Werkzaamheden aan het spoor. Bron: SBB

‘Combineer big data met fysieke observaties bij spooronderhoud’

“Data krijgen pas betekenis als je deze combineert met fysieke observaties en modellen. Je hebt gegevens nodig over de omstandigheden van een defect, zoals de weersomstandigheden en de staat van het materieel.” Dat vindt professor Condition Monitoring Diego Galar van de Luleå University of Technology (LTU).

“We proberen in de spoorsector al jaren ‘klassieke’ data te analyseren, maar we zijn er een jaar of vier achter gekomen dat dit niet meer voldoende is,” zegt Galar. Hij is een van de sprekers tijdens de Intelligent Rail Summit 2018 in Zweden en praat daar over het analyseren van big data en de inzet van Internet of Things-technologieën om een stap vooruit te zetten in spooronderhoud en -gebruik. “We bevinden ons nu in een veelbelovende fase, maar we zijn er nog niet. De grote spelers beginnen nu te investeren in deze nieuwe methode van data vergaren en analyseren.”

Afwijkingen

De meeste data die worden verzameld gaan over alle keren dat het goed gaat, oftewel de normale situatie, maar eigenlijk gaan de enige betekenisvolle data over de keren dat het fout gaat. “Je moet op zoek gaan naar afwijkende situaties. En die komen eigenlijk niet heel vaak voor.” Tenslotte, als je alleen maar gegevens verzameld van de normale situatie, weet je niet op welke tekenen je moet letten dat het fout dreigt te gaan. En volgens Galar is de spoorsector er ook nog lang niet: “We hebben de data van ongeveer 80 procent van alle fouten niet verzameld.”

Maar hoe kan de sector ervoor zorgen dat het dit wel doet? Alleen het verzamelen van data is niet genoeg. “Als je kijkt naar andere sectoren, zoals de financiële sector, verzamelen ze heel veel gegevens, over wanneer het goed of slecht gaat met de beurs. Hun data bevatten veel verschillende profielen en scenario’s. Ze halen daar veel informatie uit. In de spoorsector is het andersom: we hebben een enorme hoeveelheid aan data, maar geen informatie,” zegt Galar. “Hier valt er een groot gat tussen wat we al hebben, en wat we nog nodig hebben. Dit is de huidige uitdaging voor de spoorsector.”

Pas als het gecombineerd wordt met fysieke data, gebaseerd op observaties op het spoor bijvoorbeeld, wordt het informatie waar de spoorsector iets aan heeft. “Je hebt informatie nodig over de omstandigheden van een ongeluk. Wat was de temperatuur, hoe was het weer, hoe was het spoor eraan toe, wat was de staat van het materieel, etcetera. Pas als je deze contextuele informatie ook hebt, gaat de data wat betekenen.” Hier kunnen innovaties die gebruik maken van Internet of Things een belangrijke bijdrage leveren. Deze meten in realtime informatie over het spoor, zoals de warmte van de spoorstaven of vibraties. “We moeten alles meten.”

Voorspellen

Als dat eenmaal wordt gedaan, en de data worden waardevolle informatie, dan plukt de spoorsector daar de vruchten van. Dan kan de spoorsector namelijk gaan anticiperen wanneer het fout dreigt te gaan. “We kunnen hier twee dingen mee doen: voorspellen en in het moment inzicht krijgen in de staat van het materieel en de infrastructuur. En de spoorsector wil graag van te voren weten of hun treinen wel goed blijven rijden in de toekomst. Alles gaat over vooruitblikken.”

Het belangrijkste om te onthouden, zegt Galar, is dat dit allemaal heel goed mogelijk is. “Het is volledig uitvoerbaar. We kunnen dankzij de combinatie van data en observaties met nauwkeurigheid voorspellen wat de staat van de algehele infrastructuur zal zijn. Alle spooronderdelen hebben daar baat bij: de wissels, overwegen, ga zo maar door.” En als er beter voorspeld kan worden, kan er effectiever onderhoud worden gepleegd. Dit is erg belangrijk als de Europese spoorsector het hoofd wil bieden aan concurrentie uit landen zoals China. “Het voorspellen van spooronderhoud kan veel geld besparen.”

Huwelijk

Spoorbedrijven moeten hun data onderling wel goed blijven uitwisselen, maar dit is een listige situatie. “Steeds meer spoorbedrijven gaan inzien dat hun data heel erg waardevol is. Het kan worden ingezet als valuta. Bovendien zijn bedrijven bang om hun gegevens te delen wegens veiligheid of privacy. Daarom moeten er heldere regels hierover worden opgesteld. We moeten elkaar begrijpen,” benadrukt Galar.

“Het delen van data is essentieel. Het is als een huwelijk: je kunt niet een partij zomaar negeren.” Dit leidt alleen maar tot een win-win situatie, zegt de professor. “Het delen van data levert alleen maar voordelen op voor alle partijen.”

Intelligent Rail Summit

Diego Galar is professor Condition Monitoring aan de Luleå University of Technology (LTU). Hij spreekt tijdens de Intelligent Rail Summit 2018 op 27-29 november in Malmö, Zweden. Klik hier voor het volledige programma van de Summit.

Lees ook:

Auteur: Carlijn Kruidhof

Carlijn Kruidhof is redacteur bij SpoorPro, RailTech en RailFreight. Ze schrijft ook voor de andere vakbladen van ProMedia Group.

Reageer ook

Nog maximaal tekens

Log in via een van de volgende social media partners om je reactie achter te laten.