INTERVIEW

Naar continue bewaking van de spoorweginfrastructuur: “Trein in Gotthardtunnel reed 8 km voordat machinist ontsporing opmerkte”

Gepubliceerd op 03-11-2023 om 16:56

Railway Metrics and Dynamics Sweden sensor

In Europa blijft de vraag naar beschikbare spoorweginfrastructuur sterk toenemen. Een verdere modal shift naar deze duurzamere vorm van transport is essentieel om de klimaatdoelstellingen te halen. Continue bewaking van spoorwegactiva en -infrastructuur heeft de potentie om het spoor veiliger, beter beschikbaar en zuiniger te maken. Een bedrijf dat werkt aan de ontwikkeling van deze technologie is Railway Metrics and Dynamics Zweden. CEO Jan Lindqvist besprak de technologie met RailTech.

Railway Metrics and Dynamics (RMD) ontwikkelt momenteel innovatieve sensorsystemen die gebruik maken van sensoren aan boord van regulier rollend materieel om real-time inzicht te geven in de staat van spoorrails, wielen en treinen. Het Zweedse bedrijf heeft de opdracht gekregen van de Zweedse Transportadministratie (Trafikverket), de overheidsinstantie die verantwoordelijk is voor de langetermijnplanning van het transportsysteem, via een innovatie-aanbesteding. Het doel is om de huidige infra-inspecties aan te vullen door gebruik te maken van rollend materieel uitgerust met RMD’s Performance Measuring Units en machine learning te gebruiken om de beslissingsondersteuning voor infrastructuuronderhoud te verbeteren.

Hiaten in monitoring

“Normaal gesproken laat je een inspectiewagen het spoor meten met geavanceerde meetinstrumenten. Maar ons contract met Trafikverket is om een systeem te ontwikkelen dat we kunnen gebruiken met normaal rollend materieel, met behulp van onze sensoren. Ze kunnen informatie met betrekking tot de staat van het spoor versturen en terugsturen naar de verkeersleiding als er iets abnormaals is. Zij kunnen er dan bijvoorbeeld voor kiezen om het verkeer te stoppen,” legt Jan Lindqvist uit. “Dit is een nieuwe manier van werken, omdat je een veel hogere analysefrequentie kunt krijgen en continu schattingen van de staat van het spoor.” Dit vergemakkelijkt dus toestandsafhankelijk onderhoud.

Traditionele inspecties van de spoorweginfrastructuur vinden met onregelmatige tussenpozen plaats, in Zweden meestal één keer per jaar. De beperkingen van deze sporadische aanpak zijn duidelijk, omdat er in die tijd veel kan gebeuren op het spoor. Dit hiaat in het toezicht heeft geleid tot de behoefte aan een meer proactieve aanpak om zowel de veiligheid als de efficiëntie te waarborgen. “We vervangen geen onderhoudswagons”, benadrukt Lindqvist, maar de RDM hoopt ze aan te vullen. Sterker nog: “Als je elke dag, of bijna elke dag treinen over een deel van het spoor laat rijden, kun je een goed gevoel krijgen voor de staat van het spoor, vooral als je te maken hebt met zware weersomstandigheden. Als je de sporen kunt controleren en trends kunt vaststellen met normale treinen die zijn uitgerust met sensoren, is dat een betrouwbaardere, veiligere en economischere manier van werken”, benadrukt Lindqvist.

Continue bewaking voor verbeterde veiligheid en efficiëntie

Railway Metrics heeft een reeks sensoren ontwikkeld om verschillende aspecten van het spoorwegsysteem te bewaken. “De prestatiebewakingseenheid (PMU) is de belangrijkste sensor en eenheid. Deze detecteert wielslijtage en wieldefecten, die de oorzaak kunnen zijn van ontsporingen,” legt Lindqvist uit. De PMU kan ook de spoorstabiliteit bewaken en de machinist waarschuwen in geval van ontsporing, waardoor het risico op schade aan de infrastructuur aanzienlijk wordt verkleind. Bovendien “is het ook het communicatiecentrum voor andere sensoren. Hij stuurt de gegevens naar de server en naar een dashboard”, voegt Lindqvist toe en noemt de recente ontsporing in de Gothardtunnel als voorbeeld: “De trein reed 8 kilometer voordat de machinist doorhad dat er een ontsporing was.” Met sensoren aan boord die gegevens naar een dashboard sturen dat de machinist kan zien, hoopt RMD dergelijke situaties in de toekomst te helpen voorkomen.

Andere sensoren worden momenteel ontwikkeld door de RDM. “De belangrijkste sensoren die je ziet zijn ontsporing, wielspatsen, instabiliteit, spoorinstellingen, geofencing, treinen op het spoor…” Dan zijn er ook nog Trends (DTFI), en Ride index “om het comfort in de passagierswagon te meten” en meer. Bijvoorbeeld “Trein samenstelling/rek, want “Voordat je een trein kunt laten rijden moet je aan de autoriteiten doorgeven in welke volgorde de wagons staan. Dat kan automatisch met dit apparaat”, legt Lindqvist uit. De pantograafsensor richt zich op het beoordelen van de onderhoudsstatus van bovenleidingen. Deze wordt ontwikkeld in samenwerking met Trafikverket. Verder ontwikkelde het bedrijf een index voor rijgedrag en energie. “Deze kan je iets vertellen over de manier waarop de bestuurder rijdt. Remmen ze bijvoorbeeld veel? Sommige machinisten gebruiken meer energie dan anderen op dezelfde trein en hetzelfde spoor, dus het kan interessant zijn om dit te weten. Dit is het soort dingen dat we gemakkelijk kunnen doen,” voegt Lindqvist toe.

De lijst met sensoren en mogelijkheden houdt hier niet op. Wielsensoren zullen in staat zijn om wielprofielen te meten. “Kingpin locks zijn een sensor die kijkt of de trailer aan de wagon vastzit. Het is een veiligheidssensor. We ontwikkelen ook een sensor die de temperatuur van de lagers meet en die gegevens ook naar de PMU stuurt,” aldus Lindqvist. De spoorwegcamera is ontworpen om de veiligheid bij het omkeren van treinen te verbeteren door een seingever met een radio te vervangen, want “dat is een zeer gevaarlijke situatie”, aldus Lindqvist. Twee klanten werken er al mee als proof of concept. De combinatie van deze sensoren zorgt voor een uitgebreide gegevensverzameling voor een holistisch beeld van de spoorweginfrastructuur. De gegevens die door de verschillende RMD-sensoren worden verzameld, worden gedeeld met een dashboard voor gebruik door de klant.

RDM Server system — RDM Server systeem (Foto: RDM)

“Machines leren om de gegevens op de juiste manier te gebruiken”

Voortdurende gegevensverzameling en -analyse zijn van vitaal belang om inzicht te krijgen in de staat van het spoorwegsysteem, veiliger reizen te garanderen en kostbare ontsporingen te voorkomen. De sleutel tot deze aanpak is het gebruik van machine learning. Dit speelt een centrale rol bij het begrijpen van de enorme hoeveelheid gegevens die Railway Metrics verzamelt. Het vergemakkelijkt het opsporen van afwijkingen, het clusteren van nieuwe gegevens en het trainen van modellen voor probleemclassificatie. “Machine learning speelt een grote rol bij het begrijpen van de gegevens die RMD verzamelt. Machine learning wordt onder andere gebruikt voor anomaliedetectie en het clusteren van nieuwe gegevens. Hierdoor kunnen we categoriseren en begrijpen met welk type storingen we werken. We gebruiken ook supervised learning om onze modellen te trainen voor het classificeren van problemen die met onze sensoren zijn gedetecteerd,” aldus Lindqvist.

Het succes van machine learning hangt nauw samen met het volume en de kwaliteit van de verzamelde gegevens. “Meer dan gestandaardiseerde meeteenheden is het belangrijkste naar mijn mening een gemeenschappelijke interface, hoe je gegevens verstuurt. Dat is belangrijk,” legt Lindqvist uit, “De gegevens die afkomstig zijn van deze sensoren worden gebruikt door de spoorwegonderneming, het spoorwegbedrijf, de infrastructuurbeheerder en de onderhoudsorganisaties. Je hebt dus verschillende gegevens voor verschillende klanten. Dat is echt de sleutel tot dit, tot onze sensoren. Ze zijn ontworpen voor een divers klantenbestand. Dit betekent dat het voor alle betrokkenen voordeliger wordt.”

Het doel is om deze mogelijkheden uit te breiden om meerdere soorten problemen met een nog hogere nauwkeurigheid te detecteren. “Het belangrijkste bij machinaal leren is hoeveel gegevens je krijgt en hoe je de gegevens gebruikt en de machines leert om de gegevens op de juiste manier te gebruiken”, legt Lindqvist uit. “Dit betekent dat het heel belangrijk is om de dynamica van hardlopen te begrijpen. We gebruiken ingenieurs die verstand hebben van loopdynamica en we proberen te werken met jonge mensen die bedreven zijn in software en machine learning. Je moet dus die twee expertises combineren.”

Delen van gegevens

In dit nieuwe tijdperk van continue monitoring rijst de vraag naar het eigendom van gegevens, zoals Lindqvist benadrukt: “Nu wil iedereen eigenaar zijn van de data. Vanuit ons oogpunt zal het delen van gegevens de spoorwegen veiliger en zuiniger maken, dus we moeten bescheiden zijn over wie de eigenaar is.” Dit onderstreept de dringende noodzaak om een balans te vinden tussen eigendomsrechten en het collectieve voordeel van het delen van gegevens binnen de spoorwegsector.

“Ik geloof dat degene die voor de gegevens betaalt, de gegevens moet hebben,” legt Lindqvist uit, “Natuurlijk begrijp ik dat sommige gegevens niet gedeeld kunnen worden, zoals de onderhoudsgegevens die spoorwegmaatschappijen over hun wagons hebben. Maar als de spoorwegmaatschappijen gegevens over het spoor naar de infrastructuurbeheerder sturen, zijn dat twee verschillende dingen. Ik denk dat die gescheiden moeten blijven,” vervolgt hij. “Laten we zeggen dat een spoorwegmaatschappij onze sensoren aanbrengt en ons daarvoor betaalt, onze suggestie is dat als ze de gegevens delen met de eigenaar of beheerder van de infrastructuur, de kosten voor het rijden op het spoor (de spoorvergoeding) moeten worden verlaagd. Dit is een stimulans om gegevens te delen. Ik denk dat iedereen hier gegevens moet delen.”

Deze benadering, gezien door de ogen van Lindqvist, moedigt niet alleen het delen van gegevens aan, maar bevordert ook de samenwerking tussen spoorwegmaatschappijen, infrastructuurbeheerders en onderhoudsorganisaties, wat uiteindelijk bijdraagt aan een veiliger en efficiënter spoorwegnetwerk.

De volgende generatie aantrekken

Zoals Lindqvist al eerder benadrukte, als het gaat om software en machine learning, “moet je de twee expertises combineren. Je moet deze onderwerpen bij elkaar houden. Dan denk ik dat we magie hebben: het combineren van oude en nieuwe kennis.” Hij onderstreept de diepgaande impact van spoorweginnovatie, om jong talent aan te trekken voor de sector. Lindqvist benadrukt het belang van samenwerking tussen ervaren professionals en jonge mensen: “Er is nieuw bloed nodig en zij moeten samenwerken met de oude garde. Zo krijg je de beste resultaten.”

Het duurzaamheidsaspect werd verder benadrukt toen de energie-efficiëntie van spoorwegen werd besproken in vergelijking met traditionele voertuigen. Lindqvist onthulde dat “het spoor zeer energie-efficiënt is, zes tot zeven keer meer dan auto’s,” waarmee hij de groene geloofsbrieven van de industrie bevestigde. De integratie van evoluerende technologieën en de infusie van elektronica in treinen werden geprezen als transformatieve stappen, die het spoor aantrekkelijker maken voor jongere mensen. “Ik kan niets bedenken dat aantrekkelijker is voor jonge mensen om onze industrie de toekomst in te helpen. Dat is de sleutel om jongere mensen aan boord te krijgen. Het is een veel groenere infrastructuur.”

Kom meer te weten op de Intelligent Rail Summit 2023! Jan Lindqvist zal dieper ingaan op het onderwerp “Towards continuous railway monitoring – insights from Trafikverket” tijdens de Intelligent Rail Summit ’23 op 6 & 7 november in het ‘Sofitel Warsaw Victoria Hotel’ in Warschau, Polen. Ga naar de website van het evenement voor meer informatie over het conferentieprogramma en de sprekers, of om u aan te melden.

Verder lezen:

Dit artikel is automatisch vertaald vanuit het Engels naar het Nederlands.