Känns det som att det ofta är strul med tåget mellan Stockholm och Göteborg? Enligt Trafikanalys (2021) så har långdistanstågen lägst tillförlitlighet av alla tågtyper. Ju mer järnväg, desto mindre pålitligt. Hur har det blivit så? I en regeringsutredning från 2020 (SOU 2020:18) riktas kritik mot Trafikverket om att förebyggande underhåll och innovation försummas i stor utsträckning.
Användandet av maskininlärning och avancerad data-analys för prediktivt underhåll ökar inom den privata sektorn enligt BearingPoints Predictive Maintenance Study (2021), men är det något som även kan hjälpa vår svenska järnväg? BearingPoint har stor erfarenhet av prediktivt underhåll från både privat och offentlig sektor och vi ser stora möjligheter med att använda data för att öka tillförlitligheten i den svenska järnvägen.
Prediktivt underhåll innebär i kontexten att annalkande skador på rälsen inte hinner bli tillräckligt allvarliga för att stoppa tåg. Skadan kan detekteras och åtgärdas proaktivt. Ett arbete med avancerad dataanalys bygger på tre steg: (1) samla in data, (2) bearbeta data, och (3) dra slutsatser om vart underhållsinsatser ska riktas.
Det första steget, att samla in data, baseras på toppmoderna sensorer som placeras ut i infrastrukturen. Sensorernas placering koncentreras till de mer problemtyngda delarna, såsom exempelvis drivmaskinen. Med hjälp av ultraljud, laser och optiska sensorer kan eventuella sprickor och avskalningar på rälsen läsas av på ett tidigt stadium. På växlarna används sensorer för temperatur och resistens, då en växel i sämre skick medför högre resistans.
Data analyseras sedan med hjälp av maskininlärning och kompletteras med externa datapunkter såsom klimat, väder och trafikmängd. Eftersom varje drivmaskin är unik så behöver också varje drivmaskin en egen referenskurva. Upptäcks något avvikande så skickas en varning och drivmaskinen kan undersökas och eventuellt lagas/ersättas. Nyckeln i dessa förebyggande analyser är att arbeta med data på aggregerad nivå, för att undvika onödiga larm. Genom att använda mer data i underhållsarbetet kan samtidigt mängden underhållsarbete minska och tillförlitligheten i järnvägen öka.
Trots rekommendationerna i regeringens utredning från 2020 kring järnvägsunderhåll centrerat kring dataanalys finns två år senare ingen plan, varken för strategi eller implementering av förebyggande underhåll för den svenska järnvägen. Tillförlitligheten på tåg fortsätter att sjunka (Trafikanalys, 2022), och den eftersatta järnvägen fortsätter att försämras. Tågoperatörerna själva, t.ex SJ, investerar redan i tillståndsbaserat underhåll i form av sensorer på tågen som känner av om någon tågdel behöver underhållas eller bytas ut. Vår rekommendation till Trafikverket är lik den från regeringens utredare: att satsa på prediktivt underhåll av svensk järnväg med hjälp av avancerad dataanalys.
Källor:
Punktlighet på järnväg 2021 (trafa.se)
Punktlighet på järnväg 2022 kvartal 1 (trafa.se)
Framtidens järnvägsunderhåll, SOU 2020:18 (regeringen.se))
Predictive Maintenance Study 2021 | BearingPoint Norway
SJ rekordsatsar 19 miljarder kronor på nya tåg
//
Sensorer är beställda
Vosslohs sensorer optimerar svenskt järnvägsunderhåll | Vossloh Nordic Switch Systems AB (tt.se)