„Smart Maintenance“ – Die zukünftige intelligente Instandhaltung von Klimaanlagen in Schienenfahrzeugen (and beyond)

Ziele/Ideen

Als neue Instandhaltungsstrategien werden in SMACS Condition-based und Predictive Maintenance unter Einsatz von Digital Twins und KI-basierten Prognosemodellen entwickelt. Dazu werden für eine aktuelle Bahn-HLK-Anlage sowohl sehr umfangreiche und detaillierte Datensätze vom Versuchsstand als auch im weiteren Projektverlauf Datensätze aus dem realen, flottenweiten Passagierbetrieb mit geringerem Detailierungsgrad einbezogen. Informationen aus der Condition-based und der Predictive Maintenance sollen in weiterer Folge durch einen digitalen Assistenten zur Wartungsplanung aggregiert und anwendungsorientiert bewertet werden. Dieser soll dann über ein Expertensystem das ausführende Wartungspersonal unterstützen. Die entwickelten Algorithmen und Methoden sollen – im Sinne des Technologietransfers – zukünftig ebenso auf andere mobile oder stationäre Kälteanlagen, sowie Wärmepumpen und HLK- bzw. HVAC-Systeme, in Fahrzeugen, Gebäuden, Energienetzen oder ähnlichen Applikationen, anwendbar sein.

Kurzbeschreibung

Das Forschungsprojekt „SMACS“ (Langtitel: „Smart Maintenance of Rail HVAC Systems“) verfolgt das Projektkernziel, die intelligente Instandhaltung von Heizungs-, Lüftungs- und Klimasystemen (kurz: HLK) in Schienenfahrzeugen voranzutreiben. Fokusfelder sind dabei bedarfsorientierte, zustandsabhängige und idealerweise vorausschauende Instandhaltungsstrategien sowie effiziente, digital vernetzte Instandhaltungsprozesse und Tools. Die intelligenten Instandhaltungsstrategien werden mittels Condition-based und Predictive Maintenance, unter Einsatz von Digital Twins und Künstlicher Intelligenz basierten Machine Learning Prognosemodellen, umgesetzt und entwickelt. SMACS strebt durch ein technisch, logistisch und wirtschaftlich durchdachtes Gesamtsystem Verbesserungen über den gesamten Betriebszyklus sowie auch die gesamte Prozesskette an.

Resultate

Der TRL (technology readyness level) des Forschungsprojekts SMACS ist 4 – dies entspricht einem Versuchsaufbau im Labor inklusive eines allgemeinen Proof-of-Concepts der Methoden. Die auf Basis von Messdaten entwickelten KI- bzw. ML-Methoden konnten die definierten Anomalien bzw. Mängel sehr gut detektieren bzw. prognostizieren. „Smart Maintenance“ verspricht eine deutliche Verbesserung der Nachhaltigkeit, Senkung der Instandhaltungs- und Lagerkosten im doch zweistelligen Prozentbereich sowie durchaus eine weitere Attraktivitäts- und Komfortsteigerung für Passagiere. Zudem erhöht sich die Verfügbarkeit von Zuggarnituren – fallen Zuggarnituren aus oder sind kurzfristig nicht einsatzfähig, entstehen immens hohe Kosten und negative Reputation (u.a. Social Media etc.) für den/die Betreiber.

Partner

Liebherr-Transportation Systems GmbH & Co KG: Industrie-Projektpartner – HLK-Systemlieferant
Siemens Mobility Austria GmbH: Industrie-Projektpartner – Fahrzeughersteller
Institut für Wärmetechnik (IWT), Technische Universität Graz: wissenschaftl. Projektpartner