Neuer Artikel der IM Gruppe im Smart Infrastructure Asset Management publiziert

Ein erheblicher Teil der Einnahmen aus dem Schienennetz wird für die Instandhaltung und Instandsetzung der Eisenbahninfrastruktur ausgegeben, um sicherzustellen, dass die Netze weiterhin das erwartete Leistungsniveau bieten. Die Durchführung der Maßnahmen - d. h. wann und wo Instandhaltungs- oder Sanierungsmaßnahmen durchgeführt werden - hängt davon ab, wie sich der Zustand der Infrastrukturanlagen im Laufe der Zeit verändert. Solche Informationen tragen dazu bei, dass geeignete Maßnahmen ausgewählt werden, um die Geschwindigkeit der Verschlechterung zu verringern und die Wirkung der Ausgaben für Überwachung, Wartung, Reparatur und Erneuerung der Anlagen zu maximieren. Gegenwärtig gibt es eine explosionsartige Zunahme der Bemühungen um die Untersuchung und Anwendung datengestützter Methoden zur Abschätzung von Verschlechterungskurven. Allerdings enthalten reale Zeitverlaufsdaten normalerweise Messfehler und Diskrepanzen, die nicht vernachlässigt werden sollten. Zu diesen Fehlern gehören fehlende Informationen, Diskrepanzen in den Eingabedaten und Änderungen im Zustandsbewertungsschema. In diesem Beitrag werden Lösungen für diese Probleme unter Verwendung von Algorithmen des maschinellen Lernens vorgestellt, die Verschlechterungskurven für Eisenbahntragwerke anhand von Markov-Modellen geschätzt und die Ergebnisse diskutiert.

externe SeiteZum Artikelcall_made