![](/layout/silnicezeleznice/images/pointer_sipka.gif)
![](/layout/silnicezeleznice/images/pointer_sipka.gif)
![](/layout/silnicezeleznice/images/pointer_sipka.gif)
Nasazení řešení prediktivní údržby v železniční dopravě: Co jsme se naučili v leteckém průmyslu
Rubrika: Železniční infrastruktura
Zatímco evropský trh osobní železniční dopravy neustále roste, železniční dopravci na celém kontinentu jsou pod tlakem na zvýšení kvality svých služeb a udržení si svých zákazníků.
Jedním z návrhů předložených OEM výrobci, který s tím má dopravcům pomoci, je proaktivní údržba (Predictive Maintenance), tedy řešení, které identifikuje hrozící poruchy vlaků a předvídá optimální časy pro údržbu. Výsledkem je, že dopravci mohou reagovat a provádět nezbytné opravy dříve, než se vlak porouchá a ovlivní tak poskytování služeb. Úspěch, kterého tato technologie již dosáhla, vedl k tomu, že se rychle stala jednou z nejvyhledávanějších MRO (maintenance, repair and overhaul) strategií v odvětví.
Nedávné pokroky v oblasti senzorů a komunikačních technologií vedou k nepřetržitému sběru dat z různých systémů a subsystémů ve vlacích. Díky tomu je možné nepřetržitě monitorovat mechanické a elektrické podmínky, provozní efektivitu a celou řadu dalších ukazatelů výkonnosti. Tyto nové schopnosti umožňují naplánovat činnosti údržby s ohledem na maximální intervaly mezi opravami, při současné minimalizaci počtu a nákladů na neplánované odstávky způsobené výpadky systémů.
Běžné mechanické druhy poruch degradují rychlostí přímo úměrnou jejich závažnosti. Jestliže je problém detekován dříve, lze se obvykle vyhnout zásadním opravám. Dnešní technologie umožňují dostupným způsobem sbírat obrovská množství dat ze stovek systémů v jednom vlaku, analyzovat tato data v reálném čase a odhalovat problémy dříve, než skutečně nastanou.
PŘÍNOSY PROAKTIVNÍ ÚDRŽBY
Hlavní výhody proaktivní údržby zahrnují dostupnost vlakové služby a nákladovou efektivitu. Proaktivní údržba pomáhá zvyšovat spolehlivost, snižovat náklady na údržbu, zlepšuje celkovou efektivitu dopravních systémů a v konečném důsledku vede ke zvýšení bezpečnosti a spokojenosti zákazníků.
Dostupná řešení mají rychlou návratnost investic a zároveň kompletně mění prostředí údržby. Počítačové systémy se rychle vyvíjejí v inteligentní palubní systémy, aniž by přenášely data do vzdáleného cloudu. Tyto technologie jsou ale nové a jako takové jsou zatím v rámci tohoto odvětví nedospělé. Nicméně, proaktivní údržba je vyspělým a již prověřeným konceptem v jiných odvětvích, jako je letecký průmysl. Například aerolinky využívají proaktivní údržbu u leteckých motorů již více než pět let a experti na tuto oblast nyní přinášejí svoje dovednosti do odvětví železniční dopravy, aby v něm provedli stejnou revoluci v oblasti proaktivní údržby, jakou si již dříve prošel letecký průmysl.
S ohledem na poznatky z leteckého průmyslu by měli železniční dopravci a OEM výrobci provést tyto čtyři kroky k úspěšnému nasazení řešení proaktivní údržby:
1) Volba správného systému či podsystému pro predikci
Volba systému je nejkritičtějším krokem při tvorbě řešení proaktivní údržby. Je velmi důležité definovat úzké zaměření a nesnažit se předvídat úplně všechno. Typickým příkladem takového systému mohou být dveře.
Je proto důležité zjistit, co je možné předvídat. Nesprávný výběr systémů může vést nejen k neúspěšnému výsledku, ale také snížit důvěru v celé řešení.
2) Získání nezbytných dat
Obecně se předpokládá, že pouhý objem dat generovaných ze systémů je dostatečný, aby z něj bylo vytvořeno řešení proaktivní údržby. Je ovšem třeba pamatovat na cíle shromažďování všech souborů dat. Možná by data měla být dodávána výrobcem zařízení i bez ohledu na řešení proaktivní údržby.
Proto je příprava dat potřebných pro vytvoření řešení proaktivní údržby jednou z klíčových aktivit v procesu vývoje řešení. Ne vždy jde o data, která dopravci již mají, ale o data, která řešení potřebuje. Správné pochopení cílů musí nutně přijít s požadovanými sadami dat.
Využití přístupu shora dolů zde často vede k úspěšnému výsledku. V tomto případě jsou nejdříve jasně definovány obchodní cíle, dříve než jsou identifikovány požadované datové sady a pak jsou připravena data pro vytvoření algoritmu.
3) Propojení zkušeností z železniční dopravy s datovou analytikou
Obecně se předpokládá, že k vytvoření špičkového algoritmu pro řešení proaktivní údržby stačí specialista na analýzu dat. Datový analytik sice může vytvořit jakýkoli algoritmus, ale pro sestavení správného algoritmu pro potřeby konkrétního podniku je třeba mnohem víc. Zkušenosti ukazují, že opravdovým hybatelem v dosažení úspěšného řešení je specialista na danou oblast a nikoli datový analytik, protože jen specialista může dovést analytika k vytvoření správného algoritmu. Interpretace modelů – například vibrací a hluku – je klíčovou oblastí, ve které může expert na železnici vést datového analytika, aby nepřeceňoval náhodná zjištění.
4) Identifikace přidané hodnoty proaktivní údržby pro strategie údržby
Rozsah řešení proaktivní údržby může jít nad rámec pouhého předpovídání chyb, jelikož ve většině případů není předpověď jediným cílem. Jde také o identifikaci různých obchodních scénářů a vytváření vhodných normativních akcí.
Proto by mělo efektivní řešení proaktivní údržby podporovat týmy údržby rovněž i při plánování inventáře pro výměnu součástek a navrhování, které systémy potřebují upgrade svého designu s ohledem na jejich trvale slabý výkon. To je možné díky pochopení důvodů, vedoucích k různým vzorcům chyb a jejich roztřídění do různých akčních souborů. Taková řešení proaktivní údržby myslí jak na krátkodobé, tak i dlouhodobé cíle.
Zatímco se zdá, že si proaktivní údržba získává svoji pozici v odvětví železniční dopravy, OEM výrobci by se měli podívat na úspěchy, kterých již dosáhla v jiných odvětvích, jako je letecký průmysl, aby mohli dodávat efektivní řešení. Úspěch proaktivní údržby leží ve výběru správného systému, vytvoření a připravení nezbytných dat a získání správné kombinace expertů na železnici a analýzu dat do řešitelského týmu.
Kromě toho by se měli OEM výrobci zaměřit na to, aby proaktivní údržba poskytovala více, než jen pouhou predikci chyb, ale například také na identifikaci systémů, které potřebují upgrade svého designu. A konečně, kromě zvýšení dostupnosti a efektivity nákladů, cestující vlakem ocení méně zpoždění a zvýšení bezpečnosti, což vede k vyšší spokojenosti zákazníků.