摘要：通过分析目前铁路工务部门备用钢轨库存管理中各环节信息化程度不高、需求预测不准确等问题，提出构建钢轨全寿命大数据管理平台和备用料管理系统，利用大数据技术优化备用钢轨库存管控的策略。
关键词：大数据；备用钢轨；库存管控；需求预测
随着我国铁路列车运行高速化、重载化，以及运量和密度的不断增大，工务设备修理和管理工作量也日益增加，传统的管理方法已经不能满足实时掌控设备状态的需要。目前，云计算、物联网、大数据、北斗定位、5G通信、人工智能等先进技术已广泛应用于各行业的信息化建设，这也为铁路工务部门库存管理提供了新的思路，集成融合新信息技术和铁路技术，建立对钢轨全寿命周期的信息数据共享平台，可以使钢轨数据的管理模式向集成、精细转变，促进备用钢轨库存管控的优化。
1备用钢轨库存管理面临的问题
1.1库存信息不完善，库存物资周转慢。目前，备用钢轨管理主要集中于入库、出库管理，无法掌握钢轨出厂后的使用状态和寿命，关注的焦点在库存剩余量上，对于评价指标的具体构成，标准是否合理均未进行科学分析，对周转效率等考虑不全，导致评价不全面、不科学。随着大数据技术的深入应用，相关业务系统数据的不断融合，现有信息管理方式的效率不高、效果不好，无法精准地控制库存。物资需求方和物资供应链上游生产及配送信息的不对称，导致部分铁路线路物资的周转率较低，形成长期库存。尤其是钢轨、道岔轨件等大件物资，由于生产、采购、物流配送周期较长，需求方不易获取生产物流信息，为避免物资供应不足，需求方会提前配备相关物资，而其中一些物资的实际使用时间和入库时间存在较大时间差，导致了库存物资周转较慢。
1.2备用料需求预测不准确。工务备用料主要是指钢轨、道岔等各类轨件设备，是工务设备管理的薄弱环节。不同的运输环境和不同的轨道基础，曲线和站内道岔区域因伤损或磨耗而下道的周期各不同，管理人员因无法预测设备下道时间，经常出现因备件不到位而影响应急处置的情况。小半径曲线钢轨因侧磨下道的情况比较突出，急需准确研判侧磨发展趋势并发出预警，从而及时对设备进行有针对性的更换修理。因此，精准的需求预测是安全生产的前提，备用料需求预测主要包括两方面。一是备用料数量的准确把控，即预测需求量与实际需求量保持平衡，预测量高于实际需求量时，会造成库存积压，反之则无法满足生产需要。受制于老旧维修模式和管理模式，目前铁路线路物资需求管理仍执行参考数量指标模式，根据设备数量硬性规定必须的需求数量。无法精准获取不同区域、不同时间段的需求信息，进而对大量与需求相关的异构数据进行整合处理，在库存中积压了大量的资金成本。二是对不同类型需求的预测。备用料对数量有要求，对类型与质量也有规定，需求和产品类型必须匹配，需要根据生产需求和设备水平匹配合适的需求计划。
2大数据时代备用钢轨库存管理的优化
2.1利用钢轨全寿命管理数据进行需求预测。钢轨全寿命大数据管理平台整合了钢轨产业链中生产、供应、焊接、铺设、养护等环节数据资源，涵盖质量监督系统、钢轨供应系统、现场焊接系统、探伤管理系统、廓形打磨系统、钢轨基础库等系统，实现了对钢轨全寿命数据标准化、规范化、精细化和智能化的管理。通过钢轨全寿命管理平台，可以获取需求预测所需的海量数据，运用大数据技术建立预测模型，对备用料需求进行预测。正确掌握需求变化的原因是准确预测的关键，影响备用钢轨需求的因素包括内部因素与外部因素。内部数据主要包括养护信息、位置环境、伤损信息、铺设信息、廓形信息、通过总重信息等；外部数据主要包括地理位置、时间、天气、最低温度、最高温度等。通过钢轨全寿命大数据管理平台，使用深度学习作为处理手段，可以处理海量、高维、多源、非结构化的复杂数据，保证数据结果的可靠和稳定。构建基于大数据的备用钢轨需求计划模型，可以对备用钢轨需求作出短期预测和长期预测，并同步进行预测跟踪反馈，即将需求预测的结果提供给设备需求部门，通过分析比对预测结果与实际更换情况，及时修正需求计划模型参数，逐步提高预测精度。
2.2构建备用钢轨库存管理系统。铁路物资供应链是为满足铁路运输生产的物资要求，围绕安全生产，由制造商、供应商、产品使用方组成，从产品制造生产开始，通过中间采购供应环节，最后把产品送到使用者手中。构建备用钢轨库存管理系统，将制造商、供应商、产品使用方的信息进行整合，改变了传统与钢厂（道岔厂）、焊轨厂、客户之间发货收货信息依靠人员线下传递的模式，可实现钢轨供应数据互联互通，实时提供完整、准确的供应数据，对备用料上线、下线的全寿命、全过程进行监控分析、预警提醒等，以及备用钢轨的去向跟踪、维修、检查等环节的信息化闭环管理。在备用料的全过程管理中，通过备用钢轨库存管理系统，生产厂商能够实时掌握库存信息、使用信息，通过设置库存警戒线，可以提前安排生产，保证及时供货，减少信息沟通的环节，能够大幅提高效率。对于因道岔升级改造原因导致的某一型号道岔全部下线的钢轨，使用方可通过信息共享机制，在运费合理的情况下进行跨工务段、跨局调配，实现道岔轨件库存继续利用。对于因站场改造原因提前下线的道岔轨件，使用方可掌握其上线时间、维修信息和状态，经综合评价后进行二次利用，提高修旧利废的管理水平。通过大数据分析，能够根据钢轨（道岔轨件）的上线时间、线路地域差异、气候条件、通过总重、维修水平等因素预测钢轨（道岔轨件）伤损的出现时间和发展规律，一旦能够判定轨件上线后出现伤损的时间和伤损发展规律，就可以对备用料实行精准配送，提供物资库存的周转效率。库存历史数据、伤损发展规律等数据可为未来库存指标的确定提供更加科学的指导。
3结束语
云计算、物联网、大数据等技术的发展和应用，为铁路工务部门的备用钢轨库存管理提供了重要的信息化技术支撑，为库存管理优化提供了重要的契机，利用大数据等技术对工务备用料需求进行精准预测，提升工务部门备用料库存的精准管控水平，为备用料库存优化提供了新的思路。
参考文献
1温富国.基于大数据的协议库存物资需求预测体系研究[J].科技创新导报，2018，24.
2边家欢，陈超.铁路工务线上料库存管理现状与问题分析[J].铁路采购与物流，2018，11.
作者:田景龙 单位:中铁物轨道科技服务集团有限公司
