Predictive maintenance na kolei, cz. 7

Koszty i korzyści związane z predictive maintenance

Wśród kosztów związanych z wdrożeniem typowego systemu predykcyjnego wymienić możemy koszty technologiczne, analizy danych, szkoleń i edukacji, a także utrzymania oraz implementacji. Czy – wziąwszy pod uwagę wszystkie wymienione wcześniej zalety tego typu rozwiązań – bazowanie na nich jest dziś korzystne finansowo? – Ostateczna kwota inwestycji różnicuje się w zależności od konkretnego projektu, jednak każdorazowo przed wdrożeniem systemu predykcyjnego należy przeprowadzić dokładną analizę kosztów i korzyści, która uwzględni specyficzne wymagania i cele projektu. Taka analiza wykaże, czy dane przedsięwzięcie będzie opłacalne i czy może przynieść zwrot z inwestycji, zarówno materialnych, jak i niematerialnych – zauważa Sebastian Kałuża. Bazując na wieloletnim doświadczeniu ,ekspert wskazuje ponadto, iż mimo że inwestycja początkowa jest znacząca, długoterminowe korzyści najczęściej pozwalają uzasadnić ją biznesowo, i dodaje: – Należy również zwrócić również uwagę na korzyści niematerialne w postaci zapewnienia większego bezpieczeństwa, pozytywnego wpływu na środowisko naturalne oraz zwiększenia efektywności całego procesu przewozowego.

Ze stwierdzeniem tym zgadza się dr inż. Andrzej Kochan: – Można byłoby stwierdzić, że predykcja wypadków czy sytuacji niebezpiecznych nie ma swojej ceny. Niestety, nawet ten element działalności przedsiębiorstwa kolejowego musi być osadzony w aktualnej rzeczywistości ekonomicznej. Należy zatem inwestować w systemy predykcji wypadków, jednak celem powinno być wprowadzanie procesów zapobiegania sytuacjom niebezpiecznym, które wykorzystują te systemy, a zidentyfikowane zagrożenia są systemowo niwelowane przez natychmiastowe działania – podkreśla dyrektor Ośrodka Certyfikacji Transportu Politechniki Warszawskiej.

Aby inteligentne systemy kolejowe mogły stać się stałym elementem rynku przewozów kolejowych, przynosząc korzyści zarówno w obszarze bezpieczeństwa, jak i efektywności operacyjnej, niezbędny jest wspólny wysiłek wszystkich interesariuszy tego procesu. – Musimy zdefiniować nowe standardy branżowe w tym zakresie, wspólnie rozwijać coraz bardziej zaawansowane algorytmy posiadające dostęp do zróżnicowanych jakościowo i ilościowo danych i zagwarantować, by postęp technologiczny szedł w parze z przepisami i edukacją pracowników spółek kolejowych – podsumowuje 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