阅读进度

交通与航空 · 案例 15.3

轨道交通设备巡检

把「巡检记录写了没人能用」变成可统计、不重复的缺陷数据

跳到本案目录

30 秒速读

真问题
缺陷记录不规范、不闭环。
成功标准
缺陷记录自动归到正确的设备编码和缺陷类别,准确率不低于 90%;重复缺陷合并率不低于 80%;技术室的月度缺陷统计从一周压到半天。
最后交给谁
交给设备技术室做业务负责人,维护缺陷字典;信息部门负责终端和 EAM 接口。
带走一条判断
AI 的结果要进入客户已有的作业系统(这里是 EAM),否则再准也没人用。

1客户嘴上要的

「巡检工每晚走一遍线路,太辛苦。做个 AI 识别缺陷,最好能减少巡检次数。」

这是症状或现成方案,不一定是真问题。下面看两种做法。

2照字面做,会怎么烂

直接做轨道图像缺陷识别,承诺「减少一半人工巡检」。模型在样本图上效果不错,但识别结果只存在一个独立的网页里,进不了设备维修管理系统(EAM),检修调度照样按巡检工的手写记录派工。巡检频次也没减,因为巡检周期由检修规程规定。半年后没人再打开那个网页。

3好 FDE 的实际走法

共 12 周,分 5 个阶段。带三角标记的是这一步最容易踩的坑。

  1. 第 1–2 周找真问题(跟夜班走一次天窗)

    • 跟工务、供电两个专业的工班长和巡检工跟两次夜间天窗作业,再和检修调度、设备技术室的工程师坐一天。发现:巡检本身在按规程做,问题出在巡检之后。巡检工在手持终端上用自由文本记缺陷,「扣件松」「扣件松动」「弹条不良」指的是同一类问题;同一个缺陷被不同班组重复报了 3 次;设备编码经常填错。
    • 结果是设备维修管理系统(EAM)里的缺陷数据没法统计。技术室想分析「哪个区段扣件问题最多」,要人工整理一周。
    • 真问题是「缺陷记录不规范、不闭环」。成功标准改成:「缺陷记录自动归到正确的设备编码和缺陷类别,准确率不低于 90%;重复缺陷合并率不低于 80%;技术室的月度缺陷统计从一周压到半天。」
    • 踩坑别碰「减少巡检频次」。规程由安全部门定,FDE 只能提供数据,让他们自己评估。
  2. 第 3–4 周定范围 + 建字典

    • 砍范围:一条线路,工务和供电两个专业。
    • 和设备技术室一起建「缺陷字典」:缺陷类别、标准描述、常见口语说法、对应的设备类型。设备编码从 EAM 的设备台账导出,按里程和站区做位置索引。
    • 踩坑设备台账本身有错漏。发现的台账问题列成清单交给技术室,不在系统里自己修。
  3. 第 5–7 周原型 + evals

    • 在手持终端的缺陷录入页做两件事:巡检工说一句话或打几个字,系统给出标准缺陷类别和设备编码的候选,巡检工点选确认;提交前检查 7 天内同一位置的同类缺陷,提示「可能重复,是否合并」。
    • evals:技术室从近一年的缺陷记录里抽 500 条,人工标注标准类别和设备编码。按专业分别统计准确率。
    • 踩坑隧道里没有网络。终端要能离线识别,出隧道后再同步。离线方案第一周就要定,否则原型做完没法用。
  4. 第 8–10 周试运行 + 并肩改

    • 在两个工班试运行一个月。工班长反馈:「候选太多,戴着手套点不准」——候选减到 3 个,按钮放大。
    • 技术室开始用新数据做月度分析,第一次发现某区段的扣件问题集中在一个曲线段,安排了专项检查。这是让管理层愿意推广的关键证据。
  5. 第 11–12 周交接交接

    • 交给设备技术室做业务负责人,维护缺陷字典;信息部门负责终端和 EAM 接口。每季度抽 100 条新记录复核准确率。
    • 周期长的原因:现场试用只能在夜间天窗时间做,手持终端和 EAM 接口改造要走运营公司的变更和安全评估。没有技术室维护字典,新设备、新缺陷类型进不来,巡检工就会回到自由文本。

4这个案例教给你的可复用判断

  1. AI 的结果要进入客户已有的作业系统(这里是 EAM),否则再准也没人用。

  2. 数据录入的规范化,常常是后续所有分析的前提。

  3. 现场条件(离线、手套、夜间)决定交互设计,要跟班去看。

  4. 第一个让管理层看到的业务发现,比准确率数字更能推动推广。

你手上也有类似的场景?

说说你所在的行业和想用 AI 做的事,留言会直接送达。觉得这个案例有误、过时,或有更好的做法,也欢迎指出。

交通与航空的其他案例

内容更新:2026-11-11