叶 斌
包神铁路机务分公司检修设备车间电检四组 陕西榆林 719000
摘要：为了保证机车的性能和质量，提升工作效率，必须采取先进的检修方法，找出车辆存在或潜在的故障并及时采取有效处理措施。机车检修技术对机车检修工作有着重要的作用，在当前的大数据时代，要不断加强大数据在机车检修中的应用，保障机车运行的性能。本文主要探讨机车检修行业中大数据的具体应用，希望对机车检修维修和保养有一定帮助。
关键词：机车检修；大数据；应用
1机车检修设备维修存在的问题
1.1企业设备保障能力不足
近几年，随着我国经济的不断发展，铁路行业也获得了较好的发展，铁路生产经营结构不断优化和完善，逐渐实现向集约化发展过度。但是相对于企业的结构和发展目标，现有的管理模式和设备保障能力完全不匹配。目前，随着铁路企业的业务范围越来越广，设备区域分布也越来越广，维修人员和技术人员等保障跟实际需要有非常大的差距，在一定程度上影响了设备检修和机车检修的效率和质量，也制约了企业向集约化转型的速度。
1.2维修人员的专业能力不足
目前，很多维修技术人员并不会到故障现场进行视察，对现场的实际情况缺乏了解，导致自身的实际经验不足。而且很多维修技术人员的专业素质也有待提高，某些故障无法检测或者不能够快速检测并进行维修，影响了检修的效率和质量。还有的维修人员缺乏一定的工作积极性，对设备的检修只停留在表面，或者根据以往的经验进行判断，缺乏科学性，导致检修与实际情况存在较多误差。因此企业必须要引进一批专业技术过硬的维修技术人员进行指导，并且对内部的维修人员进行相关专业技能的培训，提升综合素质。
1.3机车检查力度不足
机车检修设备在长期使用过程中会逐渐暴露出很多问题，所以必须要长期频繁的对设备进行检修，将出现的故障或潜在的故障及时解决，才能有效保证检修工作的质量和效率。但实际上很多维修技术人员在进行检查的时候并不全面，只对发生故障重点区域进行检查而忽略掉了细节，导致机车在运行的时候出现故障。甚至有的企业对检修也不太重视，没有督促维修人员长期全面检修，也就导致了检修的力度不足，检查范围不全面。
1.4相关信息系统积累了大量数据，尚未充分实现潜在价值
近年来，相关数据采集与监控系统、信息集成平台等信息系统逐渐建设和投运。这些系统与机车检修管理有着或直接或间接的联系，经过多年运行，积累了大量数据（包括传统的结构化数据和监控视频等资料），具有典型的大数据特征。然而，数据应用相对单一，对管理尚未形成强力支撑。公司范围内未实现数据共享，缺少企业全局数据库，难以进行大数据分析。
2机车大数据检修分析
基于大数据价值挖掘的检修管理创新，总体思想是将机车检修管理与数据管理很好地结合起来，首先开展数据采集，夯实大数据分析的基础；其次对机车故障进行全数据多维度分析，确认主要故障类型和原因，提出解决问题的思路；再次构建并实施机车运检管理改进举措，包括将机车运检管理从部门层面上升到公司层面，从推进资产全寿命周期管理的角度管理好运检工作；根据机车运行故障全数据多维度分析的结论，针对故障高频发送的时段、区域采取相应的改进措施；建立并执行常态化的管控机制。通过以上改进举措的实施，达到提升机车运行管理水平和提升公司数据管理水平的双重目的。
随车中国铁路总公司机车检修修程修制改革的稳步推进，对机车检修的要求也越来越高。机车实行大数据检修，一是通过对机车进行精细化的“体检”，实现精准修车；二是通过“拆装”检修向“状态”检修、“精准”检修的转型，节约大量检修成本。检修工作要在先进的科学技术的指导下，推行机车数字化整备，充分利用CMD、6A、整备棚监测、微机数据下载分析、整备系统等检测数据，对机车质量分析预判，多检测检查，慎修少修、少拆不拆，推动“拆装”检修向“状态”检修、“精准”检修转型。
充分利用CMD数据分析系统，实时监测机车运行状态，找出机车故障点，应急指挥得力。
通过安装在机车上的摄像头、走行部温度（震动）传感器、防火（感烟）探头、漏电流检测模块、绝缘检测盒等装备，对机车走行部、列供电、制动系统、视频监控、高压绝缘检测、防火监控六个方面实施全面监控保护。通过整备检测棚监测系统，实现检测机车走行部、轮对、受电弓系统，为机车检修保驾护航。通过机车质量分析及整备管理系统，确定机车惯性质量问题，为配件选型、配件供应提供数据支持。通过微机数据下载分析，确定机车故障点，准确判定机车故障，制定修程修制。减少因修程不明确造成的机破和临修。
同时分析的方法不在仅仅局限于统计分析方法简单的分析过去的数据，而是在已有数据的基础上，采用遗传算法、决策树算法等对于机车运行故障率及其相关数据进行预测，从而能够提前准备，进一步提高运行安全，从而达到提高客户满意度及经济效益的目的。
大数据在机车检修过程中，切实做到检测精准化，检修数据化，实现“向数据要安全、向数据要效益、向数据要发展”的目标。
3机车检修大数据技术的思路
3.1数据采集
通过综合分析内燃机车检修行业状况，数据技术在内燃机车检修行业中的深度应用方式主要有以下几种：
（1）智能设备层。大数据技术在内燃机车检修行业的发展，会促进内燃机车行业形成专业化的检修线，随着大数据技术的深度应用，将其应用到内燃机车智能设备层次中，提供更为精准化的检修模式。通过应用先进的传感器，大数据技术能够在检修现场得到内燃机车内燃机车设备内部数据信息，大幅度提高内燃机车检修的工作效率。
（2）智能感知与控制层。智能感知和控制层是影响内燃机车检修数据准确性的关键因素，其在实际应用中，会利用智能传感设备、数控管理设备、可视化设备等，实现对DF7G型内燃机车检修过程中的实时勘察，得到准确的数据信息，并且在后期的发展中，大数据技术还能够利用射频、二维码等方式进行优化数据信息；在采集完数据信息后，将其存储到虚拟数据库中，利用网络传输技术实现信息的无缝连接，提高数据信息处理效率。将大数据技术应用到智能感知和控制层，还能增加采集DF7G型内燃机车外环境数据功能，能够对DF7G型内燃机车外部环境信息、人力使用情况等信息进行实时采集。
（3）执行层。大数据技术在执行层中的应用，能够根据内燃机车检修执行系统的需求建立完善的多系统处理基层，其能够对内燃机车检修周期数据进行综合性处理，并将内燃机车智能仓储系统数据和质量管理数据作为主体，结合内燃机车检修车间执行数据，确保内燃机车检修每个环节数据采集的有效性和科学性，为后期内燃机车检修工作提供参考数据。
3.2数据建模
数据建模主要指的是通过大数据技术在内燃机车检修中的应用，能够对虚拟数据库中的信息进行综合性处理，然后将数据结果导出，建立数据模型，将内燃机车检修数据直观地展现给检修人员。一般情况下，描述性和预测性工作内容主要由数据分析工作所提供，描述性工作主要将数据建模作为分析模型，通过分析其中含有的大量数据信息进行总结内燃机车检修特征和规律；预测性工作内容主要是对数据建模进行综合性的分析，并结合以往数据信息来得到高精准度的预测数据。
3.3数据分析展现
在数据建模工作完成后，数据分析展现能够合理的利用数据模型中的逻辑关系，来区别不同型号内燃机车检修数据类别，这个过程需要智能程度较高的软件才能确保逻辑关系的科学性。通常在应用该类软件时，需要具备以下特征：（1）具有较高处理非结构化存储数据的速度和准确性；（2）能够独立自主地完成单项数据的分析；（3）能够将大量的内燃机车检修数据转换，使其能够直观地体现出来。根据以上软件特征，现阶段主要能够应用的软件有CartoDB、R软件等。
结语
综上所述，机车检修工作具有很强的专业性、复杂性，但是对机车的正常运行有至关重要的作用，因此我们必须做好机车检修工作，保证机车安全、稳定的运行。在进行故障检修时，可以积极采用大数据技术，做好机车运行检验管理工作，实现全面监测与检查，并在机车检修中不断总结经验，努力提升检修技术和水平，从而进一步提升机车检修的质量和效率。
参考文献：
[1]温鹏.机车检修设备维修存在的问题及应对策略[J].内燃机与配件,2020,(16):158-159.
[2]冯树.电力机车检修业务技术发展研究[J].中国设备工程,2020,(08):140-141.
[3]朱鹏飞.简述机车运用维修段检修设备配备[J].内燃机与配件,2020,(02):133-134.