nieuws

Minder wisselstoringen door predictive maintenance

Publicatie

9 feb 2016

Categorie

iMaintain

Soort

nieuws

Tags

Het spoor wordt steeds drukker bereden en ondertussen is er steeds minder tijd beschikbaar om onderhoud te plegen. 'Predictive maintenance' biedt de oplossing en digitalisering is hiervoor een belangrijk hulpmiddel.

 

Monitoren

Spoorbeheerder ProRail werkt met prestatiecontracten waardoor serviceproviders die het spoor onderhouden voortdurend scherp letten op de prijs en kwaliteit van hun dienstverlening. Voor deze bedrijven is het dus belangrijk om potentiële faaloorzaken zo vroeg mogelijk op te merken en te verhelpen.
Ook de introductie van nieuwe onderdelen, meet- en monitoringsystemen en integraal onderhoud hebben geleid tot een afname van het aantal storingen. Toch vormen wissels nog altijd een belangrijke oorzaak van vertragingen op het spoor, ook al gaat een wissel gemiddeld maar één keer per jaar defect. Strukton Rail en Anchormen tonen aan dat het beter kan. 

Door de onderhoudsengineers van Strukton Rail en de big data-analisten van Anchormen wordt een prognosetool ontwikkeld waarmee toekomstige storingen aan het spoor kunnen worden voorspeld. Het doel van de samenwerking is het aantal storingen terug te dringen en daarmee de beschikbaarheid van het spoor te verhogen. De basis hiervoor ligt in de diagnose: het continu monitoren van de huidige status van het spoor. Door gebruik te maken van big data technieken en kunstmatige intelligentie wordt nu de stap gezet van diagnose naar prognose, het voorspellen van toekomstige storingen. 

 

Efficiënter onderhoud

Omdat onderhoudsmomenten schaars zijn en geld kosten – voortijdig vervangen van veelal kostbare onderdelen is pure verspilling – is gezocht naar een andere oplossing; het inzetten van big data en kunstmatige intelligentie voor voorspelbaar onderhoud. Die oplossing leidt volgens Strukton Rail tot een hogere beschikbaarheid van het spoor tegen lagere kosten. Strukton Rail maakt voor het onderhoud gebruik van het monitoringsysteem POSS (Preventief Onderhoud- en Storingsdiagnosesysteem Strukton). De sensoren registreren data over het energieverbruik van de wisselmotoren bij het omlopen van het wissel. Onregelmatigheden in het energieverbruik kunnen een teken zijn dat er een storing aankomt en dat er onderhoud nodig is.  

De combinatie van POSS en vergelijkbare meet- en monitoringsystemen met big data en kunstmatige intelligentie zal de resultaten nog verder verbeteren. Het systeem geeft al automatisch een waarschuwing als een wissel teveel energie verbruikt. Dit gebeurt echter vaak pas kort voordat de storing zich voordoet, met als gevolg dat onderhoudswerkzaamheden niet meer regulier kunnen worden ingepland. 

 

Voorspellen van storingen

De nieuwe applicatie zal de data van het energieverbruik 'real time' monitoren en analyseren. Een computermodel kan op basis van patronen uit historische data afwijkend gedrag herkennen, voordat deze daadwerkelijk waarneembaar is. Door te leren welk gedrag bij een bepaald type storing hoort, kan deze dit gedrag in een vroeg stadium herkennen en een waarschuwing geven. Er kunnen vervolgens, zonder hinder van het treinverkeer, gericht onderhoudsacties worden genomen. 

De toepassing is niet alleen geschikt voor het Nederlandse spoor, maar kan ook in het buitenland worden gebruikt. Voor het einde van het jaar moet de eerste toepassingsapplicatie operationeel zijn.

Wellicht vindt u deze artikelen ook interessant

Schrijft u in voor onze nieuwsbrief en blijf altijd op de hoogte.