF 溫度）等。由于車類型不同，體現(xiàn)作業(yè)量的數(shù)據(jù)也各不相同，由此構成了個性數(shù)據(jù)。各車型個性數(shù)據(jù)分別如下：①搗固車作業(yè)量數(shù)據(jù)包括正線搗固延長里程、正線搗固延長累計里程、正線搗固復搗里程、正線搗固復搗累計里程等；②清篩車作業(yè)量數(shù)據(jù)包括清篩里程、清篩累計里程、清篩深度、換道床里程、換道床累計里程、掛風動卸碴車數(shù)等；③配碴整形車作業(yè)量數(shù)據(jù)包括作業(yè)里程、作業(yè)累計里程；④打磨車作業(yè)量數(shù)據(jù)包括正線延長里程、正線延長累計里程、正線遍里程、正線遍累計里程、道岔組數(shù)、道岔遍組數(shù)等；⑤配碴整形車作業(yè)量數(shù)據(jù)包括作業(yè)里程、作業(yè)累計里程；⑥拋碴車作業(yè)量數(shù)據(jù)包括拋碴里程、拋碴累計里程、拋碴深度、換道床里程、換道床累計里程、掛風動卸碴車數(shù)等；⑦動力穩(wěn)定車作業(yè)數(shù)據(jù)量包括搗固里程數(shù)、穩(wěn)定里程數(shù)、累計搗固里程數(shù)等。

以上數(shù)據(jù)均為大型養(yǎng)路機械日常運用數(shù)據(jù)，通過以下2 種途徑進行收集：①作業(yè)完成后，由作業(yè)人員進行填報。填報通常采用移動應用APP 表單的方式進行，其中包含數(shù)據(jù)分析所需的關鍵數(shù)據(jù)，如作業(yè)里程、燃油消耗量、作業(yè)次數(shù)、作業(yè)人數(shù)等。②設備自動采集。大型養(yǎng)路機械設備在線路維護作業(yè)過程中，車載控制系統(tǒng)自動記錄作業(yè)數(shù)據(jù)，如作業(yè)里程、作業(yè)小時數(shù)、作業(yè)次數(shù)等，數(shù)據(jù)可通過計算機網(wǎng)絡自動上報。

1.2 日常運用數(shù)據(jù)分類

大型養(yǎng)路機械日常運用涉及的數(shù)據(jù)較多，可分成設備基礎臺賬信息類、設備運行狀態(tài)類、設備檢修數(shù)據(jù)類、作業(yè)計劃數(shù)據(jù)類、作業(yè)過程數(shù)據(jù)類及作業(yè)反饋數(shù)據(jù)類等。針對大型養(yǎng)路機械的日常運用數(shù)據(jù)分析，主要分析設備兌現(xiàn)率、油耗指數(shù)、作業(yè)量等關鍵數(shù)據(jù)，其相關定義如表1 所示。

1.3 日常運用數(shù)據(jù)質量評估

為避免在后期的數(shù)據(jù)分析應用中引入“臟” 數(shù)據(jù)，需在數(shù)據(jù)的收集過程中對數(shù)據(jù)質量進行嚴格把關，即建立數(shù)據(jù)質量的評估體系。數(shù)據(jù)質量評估體系主要參考如圖1 所示的6 個指標。

圖1 數(shù)據(jù)質量評價指標框架

結合日常運用數(shù)據(jù)分析模型研究需要，在收集數(shù)據(jù)時，主要從規(guī)范性、完整性、準確性、一致性、時效性及有效性等方面對數(shù)據(jù)進行質量評估控制。

數(shù)據(jù)規(guī)范性檢測：用于描述數(shù)據(jù)是否符合數(shù)據(jù)定義規(guī)范，如數(shù)據(jù)類型、數(shù)據(jù)存儲格式、數(shù)據(jù)編碼規(guī)則等。數(shù)據(jù)規(guī)范性檢測是完整性、準確性、一致性檢測的前置評估標準。

數(shù)據(jù)完整性檢測：用于描述數(shù)據(jù)信息缺失的程度，是數(shù)據(jù)質量中最基礎的一項評估標準。數(shù)據(jù)缺失情況可以分為數(shù)據(jù)信息記錄缺失和字段信息記錄缺失。

數(shù)據(jù)準確性檢測：用于描述一個值與它所描述的客觀事物的真實值之間的接近程度，通俗來說就是指數(shù)據(jù)記錄的信息是否存在異?；蝈e誤。例如作業(yè)人員在填報作業(yè)量時，手誤輸錯了某一信息，造成了數(shù)據(jù)庫里存在的信息與客觀事實不一樣。數(shù)據(jù)準確性的檢測較為困難，一般情況下很難解決。

數(shù)據(jù)一致性檢測：可結合數(shù)據(jù)庫的數(shù)據(jù)存儲設計考慮，把待檢測的表作為主表，首先用戶確定一致性檢測的主表字段，然后選擇需要給定檢測的從表和從表字段，設置好主表和從表之間的關聯(lián)項，關聯(lián)項可以是多個字段，但是必須是擁有匹配值的相似字段。匹配關聯(lián)之后檢查主表和從表相同或者類似字段字段值是否一致。

數(shù)據(jù)時效性檢測：指信息僅在一定時間段內對決策具有價值的屬性。數(shù)據(jù)從生成到錄入數(shù)據(jù)庫存在一定的時間間隔，若該間隔較久，就可能導致分析得出的結論失去了借鑒意義。例如當天的作業(yè)數(shù)據(jù)生成后沒有及時錄入數(shù)據(jù)庫或者源庫與目的庫之間同步延遲，則會導致統(tǒng)計結果和真實結果存在一定誤差。

數(shù)據(jù)有效性檢測：描述數(shù)據(jù)遵循預定語法規(guī)則的程度，是否符合其定義，比如數(shù)據(jù)的類型、格式、取值范圍等。數(shù)據(jù)有效性檢測的步驟是用戶選擇需要進行有效性檢測的字段，針對每個字段設定有效性規(guī)則。有效性規(guī)則包括類型有效、格式有效和取值有效等。類型有效檢測字段數(shù)據(jù)的類型是否符合其定義，例如可以通過求和判斷是否是數(shù)值型，通過時間操作判斷是否是時間類型。格式有效檢測可以通過正則表達式來判斷數(shù)據(jù)是否與其定義相符。取值有效檢測則通過計算最大最小值來判斷數(shù)據(jù)是否在有效的取值范圍內。

2 大型養(yǎng)路機械運用數(shù)據(jù)分析模型

2.1 設備兌現(xiàn)率分析模型

在地鐵線路日常運營維護過程中，大型養(yǎng)路機械在出勤作業(yè)時會存在因設備原因（含設備故障、設備停用、設備定期保養(yǎng)等）導致不能根據(jù)運營調度計劃進行實際出勤作業(yè)的情況[2]。

根據(jù)表1 的數(shù)據(jù)種類定義，某臺設備兌現(xiàn)率AΔt為該設備在統(tǒng)計開始時間T0和統(tǒng)計結束時間T1的范圍內實際出勤數(shù)Pa與計劃出勤數(shù)P的百分比。其中，因該設備原因取消出勤數(shù)為Pf。則針對單臺設備的兌現(xiàn)率量化表達（即單臺設備兌現(xiàn)率計算模型）為：

式中：Δt=T1－T0，Pa=P－Pf。

根據(jù)單臺設備兌現(xiàn)率的量化表達，假設設備樣本總數(shù)為n，i=1 表示第一臺設備的兌現(xiàn)率P1，i=2 表示第二臺設備的兌現(xiàn)率P2……，依此類推可得到樣本范圍內的設備實際出勤率表達為，同理，樣本范圍內設備的計劃出勤率表達為，則樣本范圍內的設備兌現(xiàn)率量化表達（即樣本范圍內設備總兌現(xiàn)率計算模型）為：

2.2 設備油耗指數(shù)分析模型

油料費用是地鐵線路日常運營維護作業(yè)的主要支出成本之一，對設備油耗的監(jiān)測尤為重要。設備油耗數(shù)據(jù)可通過作業(yè)人員人工記錄，也可通過設備油耗監(jiān)測系統(tǒng)自動監(jiān)測。設備油耗指數(shù)分析不僅能用來進行作業(yè)成本核算，還可在某種程度上作為衡量設備經濟性的指標之一。

根據(jù)表1 的數(shù)據(jù)種類定義，某臺設備油耗指數(shù)BΔt為該設備在統(tǒng)計開始時間T0與統(tǒng)計結束時間T1的范圍內實際加油量Ma與作業(yè)量Q的百分比。則針對單臺設備的油耗指數(shù)量化表達（即單臺設備油耗計算模型）為：

根據(jù)單臺設備油耗指數(shù)的量化表達，假設設備樣本總數(shù)為n，i=1 表示第一臺設備的加油量為M1，i=2表示第二臺設備的加油量為M2……，依此類推可得到樣本范圍內的設備實際加油量表達為，同理，樣本范圍內設備的作業(yè)量表達為，則樣本范圍內的設備油耗指數(shù)量化表達（即樣本范圍內設備總油耗計算模型）為：

2.3 設備作業(yè)量分析模型

根據(jù)表1 的數(shù)據(jù)種類定義，在地鐵線路日常運營維護作業(yè)中，設備作業(yè)量是指在一定時間范圍內設備的作業(yè)里程、作業(yè)次數(shù)、作業(yè)人數(shù)的統(tǒng)計。其中，作業(yè)里程、作業(yè)次數(shù)可通過車載控制系統(tǒng)自動記錄數(shù)據(jù)上報，作業(yè)人數(shù)可通過表單記錄填報。

在實際作業(yè)過程中，假設n為時間范圍的最后一天，則時間范圍內設備作業(yè)里程K由單日作業(yè)里程Kd累加而成，即。i=1 表示設備第一天的作業(yè)里程為Kd1，i=2 表示設備第二天的作業(yè)里程為Kd2……，依此類推直到時間范圍的最后一天。同理，時間范圍內設備作業(yè)次數(shù)為，時間范圍內作業(yè)人數(shù)為。

統(tǒng)計樣本范圍內設備的作業(yè)量可分別表示為：樣本范圍內設備總作業(yè)里程，其中，m表示第M臺設備，i=1 時，K1表示第一臺設備時間段范圍內的作業(yè)里程；樣本范圍內設備總作業(yè)次數(shù)，其中，m表示第M臺設備，i=1 時，T1表示第一臺設備時間段范圍內的作業(yè)次數(shù)；樣本范圍內設備總作業(yè)人數(shù)，其中，m表示第M臺設備，i=1 時，P1表示第一臺設備時間段范圍內的作業(yè)人數(shù)。

2.4 設備日常運用指標考核

設備在企業(yè)可持續(xù)發(fā)展戰(zhàn)略中起著越來越重要的作用，可基于設備兌現(xiàn)率分析模型、設備油耗指數(shù)分析模型、設備作業(yè)量分析模型分別對設備兌現(xiàn)率、設備油耗指數(shù)、設備作業(yè)量進行分析，深入分析影響設備運行系統(tǒng)綜合績效的因素，對提高產品質量、降低生產成本至關重要[3]。然而，建立設備運行系統(tǒng)綜合績效的評估指標體系，是科學、全面、客觀評估設備運行系統(tǒng)綜合績效的關鍵環(huán)節(jié)。對設備日常運用的考核指標細則如表2 所示。

3 結束語

提出軌道交通大型養(yǎng)路機械日常運用數(shù)據(jù)中的設備兌現(xiàn)率、設備油耗指數(shù)及設備作業(yè)量等分析模型，通過數(shù)據(jù)分析，可以客觀準確地反映大型養(yǎng)路機械的日常運用情況，為大型養(yǎng)路機械日常運用考核提供量化依據(jù)[4]，為大型養(yǎng)路機械設備運用的經濟性、健康性評價提供參考，還可為管理者科學合理調度大型養(yǎng)路機械、優(yōu)化配置設備資源提供數(shù)據(jù)支持。

隨著大數(shù)據(jù)技術、物聯(lián)網(wǎng)技術、4G/5G 技術的不斷發(fā)展，大型養(yǎng)路機械設備信息化、物聯(lián)化及智慧化管理將是大勢所趨，設備日常運用數(shù)據(jù)分析可作為大型養(yǎng)路機械設備管理系統(tǒng)的功能模塊之一，通過數(shù)據(jù)接口與其他功能進行融合使用，可實現(xiàn)大型養(yǎng)路機械設備從生產、運用、維修、保養(yǎng)及報廢等環(huán)節(jié)的全生命周期管理[5]。