论大数据在货车检修中的应用

汪鹏

摘要：随着信息化技术的快速发展，越来越多的信息化技术手段被引入工业领域以提高生产效率，铁路货车检修就是其中之一。传统的信息化系统侧重于检修文档的管理和收集，缺乏对检修数据的分析和判断，因此在提升检修效率、降低故障率方面存在很大的提升空间。因此，构建基于大数据分析的铁路货车检修信息平台，完善检修信息体系，收集汇总检修设备的检修信息，挖掘相关数据，对提高货车检修质量，对降本增效目标有积极的作用。

关键词：大数据;货车检修;数据挖掘

当今世界各国铁路货车采用的检修制度，可以分为计划预防检修制度和按技术状态检修制度两大类型。目前实施日常检查、定期检修的预防性计划检修制度。然而，随着新型铁路货车不断投入使用及现有铁路货车改造升级，现行计划检修模式中存在的问题日益凸显。

一、货车检修生产的现状

货车是铁路运输系统的重要基础设施，货车检修是保证运输安全的主要环节之一。目前，货车检修生产现状有以下特点。（1）在检修生产过程中，货车部件（配件）在多种状态中转换，按待检品、待修品、合格品、报废品等不同状态加以区分。（2）配件类型多样。目前，各段修车间逐步覆盖了C60、C64、C70、C80等各型货车检修资质，检修车型呈不断扩充的趋势，各类配件的型号越来越繁杂。不同型号货车部件（配件）在同一区域、同一条工艺线上修理的情况非常普遍。（3）货车检修生产节奏紧凑、作业效率高，要求生产节拍通过多流程、多岗位协调配合，紧密衔接。（4）质量控制项点分散、数量多，要求生产过程明朗化。货车检修中的静止配件标识及放置位置、流动配件状态转换，以及对产品和主要工艺过程、项点参数等的复核检验等都要清晰明确。一旦出现在生产区域错放、乱放或标识缺失、混乱，就可能存在配件误装的质量隐患。（5）检修主要生产现场立体交叉作业人员多、场地相对集中，安全管理的复杂系数高，须采取分区、分时间、固定通道等措施减少交叉作业。

二、论大数据在货车检修中的应用

1.大数据平台的搭建。考虑到货车检修的实际状态，大数据平台从逻辑角度可分为数据的采集、数据的存储、数据的处理、数据的分析以及数据的展现等，数据架构为：大数据源→大数据接口层→数据持久化层→大数据支撑层→应用层。数据源主要从三方面获取，一是货车生产企业的出厂测试数据，二是货车检修设备厂家提供的检修系统接口，三是该车号检修的历史数据。对货车检修周期数据的掌控，有利于得到科学的故障分析结果。平台基于B/S结构，包括数据采集技术、数据存储技术、数据计算技术以及数据展示技术等。货车检修数据经过筛选和转换之后，通过数据存储技术实现重要文档的归档及备份。随着检修工作的不断推进，数据库所存储的数据量会不断增加，成为海量高扩展性、高可靠性可在实际中应用的数据库。现有的数据计算技术主要包括数据统计、数据分析、数据预测以及图谱分析处理等。计算模式分为时间维度和数据处理方式两种类型。从时间维度看，可以分为实时计算和非实时（离线）计算;從数据处理方式看，可以分为流计算和批处理。根据车辆制动检修大数据系统的特点，可以采用非实时批处理以及实时交互计算和流计算等不同的数据处理方式进行数据计算。数据展示包括传统的报表、图形等方式，并根据每日、每周、每月的检修情况作出总结，形成检修详细报表。检修详细报表应具备直观、现代化、可视化的特点，能准确、明了地展现各类数据分析结果，方便检修人员对检修结果作出判断。

2.寿命管理。我国铁路货车检修制度正处于由计划性整车检修，向计划性换件修的过渡阶段。随着新型铁路货车不断投入使用及既有铁路货车大规模改造全面完成，特别是铁路货车技术管理信息系统（HMIS）的功能不断拓展，货车检修周期大幅延长。但是，存在铁路货车检测监测数据利用不充分、信息系统间数据共享不畅通、铁路货车检修信息应用与检修制度不匹配等，导致了铁路货车主要部件“过度修”、零部件检修周期与寿命周期不一致、检修基地建设及维护费用较高等问题。神华铁路自备货车本着“固定编组、固定车次”的原则，按车型进行统一管理。即同一列车车次对应固定车辆编组，定点装卸、循环使用。原则上，同一车型、同一定检期的车辆为一组单元车列，不同车型车辆不得混编。单元车列应同一时间进厂维修、修竣出库。这样，不但大幅减少了检修车的扣车、取送车作业，压缩了货车周转时间，也提高了货车管理水平。

3.故障预测。当今世界各国铁路货车采用的检修制度，可以分为计划预防检修制度和按技术状态检修制度两大类型。计划预防检修是根据车辆主要零部件的损伤规律和使用期限，确定合理的检修循环结构和检修周期，在尚未发生故障之前就对车辆进行修理，消除车辆零部件的缺陷和隐患，预防车辆发生故障的一种检修制度。铁路货车状态修是以车辆技术性能稳定为前提，以配件的寿命管理为保证，通过检测监测手段或人工准确识别车辆状态，及时有效地对故障进行维修的先进货车检修体系，是提高车辆检修效率，降低车辆检修成本，提高车辆利用率的有效途径。由于各货车检修单位面对的产品及配件型号十分繁杂，为满足不同车型检修的需要，普遍存在“尽量多存各型配件，方便随时使用”的想法。实际工作中，因为配件不到位、配件规格不齐全影响作业计划的情况也确实经常发生。因此，要保证“整理”到位的前提，就是健全配件的现场定量制和配送体系，即按每班生产计划的时间节点，向现场补充配件，同时，严格限制现场各类配件的存放冗余。

4.铁路货车制动检修信息平台的应用。每日的货车检修状态通过HMIS信息进行读取，通过分析每一辆货车的配件型号、技术状态、使用年限进行统计，通过对信息平台历史数据的对比，分析出车辆状态信息。检修过程中将货车信息录入RFID中，通过采集历史车辆的检修信息，实现检修状态监控，直观的统计图表有助于掌握检修工位的检修工作量。对采集的数据进行月度统计，形成月度检修汇总表，并形成总的检修情况报告。检修情况报告可导成EXCEL或WORD文档，便于站、段管理。通过对采集数据的分类统计和分析，形成分析数据图。以轴箱橡胶垫为例，进行每辆轴箱橡胶垫的统计并根据使用年限和品牌、型号故障率进行分类，最终形成轴箱橡胶垫分析数据图。最后通过辅助决策分析系统对数据进行运算、分析，得出最终的分析结论，为台车的检修提供科学的决策依据。利用服务器的计算软件对用户客户端的请求进行处理，并将计算结果返回到浏览器。其他诸如数据响应、数据加工以及结果呈现、对核心数据库的访问和对应用程序的操作执行等工作由WebServer最终完成。对于段修车间来说，B/S结构可以充分利用局域网优势，在正常工位检修的情况下完成对检修信息的采集和分析。

三、货车检修现场的应用

“大数据”的核心就是预测，它是把数学算法运动到海量的数据上来预测事情发生的可能性。因为，我们可以从历史的修车记录、生产记录、行车记录、配件信息等相关数据，通过算法为货车检修提供预测。

为了提高检修效率，实现资源良好利用，检修人员可以在传统的检修基础上引入“大数据”来对该检修车辆进行分析，通过对该车辆信息的读取，整合了现有的不同管理系统数据，进而实现了跨系统的统一数据分析，为检修人员提供辅助。以台车组转向架检修为例：读取该转向架的组成配件信息，获得配件的生产厂家、型号、生产年限，判断是否符合寿命管理，通过“大数据”里配件的历史检修信息、同一配件厂家、批次的历史故障率、行车路程等数据来进行分析，为检修人员提供数据支撑。对故障率较高的配件和部位应该加强检测，提高修车质量。

结束语：

大数据的价值就像漂浮在海洋中的冰山，第一眼只能看到冰山的一角，绝大部门都隐藏在表面之下。探索以大数据为基础的解决方案，是产业升级、效率提高的重要手段。对公司数据挖掘不仅能够成为公司竞争力的来源，也将成为公司竞争力的一部分。结合货车检修自身特点，在传统的检修工艺基础上引入“大数据”，将数据分析与检修工艺相结合，对降低货车故障率、减少配件过度浪费、降低职工作业强度提供了积极的参考意义。

参考文献

[1]赵勇.大数据革命———理论、 模式与技术创新[M].北京：电子工业出版社，2018.

[2]靳继红，刘淑芝.大数据在铁路货运信息系统中的应用框架探讨[J].电脑知识与技术，2017（13）：5- 6.

[3]李光.大数据平台在铁路货车检修中的应用[J].太原铁道科技，2017（2）：25- 31.