Analyse des données et maintenance prédictive pour les véhicules ferroviaires
Chaque année, la Deutsche Bahn transporte plus de 100 millions de passagers en transport national et international longue distance. Grâce à une numérisation complète, elle se prépare pour l'avenir.
Avec optiMEAS DB Systemtechnik GmbH développe un système de maintenance prédictive dans le but de prédire l'"état de santé" des composants d'entraînement des moteurs à combustion interne et de pouvoir programmer des travaux de maintenance ciblés dans les dépôts et les ateliers.
Afin de développer des algorithmes de maintenance prédictive, il faut d'abord disposer de modèles mathématico-physiques qui décrivent le comportement régulier. Afin de pouvoir comparer ces modèles avec les conditions réelles, les données de fonctionnement des composants doivent être enregistrées.
A cette fin, dans différents ICE de la Deutsche Bahn smartRAIL-les systèmes de capture en relation avec smartI/O-Les modules de optiMEAS installé.
Les données de mesure sont acquises à des taux d'échantillonnage élevés et stockées dans le nuage central (optiCLOUD(appelés FALKOS à la DB) sont fournis comme données historiques pour les analyses.
Chaque jour, environ 50 gigaoctets de données sont rassemblés. Afin de pouvoir traiter cette quantité de "big data" selon les modèles, la DB utilise un cluster d'analyse basé sur Hadoop pour le traitement parallèle. Les méthodes actuelles d'apprentissage automatique et profond et de détermination des paramètres des réseaux neuronaux sont utilisées. Sur le plan technologique, des frameworks open source tels que Tensorflow ou Keras sont à l'origine de ce phénomène.
Pour pouvoir appliquer l'intelligence artificielle dans la pratique, le composant le plus important est sans doute la connaissance du domaine acquise par les départements et ateliers spécialisés. C'est également l'expérience des ingénieurs de DB Systemtechnik : ce n'est qu'en combinant les mathématiques, l'informatique et les connaissances des applications que l'on peut identifier des modèles permettant de détecter des anomalies et de formuler des recommandations de maintenance.
Grâce à la coopération avec optiMEAS nous avons déjà appris beaucoup de choses sur les véhicules, qui peuvent être utilisées pour la planification de la maintenance et améliorer la qualité et la disponibilité de la flotte.
Rico Gottschald
Physicien et analyste de données / DB Systemtechnik GmbH
Vous avez des questions sur nos solutions ?
Nous sommes impatients de vous entendre et de vous présenter nos solutions de numérisation et nos services de conseil.