Transport

SBB: Vorausschauende Instandhaltung von Eisenbahnrädern

Zühlke entwickelt ein Dashboard, welches Echtzeitdaten und Prognosen mittels Machine Learning bereitstellt. Diese Lösung ermöglicht die vorausschauende Instandhaltung von Eisenbahnrädern.

Kundenvorteile

  • Höhere Planungseffizienz und niedrigere Instandhaltungskosten
  • Erste Lösung, die ein umfassendes Monitoring des Radzustandes ermöglicht
  • Tagesaktuelle Prognosen mittels State-ofthe-art Machine-Learning-Modellen

Nachfrage nach einem Frühwarnsystem

Eine Überwachung der Räder ist grundlegend für die Wartungsplanung. Derzeit werden die Echtzeitdaten zu den Radeigenschaften in verschiedenen Systemen gespeichert. Es ist deshalb arbeitsintensiv und zeitaufwendig, sich einen Überblick über den Zustand der Räder zu verschaffen. Zudem sind die Warnsysteme lediglich reaktiv. Probleme mit dem Rollmaterial werden oft erst dann offensichtlich, wenn es zu spät ist. Um eine vorausschauende Instandhaltung zu ermöglichen, wird vonseiten der SBB eine umfassende Monitoring-Lösung gewünscht, die alle Datenquellen zusammenführt und Machine-Learning-Algorithmen nutzt, um Vorhersagen über den Radzustand zu treffen. Das ermöglicht eine Wartungsplanung sowie Kosteneinsparungen dank frühzeitiger Problemerkennung.

Vom Proof of Concept zum laufenden Betrieb

Für die SBB und in enger Zusammenarbeit mit Bahnspezialisten soll ein Team aus Data Scientists und Softwareingenieuren von Zühlke eine Machine-Learning-Lösung entwickeln, um die Instandhaltungsplanung zu vereinfachen. Die Lösung wird nach den Prinzipien des agilen Projektmanagements mit Scrum entwickelt: Aus jedem Sprint geht ein funktionsfähiges Zwischenprodukt hervor.

Radzustandsindex

Zühlke soll ein Dashboard entwickeln, das alle verfügbaren Echtzeitdatenquellen für die Räder abfragt, Echtzeitprognosen des Radzustands liefert und einen umfassenden Überblick über die Radeigenschaften ermöglicht. Zudem wird ein Radzustandsindex erstellt, der die Prognosen mit weiteren verfügbaren Daten kombiniert, damit Züge nach ihrem Radzustand eingestuft werden können, was die Instandhaltungsplanung vereinfacht.

 

Ihre Ansprechpartner

Lassen Sie uns über Ihre Zukunft sprechen

Photo: Herr Philipp Morf

Philipp Morf

Senior Business Solution Manager
Machine Learning