朱忠亮

工务维护能够为铁路保驾护航，消除安全隐患，麦港数据聚焦于大数据、人工智能等技术的应用，致力于将工务维护智能化。

—山东麦港数据系统有限公司副总经理朱忠亮

麦港数据成立于2014年，聚焦于数据的挖掘和应用分析，自主研发了BDS大数据平台，平台主要针对海量异构数据的处理。今天我想与大家分享麦港数据在铁路行业的应用案例。

如今，轨道交通已经成为了主流的出行工具。铁路是我国关键的交通基础设施，特别是高铁的出现，它为我们的生活、工作带来了极大便利。统计数据显示，2019年底我国铁路总长达13.9万公里，高速铁路里程达到了3.5万公里，预计2020年底全国铁路里程达到14.8万公里。

高速铁路的系统主要包含六个方面：工务、机务、电务、通信信号、调度系统管控的信息系统、培训和维护。今天我的主题是大数据赋能轨道设备的智能维护，轨道设备属于工务领域，所以我想和大家重点探讨工务领域，主要包括线路、桥隧、路基等基础设施，它们占据了铁路固定资产的60%。

工务维护的作用体现在两个方面：一方面是为线路保驾护航，消除安全隐患;另一方面是保障列车运行。工务维护出现问题轻则导致列车停运，重则车毁人亡，所以在工务安全维护方面，我们与铁路局投入了大量的人力、物力。

工务维护，也就是检修方面。传统的维护方式主要采用周期修的方式，周期修就是在一个固定的周期内对存在潜在伤损的设备或没有潜在伤损的设备统一打磨、更换、轻度保养。周期修这一模式有很多显而易见的弊端，如我们要投入很多的资源去对轨道进行养护，但很多轨道可能只是轻度的损耗，不需要维护。

工务维护的发展趋势是从传统的“周期修+状态修”向对安全、效率进行“预防性维护”的智能维护方向发展。智能维护是对轨道设备相关的状态数据、感知层的数据进行集中的归纳、处理、分析，同时引入模型和算法，实时监控设备的运行状态和质量状态，对存在安全隐患的设备及时用预警预测的方式告知到相关责任人，以便第一时间发现、处理问题。

随着智能维护领域需求的技术如大數据、物联网、人工智能等不断的发展，我们现在已经能够利用这些技术对铁路状况进行深度感知，具备了智能维护实施的技术条件。

基于此，我们与济南铁路局联合开发了工务设备决策分析管理系统，系统主要利用大数据和人工智能技术，对关键设备状态进行感知和分析，实时、预判性监测，帮助铁路工务管理部门实时监控轨道设备的状态。

该系统的技术路径是从描述、诊断到预测、指导。具体而言，就是对铁路状况进行描述性分析，也就是对数据进行归集、合并、诊断、分析，再引入模型和算法，让结果智能化呈现，协助决策，为管理者提供预防性维护的建议。

在过程控制层面，该系统主要包含两个重要的方面：第一是针对设备全生命周期的过程控制，从钢轨以及关联设备的铺设上线到服役，再到过程中的一些小维修、大维修，最后到设备的更换、下线。第二是针对小维修、大维修的过程我们要重点引入相应的大数据、人工智能技术，对过程进行管控。

目前系统中的BDS大数据平台的数据主要来源于三个方面：铁路系统的业务系统、传感监测设备、人工巡检数据。但是，传统人工线路的维护还是要大量依靠人工巡检。这也是这一系统未来可以进一步改进的地方。

工务设备决策分析管理系统具有四大功能：全生命管理、维修管理、变化预警预测以及智能应用。通过这个系统我们可以很直观地发现线路状态的不同，对于钢轨磨损比较严重的地方进行重点关注。

这个系统目前已经在济南铁路局应用，成为济南工务系统核心业务系统之一，目前我们还在和全国范围内的其他铁路局洽谈合作。

良好的体验和价值是一款产品的生命力，我们系统的价值体现在四个方面。

第一，我们对于钢轨的分析力度从原来100米缩小到10米，以10米作为分析单元，对故障的定位精度非常高，发现问题之后客户可以精确地找到故障所处的位置。第二，故障的预测准确率，我们针对长期积累的工务维护数据进行比对，在系统中生成了维护的状态报告，与从前人工完成的报告进行了对比，吻合度在95%以上，维护检测效率提升了90%。第三，为第二年维护工作做准备，曾经我们对第二年维护的报表、财务的预算没有依据，现在我们可以通过这个系统几秒内预测哪些线路、路段明年可能需要重点维护，哪些需要轻度维护，哪些不需要维护这些信息。第四，管理维护成本，从经济价值角度来讲，系统能将维护成本降低10%以上。一公里的钢轨更换成本大概是90万元，更换周期大概是7年，如济南铁路局的铁路长达6000多公里，通过测算，系统每年能够为济南铁路局节省4000多万元的线路维护费用。

我们在智慧交通工务领域的愿望是让轨道更智慧、让交通更安全，为此，我们聚焦于平台的建设和分析应用方面，基于最底层数据感知采集层，实时感知数据。未来我们将在感知层继续研究，实现对轨道检测数据来源的实时探索。

（根据演讲内容整理，未经本人审核）