Improving the efficiency and safety of operation of underground tunnel escalators. Forecasting model

Full Text

Введение Как отмечается в [1], метрополитен играет ключевую роль среди городской транспортной инфраструктуры Санкт-Петербурга. Одним из основных компонентов инфраструктурного комплекса ГУП «Петербургский метрополитен» является эскалаторное хозяйство. Эскалатор - это машина непрерывного транспорта, являющаяся восстанавливаемым объектом повышенной опасности, к эксплуатации которого предъявляются повышенные требования по объему и периодичности проводимых ремонтно-ревизионных мероприятий. За более чем 50-ти летнюю историю эксплуатации, в состав эскалаторного парка Ленинградского (Петербургского) метрополитена введено около 300 единиц эскалаторов, разных типов. Большая часть эскалаторного парка была сформирована в период с 1955 по 1991 год ХХ века, что наложило определенные особенности при его эксплуатации. Так в эксплуатационных документах [2] и [3] формализованы такие особенности эксплуатации эскалаторного парка, как жёсткая регламентация объемов и периодичности проводимых ремонтно-ревизионных мероприятий. В работе [3] показано, что на текущий момент, доминирующей стратегией технического обслуживания и ремонта является стратегия планово-предупредительных работ, имеющая свои достоинства и недостатки. Согласно доминирующей стратегии, для обеспечения безопасной транспортировки пассажиров с наземных вестибюлей на подземные станционные платформы и обратно, преимущественное большинство единиц интенсивно стареющего эскалаторного парка было подвергнуто многократному восстановительному техническому воздействию в объеме капитального ремонта. Однако, каждое техническое воздействие, направленное на поддержание или восстановление рабочей функции эскалатора, требует определенного объема разнородных ресурсов. В соответствии с работой [4], наиболее затратным, с точки зрения использования, как трудовых, так материальных и финансовых ресурсов, является ремонтное воздействие, в особенности работы по капитальному ремонту. Актуальность настоящей работы обусловлена текущими экономическими реалиями, сопряжёнными с дефицитом всех видов ресурсов, и требующими от эксплуатирующих организаций совершенствования, ранее созданных системы технического обслуживания и ремонта сложных технических объектов повышенной опасности. В качестве развития ранее сформированной стратегии технического обслуживания и ремонта, достойной для своего этапа развития науки и техники, в работе [5] предлагается современный подход, в основе которого лежит информационное пространство и элементы искусственного интеллекта. Внедрение информационного пространства способствует более эффективной маршрутизации имеющихся информационных потоков циркулирующих от элементов подсистем эскалатора к оператору и обратно, а также формированию возможности построения прогноза технического состояния в будущий момент времени. Цель данной работы заключается в формировании общей прогнозной модели технического состояния элементов подсистем эскалатора и постановке основной задачи решаемой прогнозной модели с учетом предложенного в работе [6] инструментария. Базис построения прогнозной модели Как отмечалось выше, на основе имеющихся возможностей современных информационных технологий, в качестве одного из компонентов, способствующих повышению эффективности и безопасности эксплуатации стареющего эскалаторного парка Петербургского метрополитена, предлагается использовать прогнозирование технического состояния. Принимая во внимание особенности структуры эскалатора и его значимость, как компонента инфраструктуры метрополитена и городского общественного транспортного комплекса, построение прогноза его технического состояния возможно только после декомпозиции на составные части (информационные уровни). Первый (деградационные процессы) и второй (физические состояния) информационные уровни отражают физико-химические процессы, происходящие в материалах и параметры изменения свойств материалов ими обусловленных. Параметры физико-химических процессов описывают механизмы и кинетику деградационных процессов, а параметры изменения свойств характеризуют изменение состояния материала объекта на субмикро- и микроуровне. Третий и четвертый уровни соответственно характеризуют технические параметры рассматриваемого объекта и функциональные состояния, и параметры работоспособности/ неработоспособности объекта. На рис. 1 и 2 приведена декомпозиция технического состояния [7] эскалаторного парка. Анализ предложенной декомпозиции позволяет выделить основные причинно-следственные комплексы динамики технического состояния, необходимые для построения прогноза. Рис. 1. Декомпозиция технического состояния по информационным уровням Fig. 1. Decomposition of technical condition by information levels Под техническим состоянием эскалатора будем понимать совокупность изменяющихся в процессе эксплуатации свойств подсистем и элементов эскалатора, которые характеризуются в фиксированный момент времени признаками (параметрами), установленными технической и ремонтно-эксплуатационной документацией [8]. Свойства элементов, определяются конструкцией, принципом действия, технологией изготовления, используемыми материалами и другими эксплуатационными факторами. Внутренние свойства элементов эскалатора в значительной степени зависят от внешних воздействий на эти элементы. Перечень параметров, пригодных для построения прогноза, и их классификация приведены в работе [9]. Некоторые из указанных параметров (признаков) и их сочетаний могут непосредственно свидетельствовать о возможном наступлении неисправностей элементов эскалатора. В качестве прогнозирования технического состояния эскалатора будем понимать построение многомерной прогнозной модели технического состояния на предстоящий интервал времени, содержащей множество внутренних и внешних переменных прогнозирования, в комплексе отражающих свойства элементов и подсистем эскалатора, а также влияние совокупности факторов эксплуатации. Вместе с тем задача построения прогноза осложнена многовариантностью, вызванной неопределенностью воздействия внешних и внутренних свойств и факторов в будущем и отсутствием информации об их взаимовлиянии, что затрудняет построение алгоритма, в полной мере, учитывающего теоретические и эмпирические данные. Рис. 2. Причинно-следственный комплекс технического состояния Fig. 2. Causal complex of technical condition Модель прогнозирования представляет собой специализированное описание исследуемого процесса для получения значений параметров в будущий момент времени. В основу построения общей модели прогнозирования предлагается положить понятие прецедента, описанного в работе [10]. В рамках данной работы, под прецедентом будем понимать ситуацию, случившуюся в прошлом и являющуюся трафаретом для наложения на ситуации, происходящие в текущий момент времени для их идентификации из общего множества. Предлагаемый подход позволяет одновременно фиксировать комплекс параметров, учитывающих как внешние, так и внутренние свойства, и факторы, описывающие ситуацию в целом. Согласно предлагаемому подходу, для эффективного управления и использования, все описанные ситуации-трафареты заносятся в библиотеку. При наступлении идентичной ситуации, информация о которой уже храниться в библиотеке, используется готовый трафарет. При наступлении ситуации, отличной от хранящейся в библиотеке, подбирается набор трафаретов схожих с ситуацией, для которой необходимо принять управленческое решение. Из подобранных трафаретов, на основе применяемого алгоритма измерения сходства, отбирается один, который с учетом частичного совпадения условий, при необходимости адаптируется к текущей ситуации. В случае успешного применения адоптированного трафарета, он добавляется в библиотеку и в дальнейшем используется для текущих и новых ситуаций. Длительное использование библиотеки способствует подбору оптимальных режимов эксплуатации. В дополнение к описанному выше подходу предлагается использовать инструментарий нейросетевой обработки информации, базирующийся на пространственной экстраполяции большего массив разнородной информации. В комплексе с нейросетевым инструментарием, элементами нечеткой логики в части интерпретации результатов анализа параметрической информации, предлагаемая модель прогнозирования создает базу для изменения всей концепции управления эксплуатацией эскалаторного хозяйства, основной задачей которой становится системная диверсификация стратегий технического обслуживания и ремонта, а также своевременное и достаточное планирования программы ремонтно-ревизионного воздействия на элементы подсистем эскалатора. Общая модель прогнозирования С учётом работы [11], представим прогнозную модель в форме создания причинно-следственных связей из множества данных полученных в результате испытаний, проверок и эксплуатационно-технической документации, характеризующих причины и следствия ситуаций, подобных той, в которой необходимо построить прогноз. В процессе построения прогноза на основе оценки степени подобия, характеризующей относительное количество совпадений определенных характеристик рассматриваемых ситуаций, делается предположение о наличии сходства по ряду параметров между двумя наблюдаемыми процессами. В соответствии с концепцией информационного пространства, в том числе реализованной нарядами-допусками и их библиотеками предложенной в работе [12], большинство процессов (экзогенных/эндогенных), протекающих при эксплуатации эскалатора описываются объединением подмножеств причин и следствий : (1) где - множество ситуация; - подмножество причин; - подмножество следствий. Представленные подмножества отличаются друг от друга временем свершения. Информационный массив, описывающий множества наблюдений и являющийся базой построения прогноз, представим в виде: (2) где - множество нарядов-допусков - библиотека; - количество ситуаций аналогичных ранее наблюдаемой, следствия которой необходимо спрогнозировать Для дальнейшего использования библиотеку нарядов-допусков запишем в векторной форме: (3) где - вектор причин предполагаемого состояния элементов подсистем эскалатора; - вектор текущих значений контролируемых параметров (исходных данных) описывающих состояние конкретного эскалатора/типового представителя из конкретной группы эскалаторов; - вектор факторов прогнозного фона текущей ситуации (интегральный (средневзвешенный) показатель прогнозного фона предшествующего периода (ситуаций); - вектор воздействий (ремонтных и управляющих) на элементы эскалатора в конкретной зафиксированной ситуации (интегральный (средневзвешенный) показатель воздействий предшествующего периода); - вектор выходных параметров элементов подсистем эскалатора (следствия в i-ой зафиксированной ситуации). Каждый наряд-допуск представляет собой множество ситуаций , описанных векторами , и , которые являются фрагментами накопленных знаний, приобретенных в результате имеющегося эксплуатационного опыта системы прогнозирования. Для оптимального представления информации описанной в наряде-допуске (2) используем форму, приведенную в таблице 1. Для наглядности данный подход также можно представить в виде диаграммы на рис. 3. На рис. 3 интервал является основанием прогноза, в пределах которого значения компонент векторов , и могут быть получены в момент измерения интегрально или дискретно. Временной интервал является периодом упреждения прогноза. В момент предполагается получение прогнозных характеристик. Характеристики диаграммы (длительность интервалов и и др.) зависят от требований к параметрам прогноза и особенностей постановки задачи прогнозирования. Таблица 1 Представление модели прогнозирования Table 1. Forecasting model representation Ситуация Причина Следствие … … … … … … … … … … Рис. 3. Диаграмма прогнозирования Fig. 3. Forecasting chart Постановка задачи прогнозной модели Опишем задачу прогнозной модели технического состояния элементов подсистем эскалатора, как оценку вектора следствий по данным векторов , и отражающих причины и содержащихся в библиотеке и наряде-допуске. Исходя из этого, формализуем задачу построения прогнозной модели в виде: Исходные данные: 1) множество ситуаций упорядоченных нарядом-допуском; 2) дополнительная информация из библиотеки к наряду-допуску; 3) совокупность векторов , , описывающих причину наблюдаемой ситуации; 4) множество структур прогнозной модели ; 5) множество значений параметров прогнозной модели ; 6) ограничение снизу на абсолютную величину показателя правильного прогноза вектора следствий на множестве из библиотеки; 7) ограничение сверху на относительную погрешность восстановления следствия ситуаций ; 8) максимально допустимая относительная погрешность восстановления функционального параметра ; 9) максимально допустимая относительная погрешность прогнозирования функционального параметра . Множество допустимых структур и параметров прогнозной модели определяется экспертно. Результат В качестве результата необходимо получить прогнозную модель описанную структурой и множеством параметров , способную соотносить множества причин и множества следствий с заданной погрешностью : (4) удовлетворяющую условию: (5) где - количество синтезированных прогнозных моделей, удовлетворяющих условию (4). - относительное количество совпадений признаков вектора , наряда-допуска и восстановленного вектора , , относительно длительности формирования наряда-допуска: (6) где - размерность вектора параметров технического состояния элементов подсистем эскалатора; - количество примеров наряда-допуска; - относительная погрешность восстановления компоненты вектора параметров технического состояния обучающей выборки (библиотеки нарядов-допусков); - восстановленное значение компоненты вектора параметров технического состояния; - истинное значение компоненты вектора параметров технического состояния и зафиксированное в наряде-допуске. При получении прогнозных моделей удовлетворяющих (4), берется модель с минимальным . - относительное число совпадений признаков истинного вектора , из библиотеки, и спрогнозированного вектора параметров технического состояния элементов подсистем эскалатора, , относительно периода верификации прогнозной модели. (7) (8) где - размерность вектора параметров технического состояния элементов подсистем эскалатора; - количество примеров наряда-допуска; - относительная погрешность восстановления компоненты вектора параметров технического состояния обучающей выборки; - спрогнозированное значение компоненты вектора параметров технического состояния элементов подсистем эскалатора; - истинное значение компоненты вектора параметров технического состояния элементов подсистем эскалатора. В случае если получена совокупность векторов причин , из состава нарядов-допусков хранящихся в библиотеке, расположенной в информационном пространстве, следствие которых необходимо спрогнозировать, и в текущем наряде-допуске присутствует идентичный ему вектор , , то функция прогнозной модели заключается в ассоциативном поиске данного наряда-допуска и представлении его в части следствия , , в качестве искомого прогноза , . Но если в результате спрогнозированная совокупность векторов не совпадает ни с одной из причин описанных в текущем наряде-допуске, то для обучения исходного информационного массива применим алгоритм нейросетевой пространственной экстраполяции, позволяющий отнести полученное значение к ближайшему , на основании выбранной меры близости в информационном пространстве. Заключение Описанная выше модель прогнозирования (см. формулу (1)) предоставляет возможность рассмотреть эскалатор с нескольких ракурсов с учётом разных областей знаний, формируя, таким образом, целостное представление о техническом состоянии. При этом форма отображения данных, предложенная в таблице 1, обеспечивает интеграцию с современными информационными технологиями. В качестве носителя прогнозной модели предлагается использовать специальное информационное пространство, каркас которого формируется через информационные уровни, данные для которых черпаются из конструкторско-технологической, нормативно-технической и эксплуатационно-производственной документации, информации о надежности элементов (при ее наличии), а также логике работы подсистем. В основе указанных информационных уровней лежит структура эскалаторной службы метрополитена, представленная эксплуатационными подразделениями (ЭСЧ), между которыми распределены участки (эскалаторные станции), которые в свою очередь включают группы эскалаторов. Эскалатор состоит из подсистем, содержащих элементы, которые могут включать блоки контроля и/или управления, мониторинга и/или диагностики, непосредственно собирающие информацию о контролируемых эксплуатационных параметрах. Таким образом, структура эскалатора принимает вид древовидного графа, с началом в виде элемента, узлом верхнего уровня для которого является сам эскалатор. Динамика информационного каркаса реализуется через информационные потоки, которые циркулируя между информационными уровнями от элемента подсистемы эскалатора к оператору (лицу принимающему решение) и обратно, переносят информацию, создавая при этом эффективные обратные связи. В основе информационного потока лежит специальный документооборот, содержащий наряды-допуски. Общее представление наряда-допуска, описанного формулой (2), в приложении к эскалатору примет вид: (9) где - классификатор (код идентификатор); - вид работ; - уровень проведения работ, включающий: 1 уровень - заводские, стендовые или иные испытания (тесты/проверки); 2 - уровень - выборочный контроль параметров из группы параметров конкретной подсистемы эскалатора; 3 - уровень - сплошной сбор параметрической информации о техническом состоянии элементов эскалатора; - класс контролируемых параметров (согласно работе [8]); - контролируемый параметр (согласно работе [8]); - значение контролируемого параметра; - выполняемая операция; - статус; - дата проведения работ; - место проведения работ; - зав. номер проверяемого элемента; - число проведенных работ, оформленных конкретным нарядов-допуском; - число положительно проведенных работ; - вес (оценка) - определяется в диапазоне от 1 до 10; - параметры окружающей среды; - информация о надежности (при ее наличии); - рекомендации к производству работ; - дополнительная информация; - ресурс. Для аккумуляции информационных потоков используются библиотеки нарядов-допусков, описанные в общем виде формулой (3), которая в приложении к эскалатору примет вид: (10) где - набор нарядов-допусков; - заводской номер эскалатора; - подсистема эскалатора; - элемент эскалатора; - дата последнего обновления библиотеки; - место последнего обновления библиотеки (IP- адрес с которого выполнено последнее обновление); - множества числовых значений параметров, полученных на соответствующем уровне проведения работ; - ограничитель. Как видно из описания формул (9) и (10) переменные и включают все компоненты вектора причин и вектора следствий, необходимые для построения прогноза технического состояния эскалатора. Взаимодействие между подразделениями метрополитена и сторонними исполнителями, организованное с учётом предложенной модели, реализованной через специальный электронный документооборот, обеспечивает постоянное накопление и обновление знаний о текущем состоянии эскалаторного парка, способствуя принятию оптимальных и актуальных управленческих решений в конкретной эксплуатационной ситуации. Принятые таким образом управленческие решения обеспечивают: · выделение эксплуатационного персонала в достаточном количестве и с достаточным уровнем квалификации; · выделение необходимого и достаточного объема материально-технического снабжения, позволяющего выполнять трудоемкие ремонтно-ревизионные работы необходимым количеством рабочих групп; · коррекцию и оптимизацию режимов работы эскалаторов и их групп за счёт оценки соответствия установленным нормам текущих измеренных эксплуатационных параметров и спрогнозированных; · сквозное планирования основных производственных процессов, ремонтов, реконструкции и замены эскалаторов, включая планирование потребности в запасах; · рациональное распределение имеющихся ресурсов между потребителями; · формирование более сбалансированного бюджета эскалаторного хозяйства метрополитена. Использование предложенного подхода позволит обеспечить достаточную безопасность перевозки пассажиров и перевести системы эскалатора на более высокий уровень культуры эксплуатации.

About the authors

V. A Popov

Emperor Alexander I St. Petersburg State Transport University

PhD in Engineering St. Petersburg, Russia

V. V Yelantsev

Emperor Alexander I St. Petersburg State Transport University

Email: evv3012@gmail.com
St. Petersburg, Russia

References

Supplementary files