佳都AI技术巡礼 | 揭秘那些和地铁运维“老师傅”们一起工作的AI

投资洞察

对于地铁运营来说，“安全、提质、节本、增效”是一个精益求精的过程。近年来各地轨道交通运营企业纷纷以数字化转型为契机，深入挖掘地铁车站众多设施设备的数字孪生价值。佳都科技聚焦地铁业主关注的重点问题构建“4M技术体系”，让地铁运维走上了一条创新之路。

“4M智能运维技术体系”由息化维修管理系统（MMS）、设备故障预测与健康管理（PHM）、智能移动端（IMT）和状态检测系统（CM）组成，可广泛赋能设备故障“感知-分析-决策”的各个环节。

在长沙地铁6号线各个车站，四个工具已经成为智能运维团队使用起来得心应手的金刚钻和杀手锏，深度参与着地铁车辆、号、机电等设备的全生命周期管理。

一起来瞧瞧智能运维“4M技术体系”

使用的那些核心技术吧~

Part 1

自动巡检技术

运维效率和成本管控“双升级”

远程巡检以“数据多跑路，人员少跑腿”为原则，搭建起融合视频、热成像、烟感等在内的智能传感采集系统，并且基于BIM对设备机理模型与运行状态进行可视化展示，实现7x24连续巡检。

基于BIM的设备健康管理

当设备状态报警或视频算法分析发现设备异常时，系统立即发送警报至维修管理系统平台端与APP端，大幅提升设备故障响应速度。

有了自动检修，地铁车站可平均减少50%计划检修项点。虽然专业的巡检任务依然离不开人工巡检，但在特定的巡检任务中工作量已经大幅减少，维修人员路途时间节省了很多，工作效率也得到了提高。

Part 2

故障预测与健康管理PHM技术

全方位监测设备“内外伤”

检查一台设备是否“生病”，除了可见的“外伤”，例如设备零部件损坏、设备失效、出现一些安全问题等，还需要甄别很多不可见的“内伤”，比如设备性能下降、使用寿命不足、零部件磨损、运行风险提升等等。

为了实现更全面的设备状态监测，扭转检修多依靠修程与经验的局面，佳都科技对PHM技术进行重点攻关，根据设备故障频率与风险特性应用适用技术对“故障修”、“计划修”进行优化，对关键部件实行“状态修”。在日常业务中，以下三个最常用的模型，使整体设备运维效率和质量都有了显著提升

01

异常检测模型

基于设备机理模型检测设备早期异常趋势，对于具备演化趋势的故障类型有较好的预测效果；

02

设备可靠性模型

基于设备运行参数与故障维护记录息，拟合设备可靠性随特征参数的变化趋势，对大量同批次设备的故障预测有较好效果；

03

深度神经网络

基于深度神经网络与设备运行过程数据，建立设备故障预测模型，对数据量大、正负样本量较为均衡的设备的故障预测具有较好效果。

应用PHM算法的站台门健康状态评估

Part 3

工单自动派发算法 

精准匹配维修任务与资源

佳都科技联合地铁业主开发的息化维修管理系统（MMS），会根据监测与诊断结果自动生成工单池，并对工单进行分类，哪些是抢修工单、哪些是预测故障工单、哪些是计划巡检工单一目了然。

随后通过优化算法，结合运维人员实时位置、闲忙状态、工单处理经验程度、取物资是否顺路等因素，整个过程仅需一次决策，就可以为工单找到最适合它的“急诊医生”，一来能够缩短工单流转时间，提升故障响应与修复速度，降低故障衍生影响，二来实现了维修资源调度的全局优化，降低运维成本。

智能运维主界面

Part 4

设备故障树模型

辅助精准处理设备“疑难杂症”

佳都科技负责智能运维的王工表示，传统的设备运维模式无法精准对设备真实状态进行判断，导致设备维修存在过修与欠修问题，而现在不仅能及时知道哪里的设备出了问题，更能指导作业人员快速定位故障原因，从而更有针对性的解决问题。

将设备故障树模型、设备图片和3D模型、维修手册、设备的“检修履历”等息植入系统后，App自动生成检维修操作指引，即使是刚刚入行的“小白”，也能根据系统指导进行检维修操作，一些基本的操作再也不需事事寻求“老师傅”的指点。

例如，系统根据站台门故障特征矩阵，定位站台门故障部件，可提升站台门故障修复效率，根据电机故障特征频谱，定位电机故障部件，可提升电机故障修复效率。当维修人员遇到“疑难杂症”，无法独立排除故障时，还可以通过App一键联系远程专家,为运维工作提供指导。

未来，佳都科技AI中台将会开发更多模型算法和应用，形成体系迭代的智能运维和决策，为智能运维数智化转型提供高质量服务，守护地铁安全运行。

往期回顾

 星标“佳都科技”  不错过每一篇资讯