Präzise Prognose von Störungen an Eisenbahnweichen
Im Schienenverkehr verursachen Verspätungen jährlich einen enormen volkswirtschaftlichen Schaden. Eisenbahnunternehmen leiden unter dem negativen Image sowie den Verspätungs- und Instandhaltungskosten. Eine der Hauptursachen für infrastrukturbedingte Verspätungen sind Weichenstörungen. Ihre negativen Auswirkungen ließen sich verhindern, wenn die Störung rechtzeitig bekannt wäre, um Gegenmaßnahmen zu planen und auszuführen. In dieser Arbeit wird ein datengetriebener Ansatz zur präzisen und verlässlichen Prognose von Weichenstörungen in Form der verbleibenden Nutzungsdauer (RUL) vorgestellt. Ausgangsbasis sind Stellstromdaten aus dem zweijährigen Realbetrieb von 29 Weichen der DB AG, die kontinuierlich am Weichenantrieb erfasst wurden. Außerdem spielen die Temperatur und die Luftfeuchtigkeit für die Interpretaion der Stellströme eine wesentliche Rolle. Auch die Bauarteigenschaften der Weichen sind entscheidend. Ihr Einfluss wird mit einer eigenen, neuartigen Methode analysiert, da die Voraussetzungen für herkömmliche Analyseverfahren nicht gegeben sind. Die Heuristik identifiziert jene Bauarteigenschaften, die das unterschiedliche Weichenverhalten bestimmen. Statt Weichen individuell zu behandeln, wird die Prognose auf Bauartgruppen ausgerichtet. Auf diese Weise kann auch der Zustand neuer Weichen prognostiziert werden, für die noch keine historischen Daten vorliegen. Auf dieser Grundlage entsteht eine hochdimensionale Rohdatenbasis heterogener Quellen. Sie werden den dokumentierten tatsächlichen Störungen als Zustandsreferenz gegenübergestellt, womit für jedes Messtupel die RUL gegeben ist. Der Prognose basiert darauf, die stetige RUL in diskrete Klassen zu transformieren, die jeweils ein bestimmtes Intervall an RUL-Zeiten zusammenfassen. Die Prognose wird zum Klassifikationsproblem multipler Klassen, für das passende Lösungsverfahren untersucht werden. Weil die Performance der Verfahren stark von ihrer Parametrierung abhängt, werden jene Einstellungen herausgearbeitet, bei denen der Erfolg maximal ist. Mit einer selbst entwickelten Methode wird nachgewiesen, dass die Genauigkeit in verschiedenen Situationen hoch genug ist, damit durch richtige Vorhersagen höhere Verspätungskosten eingespart als durch Fehlalarme unnötige Instandhaltungskosten induziert werden. Dadurch könnte ein Eisenbahnunternehmen mindestens 50 Prozent der resultierenden Verspätungen verhindern und gleichzeitig Kosten senken.
Delays in the rail transport induce a high national economic loss. Railway companies suffer from the negative reputation as well as from the delay and maintenance costs. One of the main causes for infrastructure related delays are switch failures. Their negative effects could be prevented, if a failure would be revealed early enough to schedule and execute maintenance measures. This thesis presents a data driven approach for a precise and reliable prediction of switch failures by providing the Remaining Useful Life (RUL). The work is based on data of the electric power consumed during switch repositioning. Real life data of 29 switches in the DB AG network has been recorded continuously over a two year period. Besides, the temperature and the humidity play an important role in interpreting the power measurements. Also, switch construction characteristics are essential. Their influence on the consumed power and condition is qualified with a novel method because the data structure does not fulfil the mathematical requirements to use conventional techniques. The heuristic identifies characteristics determining different switch behaviour. Instead of treating each switch individually, this enables a prediction according to a certain group of switches. By using this finding it is possible to also forecast new switches for which no historical data set is available. Based on this analysis a high dimensional data collection of heterogeneous sources is assembled. It is compared to the documented actual switch failures as condition ground truth, hence allowing to assert the RUL for each measurement tuple. The underlying idea of the prediction is to transform the continuous RUL into discrete classes, which summarise a certain RUL interval. The prediction becomes a classification problem of multiple classes, for which suitable techniques are derived and evaluated. Since the performance of the eligible techniques is heavily depending on their parametrisation, the thesis investigates those settings allowing for the most forecast success. A self-developed method proves for a wide range of scenarios that the precision is high enough to save more delay costs by correctly predicted failures than unnecessary maintenance costs are induced by false alerts. Therefore, the presented solution allows a railway company to prevent at least 50 percent of the delay time resulting from switch failures and at the same time reduce costs.
Preview
Cite
Access Statistic
Rights
Use and reproduction:
All rights reserved