网络安全检测|网络安全服务|网络安全扫描-香港墨客投资移动版

根据设备状况、维修项、维修天窗作业规定、法定节假日等信息，结合设备空间位置、所需技术力量、仪器仪表等条件，智能编制年、月度初步维护检修工作计划，管理人员可根据实际情况进行计划调整。系统根据作业派发情况，通过BIM实景中设备模型高亮的方式，直观展示所需维护的具体设备及其空间位置，并可关联查看相关技术资料。图6、图7分别为仪器仪表管理和年度维修计划展示。

图6  仪器仪表管理

图7  年度维修计划

4.3 资源管理模块

（1）基础数据管理

铁路通信维护管理工作按分级管理、逐级负责的要求，实行铁路总公司、铁路局、段三级管理，段、车间、工区（班组）三级维护[22]。基础数据管理中可以构建符合维护规则的组织架构、人员配置和权限管控，还包含对通信网络基础数据、维修项、设备标准字典、设备厂家等维护基础数据的管理，为系统实现各业务功能提供底层数据支撑。

（2）设备履历管理

以设备专业编码为基础，生命周期健康管理为目标，对铁路通信基础设施设备重要件进行管理，建立设备信息档案库，汇集设备基本信息（技术参数）、技术履历、技术资料及设备模型等全生命周期要素数据，形成一件一档，为设备维护计划编制、维修任务派发提供帮助。

4.4 应急管理模块

应急查询包含应急预案、应急管理办法等标准文件的电子化管理和快速查询，指导应急事件的处置，并将备品备件、仪器仪表、工器具、人力资源等以报表的形式展示，方便通信维管理人员在紧急情况下快速获取各类可支配资源的相关信息，提高资源调配速度和应急指挥效率。

4.5 智能分析模块

智能分析功能通过对系统内的多源异构数据进行筛选整合，基于特征提取、聚类分析、神经网络等人工智能算法，实现对通信设备台账数据的深度挖掘与分析。如应用健康状态评估模型，基于设备历史运行状态和实时工作参数，预测状态参数的可能变化趋势，当超出预警阈值时，在BIM实景中给予高亮闪烁预警。智能分析模块通过设备故障分析、健康状况分析、人员工作状态分析等，为后续的维护维修决策提供参考，提高维护工作的针对性。

4.6 员工培训模块

维护作用人员的技能水平是限制维护效率和维护质量的关键因素之一，为此本系统涵盖了员工培训模块。通过对典型维修实例、典型事故案例、技术文件资料等内容的收集、归纳和总结，形成培训课程，提升维护作业能力。

5  结语

本文分析了数字孪生及BIM技术在铁路通信运维管理中的应用，基于iTwin服务平台，研究并设计了铁路通信实景维护系统。该系统尝试将数字孪生体应用于铁路通信的日常维护管理工作中，以实景方式展示维护内容，尽可能地为通信维护管理工作提供直观、详尽的信息支撑和准确、可靠的决策依据，以期完善运营维护支撑体系，优化维护修程修制和生产组织，提高维护工作效率和维护质量，并为其他相关研究提供借鉴。

[参  考  文  献]

[1] 刘为群.BIM技术应用于数字铁路建设的实践与思考[J].铁道学报，2019,41（03）：97-101.

[2] 卢春房.统一思想加强组织扎实推进BIM技术在铁路工程建设中的应用——在BIM技术专题讲座电视电话会议上的讲话(摘要)[J].铁路技术创新,2014(05)：6-8.

[3] 陶飞,刘蔚然,刘检华,等.数字孪生及其应用探索[J].计算机集成制造系统,2018,24(01)：1-18.

[4] 陈彦,贾志凯,孙鹏,等.基于数字孪生技术的动车组运维管理系统架构研究[J].铁路计算机应用,2021,30(02)：40-44.

[5] GLAESSGEN E, STAREL D. The digital twin paradigm for future NASA and US air force vehicles[C]//Proceedings of the 53rd Structures, Structural Dynamics and Materials Conference. Reston Va, USA: AIAA, 2012.

[6] ROSEN R, VON WICHERT, LO G, et al. About the importance of autonomy and digital twins for future of manufacturing [J]. IFAC-Papers on Line, 2015, 48(3): 567-572.

[7] TAO F, CHENG J, QI Q, et al. Digital twin-driven product design, manufacturing and service with big data [J]. The International Journal of Advanced Manufacturing Technology, 2018, 94(9-12): 3563-3576.

[8] HAAG S, ANDERL R. Digital twin–proof of concept [J]. Manufacturing Letters, 2018, 15(Part B):64-66.

[9] 冯仕清,李得伟,曹金铭.基于数字孪生的智能高速铁路车站大脑系统研究与设计[J].铁道运输与经济，2020，42(S1)：87-92.

[10] 齐春雨,苏林.京沈客专成段落BIM试点多专业协同设计研究与应用[J].铁路技术创新，2016，000(003)：13-17.

[11] 闫立忠.基于青连铁路四电工程BIM技术的应用研究[J].铁道标准设计，2019,63(04)：141-147.

[12] 王同军.基于BIM技术的铁路工程建设管理创新与实践[J].铁道学报，2019，41(1)：7-15.