Nieuwe technologieën om spoorwegongelukken uit te bannen: Digitale tweelingen en meer
Efficiënte en veilige spoorwegactiviteiten zijn van vitaal belang voor de wereldeconomie. Spoorwegen vervoeren elk jaar miljarden tonnen goederen en passagiers over duizenden kilometers spoor en verbinden gemeentes en landen. Om het in perspectief te plaatsen: de VS alleen al vervoert jaarlijks meer dan 1,6 miljard ton vracht over meer dan 140.000 mijl spoor, waaronder 1,6 miljoen ton grondstoffen en consumptiegoederen. Maar door het enorme aantal goederenwagons dat elke minuut van de dag in beweging is, zijn ongelukken en systeemstoringen aan de orde van de dag.
Alleen al in 2022 waren er volgens de Federal Railroad Administration 1.164 treinontsporingen in de VS, met meer dan 100 miljoen dollar schade tot gevolg. Dit komt neer op een gemiddelde van drie ontsporingen per dag. Hoewel Europa enkele van de veiligste spoorwegen ter wereld heeft, zijn treinongelukken wereldwijd in het nieuws geweest. Drie ongelukken haalden dit jaar bijvoorbeeld het internationale nieuws: een treinbotsing met vijftig wagons in de VS, een botsing met een passagierstrein in Nederland waarbij een dode en meerdere gewonden vielen, en nog een groot ongeluk in Odisha, India. Het ongeluk in de VS veroorzaakte een catastrofale verwoesting van het milieu en de gemeenschap en kostte 387 miljoen dollar aan schade. Treinontsporingen vormen een bedreiging voor de veiligheid op het spoor wereldwijd en hebben tot aanzienlijke financiële verliezen geleid.
Wat veroorzaakt treinontsporingen?
Verouderde infrastructuur in het spoorwegsysteem is vaak de boosdoener. Dit heeft geleid tot problemen bij het opsporen van mechanische problemen en tot ongelukken. Oververhitte wiellagers bleken bijvoorbeeld de oorzaak te zijn van de botsing in de VS dit jaar en hebben bijgedragen aan talloze andere ontsporingen. Hoewel het Amerikaanse spoorwegnet ongeveer 6.000 hotboxdetectoren heeft om de temperatuur van wiellagers te controleren terwijl treinen passeren, zijn deze detectoren niet in staat om dreigende defecten effectief te voorspellen en te voorkomen. De huidige technologie correleert gegevens van meerdere detectoren niet en bevat geen andere relevante informatie, zoals recente onderhoudsproblemen met de lagers. Met al deze informatie zouden voorspellende analyses defecte wiellagers nauwkeurig kunnen identificeren en treinbestuurders waarschuwen voordat er een ongeluk gebeurt.
Evenzo integreren de huidige technieken voor het bewaken van wissels en kruispunten vaak niet alle informatie die nodig is om ongevallen in realtime te detecteren en te voorkomen. In plaats daarvan vertrouwen ze vaak op meer rudimentaire signaleringssystemen, die kunnen falen en tot catastrofale ongevallen kunnen leiden. In juni 2023 botsten in India bijvoorbeeld drie treinen op elkaar door een seinstoringfout waardoor een inkomende passagierstrein op een zijspoor terechtkwam en in het pad van een stilstaande goederentrein terechtkwam. Bij dit ongeval kwamen 296 mensen om het leven en raakten 1.200 mensen gewond.
Hoewel de meeste treinontsporingen niet zo catastrofaal zijn als het ongeval in India, vormen ze een bedreiging voor de veiligheid en kosten ze de sector jaarlijks miljoenen dollars. De verouderende infrastructuur van het spoorwegsysteem heeft hulp nodig. Gelukkig kunnen recente technologische ontwikkelingen hun alarmerende frequentie verminderen, de veiligheid verhogen en de operationele kosten verlagen.
Digital Twins met Machine Learning bieden een overtuigende oplossing
Nieuwe softwaretechnologie, Digital Twins genaamd, kan de veiligheid op het spoor verbeteren door intelligente real-time monitoring toe te voegen aan het spoorwegsysteem en tijdig waarschuwingen te geven wanneer er problemen optreden. Digital Twins kunnen gelijktijdig duizenden bedrijfsmiddelen bewaken, zoals treinwagons en wissels, om voortdurend op zoek te gaan naar nieuwe problemen. Digital Twins kunnen bijvoorbeeld al het rollend materieel volgen om dreigende defecten aan wiellagers op te sporen. Omdat elke Digital Twin onafhankelijk gegevens van meerdere hotboxdetectoren kan correleren en combineren met andere relevante informatie, zoals de servicekwesties van het wiellager en de omgevingstemperatuur, kan hij nauwkeurig de omstandigheden identificeren die duiden op een dreigend wiellagerdefect.
Om nauwkeurig te kunnen ontcijferen wat wel of niet een probleem is en alleen een waarschuwing te geven als zich een echt probleem voordoet, kan Digital Twins algoritmen voor machinaal leren integreren die patronen in de gegevens identificeren die duiden op een opkomend probleem, zoals een oververhit wiellager. Om de temperatuur van wiellagers te analyseren, gebruiken machine-learning algoritmen trainingsgegevens van duizenden detectoren om te leren welke patronen van temperatuurmetingen een waarschuwing nodig hebben. Hierdoor kunnen Digital Twins snelle en krachtige analyses leveren.
Digitale tweelingen kunnen ook wissels, kruisingen en treinposities bewaken om conflicten op te sporen die tot botsingen kunnen leiden. Bij het Nederlandse ongeluk botste een trein bijvoorbeeld onverwacht tegen een kraan. Een Digital Twin van de kraan die het spoor blokkeerde kon informatie uitwisselen met andere Digital Twins van naderende treinen om een conflict te detecteren en een waarschuwing te genereren. Digitale tweelingen die belangrijke bedrijfsmiddelen bewaken, bieden een extra veiligheidslaag die ongevallen kan helpen voorkomen.
Het gebruik van duizenden Digital Twins voor real-time monitoring vereist een snel, schaalbaar computerplatform. In-memory computing technologie kan Digital Twins hosten en snelle toegang tot gegevens mogelijk maken. Deze technologie verdeelt de verwerkingsbelasting automatisch over meerdere servers om analysetijden terug te brengen tot milliseconden.
Spoorwegnetwerken modelleren met Digital Twin simulaties
De flexibiliteit van Digital Twins maakt het ook mogelijk om simulaties te implementeren die hun bewakingsmogelijkheden en nauwkeurigheid testen voordat ze in een live systeem worden ingezet. Met simulaties kunnen systeemontwerpers complexe spoorwegnetwerken modelleren en ervoor zorgen dat de bewakingstechnieken met succes problemen detecteren en waarschuwingen genereren wanneer dat nodig is.
Om bijvoorbeeld aan te tonen hoe Digital Twins wiellagerdefecten kunnen detecteren, heeft ScaleOut Software een simulatie gemaakt van het Amerikaanse goederenspoorwegsysteem met behulp van haar ScaleOut Digital Twins technologie. Deze simulatie modelleerde duizenden treinen en voerde willekeurige gevallen van verslechterende wiellagers in om te valideren dat Digital Twins wiellagertemperaturen van meerdere hotboxdetectoren kan volgen en ingenieurs kan waarschuwen voordat storingen optreden.
.Onze spoorwegen veilig houden
Spoorwegen zijn de ruggengraat van de moderne toeleveringsketen en een hoeksteen van het openbaar vervoer. De huidige infrastructuur voor spoorwegmonitoring schiet echter vaak tekort bij het detecteren van nieuwe problemen, wat leidt tot kostbare ongelukken. Nieuwe technologieën, zoals Digital Twins, machine learning en in-memory computing, kunnen voortbouwen op de bestaande spoorweginfrastructuur om continue monitoring mogelijk te maken, problemen te identificeren en het situationeel bewustzijn van het personeel te vergroten. Ze hebben het potentieel om de huidige frequentie van ongevallen aanzienlijk te verminderen en de weg vrij te maken voor een veiliger, efficiënter en betrouwbaarder transportsysteem.
