🚊Vorausschauende Instandhaltung auf Schiene

Ein Anwendungsbericht über den Einsatz von Predictive Maintenance bei Einstiegssystemen im Schienenverkehr

Philip Vodopiutz (IPN Intelligent Predictive Networks GmbH)

Die Digitalisierung im Schienenverkehrsbereich bietet neue Chancen und Herausforderungen für Systemlieferanten: Indem sie ihre Produkte mit Sensoren ausstatten und diese mit den Informationen aus anderen Systemkomponenten kombinieren, lassen sich drohende Ausfälle frühzeitig vorhersagen, vorausschauende Instandhaltungsmaßnahmen einleiten und Lebenszykluskosten reduzieren.

Ausgangssituation

Der Schienenverkehrsbereich unterliegt einem strukturellen Wandel, welcher die Digitalisierung der Branche und der genutzten technischen Gewerke unumgänglich macht.

• Verdichtete Intervalle führen dazu, dass Verspätungen große Auswirkungen auf das Schienenverkehrssystem haben und mit hohen Pönalen belegt werden.
• Die Themen Life Cycle Costing (LCC) und Flotten Monitoring erhalten eine wesentlich höhere Bedeutung, insbesondere da die Wartung von Zugflotten an Dritte ausgelagert wird.
• Branchenfremde Wettbewerber drängen über den Bereich „Digitale Services“ in die Branche und bieten Services für Subsysteme von Dritten.

Das führt zu neuen Anforderungen an das rollende Material. So werden Zustandsindikatoren oder Rohdaten der einzelnen Subsysteme eines Reisezuges sowie garantierte Life Cycle Costs und die Möglichkeit zur Überwachung gefordert.

Für die Subsystemlieferanten bedeutet dies, dass Sie nicht nur ihre Produkte zur Datenlieferung befähigen, sondern ebenso mit der Entwicklung von Zustandsindikatoren und Prognosen beginnen müssen. Andernfalls müssten sie Rohdaten und damit IP relevante Informationen offenlegen.

Im Gegenzug erhalten die Lieferanten erstmalig Zugang zu Informationen über die tatsächliche Nutzung ihrer Produkte und die daraus resultierenden Fehlerzustände. Das eröffnet großes Potential zur Optimierung der Produkte und des Claim Managements.

Ziel

Der Hersteller von Einstiegssystemen plant die Einführung von Predictive Maintenance (PdM) sowie die Integration der zugrundeliegenden Technologien in die eigenen Kernbereiche (Entwicklung, Service). Dadurch soll das Unternehmen befähigt werden, den Zustand der Einstiegssysteme im Feld zu überwachen, Fehlfunktionen frühzuerkennen und die Produktentwicklung zu optimieren. Langfristig sollen neue datenbasierte Servicemodelle entstehen.

Lösung

Um die Anforderungen zu erfüllen wurde ein durchgängiges, softwaregestütztes Verfahren von der Datenerzeugung, über den Datentransfer bis hin zur Prognose eingeführt.

• Die benötigten Daten wurden identifiziert, Qualitätssicherungsroutinen erstellt und eine sichere Datenübertragung entwickelt.
• Es wurden automatisierte Verarbeitungsroutinen entwickelt um auch die implizite Information (Bspw. Datenmuster im Zeitverlauf) in den Signalen nutzbar zu machen.
• Gemeinsam mit Schlüsselkräften aus den Fachbereichen wurden Indikatoren und Prognosemodelle entwickelt.

Nutzen

Durch die Einführung von Predictive Maintenance konnte das Unternehmen die Verfügbarkeit seiner Einstiegssysteme erhöhen und die Life Cycle Costs reduzieren. So kann heute bspw. eine Schwergängigkeit der Türe frühzeitig erkannt und das Blockieren rechtzeitig verhindert werden. Durch eine Einschulung in die genutzten Technologien kann das Unternehmen weitere Zustandsindikatoren entwickeln und anhand von Prüfstands Daten eventuelle Designschwächen noch vor der Produkteinführung identifizieren.