Abstract: Projektets syfte är att ge förutsättningar för transportsystemets olika aktörer att genom digitaliseringens möjligheter verka för ett ökat proaktivt anläggningsunderhåll. De huvudområden som adresseras av projektet är att skapa förutsättningar för en strukturerad hantering av anläggningens tillståndsdata samt att möjliggöra användningen av kvalificerad analys/AI för t ex smarta beslutsstöd, prediktiva nedbrytningsmodeller och datadriven grundorsaksanalys. Dessa förmågor utgör grundläggande förutsättningar för etableringen av ett långsiktigt hållbart digitalt ekosystem där Trafikverket, tågoperatörer, akademi, entreprenörer och leverantörer samverkar i ett dynamiskt, effektivt och säkert nyttjande av tillgängliga data för ett proaktivt tillståndsbaserat underhåll och för annan affärsutveckling av digitala tjänster i branschen. För att nå maximal nytta och genomslagskraft genomförs projektet i samverkan med AI-Factory Railway (AIF/R), Luleå tekniska universitet i syfte att skapa synergier och linjera FOI-arbetet i de två projekten. De två projekten delar sina visioner och målsättningar i många avseenden, men genom att fokusera på myndighetens resp branschens roller och förmågor så kompletterar de varandra. Kontakter har tagits med Research Institutes of Sweden (RISE) för att ingå i en referensgrupp och sprida resultat av arbetet. Genom samverkan med extern forskning ges kontakter med VINNOVAs branschöverskridande forskningsnätverk. Den FOI-höjd som adresseras åskådliggörs i blått i TRL-skalan nedan. Projektets syfte är att ge förutsättningar för transportsystemets olika aktörer att genom digitaliseringens möjligheter verka för ett ökat proaktivt anläggningsunderhåll. De huvudområden som adresseras av projektet är att skapa förutsättningar för en strukturerad hantering av anläggningens tillståndsdata samt att möjliggöra användningen av kvalificerad analys/AI för t ex smarta beslutsstöd, prediktiva nedbrytningsmodeller och datadriven grundorsaksanalys. Dessa förmågor utgör grundläggande förutsättningar för etableringen av ett långsiktigt hållbart digitalt ekosystem där Trafikverket, tågoperatörer, akademi, entreprenörer och leverantörer samverkar i ett dynamiskt, effektivt och säkert nyttjande av tillgängliga data för ett proaktivt tillståndsbaserat underhåll och för annan affärsutveckling av digitala tjänster i branschen. För att nå maximal nytta och genomslagskraft genomförs projektet i samverkan med AI-Factory Railway (AIF/R), Luleå tekniska universitet i syfte att skapa synergier och linjera FOI-arbetet i de två projekten. De två projekten delar sina visioner och målsättningar i många avseenden, men genom att fokusera på myndighetens resp branschens roller och förmågor så kompletterar de varandra. Kontakter har tagits med Research Institutes of Sweden (RISE) för att ingå i en referensgrupp och sprida resultat av arbetet. Genom samverkan med extern forskning ges kontakter med VINNOVAs branschöverskridande forskningsnätverk. Den FOI-höjd som adresserasär nivå 5-7 i TRL-skalan. Projektets målsättning är utveckla och demonstrera generiska förmågor för att dra nytta av Big Data och kvalificerad analys/AI aktörerna, inom och utom Trafikverket, som samverkar i ett proaktivt tillståndsbaserat underhåll genom: 1. Demonstration av kvalificerad analys/AI. 2. Utveckling och direkt tillämpning av analysresultat ger en omedelbar och kostnadseffektiv verksamhetsnytta såväl som långsiktiga vinster. 3. Framtaget förslag till struktur för att hantera data i Big Data-miljö när det gäller anläggningens tillståndsdata. 4. Trafikverksresurser har tränat och testat arbetsmoment i Big Data-miljö, en experimentell miljö som kan hantera stora datamängder och kvalificerad analys. 5. Nya arbetssätt är framtagna för användning av Big Data och kvalificerad analys/AI som grund för tillståndsbedömning av anläggning.
Abstract: The aim of the project is to take into account and also use the advantage of digitalization of Asset Management for a data driven workflow and Advanced Analytics of asset status for actors involved in performing a pro active maintenance. The R&D activities addressed in the project refers to level 5-7 in the TRL scale: * Development of solutions, * Demonstrations of solutions, * Development and test of systems. The goal is to develop and demonstrate generic abilities in the use of Big Data and Advanced Analytics for Trafikverket and involved actors within Asset Management by: 1. Demonstrate Advanced Analytics/AI 2. Development and direct use of results from analysis to perform pro active condition based maintenance activities which provides an immediate and cost-effective business benefit as well as long-term profits. 3. A draft solution for data structure for managing condition data in a Big Data context. 4. Personnel at Trafikverket has trained and tested new ways of working in a Big Data environment concerning data managing and Advanced Analytics. 5. New way of working is developed for use in a Big Data context and Advanced Analytics/AI as a base for data-driven condition monitoring and pro active maintenance. These abilities is fundamental for future connected assets.