eMaintenance-lösning för förbättrad tillgångshantering inom järnväg - med hjälp av industriell AI
Projektet syftar till att effektivisera och optimera kapitalförvaltning och järnvägsunderhåll, med fokus på järnvägsinfrastruktur.
Målsättning
Utveckla AI-lösningar för underhåll av järnvägar
Projektstatus och resultat
Projektet syftar till att effektivisera och optimera kapitalförvaltning och järnvägsunderhåll, med fokus på järnvägsinfrastruktur. Ur ett akademiskt perspektiv kommer projektet att utforska och undersöka hur teknik och metoder inom s.k. "Industrial Artificial Intelligence (IAI)", inkl. djupinlärning, kan användas för att utveckla eMaintenance-lösningar som bidrar till att förbättra TAK, eng. OEE och effektivisera infrastrukturhanteringen av järnvägsinfrastruktur.
Projektet bygger på tidigare forskningsresultat och erhållna forskningsresultat som genomförts inom forskningsområdet eMaintenance vid Luleå tekniska universitet. Forskningen inom eMaintenance syftar till att möjliggöra och underlätta komplexa dataanalyser i drift- och underhållsprocessen.
Detta projekt kommer att syfta till att utforma ramverk, tillvägagångssätt, teknik och metoder baserade på "industriell AI" som bidrar till faktabaserat beslutsstöd vid drift och underhåll av järnvägsinfrastruktur.
Projektet utför en litteraturstudie och en översikt av den senaste forskningen inom området järnvägsinfrastruktur, artificiell intelligens och maskininlärningsmetoder.
Forskare: Jaya Kumari (doktorand), Ramin Karim (PL), Miguel Castano
Sponsor: Trafikverket/JVTC
Varaktighet: 2019-2023
Uppdaterad: