Langtitel: Wissensbasierte Optimierung des Flotten-Asset-Management

Zuordnung zu unseren (IMW) Forschungsschwerpunkten:  

  • Wissensbasierte Instandhaltung
  • Datenanalyse
  • CRISP-DM
  • Vorausschauende Instandhaltung und maschinelles Lernen

 

Dauer: 01.10.2023 – 30.09.2027

Kurzfassung:

Das Instandhaltungsmanagement von U-Bahn Flotten stützt sich derzeit ausschließlich auf die Analyse von Störfaktoren und der Erfahrung von Experten. Die Möglichkeiten zur fortlaufenden Optimierung der Flotten-Assets nun erschöpft. Es besteht ein Spannungsverhältnis zwischen Sicherheit, Zuverlässigkeit und Kosten, das eine optimale Weiterentwicklung beeinträchtigt. Im Rahmen dieses Projektes mit den Wiener Linien, sollen Sensordaten bzw. Störungsdaten eines konkreten Systems eines Schienenfahrzeuges, des V-Zugs, genutzt werden, um aussagekräftige Informationen zu Instandhaltungskennzahlen zu liefern. Diese Einbeziehung von multimodalen Daten erlaubt eine daten- und wissensbasierte Instandhaltung, die wiederum lebensdauerabhängige und dynamische Optimierungsentscheidungen für den Flotteneinsatz ermöglicht. Dadurch sollen zu jedem Zeitpunkt der Lebensdauer die optimalen und maximal möglichen Sicherheits-, Zuverlässigkeits- und Kosten-Kennzahlen simuliert werden.

Resultate:

Erforschung und Erstellung einer Methodik zur Abbildung und Simulation der Abhängigkeiten von Fahrzeugdaten, Störungen, Instandhaltungsdaten, Zuverlässigkeit, Verfügbarkeit, Instandhaltbarkeit und Unterstützbarkeit (RAMS), und Lebenszykluskosten (LCC) in einem lebensdauerabhängigen, dynamischen und wissensbasierten Modell, welches in der Lage ist, Optimierungen bzw. Veränderungen im Flotteneinsatz oder in der Flotteninstandhaltung und ihre Auswirkungen zu simulieren.

Partner:

Konntaktdetails:

Dipl.-Ing. Andreas Steiner

E-Mail: andreas.steiner@tuwien.ac.at