美国动力学2020年6月 美国动力学2020年6月 美国动力学2020年6月
资产条件管理 资产条件信息

在铁路和带预测解决方案的道路上获得“智能”

物流前景的现代转型越来越改变了世界,并在制定生产管理和基础设施运行的信息技术开发时设定新任务。这呼吁开发资本资源和资源密集型企业日常管理的数字和智力技术:铁路和汽车运输,汽车建筑和机车建筑,仓库和维护商店。

由工业单位产生的大量数据已经积累。因此,可以应用高效的预测工具来快速和定性地评估操作单元的状况,通过注册失败概率和剩余的使用寿命来检测异常的原点和识别趋势,并确定导致未经核对的中断和失败的趋势即时的。

准确预测技术和定性病症的想法源于资源和资本密集型公司的需要,以减少拥有设备的快速增长费用,广告服务和竞争力。

通过现代工具,例如混合模型,解释的AI,工业互联网,大数据,云计算和机器学习,已经赋予了智力模型的智能铁路系统的发展。这些技术能够优化运输资源,从而提高运输效率。1,2

问题范围 - 机车,轮式和空运

在提高的不确定性条件下,旅行供应商被迫防止运输资源的非生产储备,以防止运输负荷不可预测的可能性。

例如,对于俄罗斯铁路公司来说,定期维修的过度越野时间,以及运行维修和等待免费维修设施,导致了每天超过1,000个机车的服务。3.它已经确定了,在整个生命周期内准备好90%的机车中存在必要的必要性。

图1:统计机车时间预算,2016年

电动火车

当通勤电动火车的故障发生并扰乱火车时间时间表时,它们会大大降低服务水平。一个列车的崩溃了其他列车的时间时间表。无缝运动取决于每列火车的技术状况。

基本风险是铁路汽车的陷入困境的情节落下。这是由于某种原因(例如故障,保护系统)从火车的牵引力脱离火车车时,但剩余的电力轨道车继续牵引。这破坏了所有电力轨道汽车的牵引单元的运作。预测分析使得可以提前提供各自的信息,然后在电力铁路车辆停止牵引之前。

例如,在正常操作条件下,铁路电动机应同样有助于电动列车的总牵引力。因此,各个铁路汽车的能量消耗参数的相当大变化将表示该铁路车辆系统的故障。

在沙特阿拉伯,在沙漠中的火车失败的情况是很大的风险。在这种情况下,劳动力投入和修复工作的持续时间增加。乘客的郊区条件是创造的,谁被迫留在冰冷的铁路车上很长一段时间。预测和预防这种崩溃在这种情况下至关重要。

基于造型和条件的维护

复杂生产设施的数学建模在自然界中是零碎的:

  • 缺乏高质量,来自设备的遥测数据;
  • 缺乏复杂系统的计算方法和理想化数学模型;
  • 个人单位的建模不足;
  • 三个领域的学术特权缺乏:MRO,数学和它。

尽管在过去的几个月里发表了越来越多的科学文章,但科学家能够将数学建模方法与机器学习结合,但大多数这些物品都面向具有足够的建模系统或足够体积的足够理论发展的情况高质量数据。这些经验表明,这种“温室”条件在世界上极为罕见。

解决问题

在运行期间早期发现出现的缺陷和失败使得可以在转向事故之前诊断问题。例如,如果甚至在参数到预警级别之前记录了偏差,那么存在本地化缺陷的可能性,规划备件和其他资源的物流,并执行预定修复。

预测分析解决方案实时从传感器收集信息,并将其与历史数据,视觉检查,手动测量数据,视频记录,设备功能数据和其他有用数据一起使用。

为了解决上述复杂性,需要使用最新方法来构建预测系统,知识库和专家系统。结果,混合系统的复合体已经出现了整体描述了复杂系统的行为,两种技术和技术。

智能机车 - 实施例

自2017年以来,俄罗斯的机车技术公司一直致力于与俄罗斯国有铁路公司的“智能机车”项目,该公司管理基础设施并经营货运和旅客列车服务。铁路公司维持并维修整个俄罗斯机车的70%,并拥有92个仓库和10家修复工厂。

开发了一种用于机车设备的智力诊断系统和技术条件预测。故障搜索模块已在4,000个机车部分实现。现在,可以识别超过50种设备干扰和监控器20多种各种设备:牵引发生器,牵引电动机,燃料和油泵,水冷却器,涡轮压缩机,动态制动等。系统已集成到the company’s enterprise resource planning (ERP) system. A workshop order is automatically issued to carry out repair work based on detected faulty operation data. This makes it possible to calculate required repair resources and prematurely update the locomotive-to-depot schedule for both planned and unplanned maintenance.

迄今为止,结果显示:

  • 增强了线路运行的机车的可靠性和安全性:线路上的故障减少了32%。
  • 提高了过程的运行效率:机车诊断时间从四小时到10分钟减少,因为诊断人员在机车进入仓库之前获得所有失败事件数据。
  • 增加了该过程的经济效率:铁路公司对机车技术公司施加的罚款金额未能提供超过20%以上的技术可用性系数。

智能机车系统识别即将到期的设备失败,在他们发生之前的数周或数月。这个有价值的信息使铁路有机会将维护转换为基于条件的过程。

该解决方案使用来自板载数据传输系统(称为BDT)的遥测数据,诊断系统和ERP系统。此外,它使用有关外部因素的信息,例如天气,违反操作模式等,使预测更精确。

诊断系统通过数学模型检测异常,以及运算符的不正确操作,然后将它们发送到ERP系统。异常是一种情况,其中任何重要的设备参数值都与预测到当前操作模式的正常设备不同。通过工作站验证服务器中检测到的所有异常。

该系统还基于关于执行工作的信息和在修复操作过程中替换的组件,使用来自ERP系统的反馈数据进行培训模型。

比较绝对和相对参数值的变化率使得可以确定设备劣化率。因此,诊断人员在机车进入仓库前至少100小时收到有关铁路滚动储存系统的条件的所有必要信息。

图2:“智能机车”的算法

结论

预测解决方案帮助供应商通过收到做出决策的有效信息,帮助供应商构建与用户的更高富有关系。此类产品使供应商能够预测其设备的生命周期,并帮助用户了解其设备的条件,并控制担保义务的控制性能。了解完整的图片有助于各方结束正确的合同并找到最有效的互动方式。例如,俄罗斯的主要卡车制造商,在预测性分析开发和引入推力下掌握了股份,完全重建了其商业模式。公司已开始从运输设施供应转移到销售运营公里或货物吨位拖运到生命周期合同的结论。

这种混合模型的实际用途使得舰队维护能够相当减少,并最大限度地减少未安排的维修的数量,从而提高了MRO系统的操作可靠性。

这样的系统本身结合了用于集成数据,分析和支持工具来决策的功能。这一切都被开发为统一的调整软件产品,可以在大多数IT结构中轻松使用。

参考

1.铁路安全和标准板有限公司。“互联网接入客户和运营铁路的列车。”铁路行业标准RIS-0700-CCS:问题:一,2016年6月。

2. Obukhov,A.D。“铁路运输中运营活动管理的数字技术。”自动化,通信,信息学:2017年,第9号,P 4-8。

3. Valinsky,O.S.“提高机车复杂管理的功效。”机车:2017年,1,P 3-7。