Projekt

TRAINS – Teilvorhaben UV12: Digitale Methoden für vorausschauende Instandhaltung von Schienenfahrzeugen

Ermüdungserscheinungen von Bauteilen lassen sich durch Betriebsfestigkeitsnachweise beurteilen. Solche Tests weisen aber auch Fehler auf, sodass Schäden nie vollkommen ausgeschlossen werden können. Vielmehr liefert der Nachweis Aussagen zur statistischen Wahrscheinlichkeit eines Schadens. Für die Beurteilung im Fahrzeugbereich ist das jedoch problematisch, denn die Berechnung der Einsatzzeiten von technischen Systemen soll hier der Betriebssicherheit und der Verlängerung von Einsatzzeiten dienen. Die Sicherheit der voraussagenden Methoden hat deshalb einen besonderen Stellenwert, vor allem beim Antriebsstrang von Schienenfahrzeugen. Im Sinne der Instandhaltung weist dieser ein besonders hohes Optimierungspotenzial auf. Die Hauptnotwendigkeit der Wartung für Antriebsstränge ergibt sich aus der hochdynamischen, schwingenden Belastung aller Komponenten, als deren Konsequenz Ermüdungsschäden auftreten können.

Gesamtziel des vorliegenden Verbundvorhabens TRAINS – Teilvorhaben UV12 ist es, die digitalen Methoden des Industrie 4.0, Big Data-, Internet of Things- und Cloud-Technologien sowie die Datenauswertung mit Methoden des maschinellen Lernens in die Schienenfahrzeuginstandhaltung einzuführen. So sollen vorausschauende Instandhaltungsintervalle ermittelt werden, um sowohl die Zuverlässigkeit als auch die Lebensdauer der Fahrzeuge zu maximieren – was wiederum die Wartungs- und Betriebskosten minimieren soll.

Das Teilvorhaben wird von insgesamt sieben Partnern durchgeführt, die sich neben der Einführung von „HealthMonitoring“ in Triebwagen auch mit der Etablierung von Maschinellem Lernen für die Datenauswertung beschäftigen.