De Universiteit van Huddersfield gaat met een project van £ 1,8 miljoen onderzoeken hoe technologie als robotisering en data-analyse de efficiëntie en betrouwbaarheid van het onderhoud van het Britse spoorwegmaterieel kunnen verbeteren. Het project Smart Rolling Stock Maintenance wordt gefinancierd door het Europees Fonds voor Regionale Ontwikkeling,
Een team van het Institute of Railway Research (IRR) en het Centre for Planning, Autonomy and Representation of Knowledge (PARK) van de universiteit werkt nauw samen met een reeks industriële partners, waaronder Northern Trains Ltd, Porterbrook en Unipart Rail bij dit project, dat een looptijd heeft van drie jaar. Het project zal het gebruik van industriële automatisering, geavanceerde conditiebewaking en data-analyse, geautomatiseerde onderhoudsplanning en -planning en het gebruik van augmented reality onderzoeken.
Robotica
Industriële automatisering en robotica worden al intensief gebruikt in verschillende industrieën, maar deze technologieën worden momenteel niet benut om treinen veilig te houden en zo efficiënt mogelijk te laten werken. Spoorwegbedrijven zijn vanaf begin 2019 bezig met de geleidelijke invoering van 7.000 treinen – een mix van nieuwe en gereviseerde voertuigen. Er is een aanzienlijke druk om de kostenefficiëntie van de spoorwegsector te verbeteren, waarbij de onderhoudskosten van treinen een aanzienlijk deel van hun levenscycluskosten uitmaken. Nu de Britse regering aandringt op een verlaging van de bedrijfskosten, heeft het vooruitzicht van kostenefficiënt onderhoud duidelijke voordelen.
Passagiersaantallen
Het project zal ook helpen bij de eisen van een post-COVID-19-wereld aan de spoorwegindustrie, waar inkomsten uit passagiersaantallen kunnen fluctueren en de noodzaak om onderhoudspersoneel op veilige afstand te houden van collega’s in onderhoudsdepots voor rollend materieel zijn actuele kwesties.
Onderhoud
Het onderhoud van rollend materieel wordt traditioneel uitgevoerd op een geplande, intervalgestuurde basis en wordt geleid door visuele inspecties. Geavanceerde monitoringsystemen worden al geïntroduceerd op nieuwe treinen en er is een aanzienlijke kans om de gegevens die al worden verzameld te benutten voor vroege interventies en een slimmere benadering van onderhoud.
Besparen
“We denken dat er veel ruimte is om geld te besparen, onderhoud betrouwbaarder te maken en het veiliger te maken voor mensen die in spoorwegdepots werken door meer industriële automatisering te gebruiken. Dat is een belangrijk doel van dit project”, zegt Dr. Gareth Tucker, Principle Industry Fellow bij de IRR. “Sociale afstand nemen is moeilijk voor teams die onder treinen werken, dus meer automatisering is een manier om risico’s te verminderen.”
Kloof
“De spoorwegen willen hun kosten verlagen, vanwege de kloof tussen de vaste exploitatiekosten en de inkomsten “, voegt Paul Allen, hoogleraar spoorwegtechniek en adjunct-directeur bij de IRR toe. “Er is een grote druk van de overheid, post-COVID, om de kosten te verlagen. Dat geeft een extra dimensie aan dit werk. Deze faciliteit ondersteunt die doelstelling om de spoorkosten te verlagen en de veranderende eisen aan de spoorindustrie.”
Ontwikkelingsgebied
Het onderhoud van rollend materieel is een ontwikkelingsgebied voor de IRR, die al faciliteiten van wereldklasse heeft, waaronder een pantograaftestopstelling en een voertuig-spoorinteractie-testopstelling. Drie nieuwe research fellows zullen zich bij het instituut voegen om aan het project te werken, waardoor ze de tijd zullen hebben om nieuwe oplossingen te ontwikkelen in samenwerking met belangrijke industriële partners. Betere manieren om gegevens te interpreteren is een ander belangrijk onderdeel van het project, gericht op een meer gerichte benadering van het onderhoud van rollend materieel.
Betrouwbaarder
“Conditiegebaseerd onderhoud werkt aan dingen wanneer dat nodig is, niet preventief om het risico dat het in de toekomst breekt te verkleinen. Er zou minder onnodig onderhoud zijn en het zou helpen om treinen efficiënter en betrouwbaarder te maken”, voegt dr. Tucker toe. “Treinen verzamelen veel gegevens over hun toestand, maar we denken niet dat deze goed verwerkt zijn. Er zijn duizenden regels met gegevens geproduceerd, en er is een mogelijkheid om naar die gegevens te kijken om dingen beter te plannen, in plaats van alleen gegevens die moeten worden opgeslagen.”
