National Transport Library Research Database

AIFR - Feasibility Study: Asset management digitalised overhead catenary

  • Karim, Ramin
  • Luleå tekniska universitet, Universitet eller högskola, 202100-2841
Sponsors, duration, budget: Trafikverket ; 2021-09-01 -- 2023-12-31 Registration number:
  • Trafikverket 2021/105053
Subject(s): Online resources: Abstract: Kontaktledning (KTL) är ett av de mest känsliga delsystemen i ett elektrifierat järnvägssystem. Tillförlitligheten hos KTL påverkar järnvägssystemets övergripande tillgänglighet. I Sverige orsakar fel relaterade till luftledningen mer än 1000 fel årligen, varav mer än 30 % (cirka 400 fel) ger minskad punktlighet (se Kontaktledningsfel – statistik - Trafikverket). Effekten av dessa fel på tågdriften beräknas till cirka 6000 timmar per år. För att förbättra punktligheten i driften och minska kostnaderna för oplanerade ad-hoc-underhållsaktiviteter, tror man att implementering av ett automatiserat underhåll baserat på kontinuerlig tillståndsövervakning är relevant och väsentligt. Automatisk tillståndsövervakning och bedömning av hundraårsåterkomster kan underlättas genom utökat utnyttjande av digitalisering och artificiell intelligens (AI). Därför är huvudsyftet med detta projekt att undersöka möjligheten att använda AI och digital teknik för att möjliggöra en automatiserad underhållsmetod för övervakning och bedömning av järnvägens kontaktledning. På grund av att Trafikverket inspekterar avståndet mellan förstärkningsledaren och avspänningslinan fokuserar detta projekt på att mäta avståndet mellan dessa tillgångstyper. Projektet kommer att fokusera på att svara på följande forskningsfrågor: 1. Vilka är behoven och kraven relaterade till tillståndsövervakning av förstärkningsledaren och avspänningslinan 2. Vilka är de kommersiella möjligheterna och begränsningarna? 3. Omfattar Trafikverkets interna förmåga och upphandlade externa förmåga 4. Vilka datauppsättningar finns tillgängliga? 5. Vad är kvaliteten på dessa datamängder ur konsumentperspektiv? 6. Vilka är de relevanta och tillämpliga AI-modellerna för analystjänsterna? 7. Hur ska ett fullskaligt projekt utformas för att utveckla och implementera automatiserad tillståndsövervakning av kontaktledning på Trafikverket? Resultaten av dessa projekt förväntas förbättra punktligheten i hela järnvägssystemet i Sverige, genom att ta itu med frågor som rör tillståndsövervakningen av kontaktledningen. Fokus kommer att läggas på att upptäcka och förutsäga om avståndet mellan ledningarna har/kommer att överskrida underhålls- och säkerhetströskelvärdena.Abstract: The Overhead Catenary System (OCS) is one of the most sensitive subsystems in an electrified railway system. The reliability of the OCS affects the overall availability of the railway system. In Sweden, failures related to the overhead line cause more 1000 faults annually, of which more than 30% results (around 400 faults) in reduced punctuality (see Kontaktledningsfel – statistik - Trafikverket). The impact of these faults on train operation is calculated to around 6000 hours yearly. It order to improve punctuality in operation and reduce the cost of unplanned ad-hoc maintenance activities, it is believed that implementation of an automated maintenance based on continuous condition monitoring is relevant and essential. Automated condition monitoring and assessment of centenary items can be facilitated by enhanced utilisation of digitalisation and Artificial Intelligence (AI). Hence, the main objective of this project is to investigate the feasibility of using AI and digital technologies to enable an automated maintenance approach for monitoring and assessment of railway catenary items. catenary. Due to the fact that Trafikverket inspects the distance between the reinforcement conductor and the tension wire, this projects focus on to measure the distance these asset types. The project will focus to answer the following research questions: 1. Which are the needs and requirements related to condition monitoring of reinforcement conductor and the tension wire? 2. Which are the commercial opportunities and limitations? 2.1 Includes the Swedish Transport Administration's internal capability and procured external capability 3. Which datasets are available? 4. What is the quality of these datasets from the consumer perspective? 5. Which are the relevant and applicable AI-models for the analytics services? 6. How should a full-scale project be designed to develop and implement automated condition monitoring of catenary at Trafikverket? The project will also bring additional insights by exploring the additional domain specific questions such as: * Business-related, * Which business scenarios are appropriate for the establishment of a holistic service provisioning from a cost-benefit perspective?, * Which payment scenarios can be applied to support the various business scenarios?, * Governancel-related, * Which govenance models are appropriate for the sharing of data, models, and services?, * How should the governance models adapted to enable various business scenarios?, * Technology-related, * Which are the appropriate architectures for enabling of distributed computing to support analytics at Trafikverket?, * Which software implementation models are suitable for materialisation of technology architectures? This research will be based on the development of models for data analytics which embed physical and spatial (geometrical) parameters of overhead wires in data-driven approaches. The outcomes of this projects are expected to improve punctuality in the whole railway system in Sweden, by addressing the issues related to the condition monitoring of the catenary. Focus will be placed on detecting and predicting if the distance between wires has/will exceed the maintenance and safety thresholds.
Item type: