
Winter 2024 Produkt Update
20.11.2023
Eisenbahninfrastrukturbetreiber begegnen den „sichtbaren“ Herausforderungen des Winters mit Werkzeugen wie Schneepflügen, Heißluftgebläsen, Dampfstrahlern, Bürsten und Schabern, um Schnee und Eis von Gleisen und Anlagen zu entfernen. Die „unsichtbaren“ Auswirkungen des Winters – vor allem die Auswirkungen des Frosts – werden oft nicht betrachtet. Frost kann unter anderem zu Fehlalarmen oder unnötigen Alarmen in verschiedenen (Überwachungs-)Systemen führen, die zusätzliche Ressourcen beanspruchen.
Nach Angaben von Infrastrukturbetreibern wie Network Rail „(…) arbeiten Tausende Mitarbeiter rund um die Uhr und bei jedem Wetter an der Überwachung, Wartung und Reparatur der Gleise, damit wir den Fahrgästen einen sicheren und zuverlässigen Service bieten können„. Im Winter fällt auf den Gleisen potenziell mehr Aufwand an und die Ressourcen der Infrastrukturbetreiber werden dadurch noch stärker beansprucht. Daher ist es von entscheidender Bedeutung zu erkennen, welche Maßnahmen sich lohnen, weshalb einige Probleme auftreten und wo diese Probleme auftreten.
In der Eisenbahnindustrie ist es üblich, bestimmte Warnmeldungen auf Grundlage definierter Schwellenwerte zu geben. Ein Übermaß an Warnmeldungen kann dabei das Vertrauen der Instandhaltungsteams untergraben und somit die Einführung einer prädiktiven Instandhaltung gefährden. Die Schwierigkeit hierbei liegt in der Identifizierung relevanter Warnungen aus einer langen Liste von bereits erkannten Ereignissen. Somit sind die derzeitigen Verfahren für Warnmeldungen zwar nützlich, haben jedoch ihre Grenzen. Letzteres gilt insbesondere im Winter.
Der Zustand des Gleisbetts ist beispielsweise ein wichtiger Indikator für die Verfügbarkeit und die Gesamtfunktionsfähigkeit von Anlagen. Beeinträchtigungen im Bereich des Gleisbetts – insbesondere die Hohllage – können sich negativ auf andere Komponenten auswirken. Bei auftretendem Frost kann sich das Verhalten des Gleisbetts unter Umständen stark ändern, da es bei Temperaturen unter 0 Grad steif werden kann. Dies kann dazu führen, dass sich gemessene Hohllagewerte plötzlich ändern und vordefinierte Schwellenwerte überschreiten. Dies wiederum kann Fehlalarme zur Folge haben.
Im Winter können bis zu 50 % der Alarme unzuverlässig sein. Dies untergräbt das Vertrauen in digitale Systeme zur prädiktiven Instandhaltung und kann dazu führen, dass Ressourcen nicht optimal eingesetzt werden.
Bei KONUX liefern wir nicht einfach nur Daten, sondern wir verfolgen einen diagnostischen Ansatz, um den Zustand einer Anlage zu verstehen.
KONUX Switch, unser Predictive Maintenance System für Weichen, erfasst kontinuierlich Daten über IIoT-Sensorkomponenten. Auf diese Weise wird der Zustand der wichtigsten Weichenkomponenten überwacht. Zudem werden Datenmuster zum Anlagenzustand analysiert, um Ausfälle zu vermeiden.
Plötzliche Änderungen in den gemessenen Zustandsdaten einer Anlage lösen einen „Smart Alert“ aus. Smart Alerts sind Benachrichtigungen, welche Benutzer darüber informieren, dass wichtige Ereignisse an einer Anlage erkannt wurden. Hierbei werden relevante Informationen wie Weichengrunddaten, Wetterbedingungen, gemessene Zuggeschwindigkeiten und Verkehrszusammensetzung berücksichtigt. Smart Alerts werden dabei nicht durch einfache Schwellenwertüberschreitungen oder isolierte Änderungspunkte in den Daten ausgelöst., sondern algorithmisch für externe dynamische Effekte wie z. B. auftretender Frost korrigiert.
Wird beispielsweise eine plötzliche Veränderung in den Hohllage-Daten festgestellt, wenn der Schotter bei niedrigen Temperaturen gefroren ist, ermitteln unsere Algorithmen, ob Frost der Grund für diese Veränderung ist. Wir erkennen, wenn diese Datenveränderungen nicht auf unmittelbare oder dauerhafte Probleme mit dem Zustand des Gleisbetts hindeuten, sondern eher die Folge einer vorübergehenden Versteifung des Gleisbetts aufgrund des Frosts sind.
Durch das „Unterlassen“ eines Alarms sparen wir den Inspektionsteams wertvolle Zeit und verringern ein unnötiges Sicherheitsrisiko. Das Verständnis des Kontexts und der Ursachen für diese Datenanomalien ist dabei entscheidend für die Relevanz und Verlässlichkeit der Warnmeldungen. Auf diese Weise sind wir in der Lage, über 90 % Genauigkeit bei unseren Prädiktionen zu gewährleisten.
Das nachstehende Beispiel zeigt, wie unser System eine Frostperiode identifiziert und gekennzeichnet hat. Das Gleisbett war gefroren und es wurden plötzliche Änderungen in den Messwerten der Hohllage festgestellt. Die Prädiktion der Hohllage wurde aufgrund der vorübergehenden Änderungen im Verhalten des Gleisbetts ausgesetzt, um keine irreführenden Messwerte oder Warnungen zu liefern, bis die Frostperiode vorüber ist. Ein gefrorenes Gleisbett kann sich zwar vorübergehend auf unsere Messwerte auswirken, hat aber keinen Einfluss auf den langfristigen Zustand der Anlage.
Im nächsten Beispiel stiegen die gemessenen Beschleunigungswerte deutlich an. Dies löste aber keinen Smart Alert aus, da unsere Algorithmen eine Frostperiode als Grund für die Veränderung der Daten feststellten konnte. Als die Frostperiode vorüber war, gingen die Beschleunigungswerte wieder zurück.
Unsere Lösung versteht und identifiziert nicht nur frostbedingte Auswirkungen, sondern stellt diese Informationen auch benutzerfreundlich dar. Dadurch können Infrastrukturmanager die Nuancen von Gleisbettanomalien während Frostperioden erfassen und sind in der Lage, fundierte, datengestützte Entscheidungen zu treffen und sofort erforderliche Maßnahmen effektiv zu priorisieren.
Wir verstehen unsere Nutzer und ihre Bedürfnisse. Unsere Systeme zeigen nicht einfach nur Daten an, sondern bieten Einblicke, die für eine fundierte Entscheidungsfindung erforderlich sind. Wir bieten Klarheit, Kontext und vor allem echte, umsetzbare Erkenntnisse. Durch die Vermeidung von Fehlwarnungen und unzuverlässigen Prädiktionen – insbesondere bei winterlichen Bedingungen – können sich Infrastrukturbetreiber auf die Bewältigung dringender Herausforderungen fokussieren, die sich auf den Betrieb und die Sicherheit auswirken.
Wir sind in der Lage, die Komplexität der winterlichen Bedingungen und die daraus resultierenden Anomalien im Gleisbettverhalten zu bewältigen. Unser Ansatz trägt wesentlich zu einer effizienteren Nutzung von Zeit und Ressourcen bei und verringert vor allem unnötige Sicherheitsrisiken. Durch all dies schaffen wir Vertrauen in die Digitalisierung und die Ansätze zur prädiktiven Instandhaltung.