Finner feilen før den feiler

Bane NOR utvikler nå ny teknologi, maskinlæring og kunstig intelligens for å overvåke jernbanenettet slik at feilsituasjoner oppdages før de stopper toget. Dette er et viktig bidrag for å levere punktlig transport til reisende og togselskaper.

Over 850 drivmaskiner for sporveksler har fått tilkoblet sensorer som bidrar til å forutse feilsituasjoner. (Illustrasjonsfoto: Øystein Grue)

I enheten «Smart vedlikehold» jobber i dag sju personer med dette. Arbeidet foregår i nært samspill med driftsapparatet og andre enheter i Bane NOR. Teknologien er utviklet og tatt i bruk i løpet av det siste året.

- Målsettingen er å forutse feil slik at vi kan gjøre nødvendig vedlikehold før en feil stopper toget. Mottoet er «å ta feilen før den feiler». Dette skjer ved å overvåke tilstanden eksempelvis på en sporveksel slik at vi kan forutse hva som vil skje, forteller Sverre Kjenne, konserndirektør i Bane NOR og fortsetter:

- Overvåkingen skjer hovedsakelig ved å følge med på strømbruken i vekselens drivmaskin. Strømbruken er en indikator på om, og eventuelt når, feil i vekselen kan stoppe toget. Vi kan med dagens verktøy finne over 60 % av de feil vi i dag har på sporveksler og drivmaskiner, der det er behov for retting innen 1-7 dager. I tillegg til økt punktlighet for reisende og togselskaper, ser vi for oss at denne måten å arbeide på vil redusere kostnader på vedlikehold av jernbanenettet.

Resultater

Arbeidet gir allerede gode resultater. Vi anslår at vi i perioden januar-oktober 2017 forhindret ca.170 tilfeller av toginnstillinger, fordi man forutså feilsituasjoner i sporveksler og gjorde nødvendige tiltak før feilen inntrådte. Sintef har for øvrig utarbeidet en rapport som verifiserer at arbeidet virker. Rapporten sier at resultatet av dette arbeidet udiskutabelt er færre forsinkelser og innstillinger.

Over 850 drivmaskiner for sporveksler har så langt fått tilkoblet sensorer og annen teknologi som bidrar til å forutse feilsituasjoner. Så langt har arbeidet hovedsakelig vært utført på banestrekningen mellom Asker og Oslo, men det brer stadig om seg på flere banestrekninger.

Samspill med Microsoft

Microsoft viste tidlig interesse og har vært inne i et samspill med Bane NOR i dette arbeidet. Torstein Brauter, rådgiver Data og kunstig intelligens i Microsoft Norge, sier det er et svært fremtidsrettet arbeid vi ser utvikle seg hos Bane NOR:

- Det er ingen tvil om at maskinlæring og kunstig intelligens kommer for fullt på mange samfunnsområder. Vi ser at Bane NOR er langt framme også internasjonalt når det gjelder å bruke teknologien på sitt område. Det er spennende og utviklende for oss å delta i dette og våre avdelinger over store deler av verden viser interesse for å se nærmere på hvordan Bane NOR håndterer dette.

Konserndirektør Sverre Kjenne i Bane NOR (t.v.) og Torstein Brauter, rådgiver Data og kunstig intelligens i Microsoft Norge. (Foto: Bane NOR/Microsoft)

Fremtidens vedlikehold av jernbanen

I dag er det i stor grad tidsforløpet som styrer vedlikeholdsinnsatsen.  Med arbeidet rundt «Smart vedlikehold» blir det mulig å si hvor ofte objektene har vært brukt og analysere tilstanden for å vurdere når neste tilsyn bør skje.

Første fase på veg mot det vi kan kalle «fremtidens vedlikehold», blir å velge noen oppgaver fra dagens generiske vedlikeholdsrutiner som endres og følges opp av tilstandsovervåking. Eksempel på dette er smøring av sporveksler. Her vil en kombinasjon av antall omlegginger, tilstand, lokasjon og type danne grunnlag for nye arbeidsrutiner. Bane NOR har nå god erfaring med oppfølging av smøring og kompetanse til å ivareta dette på en sikker måte.

- I 2018 vil vi starte med dette på en banestrekning for å lære mer om hvordan vi kan bedre punktligheten og redusere kostnader. Arbeidet krever godt samarbeid med fagfolk langs linjen og løpende sikkerhetsvurderinger. Basert på erfaringer fra første fase blir neste skritt utvikling av nye målemetoder, algoritmebygging og maskinlæring, slik at antall feiltyper som kan overvåkes øker.

- Dette forventes å gjøre oss i stand til å detektere avvik på tidligere tidspunkt enn i dag og med mer presisjon om tidspunkt hvor komponenten vil feile. Vi forventer at flere fagområder nå vil henge seg på arbeidet som gjøres, avslutter Sverre Kjenne.

Jørgen Torgersen hos Smart vedlikehold viser på skjermene sammenhenger mellom strømbruken i en sporveksel og behovet for vedlikehold. (Foto: Bård Bjerkaker)