Uppskattning av återstående nyttjandeperiod för rullande järnvägsmateriel

(AI-fabrik / Järnväg)

Målsättning

Att förbättra underhållsplanering och beslutsprocesser genom utveckling och implementering av AI-baserade analysverktyg som är skräddarsydda för högvärdeskomponenter (HVC).

Projektstatus och resultat

Det primära syftet med detta projekt är att utveckla ett AI-baserat analysverktyg som är skräddarsytt för högvärdeskomponenter (HVC), såsom hjulpar och bromsar. Detta verktyg kommer att möjliggöra prediktiva funktioner som är avgörande för reservdelsplanering, kapacitetsplanering och schemaläggning av underhållsaktiviteter och verkstäder.

Genom att utveckla ett analysverktyg som bygger på datadrivna insikter syftar studien till att ge intressenter möjlighet att göra exakta prognoser för underhållsbehov. Med fokus på att säkerställa lager- och resurstillgänglighet syftar studien till att optimera underhållsprocesser och därigenom underlätta smidigare drift och effektivt resursutnyttjande.

I den här studien användes mätvärden som MTBF, utnyttjandegrad och tillgänglighet för att prognostisera underhållsbehov.

Den analyserade komponenter med hög utnyttjandegrad och tidslinjer för försenat underhåll.

Den identifierade komponenter som "Drivpaket (Powerpack)" för förbättrad schemaläggning på grund av hög utnyttjandegrad.

Det förutspådde datum för nästa underhåll för förebyggande planering.

Genom välgrundat beslutsfattande som möjliggörs av analysverktyget strävar forskningen efter att förbättra effektiviteten och ändamålsenligheten i kapitalförvaltningspraxis. I slutändan är målet att minimera stilleståndstiden och maximera livslängden för kritiska tillgångar och därigenom bidra till förbättrad operativ prestanda och kostnadseffektivitet i industriella sammanhang.