导读
近日，工业和信息化部发布《2025年5G工厂典型应用实践》，共遴选出100个技术先进、标杆引领的5G工厂典型应用实践，覆盖原材料工业、装备工业、消费品工业、电子信息、能源交通等重要行业领域。要求各地因地制宜加强政策支持和资源保障，高质量推进5G工厂建设，加速“5G+工业互联网”深度嵌入生产制造全流程、各环节。深圳地铁车辆智慧运维5G+AI工厂成功入选《2025年5G工厂典型应用实践》。
深圳地铁车辆智慧运维5G+AI工厂
深圳地铁运营集团有限公司
一、项目概述
深圳地铁车辆智慧运维5G+AI工厂项目将业务场景与5G、AI技术深度融合，基于一线生产业务、充分挖掘数据价值，从“智慧监测、智慧列车、智慧检修、数据挖掘”四个方面打造具有深圳特色的地铁车辆数智化维保解决方案。通过车辆维保业务全流程数据的融合互通，建立地铁车辆“运、检、修”一体化的5G+AI维保体系，助推地铁车辆维保模式变革，实现全寿命周期管理和基于健康管理的地铁车辆高水平状态修。
二、建设需求
近年来，国内城市轨道交通运营规模快速扩张，随着市民乘客对轨道交通高品质服务需求的提高，轨道交通维保企业迫切需求追求高质量、可持续的发展。地铁车辆传统采用计划性维修为主、故障性维修为辅的维保模式，随着维保规模、维保压力的不断增大，进行维保模式创新、提升设备运营质量是行业发展的必然趋势。
三、建设方案
本项目构建适用于轨道交通车辆数智化维保的“端、边、云”工业互联网架构：
（1）端侧地铁车辆为满足大带宽、低延迟数据传输需求，车载网络由传统MVB网络升级为以太网网络，对79列车约7900余台入网设备进行智能化升级，实现全车5万余项数据的实时采集。
（2）边侧采用支持5G通信的智能PHM单元，实现车辆数据的统一汇聚、预处理，并安全接入5G专网将数据实时转发至云端平台。
（3）云侧以深圳地铁城轨云为底座，建成基于5G+AI的车辆智慧运维平台，将平台与既有资产、生产、运营等业务管理系统数据融合互通，利用数据挖掘、图像识别、大语言模型等AI技术构建时序、图像、视频、文档等为一体的车辆多模态大数据平台，实现地铁车辆设备状态监控、故障诊断、趋势预警、寿命评估、健康管理以及运维智能决策，推动实现轨道交通车辆全寿命周期状态修。
四、应用场景
场景类型1：生产单元模拟
地铁车辆各部件运行状态数据通过5G专网实时传输至车辆智慧运维平台，平台以电路原理图、部件结构图、气路图等方式进行可视化模拟展示，将部件最新运行参数以及最近一段时间历史数据曲线进行展示，实现列车关键部件运行状态实时精准掌控。例如列车空调系统采用空调机组结构可视化模拟方式，对压缩机、冷凝风机工作状态以及温度等最新数据进行实时监控，并对空调机组温度、压缩机电流、电压等关键参数进行历史数据回放曲线展示，实现对空调机组运行状态的模拟监控。例如地铁车辆辅助系统采用电路拓扑图可视化模拟的方式，对关键电气部件健康状态、运行数据进行实时监控展示，实现对辅助系统电路部件运行状态实时掌控。
场景类型2：协同研发设计
地铁车辆运行数据通过5G专网实时传输至车辆智慧运维平台，利用平台的数据挖掘和AI算法对部件状态进行检测，帮助提前发现设备功能缺陷、安装工艺问题等多类设备质量缺陷。对设备质量的发现、分析、整治，并制定后续新车采购设计规避建议，将设备质量提升前置到地铁车辆研发设计阶段。通过运营维保单位协同研发设计，从源头提升设备质量，降低安全风险，降低运维成本，实现地铁车辆设备全寿命周期闭环管理，并为地铁车车辆装备制造企业改进产品和服务质量提供支撑。例如通过优化正常模式和备用模式下列车牵引封锁界面显示逻辑，图示化显示动车条件，有效辅助司机提升应急处置效率，该方案已在深圳地铁全网30余种车型开展优化并纳入新车设计规范。
场景类型3：柔性生产制造
以全寿命周期管理为目标，对地铁车辆走行部、车门、空调、牵引辅助、制动、弓网等六大子系统关键部件开展健康管理研究，实时状态数据、高频采样文件以及车载健康管理单元预处理数据统一通过5G专网传输至车辆智慧运维平台。利用平台AI技术实现车辆关键部件寿命预测及健康评估。对维保必换件、故障件、耗材等更换类部件，进行寿命及性能的综合评估，将设备维保由定期检修转为状态检修，延长设备维保周期或根据设备状态动态调整维保周期，降低维修成本。例如通过对地铁车辆走行部轴箱轴承和电机轴承冲击、振动、温度等高频信号采集监测，利用AI算法实现轴承寿命评估，轴承维护周期最大可延长30%，车辆全寿命周期成本预估可下降46%。
场景类型4：设备协同作业
全面分析梳理地铁车辆维保作业规程，对主风管、受电弓等需进行数据测试测量且有监测数据的作业项点，通过建立“作业自动检查”AI模型，对5G专网传输的车辆状态数据进行实时计算作业技术指标，实现作业由人工检查转为人机协同作业，提升维修作业效率。目前已实现能耗、里程数据抄录、主风管泄漏量检查、受电弓升降弓时间测试等超过35项关键部件检修作业项点的人机协同作业，效率提升90%。例如运行里程、能耗等数据抄录作业，直接使5G实时传输数据，取消原有的上车抄录作业，实现系统自动记录，同时还能够对异常数据进行监测预警。例如通过主风管密封性、风管泄露量的实时监测测试，可取消原有人工测试作业，提高生产效率，节省人力成本。
场景类型5：设备故障诊断
对地铁车辆关键部件建立AI“故障精准定位”模型，当故障发生时，通过5G专网实时传输的故障信息、部件状态数据进行实时诊断定位故障原因和故障部件，提升故障分析效率，将传统的故障分析方式由逐个排查转为快速精准定位。截止目前已对轨道异常、受电弓控制异常等超过32类重点故障实现精准分析，最快1分钟定位故障点，故障分析效率提升约80%。例如通过对轮轨冲击、振动进行实时监测，精准识别定位轨道波磨等异常区段，指导进行轨道打磨，有效改善车辆运行环境，降低车辆运行噪音和轮对磨耗。例如对车辆牵引制动控制回路IO节点状态进行实时监测，当电路中某个部件异常时，可以在可视化梯形图中实时高亮定位显示，指引技术人员快速查找故障点。
场景类型6：设备预测维护
对地铁车辆走行部轴承、牵引电机、受电弓等26类列车关键部件，进行运行机理、失效安全风险分析和大量历史数据挖掘。建立AI“状态预测预警”模型，通过5G专网实时传输的部件状态数据、高频采样文件等对部件性能状态进行评估预测。在部件发生故障前识别性能劣化趋势和异常状态，将故障应急模式由事后处理转为提前预判，保障行车安全。实现最早提前30分钟预警故障，车辆正线指标故障率下降约8%。例如对走行部轴承冲击、振动等参数进行实时监测，评估轴承健康状态，实现轴承疲劳剥离、压痕、磨损等故障提前预警。例如对车辆牵引电机温度等多参数进行实时监测，提前49分钟预警牵引电机因吸附异物导致异常温升故障，为正线应急处置赢得了时间。
场景类型7：无人智能巡检
开展360°图像智能检测、轨旁尺寸智能测量、智能检修机器人、无人智能列检等智能检修设备应用，通过图像识别、激光测量等AI技术对地铁车辆进行自动检查、测量，将智能检修设备采集的图像、视频等数据与5G实时传输的部件时序状态数据进行融合分析，实现机器检修替代人工检修，提升检修作业效率。例如360图像智能检测系统采用图像识别技术，对地铁车辆进行360°高清全景扫描，实现车辆外观状态异常识别告警，替代车辆人工外观检查作业。例如轨旁尺寸智能测量系统采用激光测量及图像识别技术，自动对地铁列车受电弓碳滑板、轮对尺寸进行测量，同时对轮对、碳滑板尺寸测量数据进行分析挖掘，实现轮对状态性镟修，以及碳滑板异常磨耗趋势自动预警。
场景类型8：生产现场监测
车辆智慧运维平台通过5G等无线传输技术实时采集地铁车辆运行数据，建立线网、线路、车辆、部件四级车辆监控体系，实时监测8条线路300余列车辆运行状态、故障信息以及关键部件参数，实现车辆状态实时感知和远程监控。建立“故障应急信息一屏汇聚、处理指引关联提醒、多端同步响应、快速辅助应急处置”的智能应急联动体系，贯通应急处置全流程，消除信息壁垒，实现故障应急响应时间缩短至1分钟，应急响应效率提升80%。
场景类型9：全域物流监测
地铁车辆实时采集自身位置信标、站点区间、速度等运行位置信息，通过5G专网实时传输至车辆智慧运维平台，实现在线路运行图上对车辆运行位置轨迹的可视化监测，能够及时追踪定位车辆所处位置。当车辆发生故障时，故障详情关联显示故障时刻车辆所处的具体位置信息，以及显示故障关联参数的运行曲线，便于快速定位故障列车位置，及时安排正线应急处置人员确认和处置故障，降低故障对乘客的影响，提升客服满意度。
场景类型10：企业协同合作
通过基于5G和AI技术的应用，地铁车辆状态修算法模型实现列车关键部件的实时监测预警，实现车辆维保生产计划根据部件实际状态动态调整，实现部件的状态性维修。同时通过融合涉及车辆专业的轨旁监测系统、工艺检修设备等数字化装备系统，信号、供电等跨专业系统，EAM、电子维保记录等运营业务系统数据，进行AI算法特征工况校准和多源数据整合。通过对车辆维保业务数据跨系统融合互通，打破数据孤岛，实现车辆维保“运、检、修”全流程数字化闭环。
场景类型11：生产过程溯源
5G+AI工厂构建以地铁车辆为中心的数据采集，基于构型的车辆状态、技术资料及履历等数据管理，实现对地铁车辆进行系统、子系统、零部件等不同层级，以及区域、功能、物理等不同分解维度构型的搭建和维护。基于构型搭建车辆履历管理，通过汇聚融合5G实时状态、告警预警信息、生产计划执行信息、电子化维保记录等数据，实现车辆系统/部件全寿命周期不同阶段的信息融合和共享。
场景类型12：生产能效管控
地铁车辆实时采集列车运行速度、运行里程、运行位置、载重，以及牵引能耗、辅助能耗、充电机能耗、制动电阻能耗、再生能耗、空调能耗、总能耗等能耗关联数据，通过5G专网每500ms传输至云端分析平台。平台可以对车辆能耗状态以及各类能耗占比情况进行可视化展示，对车辆能耗关联数据进行实时检测，识别能耗异常的车辆。通过建立能耗智能分析算法，实时计算车公里能耗，分析能耗变化趋势与运行速度、载客量等因素关系，优化调整列车信号控车曲线，支持运行节能优化。
场景类型13：虚拟现场服务
通过对地铁车辆司机室、客室、车底、车侧灯各类部件进行图片采集，借助BIM、360°全景技术在数字世界虚拟真实的地铁车辆，实现以360°全景视角体验和感受地铁车辆真实环境。特别在新员工车辆部件认知培训阶段，随时自由浏览、自由操作的特性，可以提供更加灵活、更加人性友好、更加贴近真实场景的数字化虚拟培训能力，以沉浸式体验提升培训学习效率。通过对5G专网回传的车辆故障信息以及关联数据进行提取，对故障应急处置指南进行结构化处理，联动360°全景培训平台，实现正线故障的模拟复现，辅助开展故障应急处置培训。
五、建设价值
1.经济价值
通过项目的实施，5G+AI工厂节省人工、物料等成本产生的直接经济效益约77.3万元/年/线路。从地铁车辆30年全寿命周期计算，空调、轴承等车辆设备将维保周期从5年延长至8年以上，并且通过延长设备架大修维保周期，全寿命累计可节省成本可超过780万元/列车。将项目成果推广至深圳地铁全线网乃至轨道交通行业，将产生非常可观的经济效益。
2.社会价值
通过5G+AI工厂的建设，实现地铁车辆“安全可靠”、“舒适满意”双提升，秉承“从心出发，为爱到达”的服务理念，为市民乘客提供高品质出行服务。同时联合产业生态，在标准制定、产学研联合、创新示范、行业分享等多维度推动行业维保数智化转型发展，提升深圳地铁在行业内的品牌影响力，为推动产业发展起到示范和引领。
来源：工业和信息化部网站
