KI für die Zustandsüberwachung und prädiktive Instandhaltung

KI für die Zustandsüberwachung und prädiktive Instandhaltung:

Vor welchen Herausforderungen stehen wir?

Jörn [email protected]

Institut für Verkehrssystemtechnik

DLR.de • Folie 1 Symposium Zug zur Digitalisierung > Jörn Groos > 04.11.2020

mailto:[email protected]

DLR.de • Folie 2

Prädiktive Instandhaltung: Voraussetzungen

Symposium Zug zur Digitalisierung > Jörn Groos > 04.11.2020

DLR.de • Folie 3

Zustandsüberwachung des Gleisoberbaus: Stand der Technik


Messfahrzeuge

• Der sichere Betrieb wird gewährleistet

• Prädiktive Instandhaltung ist aufgrund zu langer Intervalle und / oder fehlender Informationen in

der Regel nicht möglich!

Gleisbegehungen (mit Messgeräten)

Monitoring P

ara

mete

r A

4

6

8

10

Fehlfunktion der Anlage

Detektion

Diagnose

Prognose

Künstliche Intelligenz!

Stabiler Trend: erkannt

und verlässlich

extrapoliert

Erkannte Anomalie im

Anlagenverhalten

Der Wunsch / die Erwartung

Wenige Parameter, korrekte Diagnosen, zuverlässige Prognosen

DLR.de • Folie 4

DLR.de • Folie 5

Konkrete Fallbeispiele aus unseren Forschungsprojekten


WeicheStellwerk Oberbau / Schiene

[email protected] / https://elib.dlr.de/


https://elib.dlr.de/

DLR.de • Folie 6

Konkrete Fallbeispiele aus unseren Forschungsprojekten


WeicheStellwerk Oberbau / Schiene

[email protected] / https://elib.dlr.de/

Komplexität der Assets /

Expertenwissen nutzen

Einflüsse von Witterung und

BetriebHerangehensweise des DLR


https://elib.dlr.de/


KI in der LST: Isolationsüberwachung der Kabelanlage in Elektronischen

Stellwerken (EStW)

Isolationswiderstand im EStW in

Plattling (16.4.2015 – 20.4.2015)

Typischer Verlauf der Werte des Isolationswiderstandes

Foto: Messgerät IRDH265 und Datenlogger im EStW in Plattling



Stellwerken (EStW)

Zeitverzögerte negative Korrelation

zwischen Isolationswiderstand und

Temperatur

19.-21.4.2015 (kein Niederschlag)

Korrelationen mit meteorologischen Parametern



Stellwerken (EStW)

Schätzung der Werte des

Isolationswiderstandes durch

Vergangenheitswerte des

Widerstandes und

vergangener sowie aktueller

Temperaturwerte

Korrelationen mit meteorologischen Parametern



Stellwerken (EStW)

Häufung der Einbrüche zu

bestimmten Uhrzeiten

Analyse der kurzzeitigen, starken Widerstandseinbrüche

15:00 16:00 17:00 18:00 19:00 20:00


KI in der LST: Isolationsüberwachung der Kabelanlage in

Elektronischen Stellwerken (EStW)

Klassifizierung der Widerstandsdaten anhand der Betriebsdaten des Stellwerks

Normale

Messung

Einbruch des

Isolations-

widerstandes

Gesamt 100%

29,545

100%

594

Klassifiziert als

normal 99.89% 1.85%

Klassifiziert als

Einbruch0.11% 98.15%

DLR.de • Folie 12

Ein komplexes System:

Die Eisenbahnweiche


DLR.de • Folie 13

Herausforderungen bei der Weichenüberwachung


Fehlfunktionen sind leicht zu erkennen

„Normale“ Variabilität maskiert sich

anbahnende Fehlfunktionen und erschwert

die Annotation von Trainingsdaten

- 0,7 C°

25 C°

Str

om

stä

rke in A

mpere

5

10

15

Str

om

stä

rke in A

mpere

5

10

15

0,5 s 1,5 s1 s15 s10 s5 s0

- Merkmalsextraktion

- Kontextwissen (“Bauernregeln”)

- Annotation / Trainingsdaten

- Datenquellen erschließen

DLR.de • Folie 14

Funktionales Model / FMECA

Vorhandene Daten

Expertenwissen nutzbar machen


Weiche

DLR.de • Folie 15

Diagnose: Einsatz (objekt-orientierter) Bayesscher Netze


Evidence

Calibration

BenefitsExpert

Knowledge

Historical

Data

Sensor Data

(Features)

Failure

Detection

Tools

Fault Diagnostics

Bayesian Network Model

Transparency

Automation

Sensitivity Analysis

Integrated Modelling

Modularity

Weiche

Diagnose


Projekt HavenZuG: Hafenbetriebsoptimierung durch vorausschauende

eingebettete Zustandsüberwachung der Gleisinfrastruktur

Projektziele

- Erprobung eingebetteter Multi-Sensor-Systeme (Inertialsensoren und Kameras) auf Rangierlokomotiven

- Entwicklung von Datenanalyse-Verfahren für die kontinuierliche automatische Zustandsüberwachung

- Evaluation des erreichten Reifegrades und Wirtschaftlichkeitsbetrachtung für eine nachgelagerte Produktentwicklung

DLR.de • Folie 17

Datenwissenschaftliche und technische Kernherausforderungen

• Systematische Nutzbarmachung von Experten- und Kontextwissen

• Erhebung und Bereitstellung hochqualitativer Trainings- und Benchmark-Datensätze

• Vollautomatisierte Erstellung aktueller digitaler Abbilder der Infrastruktur mit allen relevanten

Eigenschaften und Systemen

• Erfassung und (skalenübergreifende) Simulation / Prognose des Verkehrsgeschehens

einschließlich relevanter Umgebungsbedingungen (z. B. Wetter)

• Systemarchitekturen und Datenmodelle für Daten- und Diensteplattformen / Data Governance

• Sicherheitsnachweis für KI-basierte Systeme und Verfahren


DLR.de • Chart 18


Literaturauszug / Quellen

Stellwerk

- 2019: Möglichkeiten der KI-Anwendung im Sektor Bahn und in der LST (https://elib.dlr.de/134081/)

- 2018: ESTW-Kabelanlagen: Relevante Einflüsse auf den Isolationswiderstand (https://elib.dlr.de/120193/)

- 2015: Datengetriebene Diagnoseansätze für ESTW-Kabelanlagen (https://elib.dlr.de/97274/)

Weiche

- 2020: Detecting anomalous behavior of railway switches under real operation conditions: workflow and implementation

(https://elib.dlr.de/132828/)

- 2019: Anomaly Detection and Forecasting Methods Applied to Point Machine Monitoring Data for Prevention of Switch

Failures (https://elib.dlr.de/127352/)

- 2019: Transparente Fehlerdiagnose bei Weichenstörungen mittels Bayes'scher Netze (https://elib.dlr.de/128850/)

- 2018: Data-driven condition now- and forecasting of railway switches for improvement in the quality of railway

transportation (https://elib.dlr.de/118932/)

Oberbau/Schiene

- 2019: Eingebettete Zustandsüberwachung der Gleisinfrastruktur: Entwicklung und Erprobung von eingebetteten Multi-

Sensor-Systemen für die kontinuierliche Zustandsüberwachung der Gleisinfrastruktur im operativen Betrieb


- 2020: Analysis of Railway Track Irregularities with Convolutional Autoencoders and Clustering Algorithms


https://elib.dlr.de/134081/









Documents

KI für die Zustandsüberwachung und prädiktive Instandhaltung