Disruptiv teknologi til at forudsige fejl på togskinner og på stationer

Togforsinkelser kan være fortid, takket være et system, der forudsiger, hvornår en del af et togspor, signaludstyr eller andre enheder på en station vil sandsynligvis mislykkes. Det gør det ved at bruge tusindvis af sensorer og 3D-modellering, der kan bruges til store data.

Systemet, i øjeblikket under udvikling, vil også give ingeniører mulighed for at bruge Augmented Reality (AR) via en smartphone eller et hovedmonteret display (HMD) til at lokalisere fejlbehæftede komponenter eller strukturfejl og læse instruktioner på skærmen i realtid for at hjælpe dem med reparationer.

Projektet er et samarbejde mellem University of the West of England (UWE Bristol), smart ingeniørløsninger virksomhed Costain og opstart af ingeniørteknologi Aktiver mit team (EMT), som er projektleder.

Et netværk af Internet of Things (IoT) sensorer vil i første omgang blive installeret i 2019 i London Bridge Station, som skal bruges som teststed. Sensorerne indsamler data om spor og stationsfaciliteter, såsom ventilationssystemer, barrierer eller belysning, før den sendes til en software kaldet i-RAMP (IoT-aktiveret platform til overvågning af jernbaneaktiver og forudsigelig vedligeholdelse).

Systemet vil derefter bruge kunstig intelligens (AI) teknikker til at analysere dataene og til at forudsige, hvornår der sandsynligvis vil opstå en fejl og fremhæver eventuelle stresspunkter eller komponentfejl på en 3D-virtuel model af stationen og sporene.

Det forventes færdiggjort i april 2020, hvorefter det vil blive testet med udvalgte kunder i op til ni måneder. Fem andre togstationer i Storbritannien er blevet kontaktet for at tjene som teststeder for teknologien. Rulningen af ​​ordningen er planlagt til 2021.

Professor Lukumon Oyedele, Assisterende rektor, Digital innovation og virksomhed, hvem er hovedforsker på projektet ved UWE Bristol, sagde:"Hver dag i Storbritannien, produktionen påvirkes negativt af de hundredvis af timer, der går tabt på grund af togforsinkelser, ofte forårsaget af defekte signalbokse eller ødelagte spor.

Systemet gør det muligt for virksomheder at løse et problem, før det overhovedet bliver et, og på et tidspunkt, hvor pendling ikke forstyrres, alt takket være IoT -sensorerne i stationen og på banen. "

IoT -sensorer kan overføre en lang række forskellige data, herunder vibrationer, belastning eller pres på en struktur, fugtighed eller temperatur. Ved hjælp af flere sådanne komponenter vil togselskaber og stationschefer kunne overvåge mange dele af et tognet på samme tid.

Sandeep Jain, hvem er grundlægger og administrerende direktør hos Enable My Team (EMT), sagde:"i-RAMP kunne bringe pålidelighed til de 1,7 milliarder årlige passagerrejser på den britiske jernbane, øge produktiviteten i hele landet. Med machine learning og big data -behandling kan vi forudsige problematisk vegetation, beskadigede strukturer og defekte signaler, tillader reparationer at blive gennemført, før der opstår problemer. "

Systemet giver også ingeniører mulighed for at bruge Augmented Reality (AR) -teknologi, der giver dem information om placeringen af ​​defekte komponenter og giver vejledning i, hvordan det løses. Udover at orientere dem til det nøjagtige sted, hvor problemet ligger, det vil også give dem instruktioner i realtid og advare om farer ved reparationerne

Professor Oyedele sagde:"Ved at bære et headset eller bruge deres mobiltelefoner, ingeniører kan se instruktioner lagt oven på leddet eller det elektriske kredsløb, som de reparerer eller udskifter. Det kan f.eks. Give oplysninger eller advarsler om tilstedeværelsen af ​​højspænding i en sektion af et kontrolpanel, eller hvordan man adskiller et elektrisk kredsløb i en signalboks på en sikker måde. "