Academics4Rail

Att utveckla algoritmer för automatisk upptäckt av avvikelser och analysverktyg för att förutsäga nedbrytningen av järnvägstillgångar och underlätta utvecklingen av förebyggande underhåll. Att utveckla ramverk och verktyg för beslutsstöd för integrerad prognostik och hälsohantering för planering och schemaläggning av underhåll av tillgångar.

Partners WP8

Luleå tekniska universitet (LTU), University of Applied Sciences and Arts of Southern Switzerland, Slovenian National Building and Civil Engineering Institute, Vilnius Tech, University of Žilina, Brno University of Technology, University of Huddersfield, Trafikverket.

Mål

Academics4Rail är en vetenskaplig gemenskap som på ett organiserat sätt kan dela och utbyta vetenskaplig kunskap med ERJU och ERRAC. Academics4Rail leds av EURNEX med 21 europeiska universitet anslutna. Det vetenskapliga samfundet engagerar sig i specifika teman och skapar 6 doktorandpositioner som kommer att utvidga kunskapen inom 6 specifika områden och möjliggöra samarbete mellan akademi och industri. LTU leder WP8, dvs. PhD5 i Prognostics and health management approach for railway asset maintenance. Målen är att a) utveckla algoritmer för automatisk upptäckt av anomalier och analytiska verktyg för att förutsäga nedbrytningen av järnvägstillgångar och underlätta utvecklingen av förebyggande underhåll, och b) utveckla ramverk för beslutsstöd och verktyg för integrerad prognostik och hälsohantering för planering och schemaläggning av underhåll av tillgångar.

Projektstatus och resultat

Doktoranden kommer att handledas av huvudforskaren vid LTU, och handledas av andra partneruniversitet. Kandidaten kommer att ha regelbundna möten med Trafikverkets experter för datainsamling, förbehandling av data, analys av resultat och validering av systemet. Kandidaten kommer att besöka andra stimulerande och kreativa miljöer, avancerad utbildning, skräddarsydd karriärutveckling och mentorskapsprogram samt tillgång till avancerad teknik och anläggningar från andra institutioner.

Huvudsyftet med detta arbetspaket är att utveckla ett ramverk för beslutsstöd med hjälp av prognostik och hälsostyrning för underhåll av järnvägstillgångar. Dessa mål kan delas in i följande delmål:

• Att identifiera specifikationer och krav för användningsfall
• Att utföra datautvinning, rengöring, förbehandling etc. för att utnyttja data
• Utveckla modeller för upptäckt av anomalier med hjälp av maskininlärning
• Utveckla hybridmodeller för att förutsäga tillgångars hälsa
• Att implementera och utveckla ett integrerat ramverk för beslutsstöd för underhåll för PHM-koncept
• Att främja kunskapsöverföring mellan projektdeltagarna och att sprida, kommunicera och utnyttja forskningsresultaten fullt ut.