Met Datascience Spoorse Assets vervangen

Niets is vervelender dan vertraging of uitval van een trein, waardoor je te laat komt op je bestemming. Het moet en het kan beter. Geen verstoringen of vertragingen is een utopie, maar een verdere verbetering van de prestatie is zeker mogelijk. Het gaat om het voorkomen van storingen, maar ook om het verkleinen van de impact van iedere storing. In de winter hebben spoorassets het flink te verduren. Bovenleidingen (maar ook wissels) kunnen gemonitord worden met o.a. IoT-sensoren. Door het monitoren van  de temperatuur kan worden voorkomen dat een wissel vast vriest. In Nederland verwachten we de komende jaren een groei in alle mobiliteiten  (weg, water, trein en lucht). Aan ProRail de opdracht om die groei op het spoor te faciliteren en zo op duurzame wijze bij te dragen aan de mobiliteitsvraag van Nederland. Met een voorspelde toename van vervoer per trein (reizigers en verladers) van 30 procent in 2040 neemt ook de urgentie toe om te verbeteren. De tijd om het spoor goed te kunnen onderhouden en te vervangen met een hele volle dienstregeling is schaars. We willen namelijk treinen laten rijden. Door meer gebruik neemt ook de slijtage toe en is de impact van een incident veel groter. Het raakt immers meer treinen. Voldoende urgentie om hier onze energie op te zetten. Het spoort bestaat uit verschillende onderdelen. Zie figuur 1 voor een indicatie van de hoofdgroepen, welke weer onder te verdelen zijn naar nog veel meer assets. Veel ‘oude’ assets uit de tijd dat er nog geen computers waren. Ter informatie: het spoor in Nederland bestaat al bijna 180 jaar.

Ongepland onderhoud

ProRail bouwt en beheert in Nederland het hoofdspoor. Denk hierbij aan: wissels, spoorstaven, treinbeveiliging, bovenleiding, tunnels, bruggen, enzovoort. Het zijn allemaal technische onderdelen die kunnen storen. Per jaar hebben we geplande verstoringen, zoals het projectmatig vervangen van een bovenleiding, en ongeplande verstoringen, bijvoorbeeld een breuk in de bovenleiding, een botsing met een dier of iemand die zonder toestemming langs het spoor loopt. Om hinder als gevolg van niet functionerende assets zoveel mogelijk te voorkomen, moet je op tijd ingrijpen voordat het fout gaat. Dat betekent het juiste onderhoud plegen, of een object op tijd vervangen als het aan het einde van zijn levensduur is. Kunnen we van meer ongepland onderhoud naar gepland onderhoud gaan? En minder (on)geplande hinder in totaal? Te vroeg assets vervangen betekent weer dat er kapitaal wordt weggegooid, te laat vevangen betekent een verhoogde kans op verstoringen. Daarvoor hebben we zicht nodig op de degeneratie van onze assets. Op welk moment gaat een asset slechter presteren of zelfs uitvallen en voor eenstoring zorgen? ProRail zet daarvoor actief in op het meten en monitoren van onze assets met speciale sensoren (Internet of Things), speciale meettreinen en via meetsystemen op ‘normale’ reizigerstreinen. Door sensordata door de tijd heen goed te analyseren, zijn we in staat afwijkende patronen te herkennen. Een voorbeeld: als we de temperatuur van een spoorstaaf in de winter meten en de wisselverwarming doet het niet, zal die een andere waarde hebben. Als we dat tijdig zien, kunnen we de wisselverwarming mogelijk resetten of repareren, voordat deze echt storing gaat veroorzaken. “Deze sensoren zijn daarom op twee momenten van toegevoegde waarde”, zegt ingenieur Jasper Corvers van Dual Inventive. “Vooral spoorbruggen moeten bij warmte in de zomer extra in te gaten worden gehouden, omdat bij uitzetting de brug niet meer goed kan openen of sluiten.” “Maar het heeft ook op lange termijn voordelen”, legt manager Infra Beschikbaarheid Johan Schaap van ProRail uit. “Door meer te meten en meer data uit spoorsystemen te halen, kan je leren hoe spoorsystemen zich gedragen onder bepaalde condities. Dat leidt uiteindelijk tot een hogere prestatie.” Hoe het werkt wordt duidelijkgemaakt in het filmpje over IoT-sensoren [1].

Algoritmes

Doordat we steeds meer data verzamelen, zijn we in staat om meer en betere analyses en voorspellingen van gedrag van assets te kunnen doen. We leunen daarbij steeds meer op het vakgebied van datascience. Via algoritmes kunnen we die sensordata en meetgegevens steeds makkelijker omzetten naar bruikbare inzichten. We worden steeds beter in het voorspellen van storingen, zodat we ze kunnen voorkomen. In 2018 hebben we 20 tot 30 storingen kunnen voorkomen aan wissels, doordat we de temperatuur actief konden meten. Echter kunnen we die data ook inzetten om te voorspellen wanneer assets aan het einde van hun levensduur zijn. Daarmee kunnen we ons assetmanagement verder optimaliseren. We kunnen een optimum realiseren tussen de risico’s op falen enerzijds en de beschikbaarheid en kosten anderzijds. Een voorbeeld: een stalen spoorstaaf slijt door gebruik door treinen. Een zware goederentrein, bijvoorbeeld op de Betuweroute, heeft een ander slijtage-effect op een spoorstaaf dan een lichte sprinter in de Randstad. Andere factoren zijn daarbij ook van toepassing (type belading, ronde of vierkante wielen, enzovoort).

Slimmer optimaliseren

Als we op basis van meetdata uit onze meettreinen en sensoren snappen hoe slijtage door de tijd heen ontwikkelt en we weten dat te combineren met het toekomstiggebruik van het spoor, zijn we in staat beter te voorspellen wanneer een spoorstaaf uiterlijk vervangen moet worden. En dat is superhandig en kosten efficiënt. Een vervanging kunnen we daardoor veel slimmer inplannen in de dienstregeling of het onderhoud slimmer optimaliseren. De nog te definiëren spoorprojecten van de toekomst en de exacte scope in zo’n project zullen meer gebaseerd worden op data - science. Het optimale moment voor de assetvervanging in de tijd kan worden bepaald met data en dat scheelt uiteindelijk kosten. Je kunt immers slimme combinaties van werkzaamheden maken.Tenslotte helpt het volgen van de kwaliteit van de assets via sensoren en datascience door de tijd heen voor nog meer mogelijkheden. Voldoet de prestatie aan de afspraken met de assetleverancier? Welk type onderhoud (en kosten) is het meest effectief om de prestatie te halen tegen redelijk kosten? Welk assetsysteem degradeert zo snel dat we sneller moeten overgaan naar een nieuw systeem? Door als ProRail meer gebruik te maken van onze data, via bestaande systemen of nieuwe sensoren, verbeteren we onze prestaties (minder hinder) en maken we meer datagedreven keuzes en sturen daarmee scherper binnen het beschikbare budget op risico’s en het beste type onderhoud (vervanging versus intensiever onderhoud) op het slimste moment in de toekomst. Datagedreven werken is een speerpunt binnen ProRail.

Referenties:

[1] www.spoorpro.nl/innovatie/

[2] www.spoorpro.nl/spoorbouw/