Der Infrastruktur Manager

Predictive Maintenance ist die neue Killerapplication. Um zu Aussagen zu kommen müssen aber erhebliche Vorleistungen erfolgen. Was will ich als Anlagenbetreiber aber ganz genau wissen? Zunächst wie der Zustand meiner Infrastruktur ist und dann welches Fahrzeug wo fährt und wo es wie performt.

Fahrzeugortung auf der Schiene ist einfach und schwer zugleich. Einfach, weil es ja nur zwei Freiheitsgrade gibt, schwer, weil ich Daten zu Ort, Geschwindigkeit und jeweiliger Krümung nur mit sehr viel Mathematik und Statistik genau genau zusammenbringe.

Damit das möglich wird haben wir bei den Wiener Linien eine Reihe von Projekten und Umsetzungen durchgeführt.

Ich möchte kurz die Ergebnisse darstellen und das neueste Projekt Rail Vehicle Localisation vorstellen.

Ziel aller Massbahmen ist es Fahrweg und Fahrzeug in einem sehr guten predictive Maintenance Modell zusammenzubringen.

Für uns ist das wichtig, weil wir ein integrierter Betreiber sind und Kostenoptima gemeinsam realisieren können. Welche Schritte sind wir da gegangen.

Daten im Netz zuordnen, Krümmungsbasierte Verortung

2003 haben wir zwei Gleismesswagen in Betrieb genommen. Dabei wurde schnell klar, dass die Verortung der Messdaten das zentrale Problem der Zukunft ist, an dem alle weiteren Schritte bis zu predictive Maintenance hängen.

Dazu haben wir uns damals einen extrem innovativen und Methoden starken Partner Gesucht: Das Austrian Institute of Technology (AIT) . Ziel war es eine Verortungsmethode zu finden, die keine Sensoren braucht.

Auf diesen beiden Tools bauen fast alle Anwendungen, auch unser GIS-ASSET System auf.

Ein integrierter predictive Maintenance Ansatz von Fahrweg und Fahrzeug braucht nun Kenntnis über Ort und Geschwindigkeit des Fahrzeugs.

Fahrzeuge im Netz zuordnen, Rail Shock Recording

Alexander Litzellachner ist einer meiner Mitarbeiter für dynamische Innovation. In seiner Masterarbeit hat er für die Wiener Linien gezeigt, dass man mit geeigneten statistischen Verfahren oder etwa der SCARM.filter Funktion in R die Geschwindigkeit des Fahrzeugs geschätzt und mittels Sensor Fusion der zurückgelegte Pfad mit seiner Krümmung rekonstruiert werden kann. Auf gut Deutsch: Man zeichnet den Gleisgraphen quasi rückwärts.

Derzeit arbeitet Alex mit dem AIT und Smart Motors Barcelona an „Rail Vehicle Localisation“. Dabei sollen alle möglichen Sensoren und Inputs wie GNSS, GSM, Bluetooth /WLAN usw. Für die Verortung des Fahrzeugs genutzt werden.

Der nächste Schritt wird darin bestehen Fahrzeug und Fahrweg in den Zustandsentwicklungen und den Prognosen dynamisch zu verknüpfen. Dazu mehr im nächsten Blog.