Sie möchten diese Information von HOLM mit anderen teilen?

Sie möchten diese Information über einen Social Network- oder einen Bookmark-Dienst teilen:

Facebook Twitter AddThis
×

Besuchen Sie uns:



Förderpartner des HOLM


×
Frankfurt am Main, den 26.02.2018

Ungeplante Stillstände im Bahnverkehr verringern

HOLM-Mieter FCE Frankfurt Consulting Engineers entwickelt neues Verfahren


Verfahren der Vorhersagestatistik und –analytik geben Unternehmen Instrumente an die Hand, um Ausfallzeiten zu reduzieren, indem Maschinen und Apparate vor Eintritt eines Defektes gewartet werden. Das Team von FCE Frankfurt Consulting Engineers GmbH konnte nun in Zusammenarbeit mit DB Systemtechnik GmbH in zahlreichen Berechnungen zeigen, dass potenzielle Ausfallzeiten mit einer Vorhersagegenauigkeit von bis 90 Prozent prognostiziert werden konnten. Im realen Betrieb hätte die Zahl der ungeplanten Stillstände um 30 % reduziert werden können. 

Unter Vorhersagestatistik und -analytik wird die Anwendung statistischer Auswertungsverfahren verstanden, die Beziehungen und Muster innerhalb großer Datenmengen identifizieren und auf Grundlage dieser Muster bestimmte relevante Ereignisse oder Verhalten prognostizieren. Verfahren der Predictive Analytics werden heute etwa im Anlagenbau, in der Luftfahrt oder im Bergbau mit Erfolg eingesetzt.   

Das Feld der Datenanalyse hat im industriellen Maßstab in den vergangenen 15 Jahren massiv an Bedeutung gewonnen. Mathematiker, Informatiker, Ingenieure und Physiker suchen dabei immer neue Anwendungen. Eine ganz naheliegende Anwendung aus der Sicht der Deutschen Bahn ist die sog. Vorbeugende Instandhaltung.

In Zusammenarbeit mit DB Systemtechnik GmbH hat das Team von FCE Frankfurt Consulting Engineers GmbH im House of Logistics and Mobility (HOLM) Datensätze von 45 Fahrzeugen der DB Regio AG analysiert. Das Team berechnete auf Grundlage der Daten mit speziellen Algorithmen die Wahrscheinlichkeit, dass der Stromrichter des Fahrzeugs innerhalb einer  vorgegebenen Zeit ausfallen wird. Mit einer Vorhersagegenauigkeit von bis 90 Prozent konnten die Experten den Ausfall des Bauteils prognostizieren. Die relativ präzise Vorhersage hilft der DB, die Ausfallzeiten von Fahrzeugen zu reduzieren und die Betriebskosten entsprechend zu verringern.

Wolfgang Mergenthaler, Gründer und Geschäftsführer von FCE Frankfurt Consulting Engineers GmbH: „Mit den Berechnungen haben wir den Nachweis erbracht, dass die Verfügbarkeit von Services in zweierlei Hinsicht erhöht werden kann. Zum einen durch Vermeidung ungeplanter Stillstände von Zügen, zum anderen durch die Verkürzung der Fehlersuchzeit in den Fällen, in denen ein Defekt bereits aufgetreten ist.“

Bei der Entwicklung der Prognoseverfahren darf nach Einschätzung von Mergenthaler die Praxistauglichkeit der Methoden nicht aus dem Auge verloren werden. Auch die Fokussierung auf einzelne Paradigmen führe nicht notwendig zum Ziel.  „Die Offenheit und Beharrlichkeit, bestehende und neue Methoden zu verknüpfen, haben uns zum Ziel geführt.“

Mit ersten Voruntersuchungen war dabei die Geschäftseinheit DB Systemtechnik GmbH sehr früh betraut.  Der Traum der Ingenieure und Instandhalter von einer treffsicheren Früherkennung sich anbahnender Defekte an Zügen und Infrastruktur versprach Mitte der 2000er Jahre Wirklichkeit zu werden, als sich schnelle Algorithmen zur Klassifikation hochdimensionaler Sensordaten begannen, in unterschiedlichen Industriebereichen durchzusetzen. Eines der in der breiten Öffentlichkeit am Besten bekannten Beispiele sind die sog. Neuronalen Netze, mit denen es gelang, im Rahmen der Mustererkennung an zweidimensionalen Bildern Objekte zu identifizieren. Das Verfahren entstammt der Methodik des Maschinellen Lernens, bei der dem Rechner eine große Zahl von Mustern gleichzeitig mit dem zu identifizierenden Objekt präsentiert werden, die es gestatten, Funktionen zu entwickeln, die bei Anwendung auf das Muster das wahrscheinlichste Objekt vorschlagen.

Nun ist das Erkennen von Objekten und Kritischen Zuständen an überwachten Maschinen eine Sache, die Vorhersage solcher Zustände aber eine andere. Diese gelingt aber z.B. dann, wenn man präkritische Zustände erkennen kann, denn das Erkennen von präkritischen Zuständen ist naturgemäß äquivalent zur Vorhersage kritischer Zustände.

Das dominierende Ziel der Vorbeugenden Instandhaltung besteht demgemäß in der frühzeitigen Vorhersage Kritischer Ereignisse. Dabei sollte die Vorwarnzeit so groß sein, dass innerhalb dieser Zeit ein vorbeugender Eingriff in das System so erfolgen kann, dass ein größerer Schaden, der einen Systemstillstand verursachen könnte, vermieden wird.  Gemeinhin werden Vorhersageergebnisse über zwei gegenläufige Kennzahlen bewertet.  Der sog. Fehler erster Art – auch Blinder Alarm genannt - gibt die Wahrscheinlichkeit dafür an, ein Kritisches Ereignis vorherzusagen, das im Verlauf der Vorwarnzeit nicht eintritt. Der Fehler zweiter Art gibt die Wahrscheinlichkeit für einen übersehenen Defekt an. Der Fehler erster Art lässt sich nur zu Lasten des Fehlers zweiter Art reduzieren und umgekehrt.

Das von DB Systemtechnik im Jahre 2013 zusammen mit der Firma FCE Frankfurt Consulting Engineers gestartete Projekt unter dem Namen IH-Generik konzentrierte sich von Anfang an auf die Entwicklung von Algorithmen, die bei einer vorgegebenen, tolerablen maximalen Erkennungsrate (=1-Fehler 2. Art) den Fehler 1.  Art minimieren.

Seit dem Frühsommer 2017 werten die Firmen DB Systemtechnik GmbH und FCE Frankfurt Consulting Engineers GmbH Ereignisdaten an Triebzügen vom Typ BR442 von DB Regio AG, Werk Berlin, Region Nordost aus.

Die wichtigsten Kritischen Ereignisse sind hier Defekte an Stromrichtern vom Typ ACM, LCM und MCM, bei denen Leistungshalbleiter degradieren und schließlich zum Defekt führen. Im Vorfeld dieser Defekte wurde ein kausaler Zusammenhang zwischen den Defekten und feuchten Witterungsbedingungen vermutet, der sich im Zusammenhang mit der genannten Zusammenarbeit bestätigt hat

Die eingetretenen guten Ergebnisse können nicht zuletzt darauf zurückgeführt werden , dass alle Beteiligten, d.h. die zuständigen Projektmanager von DB Systemtechnik GmbH, die Instandhaltungsfachleute von DB Regio AG, die Mathematiker von FCE und nicht zuletzt die technologische Keimzelle HOLM bei der Bereitstellung der Daten, der Berechnung der Ergebnisse, der Bewertung der Berechnungsergebnisse und dem campusartigen Arbeitsklima optimale Bedingungen geschaffen haben.

Pressekontakt:


Jürgen Schultheis

House of Logistics & Mobility (HOLM) GmbH
Geschäftsbereich Netzwerk & Kollaboration
Bessie-Coleman Straße 7
Gateway Gardens
60549 Frankfurt am Main

Tel.: + 49 69 / 240070-556

E-Mail: juergen.schultheis@frankfurt-holm.de

Web: www.frankfurt-holm.de