Predictive maintenance na kolei, cz. 3

Predictive maintenance a przewidywanie wypadków na kolei

Jakie korzyści oferuje predictive maintenance branży kolejowej i dlaczego szczególnie dziś niezbędne są inwestycje w tego typu rozwiązania? – Rozwiązania techniczne wdrażane na kolei są coraz bardziej złożone. W celu ujarzmienia tej złożoności systemy predykcyjne gromadzą szczegółowe dane diagnostyczne. Przetwarzanie tych danych pozwala zdobyć wiedzę, dzięki której kolej staje się bardziej ekologiczna i efektywna kosztowo. Uzyskana wiedza jest również niezbędna w procesie analizy ryzyka i przy podejmowaniu decyzji związanych z zarządzaniem nim – podsumowuje dr inż. Andrzej Kochan, dyrektor Ośrodka Certyfikacji Transportu Politechniki Warszawskiej.

Choć pojęcie predictive maintenance nie jest równoznaczne z predykcją wypadków, może znacząco wpłynąć na proces minimalizowania tych z nich, których bezpośrednią przyczyną jest awaria zasobu wykorzystywanego w procesie sterowania ruchem kolejowym bądź stanowiącego element taboru. – Wypadki mogą, ale nie muszą być efektem wystąpienia uszkodzenia urządzenia. Wpływ na zaistnienie wypadku mają także kwestie społeczne (tzw. czynnik ludzki), oddziaływanie otoczenia (w tym m.in. otoczenia naturalnego) i wiele innych zmiennych– zauważa dr hab. inż. Jarosław Moczarski, prof. Instytutu Kolejnictwa.

Aby stanowić skuteczne narzędzie wspomagające procesy utrzymania urządzeń i ruchu kolejowego, predictive maintenance musi opierać się na przemyślanym i umiejętnym stosowaniu diagnostyki. – Polega to na wskazaniu minimalnej liczby parametrów, których monitorowanie pozwoli oceniać stan techniczny urządzenia i tempo oraz kierunki zachodzących zmian. Do tego celu potrzebna jest wiedza o przebiegu procesów zużycia poszczególnych elementów oraz ich wpływie na stan techniczny całego urządzenia – dodaje dr hab. inż. Jarosław Moczarski.

Równie istotna jest inwestycja w komputerowe systemy diagnostyczne, które zapewnią właściwe przetwarzanie i analizę danych zgodnie z zadanymi parametrami. – Dane niezbędne do analizy można pozyskać na dwa sposoby: z sensorów zainstalowanych w obszarze infrastruktury kolejowej lub na pojeździe oraz ze stacjonarnych lub mobilnych systemów pomiarowych – wyjaśnia Sebastian Kałuża, dyrektor ds. Rozwoju Produktu w Nevomo.

Beata Pałac

Dziennikarka specjalizująca się w tematyce naukowo-technicznej i analizach gospodarczych, współpracuje m.in. z dywizją EMEA Mitsubishi Electric; jako praktyk zarządzania kieruje międzynarodowym zespołem osób i aktywnie działa w sektorze NGO