机车事件数据分析应用浅析

洪晗 郭晓鹏 钟俊颜

摘要：近年来，电力机车已逐渐迈向网络化、智能化方向发展。随着网络技术的不断升级，电力机车已基本实现车辆状态实时监控以及状态数据的存储下载功能。海量的机车车辆状态数据，不仅为电力机车非计划修提供直观的判断依据，也为电力机车计划修提供了预判的基础。本文以我国出口至海外的某型机车为例，利用该型机车状态数据中的事件数据，从数据构成、数据应用、功能实现设计等方面，阐述事件数据可以在机车维保检修中所起的作用。

关键词：事件数据数据应用功能实现设计

1．概述

机车事件数据是指记录机车历史故障的一类数据。本文以我国出口至海外的某型机车（下文简称某型机车）为例，该机车在设计制造时设定了一千余项可用于机车网络控制系统检测的故障，每个故障对应唯一的故障代码，众多的故障代码汇集起来形成故障代码库文件并存储于机车网络控制系统中。机车在运行过程中，每触发一次故障代码库中的故障，机车网络控制系统就会实时监测到故障的发生，并以故障代码的形式将故障记录下来。该类故障记录形成的数据，就构成了机车事件数据。

2．数据构成

机车事件数据以特定的数据格式存储于网络控制系统ERM模块中。事件数据经过数据下载及格式转换后，可以输出为常见的工作表格式，具体如图1所示。由图可知，事件数据由车号、故障代码、故障开始时间、故障结束时间、故障出现次数等几个维度构成。每列数据记录各故障发生时（既故障代码触发），对应的故障时间、故障次数等；每行数据各记录发生1次故障时，对应的故障代码、故障时间等信息。

图1

3．数据应用

机车日常检修，涵盖非计划修、计划修等方面。因机车运营考核指标的约束，机车停运入库时间有限，无论是非计划修还是计划修，都需要快速有效的完成各类故障处理及日常维保检修工作，保证机车快速可靠上线。而故障处理及日常维保检修涉及故障排查、方案设计制定、物料组织等必不可少的环节，此类环节占用相当一部分机车入库时间。如能在机车入库前就介入这些环节中，将能节省大量时间，而通过提前对机车事件数据的收集与分析，在一定程度上可以缩减这些环节耗时，做到提前介入。对机车数据的收集利用，可以从如下方面考虑。

3.1故障筛查

从图1中可以发现，事件数据结构层次分明，能够直观快速地确定特定时间点内机车发生的故障。机车入库前，通过对事件数据的直接筛查，可以快速的汇总确认机车网络控制系统显示的故障，再结合机车售后人员实时反馈机车状态数据，针对各故障提前做好处理预案。

3.2故障监控

对于运营路线一致的多台机车，统计指定周期内各台机车中各故障发生的频次。通过进一步的数据处理及分析，能及时发现车队中存在的异常故障事件，提早介入，避免进一步的恶化。此类异常故障事件可分为普遍事件与突出事件。

1. 普遍事件

普遍事件是指超过一定比例的机车都发生同一故障的事件。

当统计数据发现普遍事件时，意味着同一故障已在一定范围内批量爆发。而普遍事件的诱因，往往与下述因素息息相关：

作业人员是否存在检修能力不足问题，造成整车或者部件检修不到位

作业工具是否存在标定不准确或损坏、损毁问题，导致错误测量数据影响机车性能

物料是否存在批量质量问题，导致故障频发

机车设计是否存在缺陷，导致质量缺陷项点出现

机车检修计划、检修策略、作业指导书等是否存在不合理项或者漏项，导致故障发生

机车运行区段内的设施设备是否存在异常状况、运营人员操作是否存在问题，导致机车数据监测异常

其它

相关人员需从上述方面逐步排查处理普遍事件，确定其发生根本原因，通过作业人员能力提升、检修工艺优化、设计改进等一系列方式，消除普遍事件涉及的故障，避免故障爆发范围进一步扩大。

2. 突出事件

突出事件是指同一运营路线的多台机车中的某台或某几台机车的某个故障频次明显高出该运营路线所有机车该故障平均发生频次的事件。

突出事件的出现，意味着某台或者某几台机车在某个故障中，相关部件的受损程度可能远远高于其他机车，机车无法持续安全运营的风险也远远高于其他机车。在日常检修作业生产计划制定中，对于出现突出事件的机车，应优先进行排产处置。甚至在检修产能不足的情况下，应依据突出事件涉及故障的严重等级，优先处置严重等级高的故障机车。

3.3 故障预警

对于单台机车，数据统计如果显示在若干连续固定周期内，某个或某几个故障发生的频次呈现上升趋势，那么该故障偶发的概率较低，故障关联的部件出现损坏的概率较大。该台机车入库检修时，需重点检查此类项点，排除隐患。

3.4物料采购数据支持

维保检修项目执行时，涉及的物料因采购周期的问题，需要提前采购以满足检修需要。而配件的种类及需求量是物料提前备货的关键数据。统计固定周期内事件数据中各故障发生情况，可以罗列出该周期内各故障可能涉及的物料种类，再结合故障严重等级、现场实际情况等，估算出下个周期内可能需要的物料种类及数量，为最终的采购数据提供一定的参考依据。

4．功能实现设计

4.1数据收集

机车事件数据收集主要有两种方式，一种方式是通过专用软件从云端事件数据记录服务器中下载各机车原始数据，另一种方式是通过专用工具由车载数据端口直接下载相关数据。

4.2数据格式转换

从云端服务器或者车载数据端口下载的原始数据格式为.sev格式，需通过专用软件工具转换为普通办公软件可以识别的.csv格式，以便于后续进一步的处理。

4.3功能模块设计

本文使用日常办公软件中表格工具的VBA编程功能，实现各个功能模块的设计，并通过窗体设计，实现各个功能模块的集成。

4.3.1单台车数据分析

如图2所示，为单台车数据分析窗体，其中各按钮/文本框定义如下：

a.重置：删除原有统计数据

b.时间设定

数据筛选日期：数据统计的起始时间点

时间间隔：单个统计周期时长

采样点数：统计周期的个数

c.选择文件

添加：添加需要统计的数据文件

筛选：按照设计的逻辑执行数据统计命令

d.趋势拟合

拟合：对统计后的数据进行曲线拟合，可选择指数、线性、对数等

图2

如图2中已填信息显示，对于已添加数据文件，从2010年1月13日起，每隔7天统计一次数据，共统计8次，并按照线性曲线趋势进行拟合，输出结果如图3所示。从图3趋势线公式可以大致判断出各个事件代码对应故障发生频次的趋势，当数据足够多时，趋势线公式将会更准确。

图3

4.3.2 多台车数据分析

如图4所示，为多台车数据分析窗体，其中各按钮/文本框定义如下：

a.重置：删除原有统计数据

b.基础数据筛选

开始时间：统计周期的起始时间

结束时间：统计周期的结束时间

添加：添加需要统计的数据所在的文件夹

执行：按照设计的逻辑执行数据统计命令

c.普遍事件

基本参数：出现同一故障的机车所占百分比

执行：按照设计的逻辑执行数据统计命令

d.突出事件

基本参数：某台机车出现的某个故障频次高出平均故障频次的百分比

执行：按照设计的逻辑执行数据统计命令

图4

如图4中已填信息显示，统计从2019年9月20日至2019年9月26日时间范围内，示例文件夹内所有文件相关数据，并按照10%突出事件（超过10%的机车出现同一故障）以及20%突出事件（某台机车出现的某个故障频次高出平均故障频次的20%）进行数据统计，输出结果分别如图5、图6所示。

图5

图6

结束语

通过以上功能模块设计，能构有效的统计分析出各车故障、单台或多台机车普发故障或突出故障事件，能够有效的为机车维保检修人员提前介入维保检修工作提供基础支撑数据，能够有效的提高生产效率，保障机车安全可靠运行！