摘要：随着国家和社会的发展，一个大规模生产、分享和应用数据的时代正在开启。随着铁路网的规模不断扩大，越来越多的车组出现在铁路线路上，运营情况的复杂程度不断提高，故障的数量和管理难度也与日俱增。标准化的故障管理作为质量管理的重要基础尤为重要。传统的故障管理方式较为粗放，在管理方式和效率上存在一定的缺陷，本文通过对大数据管理的理解和运用，研究故障管理的标准化，通过梳理、编制故障代码、故障字典和故障库实现故障数据管理的标准化。
关键词：大数据 故障管理 标准化
1.现状分析
2016年7月，国家发展改革委、交通运输部、中国铁路总公司联合发布了《中长期铁路网规划》，勾画了新时期“八纵八横”高速铁路网的宏大蓝图。为适应运输需求的不断增长，铁路网的建设规模也不断扩大，车组需求数量也越来越大，与此同时，各大、中城市也纷纷建设城市轨道、地铁，因而，庞大的车组数量、持续的技术创新优化和纵横交错的线路，复杂性高，充满变化，使得中国成为最复杂的轨道车辆大数据国家，探索以大数据为基础的故障管理方案，是质量升级、效率提高、成本降低的重要手段。故障大数据的挖掘、优化和应用不仅能够成为企业竞争力的来源，也将成为国家竞争力的一部分。联系到我们在故障管理中面临的种种问题和挑战，通过理解和运用大数据的思维方式来解决问题，意义深远。
2.存在问题
目前，故障数据的研究和应用方面还存在一些不足，主要表现在以下三个方面：
第一、故障数据不够准确，描述不一，标准不一。
比如部件缺损在故障登记信息中可表现为“缺肉”、“欠材”、“破损”、“磕碰损伤”等等，对于缺陷的描述都基本属实，但是不够标准，给故障数据的识别造成了极大的困难。
第二、故障数据离散、整合度不够，对故障数据规则的贯通不畅，结构化程度不够，利用价值不大。
早期的信息化模块仅对故障信息进行简单的登记，其中一些重点、惯性故障的详细信息、处理过程及整改措施的相关资料等均掌握在个人手中，存在形式多样，相互独立，标准不统一，尤其是遇到人员变更等情况，资料极易丢失。系统和人员手中的故障数据难以聚集形成有效的大数据，数据利用价值不大。而且，如果没有数据规则或者落实规则的情况不一致，数据统一性很难达到；同时，数据结构化不够导致故障数据积累困难，不利于后续的统计、挖掘分析。
第三、业务流程间衔接不畅，流程需要标准。
一般企业故障处理执行既有线上流程，也有线下流程；系统记录、电子表格、纸质台账普遍存在同一流程处理多个部门中，流程衔接和数据传递不畅，进一步加剧了数据的分散和不统一。同一事务不同部门、地区流程不同，按照各自的规范标准运行，需要流程标准化。
在这个背景下，故障数据管理的标准化尤为重要，通过借鉴大数据思维，运用工业大数据处理技术、移动互联网技术和计算机智能分析技术，探索建立以故障代码标准化、故障字典常态化、故障案例结构化为基础的标准化故障管理模式，将故障管理模式和流程进而信息化，建设标准化故障库平台（简称故障库平台），通过标准化、结构化、信息化的故障数据积累，探索故障的智能预测分析，为故障处理、应急指挥等提供辅助决策，为提升客户服务能力、提高源头质量水平，最终实现企业高质量发展奠定基础。
3.故障数据管理
故障数据的集成管理要求故障数据的标准化和结构化，故障数据的标准化和结构化首要体现在故障代码，故障代码的标准化越高，故障数据的标准化就越高。
3.1标准化故障代码
故障信息文字性描述越多，标准性越低，而且没有统一的分类规则及标准故障代码库，不利于故障数据的有效利用。同一类型故障，不分产品与阶段，均采用同一故障代码表示，尤其是车辆软件系统，全部产品采用一套代码体系，消除一个项目一套代码的弊端。
除此以外，为更好更快速的实现故障数据的标准化，为大数据分析奠定基础，标准化故障代码需按照一定的规范进行编制。
3.1.1分类
按实际用途可分为三类：通用故障代码、专属故障代码、列车软件报送故障代码三部分。
3.1.2编码原则
（1）合理性，结构代码应与分类体系相适应。
（2）可扩充性，故障代码应留有适当的后备容量，以便适应不断扩充的需要。
（3）简明性，故障代码结构应简单，长度不宜过长，以便节省存储空间和减少代码的差错率。
（4）适用性，故障代码应能反映编码对象的特点，适用于不同的相关应用领域，支持系统集成。
（5）规范性，在一个信息分类编码标准中，故障代码的类型，结构以及编写格式应当统一。
3.1.3结构
故障代码由系统（故障）分类代码和故障模式（编码）代码组成，4-6位数字，采用十六进制编码，故障模式代码采用顺序码编码。
3.2结构化故障数据
为了强化故障代码的关联，建立故障代码映射表，最后通过故障库平台将故障管理的流程标准化、结构化，并在生成故障数据的标准化和结构化的同时，保证与原有系统主数据的一致性，消除数据冗余，减少重复工作。同时也可方便故障数据的调用和应用，支撑源头质量的改进。
3.2.1故障字典
故障字典基于故障代码建立，主要是强化故障代码的关联，建立故障代码映射关系，同时注明故障常见的可能原因及处理措施，实地指导故障处理。
3.2.2故障库
故障库基于故障字典建立，通过各种属性的标准化，实现故障案例信息的标准化和结构化，方便故障数据的调用，可支撑技术改进、质量策划、首件鉴定/技术审查、放行检、工程质量门、里程碑等多方面的工作。通过问题导向过程质量改进，从源头预防重复故障的发生。
3.3故障库平台
通过故障库信息化，建立故障数据的全流程管理，从故障数据智能筛选开始，包括故障录入、审核、推送、接受、故障处理和故障关闭形成故障管理闭环。把故障管理作为一个大闭环，故障的处理过程、故障的分析、故障的反馈这些小的流程全部与故障进行关联，从而实现对故障的全程跟踪和掌控。
在标准化故障录入的基础上，实现故障数据统计的自动化、定制化输出统计图形、报表等；通过对故障数据的统计分析，结合其他相关监控因素（环境、线路、修程、履历等），实现更广泛的故障大数据分析、预警功能，对优化制造、检修过程、改善源头质量及产品全寿命周期管理提供基础数据支撑。
除此以外，通过对于故障数据的分析，可建立预警模型，实现故障隔离、部件安全性能预测预警，辅助应急指挥和生产、检修过程优化决策，为产品优化设计提供支持，实现更加快速、准确的故障诊断支持和应急指挥、故障处理辅助决策。
4.结语
故障数据仅是大数据中的“沧海一粟”，而标准化也只是故障数据管理的基础。从故障数据的标准化管理、数字化应用到智能化预测，还有很长的路要走，而大数据是一种资源，更是一种工具，通过对大量故障数据进行分析，从而做出预警，指导现行的过程管理进行改进、提升，这是故障管理的终极目标。我们要善于运用大数据的思维，更好的处理已有的数据，收集全新的数据，预测、预警、优化、提高，去理解和解决面临的更多亟待解决的问题。
参考文献：
1. 《大数据时代》,【英】维克托.迈尔-舍恩伯格著，P241-P247。