高铁轨道设备K-SIGMA模式安全风险评估

王洪德，张艳潮，姚鹏远

（1. 大连交通大学 土木与安全工程学院，辽宁 大连 116028；2. 中国铁建大桥工程局集团有限公司，辽宁 大连 116028）

高铁轨道设备K-SIGMA模式安全风险评估

王洪德1，张艳潮1，姚鹏远2

（1. 大连交通大学 土木与安全工程学院，辽宁 大连 116028；2. 中国铁建大桥工程局集团有限公司，辽宁 大连 116028）

为定量分析影响高铁轨道设备安全的单个风险因素，基于K-SIGMA模式，考虑轨道设备单个风险因素的7方面属性指标，采用随机赋权法确定指标权重，并从风险梯度、风险强度以及风险水平3方面对高铁轨道设备安全风险因素进行评判。研究结果表明，运用该方法对高铁轨道设备单因素进行风险评估，具有较强的可行性，可为风险管理者制定合理的控制措施提供参考。

高铁轨道设备；K-SIGMA模式；风险因素；安全风险评估；权重

保证运营安全是高铁快速发展的前提[1-3]。高铁的运输组织方式、管理模式以及施工维修等许多方面都与既有铁路不同，在我国大力发展高铁的背景下，探索高铁运营安全是我国当前面临的一项重大任务[4-8]。高铁工务系统是保证高铁安全运营的基础，工务设备大部分暴露在户外，受环境影响大，风险因素较多，以致故障频发。通过对工务系统故障进行统计分析，发现轨道设备出现故障较多，影响高铁轨道设备安全的因素众多，单个因素或多个因素综合出现非正常状况或这些因素之间相互作用产生的结果，都有可能对轨道设备造成影响，从而对高铁运营安全造成威胁[9]。如何定量评估这些影响因素，是目前急需解决的问题。该研究主要借鉴故障模式与影响分析理论，分析影响高铁轨道设备安全的风险因素，从造成高铁事故可能性、因素重要度、故障危害度、故障难检度、故障严重度、故障发生频率、实际重大高铁事故发生率等7个方面对其属性进行描述，以期能够更具体、详实的反映高铁轨道设备风险因素的特征。

1 属性指标构建及其权重确定

1.1 属性指标构建

风险衡量因子是指用来衡量高铁轨道设备风险因素的准则因子（又称评估准则），是构建安全风险衡量模式的基础因子，主要包括安全风险因素造成高铁事故的可能性因子（Pm）、安全风险因素重要度因子（Im）、安全风险因素故障后果危害度因子（Sm）、安全风险因素故障难检度因子（Dm）、安全风险因素本身故障的严重度因子（Cm）、故障发生频率（fm）和实际重大高铁事故发生率（A）等共7项因子，又称为每个风险因素的7方面属性。将前4项称为内生（endogenous）风险衡量因子（内生属性），并假设此类因子的衡量值在某期间内不会任意变动，例如某项安全风险因素的重要度一经确定，则在某期间内维持不变，并不随风险管理者的意愿或系统操作而任意调整（但允许经过一段时间后通过检查而调整）。后3项因子则称为外生（exogenous）风险衡量因子（外生属性），此类因子的衡量值会随着该项安全风险因素检修工作的进行或设施的运作而不断变动，例如某项安全风险因素的前后两次检查结果，其故障严重程度可能不一样，连带地会影响到故障发生频率的变动。

1.2 权重确定

在进行高铁轨道设备安全风险评估时，各风险衡量因子对评价结果的影响程度不同，即各指标的权重不同。为了能够准确反映各风险衡量因子对风险因素作用的重要性，采用随机赋权法确定其权重：首先，邀请专家根据经验将每个指标划分若干等级，并对各指标等级给出对应区间；其次，处理专家们对同一指标的打分区间；最后，根据指标离散程度确定指标的权重具体值。

2 高铁轨道设备K-SIGMA模式安全风险评估模型

轨道设备作为高铁行车的基础结构，其各因素的安全状况决定了高铁是否能够安全运营。为准确全面把握高铁轨道设备的情况，结合Six Sigma理论，吸收该理论以控制最少的缺失次数来达到产品或服务质量水平的理念以及DMAIC过程改进方法，建立高铁轨道设备K-SIGMA模式安全风险评估模型。

对模型中内生属性进行专家问卷调查，问卷回收整理后再利用统计方法求出各项内生属性的平均衡量值（X）和标准差（S），并进行上下限风险梯度指标（RGm）值的构建；然后利用高铁轨道设备安全日常检查和铁路局调研收集的资料整理得到外生属性（Cm、fm和A），计算出上下限风险强度指标（RIm）值及上下限风险强度值；最后结合上下限RGm指标值和上下限RIm指标值，推导出上下限风险水平指标（RLm）阈值，即构建出K-SIGMA模式高铁安全风险衡量模型，再辅以风险分析图和分析报告，并制定相应的控制措施，从而提高高铁轨道设备的安全水平。高铁轨道设备K-SIGMA模式安全风险评估模型构建流程见图1。

图1 高铁轨道设备K-SIGMA模式安全风险评估模型构建流程

3 高铁轨道设备安全风险评估

根据某铁路局高铁工务段2013—2015年高铁运营线路故障统计，得出各类故障原因分布情况见图2。

图2 各类故障原因分布

由图2可以看出，4类故障原因中，涉及轨道设备的故障最多，为37%～54%；涉及桥隧设备的故障最少，为4%～6%；环境设备问题和其他问题在数量上基本持平（2014年除外）。因此，有必要对导致线路故障的轨道设备风险因素进行分析，具体的轨道设备风险因素见表1。

表1 轨道设备风险因素

3.1 风险因素内生属性指标的权重

采用随机赋权法，邀请10位高铁运营安全领域相关专家对风险因素的4个内生属性指标的权重，以百分制进行区间打分，打分情况见表2。

以Im权重求解为例进行计算（见图3）。

表2 风险因素内生属性指标权重值区间分布

图3 Im权重值及其累计频率分布

4个内生属性指标的权重值及其累计频率分布见表3。

表3 风险因素内生属性指标权重值及累计频率

采用随机赋权法生成随机数0.60，得到权重分值向量W=［16，34，29，22］，归一化后权重向量为［Pm，Im，Sm，Dm］=［0.158，0.337，0.287，0.218］。

3.2 风险梯度

第m项风险因素中第 i 个内生属性指标上下限阈值计算公式分别为：

各因素组合坐标与原点或最小衡量点坐标的风险梯度指标上下限阈值及风险梯度值分别为：RG。m

对轨道设备安全风险因素的4个内生属性指标进行问卷调査打分，评分标准设计等级分别为：非常低（1～20）、很低（21～40）、普通（41～60）、较高（61～80）、很高（81～100）。共发放65份问卷，调査对象包括5名轨道设备检查车间主管人员、5名轨道设备维修车间主管人员、15名调度指挥中心主管人员、40名轨道设备检修技术人员，共回收60份有效问卷，有效回收率为92%。将衡量值归一化（除以100）后，将表3中统计数据带入式（1）—式（5），计算风险梯度值，结果见表4。

3.3 风险强度

将各指标衡量值按坐标组合法组合，利用式（6）计算与原点坐标之间的欧几里得距离（即风险强度，RI）。

可按下述方法分别得出3项外生属性指标。经过一段时间的检修统计得出Cm的衡量值；如果每天检査一次轨道设备，一年内共发现n次故障，则fm为n/365；如果每7 d对轨道设备进行一次周检，平均每10年发生1起较大的轨道设备安全事故（造成车辆损毁、财产损失或人员伤亡的事故），则轨道设备重大安全事故发生概率为A=[1/（365×10/7）]×100%=0.2%。根据式（6）计算得到风险强度RIm。采用随机赋权法，同理计算3项外生属性指标的权重分别为：（Cm，fm，A）=（0.40，0.35，0.25）。

3.4 风险水平

为求出评价对象安全风险水平的上下限阈值并绘制风险分析图，根据求出的风险梯度上下限值（）和风险强度指标（RIm），分别代入式（7）和式（8），即可计算出各风险因素的安全风险水平上下限阈值。

轨道设备各风险因素的风险水平值见表5。

3.5 风险分析及控制措施

目前，世界各国普遍采用“尽可能低成本下尽可能合理原则（ALARP）”进行风险是否可接受以及是否需要实施控制的评定，结合GB/T 21562标准中ALARP原则规定以及高铁运营的实际情况，绘制风险分析图（见图4）。

表4 轨道设备风险因素衡量值和风险梯度值

表5 轨道设备安全风险因素风险水平值

应用K-SIGMA模式安全风险评估模型对某铁路局轨道设备进行安全风险评估，首先对2015年12月该局某工务段轨道设备各风险因素检查数据进行整理，然后代入高铁轨道设备K-SIGMA模式安全风险评估模型，计算得到轨道设备各风险因素风险水平，得出各风险因素目前所处的安全状态。轨道设备安全风险分析见图5。

图4 风险分析图

图5 轨道设备安全风险分析图

由图5可以得出以下分析结果：

（1）m2风险值已超过风险水平上限值，因此对于该风险因素应重点防范，禁止出现。日常安全管理中，要做好相关设备保养，避免出现故障；加大隐患排查力度，动态监控，及时发现相关风险因素，掌握风险因素的发展和演变趋势，迅速消除隐患；成立技术攻坚团队，对相关问题进行研究，找出故障原因机理，采取相应技术手段，从根本上消除该风险因素；相对应的安全管理工作需要继续改进提升。

（2）m3、m6风险值低于风险水平下限值，即m3、m6对应相关风险因素处于安全状态。表示对应设备技术水平、维修保养工作和安全监控管理等方面工作实施的非常到位，相对应的安全管理工作可基本维持现状。

（3）m1、m4、m5风险值处于风险水平下限和上限之间，基本可控，在经济条件允许的情况下，可逐步加强设备技术研发更新和排查监控工作，以降低风险值。相对应的安全管理工作可缓慢改进，但不能放松。

4 结束语

采用K-SIGMA模式、坐标组合法和欧几里得距离等，参考ALARP风险管理原则并结合高铁轨道设备现状，构建高铁轨道设备K-SIGMA模式安全风险评估模型，有助于及早察觉发生故障、缺失或失效的安全风险因素，并提出相应的预防措施，以减少或避免高铁运营事故。

[1] 张怡．高速铁路运营安全保障对策的研究[J]．铁道运输与经济，2014，36(6)：61-64.

[2] 关宁宁，张长青．国外高速铁路安全立法及其启示[J]．铁道经济研究，2012(2)：11-15.

[3] CLAIRE，RUGGIERO．国外铁路安全风险管理方法及启示[J]．中国铁路，2012(4)：7-9.

[4] STEPHEN N.LUKO．Risk assessment techniques[J]．Quality Engineering，2014，26(3)：379-382.

[5] 宁利华．关于高速铁路运营安全[J]．科技创新与应用，2013(5)：192.

[6] 刘敬辉，戴贤春．高速铁路运营安全风险分析及管理方法的探讨[J]．中国铁路，2013(3)：8-11.

[7] 安治业，戴贤春，刘敬辉，等．高速铁路运营安全风险控制研究[J]．铁道运输与经济，2014，36(1)：22-27.

[8] 于辰成．基于BP神经网络的高速铁路风险评价模型研究[D]．成都：西南交通大学，2014.

[9] 李海青．高速铁路安全评价存在问题及其对策[J]．运输经理世界，2010(24)：64-66.

责任编辑 李凤玲

“中国画火车第一人”王忠良先生火车钢笔画系列作品——二轴蒸汽机车

1880年在修建唐胥铁路时，开平矿务局修车厂工人利用锅驼机拼装成一台简陋的二轴蒸汽机车，此时，距世界上第一台蒸汽机车的诞生仅过去了76年。机车主动轮在锅炉上部，利用连杆带动从动轮在轨道上行驶。

Safety Evaluation on K-SIGMA Mode of HSR Track Devices

WANG Hongde1，ZHANG Yanchao1，YAO Pengyuan2
（1. College of Civil and Safety Engineering，Dalian Jiaotong University，Dalian Liaoning 116028，China；2. China Railway Major Bridge Engineering Group Co Ltd，Dalian Liaoning 116028，China）

To quantify the influence of one single risk factor on HSR track devices, the paper - building on K-SIGMA mode - considers the seven attribute indicators of each factor and brings in the random weighting method to determine the weight of each indicator. It then evaluates the risk factors from three aspects risk gradients, risk intensity and risk level. The results show that single-factor risk evaluation on HSR track devices is highly applicable, as it provides references for risk managers to map out an appropriate scheme for risk control.

HSR track devices；K-SIGMA mode；risk factor；risk evaluation；weight

U298.1

A

1001-683X（2017）03-0039-06

10.19549/j.issn.1001-683x.2017.03.039

2017-01-04

国家自然科学基金项目（U1261121/E0422）；中国铁路总公司科技研究开发计划项目（2015Z002）；中国铁路总公司科技研究开发计划项目（2014X012-D）

王洪德（1963—），男，教授，博士。E-mail：whdsafety@126.com