VEDIS®KIbyDATAbility
VEDIS®KIbyDATAbility sammelt beliebige Sensordaten oder Leitstellendaten aus unterschiedlichen Quellen. Dadurch lassen sich umfangreiche Analysen und Statistiken zu Verbesserung erstellen. Unsere Lösung erstellt mit Hilfe von KI-Systemen predictive Analysen, die Sie auf mögliche Fehlerquellen aufmerksam machen – bevor sie entstehen.
VEDIS®KIbyDATAbility ist ein generisches DataWarehouse zur Integration und Weiterverwendung vorhandener und zukünftiger Datenströme/-formate.
- Zusammenführung von Event- und Zeitreihen-Systemdaten (Aggregation)
- Standardisierung bei Zusammenführung von Telematik und Betriebsinformationssystemen
- Eine gesamtheitliche Business Intelligence Lösung für den Betrieb (Datenbankbereitstellung & Reporting)
- Individuelle Ableitung von Entscheidungsgrundlagen oder automatisierte Entscheidungen
- Bereitstellung von Datengetriebenen KI-Analysen
- Verwertung und Bereitstellung von prädiktiven Handlungsempfehlungen für den Betrieb bzw. Wartung
Die Zusammenarbeit mit datenführenden Systemen geschieht über eine generische REST API (Schnittstellen) nach OpenAPI Standard
- Entgegenname und Abfrage von Messereignissen
- Abfrage von Transformationsergebnissen zur Weiterverarbeitung & Analyse
Die Aufbereitung durch generische und hochflexible Strukturen
- Multidimensionaler Data Cube
- Transformationen in beliebige Zielstrukturen
- Transformationsergebnisse können optional persistent in der DB vorgehalten werden
- Verwaltung beliebiger Assets zur Anreicherung & Harmonisierung von Messdaten
Die Anbindung externer Datenquellen geschieht durch
- standardisierte Schnittstellenadapter zur automatischen Konvertierung unterschiedlicher Formate in ein internes (generisches) Format
Anwendungsmöglichkeiten in der Instandhaltung und im Betrieb
- Türstörung vorhersehen, um ungeplante Ausfälle und Pönalen zu reduzieren
- Toilettenausfälle identifizieren und melden
- Störungen am Gap-Closer wirken sich auf eine Türsperrung
- Mechanischer Verschleiß am Dämpfer durch Messungen ermitteln und Lastkollektive ermitteln um Anomalien zu erkennen
- Überwachung von Verdampfer / Kompressor von Klimaanlagen
- Durch eine Messdatenaufzeichnung an Strukturbauteilen wie Achsen, Radsätzen, Drehgestell oder Wagenkasten können Lastkollektive auf Zugkomponenten ermittelt werden.
- Ebenfalls kann dadurch der Zustand von Infrastruktur wie Trassen und Schienen bewertet werden.
- Durch die intelligente Auswertung der Messsensorik kann ein kontinuierliches Streckenmonitoring ermöglicht werden, welches Anomalien und Drifts frühzeitig erkennt.
- Vermeidung von Pönalen durch Nachweis von Komfortthematiken: Türstörung (wann, wie lange, Behebung, Nachweis Funktionalität), Ableiten von Kennzahlen und Qualitätskriterien (z.B. objektive Pünktlichkeit); Auswertung und Bereitstellung von Qualitätsdatenanalysen für die Bewertung von Bonus-Malus-Zuschreibungen
- Verspätungsverlaufsanalysen und Prognosen zur frühzeitigen Erkennung von Betriebsabweichung
Konkrete Anwendung und Förderung durch den Bund
Wie ein Duo aus Darmstadt den Bahnbetrieb der Zukunft revolutioniert
Zugausfälle sind kostspielig und können zusätzlich Pönalen zur Folge haben. Ein flüssiger Betriebsablauf sowie Wartung und Instandhaltung besitzen damit tragende Rollen zur Aufrechterhaltung und Steigerung der Transportleistung im Bahnwesen. Jedoch erfolgen heutzutage Suche, Erkennung und Behebung von Betriebsabweichungen überwiegend noch manuell.
Eine frühzeitige Erkennung von Abweichungen und technischen Fehlern im Betrieb sowie die Möglichkeit, vorbeugende Maßnahmen zur Vermeidung von Verspätungen, Ineffizienzen und Stillstand einleiten zu können, bietet enormes Optimierungspotential. Systeme für das Betriebsleistungsmanagement und die vorausschauende Instandhaltung (Predictive Maintenance) fehlen jedoch. Denn neben einer geeigneten Datenaggregation bedarf es insbesondere intelligenter Algorithmen für die Lösung dieser Herausforderungen.
