城市軌道交通設備維修模式現狀分析

吳 昊

（南京地鐵車輛維修有限公司，江蘇 南京 210008）

一、維修模式

1.維修模式的發展歷程

維修工作在不斷發展，其種類也在不斷完善和細化。從18世紀的手工作坊的簡單維修到今天的高技術含量的綜合維修，設備維修管理經歷了不同的維修體系，如圖1所示。

2.軌道交通維修模式現狀

城市軌道交通設備維修模式，在長期實踐中形成了定期、事后和狀態維修三種模式。隨著社會發展，國內外出現了多種維修模式或理念，包括RCM、TPM、e—維護、智能維護以及綠色設備管理與維修模式等。然而，以上這些維修管理模式和理念在進行維修決策時基本上都是根據經驗和定性判斷，決策過程缺少定量分析方法和模型支持，其科學性和合理性受到限制。

二、維修決策建模與算法

1.維修決策模型現狀

維修決策建模和優化技術與上述的宏觀維修理念不同，采用定量化的方式描述系統或設備的工作狀態并以追求最大維修效益為目標，優化和指導維修工作，使得維修決策結論更具科學性和可信性。

從20世紀60年代以來，研究人員提出了大量的維修決策模型。包括NagaSrinivasaRao提出的以單位小時總費用最低為優化目標建立的馬爾科夫決策模型；J.Wang基于設備實際安全需要建立多目標的安全維修決策模型；張耀輝建立定時維修和狀態維修的維修級別邏輯決策模型。另外，不少專家將整個設備看成一個灰色系統，提出基于維修風險以及利用灰色局勢決策理論、多屬性決策理論和層次分析法，確定設備維修級別決策等。然而現有的維修決策模型總是基于某一設備進行分析，較少考慮設備之間的關聯，而現代設備特別是城市軌道交通系統設備多是復雜而相互作用的，因而在對單一設備進行維修決策建模的同時，需要將與該設備相關聯的設備作用考慮入內。

2.維修決策模型算法

對于建立的維修決策模型，除了一般的解析法外，更多的是采用智能的優化算法加以求解，如ZiminYang利用遺傳算法確定維修優先級進行維修決策；陶基斌把選擇維修方式的屬性的隸屬度作為BP神經網絡的輸入，運用BP神經網絡算法輸出維修的等級和最佳的維修方式；DJFornseca采用模糊推理算法估算各種故障模式發生的概率以及各種故障模式的后果等級排序以此來優化維修決策。對于維修決策算法的研究國內外研究，人員已經取得了較好的成果，在具體應用上也取得了良好的成效。

三、維修決策支持系統

隨著計算機技術、傳感技術的進步，對維修決策管理的信息化需求越來越迫切，國外較早開始了這一研究，如布朗福德大學研發了REGINA，英國人開發并成功應用了MAINOPT，美國人開發的AGE/CON、PERDEC以及RELCODE等。另外還有波音公司的維修資源管理系統、美國海軍使用的維修資源管理系統MRMS等。在我國，2002年臺灣大華技術學院為半導體行業的機械設備開發了設備維修決策系統，西北工業大學高地廣等開發了一個設備維修及管理智能決策支持系統，該軟件系統對多部件復雜設備在周期性預防維修和視情維修同時存在情況下，能夠重新調整周期性預防維修時間，給出最優的維修時間和維修方案。這些維修決策信息化軟件都在特定領域的設備維修管理方面發揮著積極作用。然而，據有關檢索資料顯示，目前國內外未見有針對城市軌道交通系統設備的維修決策體系、決策軟件開發及應用的報道，也沒有基于城市軌道運營、維修決策管理或規范。

四、結論

綜上所述，在維修決策理論的研究應用上，特別是在城市軌道交通迅猛發展的階段，我國亟需對城市軌道交通系統的維修決策體系進行深入研究，建立城市軌道交通系統維修管理規范以提高運營維修決策能力、設備運營安全可靠性及經濟效益。同時，為使城市軌道交通設備維修管理實現智能化、信息化，提高維修決策的準確性和可靠性，維修決策支持軟件在城市軌道交通系統中的開發應用方面也需要進一步深入研究。