eMaintenance-lösningar för förbättrad smart tillgångshantering inom järnväg med hjälp av industriell AI

(AI-fabrik / Järnväg)

Målsättning

Projektet syftar till att effektivisera och optimera asset management och järnvägsunderhåll, med fokus på järnvägsinfrastruktur. Ur ett akademiskt perspektiv kommer projektet att utforska och undersöka hur teknik och metodik inom s.k. 'Industrial Artificial Intelligence (IAI)', inkl. deep learning, kan användas för att utveckla eMaintenance-lösningar som bidrar till att förbättra TAK, OEE och effektivisera infrastrukturförvaltningen av järnvägsinfrastruktur.

Projektstatus och resultat

Huvudsyftet med denna avhandling är att utveckla ramverk, metoder, teknik och verktyg som syftar till att skapa en plattform som underlättar tillgångsförvaltningen av järnvägssystemet genom att använda industriell AI och digitalisering.

De viktigaste resultaten av denna forskning är:

1. en taxonomi av frågor och utmaningar relaterade till tillgångsförvaltning i järnvägssystem
2. ett koncept för utökad tillgångsförvaltning för järnvägssystem,
3. En MetaAnalyser-plattform för preliminär dataanalys,
4. ett tillvägagångssätt för flottförvaltning för system-av-system, och
5. ett ramverk för kontextmedveten nutids- och prognosanalys för utökad tillgångsförvaltning av järnvägssystem.

Arbetet resulterade i en licentiatuppsats:

• Kumari, J. (2022). Förstärkt tillgångsförvaltning av järnvägssystem med hjälp av industriell AI.

Arbetet resulterade också i en doktorsavhandling:

• Kumari, J. (2024). System-of-Systems Approach för förbättrad tillgångsförvaltning av järnvägssystem.