Hoppa till innehållet

Samarbete effektiviserar tågtrafiken

Publicerad: 29 september 2020

Eftersom det är många olika aktörer som är inblandade i tågtrafiken har det varit svårt att åtgärda vissa problem.
–Men nu, tack vare projekten som Luleå tekniska universitet genomför, har det blivit möjligt att samverka. Det är tack vare det som Norrtåg inte längre har några större problem med hjulen, säger Håkan Jarl, fleetcontroller.

Projektet AI Factory for Railways, AIFR,  vid Luleå tekniska universitet samlar intressenter från tågbranschen för att skapa en AI-motor där information kan samlas och samnyttjas för planering och felsökning. 
Målet är enligt verksamhetsledaren och professorn Ramin Karim att tågen ska gå i tid.
Håkan Jarl, som arbetar med tågtrafiken i de fyra nordligaste regionerna i landet, menar att han och de andra från branschen kan bidra till forskningen utifrån ett verksamhetsperspektiv.
– Vi var även med i föregångaren till AIFR, som Luleå tekniska universitet hade, Epilot. Då ville vi utveckla våra arbetsmetoder för att komma åt hjulproblemen på Norrtåg, säger Håkan Jarl.

Det handlar förutom om Norrtåg, även om Tåg i Bergslagen, X-trafik och Region Värmlands tågtrafik. Ett stort problem har varit hjulen på de fordon som köptes in till Norrtågs trafik.
– Hjulen slets ut för fort, speciellt vintertid då hjulskadorna utvecklas mycket snabbare. Det var många artiklar i tidningarna vintrarna 2017- 2018. Vi är flera parter, fordonstillverkare, fordonsägare, operatör, underhållsleverantör och vi själva som hyrestagare av fordonen.

Samma verklighetsbild

Håkan Jarl säger att det var viktigt att alla hade samma verklighetsbild, baserad på fakta. Han menar att det inte har gått att samla alla aktörer på annat sätt än genom den här typen av forskningsprojekt som genomförs vid Luleå tekniska universitet.
– Det fanns ett stort behov av att se vad vi kunde göra åt hjulen, vilken underhållsstrategi skulle vi ha, så att även logistiken i verkstaden fungerar, vilka underhållsintervaller behövde vi ha? Det viktiga var att tågen kunde gå i tid.

Håkan Jarl berättar att i det tidigare projektet fanns det möjlighet att testa ett digitalt system som tog fram specifika data. Det gick även att ordna larm utifrån de parametrar som deltagarna satte upp. I projektet utvecklades ett system med förbyggande svarvningar av hjulen med fasta intervall.
–  Nu övervakar vi via systemet som växte fram i projektet. I dag är det ett kommersiellt system. Sedan ett och ett halvt år tillbaka har vi inga förseningar på grund av hjulproblem.
Håkan Jarl är nöjd. Uppdragsgivaren vill veta hur stor förtjänsten är innan ett system av det här slaget köps in och det kan vara svårt att övertyga alla inblandade parter, nu fanns svaret.
– Nu har vi förlängt livslängden på hjulen med över 50 procent på den aktuella fordonstypen tack vare det förebyggande programmet, vilket innebär enorma kostnadsbesparingar.

Undersöker automatisk bildanalys

 I det aktuella, uppföljande projektet AI for Railways, tror han att det finns möjligheter till ytterligare utveckling.
– Som att hitta exakta tidpunkten när det är ultimat att svarva hjulen. Det svaret har vi inte. Det är det jag vill se om det går att ta fram.
Som en del i AIFR:s projekt pågår även en undersökning om det går att använda automatisk bildanalys för att upptäcka fel på tåghjulen. Bilderna skulle kunna tas i verkstaden och sedan bearbetas i AI-motorn.
– Det kan vara ett komplement till den manuella avsyningen som görs.
Han är övertygad om att när projektet avslutas har det resulterat i nya användbara resultat.
– Det finns en oerhörd kompetens i det här projektet. Händer det inte här så händer det ingenstans. Det finns stora vinster att göra. Man behöver inte råka ut för de akuta händelserna, utan man kan se sakerna i förväg. Det handlar om att få det planerbart istället för att det ska vara en överraskning, säger Håkan Jarl.

Taggar