Absract

Der Vortrag wird folgende Themen behandeln:

• Die Entwicklungen im Bereich der Mobilität und der damit verbundenen Auswirkungen auf den öffentlichen Verkehr
• Die rössten Herausforderungen für die Branche und die Transportunternehmungen:
  • 30 % mehr Kapazitäten aus den bestehenden Infrastrukturen und Anlagen
  • Neue Marktplayer drängen in den Mobilitätsmarkt – Trend zu „Mobility as a Service”

Absract

Die dynamische Kapazitätsplanung und -steuerung bietet grosses Potenzial, die existierende Bahninfrastruktur stärker auszulasten und dabei weiterhin eine gute Betriebsstabilität zu gewährleisten. Eine grössere Belastung führt jedoch auch zu einem höheren Bedarf an Instandhaltungsmassnahmen, welche bei zunehmender Auslastung immer schwieriger einzuplanen sind. Der Vortrag zeigt auf, wie aktuelle Verfahren zur automatischen Fahrplanerstellung erweitert werden können, um Verkehr und Instandhaltung simultan zu planen und dadurch eine integrale dynamische Kapazitätsoptimierung zu ermöglichen.

Absract

Im ausgerufenen Zeitalter der Digitalisierung wird es immer einfacher und vor allem kostengünstiger, das Gleis messtechnisch zu erfassen: Messtechnik ist verfügbar, Datenspeicherung beinahe unbegrenzt möglich. Dennoch, es ist umso wichtiger, zu wissen, was man zu welchem Zweck messen will, mit welcher Genauigkeit, zu welchem Zeitpunkt und mit welcher Genauigkeit. Es besteht die Gefahr, viele Daten zu erheben, die in der Folge nicht ausgewertet werden. Noch höher ist das Risiko, widersprüchliche Daten zu erhalten, Falschmessungen zu generieren und letztlich auch durch die vielen verbauten Sensoren zusätzliche Störungen zu verursachen. Die Möglichkeiten mit Hilfe von Messdaten hilfreiche Information zu generieren sind gegeben. Letztendlich muss das Digitale aber in einer analogen Gleisarbeit seine Ausprägung finden.

Absract

Der Schlüssel zum Erfolg wird zukünftig nicht im Daten sammeln liegen, sondern in der korrekten und intelligenten Auswertung der grossen Mengen an Messdaten. Basierend auf Analysen, Algorithmen, Filter und geeigneten Fehlerkombinationen müssen die Datenmengen reduziert und evaluiert werden. Der Weg von Big Data zu Smart Data ist ein sehr wichtiger Prozess. Dafür dürfen weder Kosten noch Zeit gescheut werden.
Auf dem Weg zu ‘Smarten Daten’ ist die Evaluation von Fehlerkombinationen ein nicht zu vernachlässigendes Element. So ist beispielsweise eine Überschreitung des Verwindungsgrenzwertes in Kombination mit einer zu engen Spurweite und einer hohen Streckengeschwindigkeit viel gravierender als wenn der Grenzwert der Verwindung bei einer unauffälligen Spurweite und niedriger Streckengeschwindigkeit auftritt. Unter Umständen ist die Kombination dieser Parameter so ungünstig, dass der Einzelparameter nicht einmal überschritten ist und trotzdem eine gefährliche Situation im Netz auftritt.
Zukünftig werden noch viel mehr Messdaten zur Verfügung stehen. Solche gefährlichen Fehlerkombinationen frühzeitig zu erkennen wird die grosse Aufgabe der Zukunft sein.

Absract

Um den nachhaltigen Einsatz der finanziellen Mittel für Infrastrukturanlagen gewährleisten zu können, bedarf es einer Kostenbetrachtung des gesamten Lebenszyklus. Im Eisenbahnwesen finden LCC-Rechnungen heute insbesondere Anwendung in der Komponentenwahl der Fahrbahn. Darüber hinaus bietet sich auch die Möglichkeit die wirtschaftliche Nutzungsdauer und damit den Erneuerungszeitpunkt zu ermitteln.
Angesichts der Digitalisierung im Bahnsektor lassen sich derartige Berechnungen nicht nur punktuell, sondern auch für das gesamte Infrastrukturnetz durchführen. Der Vortrag gibt einen Einblick in den bewussten Entscheid zu einer wirtschaftlichen Nutzungsdauer und den Effekt auf die Gesamtkosten der Fahrbahn.

Absract

Online monitoring systems, data analytics methods, advanced models and simulation allow the development of online individual-based (instead of static & population-based) reliability estimation. Online health state estimation and remaining useful life (or reliability) prediction are key enablers for relevant and efficient decision-making in systems health management (PHM framework). In this presentation, we explore the complete processing chain for a system, from deterioration monitoring and health status assessment, to remaining useful life estimation (RUL), right through to online decision-making for predictive maintenance optimization and remaining useful life control, through e.g. system "derating" or reconfiguration. Whereas these different issues are often considered separately, we show some examples to get a better insight into the issues of predictive maintenance or system RUL control issues when considered as a whole.
Christophe Bérenguer is a Professor of Systems Reliability & Maintenance, Monitoring and Control at Univ. Grenoble Alpes, CNRS, Grenoble Institute of Technology (GIPSA-lab), Grenoble, France.

Absract

With the emergence of the Internet of Things and the wide spread of connectivity in the factories, a complete new set of machines, processes and production organization can be put together to boost manufacturing and more generally industry productivity. This Industrial IoT composes one of the 4 key pillars of the industry of the future, together with Human – Robots collaboration, Virtual Reality and Additive manufacturing.
Based on the actual first deployments of a new connectivity system called SenseForge, this presentation explores how wireless sensors can continuously monitor processes and equipment of all types, including legacy non-born digital machines, and thanks to local computing power, provide breakthrough improvement in efficiency of the industry processes.

Absract

Rotorcrafts contain many safety-critical components. Many of these components need to be inspected, overhauled or replaced periodically to ensure their continued safe operation. Maintenance requirements are generally imposed using highly conservative parameters and assumptions. Therefore, having more knowledge about the actual state and history of a component can result in more efficient and tailored rotorcraft-individual maintenance requirements. The deployment of additional sensors and advanced analysis methodologies can predict if maintenance tasks can be waived safely. For example, the recorded flight history of a component can be used to derive its actual in-service usage so-far. And in turn to determine if its fatigue life can be extended safely.
As another example, continuous analysis of dedicated sensors, such as accelerometers, can be used to detect developing faults and to predict useful remaining life. Ideally, maintenance can thus be triggered only when a part is really wearing out. However, to comply with aviation’s strict safety requirements, it is necessary to deploy advanced concepts to safeguard that ‘on-demand’ maintenance does not result in reduced safety. Compliance can come at high costs and may significantly impact the cost-effectiveness of some Condition Based Maintenance designs for rotorcraft.

Absract

Thanks to smart data analysis, predictive maintenance of signal infrastructures can be performed without any additional sensors nor cables. Based on a pilot example of an electronic interlocking, under a current evaluation in Germany, this presentation demonstrates how information and data already available can be used for further analysis. The pilot example covers different use cases for indoor and outdoor equipment: interlocking-computers and switch points among others. Last, we will give a short outlook of other aspects of this field developed by Siemens (technique, operation etc.).

Absract

Although the goal of identifying pre-critical system conditions is well defined and supervised learning methods are successfully applied in other areas as for instance, letter recognition, true success stories are still modest. FCE emphasizes the challenges in the selection of an observable state space, especially when dealing with different data sources. Appropriate data storage technology must be able to map hierarchical system structures and system dependencies. Furthermore, the fact of having a stochastic process with a huge amount of records switching between different operating modes and on the other hand providing only few comparable failures for any given system, produces difficulties in the outcome definition. Beside examples from the industry, FCE talks about lessons learned since the beginning from smart maintenance as well as improvements in the cooperation between different fields of expertise, which are mainly computer science, mathematics and engineering.