◄ اهمیت داده پرت در ارزیابی نتایج شاخص MDBF لوکوموتیو
شاخص میانگین مسافت بین خرابی ها (MDBF) یک معیار کلیدی برای سنجش قابلیت اطمینان لوکوموتیوهاست. این شاخص از تقسیم کل کیلومتر طی شده بر تعداد خرابی ها به دست می آید.
عباس قربانعلی بیک: مفهوم شناسایی مشاهدات " غیرعادی " ریشه در قرن ها مشاهده علمی دارد، اما صورت بندی کمی آن در قرن بیستم و عمدتا توسط جان توکی (John Tukey) در چارچوب آمار اکتشافی (EDA) در دهه 1970 کامل شد.
توکی با ابداع نمودار جعبه ای (Box Plot)، قاعده ای مبتنی بر چارک ها را محبوب کرد: داده هایی که بیش از 1.5 برابر فاصله چارکی (IQR) از چارک اول (Q1) یا سوم (Q3) فاصله دارند، به عنوان "پرت" در نظر گرفته می شوند. این ضریب 1.5 نه بر مبنای یک اثبات ریاضی صرف، بلکه بر پایه تجربه عملی، سادگی محاسبه و ایجاد تعادل بین حساسیت (شناسایی موارد مشکوک) و اطمینان (پرهیز از برچسب زنی اشتباه) انتخاب شد (مثلا در جدول سن افراد یک گروه، با مشاهده سنین 250 و 1363). این روش به دلیل شهود قوی و کاربردپذیری گسترده، به یک استاندارد صنعتی در حوزه های کنترل کیفیت، مهندسی قابلیت اطمینان، مالی و علوم داده تبدیل شده است.
نقش داده های پرت در تحلیل MDBF لوکوموتیو: شاخص میانگین مسافت بین خرابی ها (MDBF) یک معیار کلیدی برای سنجش قابلیت اطمینان لوکوموتیوهاست. این شاخص از تقسیم کل کیلومتر طی شده بر تعداد خرابی ها به دست می آید.
داده های پرت در این مجموعه، دو دسته را نشان می دهند: 1) پرت های پایین با مقادیر به طور غیرعادی کوچک MDBF که نشان دهنده لوکوموتیوهای با خرابی های مکرر، هزینه عملیاتی بالا و ریسک ایمنی بالقوه هستند. 2) پرت های بالا با مقادیر به طور غیرعادی بزرگ MDBF که نشان دهنده عملکرد استثنایی و فرصتی برای الگوبرداری و بهبود روش های نگهداری هستند. شناسایی و تحلیل این پرت ها به مدیران ناوگان کمک می کند تا منابع محدود تعمیرات را بهینه تخصیص دهند (البته بدون حذف داده در این موارد).
روش های کسب اطمینان از داده های پرت شناسایی شده: شناسایی آماری پرت ها تنها شروع کارست. اطمینان از صحت و استناد پذیری آن ها نیازمند ترکیب تحلیل کمّی با بررسی کیفی و دانش زمینه ای است. این فرآیند چند مرحله ای شامل موارد زیر است:
تأیید فنی و عملیاتی: داده های پرت باید با سوابق تعمیرات و وضعیت عملیاتی لوکوموتیو مقایسه شوند. آیا خرابی مکرر یک لوکوموتیو خاص ناشی از یک عیب ساختاری تکرارشونده (مثلاً مشکل در موتور) است یا صرفاً نتیجه یک حادثه تصادفی (مانند برخورد سنگ)؟ این مرحله نقش داده های پرت را از یک "عدد غیرعادی" به یک "مشکل فنی مشخص" ارتقا می دهد.
حساسیت سنجی روش (تنظیم آستانه): اعتبارسنجی شامل آزمایش نتایج با ضرایب مختلف IQR (مثلاً 1.2، 1.5، 2.0) است. اگر تغییر ضریب باعث حذف لوکوموتیوهایی شود که از نظر فنی مشکوک شناخته شده اند، نشان دهنده آن است که آستانه انتخابی ممکن است بیش از حد سخت گیرانه باشد. هدف یافتن آستانه ای است که بهترین همخوانی را با دانش کارشناسی داشته باشد.
مستندسازی و چرخه بازخورد: هر تصمیم درباره یک لوکوموتیو پرت (اعم از تعمیر اساسی، بازرسی ویژه یا نادیده گرفتن موقت) باید همراه با دلیل فنی مستند شود. رصد تغییر شاخص MDBF آن لوکوموتیو در دوره های بعدی، آزمون نهایی اعتبار برای تحلیل اولیه و آستانه انتخاب شده است. این چرخه، سیستم را به یک ابزار یادگیرنده و تطبیقی تبدیل می کند (تین 289781 و 309904).
در نتیجه، تحلیل MDBF با شناسایی داده های پرت، زمانی به حداکثر اثر خود می رسد که یک پل مستحکم بین آمار و مهندسی زده شود. این رویکرد، تصمیم گیری را از حالت واکنشی به وضعیت پیشگیرانه (Proactive) و مبتنی بر شواهد سوق می دهد و در نهایت منجر به افزایش قابلیت اطمینان، کاهش هزینه ها و افزایش ایمنی عملیات تعمیرونگهداری ناوگان می گردد (تین 250788).
با بررسی MDBF لوکوموتیوهای زیمنس در سال 1403، این موارد بهتر آشکار می گردد، از 99 دستگاه دارای گزارش، روزانه به طور متوسط 76 دستگاه گرم بوده که با 29 میلیون کیلومتر سیر و 1025 خرابی، شاخص متوسط فاصله بین خرابی 28.3 هزارکیلومتر خواهد شد. در داده های پرت 11 لوکوموتیو، 9 دستگاه در محدوده پرت پایین قرار داشتند، MDBF دستگاه 1593 با 54044 کیلومتر سیر و 9 خرابی، 6004 کیلومتر بوده و در دستگاه 1613 با 383286 کیلومتر و 2 خرابی، 191643 کیلومتر بود (تین 305022).
با بررسی دقیق و یافتن ریشه خرابی های پرتکرار این لوکوموتیوها، می توان به ضعف های طراحی، کیفیت قطعات، ضعف مونتاژ، ضعف بازدید، ضعف تعمیرونگهداری، ضعف تعمیرگاه و شیفت تعمیرات، و نیز ضعف های بهره برداری و راهبری پی برد (تین 233895).
