Romonto

Die Integration von Diagnosefunktionen in ein (neues) Schienenfahrzeug ist ein Schlüssel für eine gewinnbringende Verknüpfung von Betriebsdaten und Instandhaltung. Dabei werden in einem ersten Schritt die Anforderungen von Smart Maintenance an das Fahrzeug festgelegt. Das beinhaltet unter anderem Informationen darüber, welche Systeme berücksichtigt werden sollen, als auch den Systemzustand, welcher gemessen werden soll inkl. dessen Bewertungsschwellen. In einem zweiten Schritt wird eine Anforderungs- und Systemspezifikation des Diagnosesystems erstellt. Dies berücksichtigt den Funktionsumfang, die Schnittstellen und Erfüllungskriterien während der Validierung zur Sicherstellung einer hohen Zuverlässigkeit und Genauigkeit der Diagnosedaten.

Enotrac bietet grundsätzlich zwei Varianten zur Erfassung von Diagnosedaten an:

• Einbetten von Softwarefunktionen in die Fahrzeugsteuerung (z. B. in Refit-Projekten)
• Einsatz einer separaten Hardware, die an den Datennetzen angeschlossen wird und Diagnosedaten auf dem Fahrzeug verwaltet. Das Gerät übernimmt die Datenübertragung in die landseitige Datenbank. Die Fahrzeugleittechnik kann so von den Diagnosefunktionen entlastet werden oder die Zentralisierung rückwirkungsfrei umgesetzt werden.

Die Übertragung folgt den Vorgaben aus IEC 61375-2-6 unter Berücksichtigung der kundenseitigen IT-Umgebung.

Im Rahmen der Typenprüfungen von Fahrzeugen werden die spezifizierten Anforderungen validiert. Enotrac unterstützt bei der Analyse der Versuchsergebnisse und der Rückführung der Erkenntnisse in die Optimierung des Diagnosesystems. Dadurch können bereits während der Betriebserprobung eine verlässliche Datenbasis sichergestellt und Schwächen in der Implementation frühzeitig erkannt und beseitigt werden.

Mit den gesammelten Daten lassen sich die Charakteristiken der Messgrössen wie Sensitivität, Streuung und ihre Einflussgrössen schnell «kennenlernen» und bewerten.

Enotracs Romonto bietet eine homogene, aber gleichzeitig flexible Modellierung der Fahrzeuge, mit dem die eingehenden Daten verknüpft werden. Neben mobilen Datenquellen können so auch infrastrukturseitige Sensoren angebunden werden. Die Funktionen und Performance können dabei sehr flexibel an die Bedürfnisse des Kunden angepasst werden.

Ein entscheidender Baustein für den Erfolg und den Nutzen eines zentralen Diagnosesystems ist die Verarbeitung der gespeicherten Daten. Dank übersichtlicher Darstellung der relevanten Ereignisse und Flottenzustände können schnell Anomalien erkannt und Gegenmassnahmen eingeleitet werden.

Enotrac bietet web-basierte Tools für den Zugang zu den Daten an, die in weiten Teilen an die Bedürfnisse des Kunden angepasst und gemeinsam optimiert werden können. Dabei werden alle Arten von Endgeräten unterstützt. Parallel zur Visualisierung können die Daten über Schnittstellen automatisiert an andere Verarbeitungstools weitergegeben werden.

Der Einbezug sehr vieler und qualitativ guter Daten, die in einem Diagnosesystem normalerweise anfallen, ist die Grundlage für die Nutzung der Vorteile von prädiktiver Instandhaltung. Die vorangehenden Schritte Spezifikation und Validierung stellen sicher, dass die notwendigen und korrekten Daten zur Verfügung stehen.

Zusammen mit erfahrenen Partnern aus dem Bereich Big Data Analysis und Fachexperten aus dem Bereich Rollmaterial-Instandhaltung ist Enotrac in der Lage, tiefgreifende Analysen mit den gespeicherten Daten durchzuführen und im Bahnumfeld zu interpretieren. Daraus lassen sich beispielsweise die Instandhaltung proaktiv planen, wenn der Ausfall einer Komponente vorhersehbar ist, oder Schwächen im Systemdesign gezielt beseitigen.

Dies lässt sich am Beispiel von Türausfällen zeigen. So kann durch automatisierte Detektion von Türausfällen frühzeitig reagiert werden, bevor eine manuelle Meldung im System erfolgt ist.

Enotrac kann die aus den Analysen gewonnenen Erkenntnisse mit den vorhandenen IH Management Tools des Betreibers verknüpfen und so die Information ohne Umwege zurückfliessen lassen.

Dies umfasst beispielsweise:

• Automatisierte Benachrichtigung der Instandhaltung über aufgetretene Defekte anstelle von manuellen Meldungen
• Vorhersage einer Resteinsatzdauer eines Teilsystems zusammen mit einer Instandhaltungsempfehlung
• Automatisierte Erstellung von Instandhaltungsaufträgen, z.B. für die Materialdisposition.