Zugausfälle durch CBM vermeiden!

Die DB Cargo AG ist eine der leistungsfähigsten Güterbahnen Europas. Mit rund 1.500 Güterverkehrsstellen in Deutschland und 3.700 in Europa bietet sie ihren Kunden Zugang zu einem der größten Schienennetze der Welt. Von Deutschland aus, an der Schnittstelle der Verkehrsachsen Ost-West und Nord-Süd, steuert die DB Cargo AG die europaweiten Warenströme und sorgt als strategischer Partner für logistische Dienstleistungen über alle Grenzen hinweg. Nun kann sie auch durch vorausschauende Wartung Zugausfälle im Vorfeld vermeiden!

Bereits auf der Online-Konferenz der Software Innovation Bridge im März 2016 stellte Michael Fiebrig, Leiter Technical Management Components Locomotives & Wagons, DB Cargo Rail AG, die Bedeutung von vorausschauender Wartung für DB Cargo vor. Die damalige Ist-Situation im Instandhaltungsmanagement mit vorwiegend manueller Steuerung der korrektiven Instandhaltung per Meldeprozesse, vielen integrierten   manuellen Prozessen sowie der Nutzung von unterschiedlichen Datenbanksystemen und Sammlung von Daten ohne Bezug sollte durch ein neues Instandhaltungsmanagementsystem „Logistic 4.0 @ Cargo“ mit einer schrittweisen Einführung von „Condition Based Maintenance“ (CBM) abgelöst werden.

Nun, genau ein Jahr später, stellt Michael Fiebrig die ersten Ergebnisse dieses Projektes auf der Online-Konferenz Zukunftsforum Daten. Hightech. Menschen. am 09. März vor. Die erste Aufgabe im CBM-Thema war es, die frühzeitige Ermüdung der Zentralschraube zwischen Motor und Lager aufzudecken, um Motortotalschaden zu vermeiden. Bisherige analytische Verfahren haben es nicht ermöglicht, frühzeitig Indikationen auf einen zukünftigen Schaden der Zentralschraube zu prognostizieren. Nach einem Projekt mit der Firma IS Predict aus Saarbrücken können nun aufgrund der un-supervised, self-learning Predictive Intelligence Lösung von IS Predict Ausfälle bis zu 3 Wochen vor dem Eintreten prognostiziert werden. Außerdem werden die Ursachen erkannt: Aus über 150 ermittelten Datenpunkten sind nur 8 für den Schaden verantwortlich. Es können die mechanischen Ursachen und deren Konstellation identifiziert werden, die zu Schäden führen, um diese zukünftig zu vermeiden. Damit sind Kosten für den Zentralschraubenbruch i. H. v. ca. 200.000€ vermeidbar dank un-supervised und selbst-lernender Anomalieerkennung und Ausfallprognose.

Sie können den Vortrag von Michael Fiebrig, DB Cargo Asset Management & Technology am 09. März auf der Online-Konferenz „Zukunftsform Daten. Hightech. Menschen“ erleben. Weitere Informationen unter: www.software-innovation-bridge.com