National Transport Library Research Database

Fakta eller fiktion? Ett beslutsstödsystem för faktabaserade järnvägsunderhållsbeslut (Fact or Fiction? A decision support system for fact-based decisions in railway maintenance)

  • Bergquist, Bjarne
  • Luleå tekniska universitet, Universitet eller högskola, 202100-2841
Sponsors, duration, budget: Trafikverket ; 2020-08-01 -- 2023-12-31 Registration number:
  • Trafikverket 2020/25832
Subject(s): Online resources: Abstract: Effektiviteten hos en underhållsåtgärd och hur snabbt ett objekt försämras efter underhåll styrs av många orsaker. Typen av underhåll som utförs, miljöförhållanden, underhållsutrustning, men också hur mycket och ofta objektet används påverkar. Det är dock svårt att skaffa sig bra kunskap om dessa orsak-och-verkan-samband (effektsamband) inom komplexa verksamheter såsom järnvägsanläggningar. Tyvärr saknar sektorn ett gemensamt angreppsätt för att kartlägga effektsamband för underhållsåtgärder. Istället får erfarenheter och praktiska överväganden ofta styra underhållsbeslut. Många gånger kan sådana effektsamband finnas beskrivna i litteraturen, men att utgå från ett samband framtaget i en specifik kontext och sedan förvänta sig att förhållandet överensstämmer i ett annat kan vara missledande. Inte sällan är de förutsättningarna i en forskningsstudie mycket olika de som råder för en tänkt tillämpning. Resultat framtagna i Sydeuropa eller till och med södra Sverige kan ha begränsat värde för att förklara utfall i norra Sveriges arktiska klimat. Syfte Projektets övergripande syfte är att utveckla ett ramverk för att kartlägga effektsamband för olika underhållsåtgärders förmåga att återställa anläggningens tillstånd. Projektet har två mer specifika undersyften: 1. Att utveckla ett ramverk för beslutsunderlag baserat på en beprövad experimentell metodik. 2. Att det experimentella beslutsstödsramverket ska vara praktikerorienterat. Mer konkret ska ramverket hantera: - Vilka data som experimentteamet ska samla in och hur man samlar in dem? - Vilket format ska data ha och hur ska data taggas (tid, position)? - Vilka experimentdesigner kan vara lämpliga? - Vilka resurser behöver vi för att utföra ett experiment, alternativt, vad är det mest effektiva experimentet med tanke på våra tillgängliga resurser? - Vilken statistisk signifikansnivå är lämplig? - Vilka resultatvariabler är relevanta och vilka faktorer vill vi undersöka? - Vilka störfaktorer bör vi ta hänsyn till och vilken strategi bör användas för att tolkningen av resultatet ska vara så fritt från såväl teknisk påverkan som från mänsklig tolkningsbias? Abstract: The effectiveness of a maintenance operation and how quickly an object deteriorates after maintenance is dependent on many causes. The type of maintenance performed, environmental conditions, maintenance equipment, but also how much and often the object is used affects. However, it is difficult to obtain good knowledge of these cause-and-effect relationships (effect relationships) in complex operations such as railway facilities. Unfortunately, the sector lacks a common approach to identifying cause-and-effect relations for maintenance measures. Instead, experience and practical considerations are often guided by maintenance decisions. Many times such effect relations can be described in the literature, but to assume a relationship created in a specific context and then expect the relationship to be consistent in another can be misleading. Not infrequently, the prerequisites in a research study are very different from those for a thoughtful application. Results produced in southern Europe or even southern Sweden may have limited value in explaining outcomes in northern Sweden's Arctic climate. Purpose The overall purpose of the project is to develop a framework for mapping effect relationships for the ability of various maintenance measures to restore the asset's condition. The project has two more specific objectives: 1. To develop a framework for decision-making based on a proven experimental methodology. 2. That the experimental decision support framework should be practitioner-oriented. More specifically, the framework will handle: - What data should the experimental team collect and how to collect it? - What format should the data have and how should the data be tagged (time, position)? - What experimental designs might be appropriate? - What resources do we need to perform an experiment, alternatively, what is the most effective experiment in terms of our available resources? - What statistical significance level is appropriate? - Which outcome variables are relevant and what factors do we want to investigate? - What disruptive factors should we take into account and what strategy should be used for interpretation of the result to be so free from both technical influence and human interpretation bias?
Item type: