信号运维经历了部分子系统具备状态监测功能到更多子系统和基础设备具备监测功能的阶段，但各维护子系统信息分散，缺乏故障分析诊断功能和高效信息化辅助工具。

·痛点问题

设备使用率方面，传统系统无法判断设备亚健康状态，依赖人工判断设备劣化，监测系统孤立导致故障定位困难。

安全效率方面，巡视作业占比高，且需人工补足设备监测短板。

劳动生产率方面，设备运维情况统计分析耗费人工，管理决策缺乏专业信息化系统支持。

经济效率方面，传统运维系统与地铁公司生产管理信息割裂。

·智能运维建设攻坚点

解决如何发现、定位、修复故障以及预防故障发生的问题，同时在设备维修和管理手段层面实现自动化、精细化等目标。

系统架构：采用“线网级”“线路级”“车站级”三层架构，车站级采集设备数据，线路级进行数据处理和显示，规范与各子系统的数据接口，线网级提供智能运维平台。

·数据采集与加工

制定数据采集指标体系标准，明确采集范围，新增多种监测信息，解决了状态采集不全面、范围不同、信息分散、无法实时共享和缺乏统一标准等问题。

·应用软件功能

设备监测模块：全面监测地面和车载信号设备，包括基础设备、车载机柜板卡、显示屏等，支持故障报警联动和站场回放，辅助故障定位与查找。

故障处置模块

基于专家经验的故障诊断模型：开发了130个智能化模型，可诊断多种故障并预警劣化趋势，通过结合报警、设备状态等信息及专家库和智能分析系统，指导故障定位和排除。

专家库及知识图谱系统：通过故障时的多种信息，利用专家库和知识图谱，帮助运营人员判断故障定位和影响范围。

·分析预测模块

统计分析与模型场景：包括日志分析、健康预测、寿命预警等多种模型场景，如车载日志报警分析、ATO停车精度分析、列车牵引制动分析等模型，实现对设备状态和故障的多维度分析预测。

典型分析预测模型：建立关键核心设备运维模型，实现从故障修到状态修的转变，提升运维智能化水平。例如，通过轮径预测、停车精度分析、车载报警分析等模型，辅助运维决策。

故障统计分析及趋势预测

ATO停车精度分析模型：分析停车精度影响因子趋势，统计不同驾驶模式、站台、车组的停车精度相关数据，为制定分析方案和发现影响因素提供数据支撑。

设备健康度模型：建立设备健康评估体系，通过对报警数据的统计分析，采用扣分和补偿机制计算健康度，减少设备过修或欠修。

车载报警分析模型：以车载设备故障报警为输入，实现查询、统计分析和可视化呈现，追踪故障次数及类型的历史趋势，辅助发现故障规律。

·生产管理模块

涵盖维修管理、备件管理、趋势分析、资料管理等多个方面，实现设备全生命周期管理，包括设备上道、报废、缺陷分析、知识积累、故障管理、信息采集等功能。

·技术指标

采用自研轻量化大数据平台，实现海量数据存储、分析和管理，数据存储时间和处理延迟等指标优于行业水平。

基于规则引擎驱动和自学习的报警模型，降低报警数量，提高漏报率和准确率。

系统具备低延迟、高并发处理能力，故障诊断和趋势预警准确率高，设备健康度分析综合准确率达到行业水平。

·数据监测增强提高设备可靠度

通过升级主系统接口和新增关键设备采集，完善接口数据类型和关键设备采集信息，实现信号设备关键子系统和设备的全量采集，为智能运维提供数据基础，降低“报修”，主动介入处理故障，提高设备预警及可靠度。

·精准定位故障大幅提升处置效率

转辙机故障定位时间缩短，车载设备故障处置效率提升，缩短故障恢复周期，降低巡检劳动强度，节省维保人力投入，显性故障显著降低。

·检修的变化

计轴检修和应答器检修通过智能运维实现状态修和预防修，节省大量检修工时，信号系统及关键设备能实现健康分析预测。

·推动检修规程的修改

基于智能运维平台优化修程修制，明确与行车相关专业的应用场景和管理流程，形成协同管控的运维管理体系，实现管理流程自动化、精细化、智能化。

·“十四五”规划方向

优化平台应用，提升故障诊断、隐患预防和设备健康评估能力，实现部分设备状态修，推广智能运维管理创新体系，基于大数据建立数字运维体系。

·架构优化方向

建设中心化管理体系，实现日常维护、故障维修和应急抢修业务统筹管理。

·运维体系建设规划

推动预防维修，优化设备健康评估模型，形成新的检修规程和作业指导书，提高状态修和预防修比例。

·精细化管理方向

线路维护方面，减少人工巡视作业量，转变检修模式，降低现场工作量；全自动一体化方面，打造新型维保模式，降低风险，减少对高级维护人员依赖，提高资源利用率，实现减员增效。

构建多线路、多专业、多业务的综合管控维护平台，促进新型维保模式建立，助力轨道运营数字化、智能化转型。