Ontwikkeling van een model voor proactief spooronderhoud
Om de beschikbaarheid van het spoornet te verhogen en de onderhoudskosten te verlagen startte Strukton Rail in 2014 een onderzoeksproject met de Universiteit Twente naar een model voor proactief spooronderhoud. Dit onderzoek rondden beide partijen eind december 2019 succesvol af. Het onderzoek besteedde aandacht aan: op fysica gebaseerde degradatiemodellen; data analytics voor diagnose en prognose en onderhoudsplanning en –optimalisatie.
Gedurende vijf jaar is door 4 UT-onderzoekers (1 PhD, 1 postdoc, 2 PDEngs) en diverse afstudeerders volop gewerkt aan deze onderwerpen. Ze werden begeleid door drie UT-hoogleraren Tiedo Tinga, Leo van Dongen en Paul Havinga.
Annemieke Meghoe, op dit moment werkzaam als assistent professor aan de Faculty Engineering Technology, Applied Mechanics bij de Universiteit Twente, heeft zich voor haar onderzoek gefocust op component gebaseerde fysische modellen.
20 variabelen
De basis voor het model voor proactief spooronderhoud werd gelegd met gegevens van projecten in Zweden en het Verenigd Koninkrijk die al eerder waren uitgevoerd. Tijdens het onderzoek werd voor het eerst een model op deze manier structureel opgepakt. Met metamodellen en op basis van 20 variabelen kunnen de gegevens worden aangepast naar specifieke situaties. De belangrijkste variabelen daarvan bleken spoorstaafprofiel, voertuigsnelheid, verkanting, asbelasting, boogradius, materiaalhardheid, wrijvingscoëfficiënt en de stijfheid van de rijtuigen te zijn. In de verzamelde data worden met artificial intelligence automatisch defecten herkend. De onderzoekers brachten het asset management proces bij Strukton in kaart. En ten slotte is onderzocht hoe innovaties moeten worden gemanaged om ze maximaal te laten bijdragen aan de afgesloten (en af te sluiten) contracten. De modellen helpen Strukton op termijn om te bepalen welke onderhoudsactiviteiten (slijpen of vervangen) op welk moment nodig zijn.
Het model voor proactief spooronderhoud heeft ook belangstelling gekregen vanuit het buitenland. Dit komt door de brede toepasbaarheid van het model. ‘In Australië kan het toepassen van het model leiden tot kostenbesparingen. Immers, het model geeft input voor een betere voorspelling om het onderhoud in te plannen. Dat geldt voor Nederland maar zeker ook voor afgelegen trajecten in uitgestrekte gebieden.’ Het is nog te vroeg om in de cijfers te zien hoe groot de besparingen in de praktijk zijn.
In iMaintain 2 van dit jaar komt binnenkort meer aandacht voor dit onderwerp.
