Laste ned presentasjonen
Presentasjon lastes. Vennligst vent
1
Tar feilen før den feiler
Punktlighetsseminar Jørgen Torgersen/ Anna Gjerstad Smart vedlikehold
2
Tar feilen før det feiler
Smart vedlikehold i organisasjonen Status og resultater Overvåking av sporveksler og sporfelt Maskinlæring i praksis Videre 2018 Smart vedlikehold
3
Smart vedlikehold i organisasjonen
Smart vedlikehold sender ut arbeidsordrer gjennom Hendelseslogg Vi sitter delvis på togledersentralen, delvis på Oslo City UKV registreres som ‘Opprettet av’ «Smart vedlikehold» - sporing Vi opererer med 3 tidsfrister for å rette feil – 1,3 og 7 dager Vi blir godt mottatt og opplever mye støtte på togledersentralen Vi opplever også at Banesjefer og drift støtter dette i veldig stor grad og bruker verktøyet selv, samspillet et viktig for at alle skal lære Vi må kommuniserer riktig det vi ser og måten vi varsler hva som må gjøres Vi utvikler oss til å kunne bli mer presise i rotårsak og tid til feilretting, i tillegg til å fange flere og flere typer feil > 300 arbeidsordrer er fra januar 2017 til nå opprettet av Smart vedlikehold Smart vedlikehold
4
Status utbygging per november 2017
Antall Komponent Lokasjon 801 Drivmaskiner Oslo, Askerbanen, Gardermobanen, Dovrebanen Syd, Østfoldbanen, Ofotbanen, Trondheim 109 Sporfelt Nationalteateret, Skøyen 748 Varme/sporveksler Fordelt i store deler av landet, mye Oslo, Hoved- og Gardermobanen Nyere anlegg som er tilrettelagt for sentralisert overvåking Smart vedlikehold
5
Arbeidsordrer Oslo S – Askerbanen 2015-2017
Smart veldikehold
6
Sparte forsinkelser - veksler 2017 1. Januar – 31.oktober :
132 timer Basert på beregninger av medianforsinkelse ved feil på den enkelte sporveksel Asker 16 timer Sandvika 3 timer Lysaker 32 timer Skøyen 32 timer Oslo S 49 timer
7
Utvikling – Forlenget kjøretid & unngåtte feil
Januar-oktober , Askerbanen Betraktning: Forlenget kjøretid grunnet AKV sporvekselfeil er lavere i 2017 enn tidligere år Summen av ”forlenget kjøretid” og ”unngått forlenget kjøretid” for 2017 er lavere enn ”forlenget kjøretid” for de fleste tidligere år. Sporvekselovervåking har redusert forlenget kjøretid fra feil på sporveksler med ca. 1/3 i 2017.
8
Sporvekselovervåking Roadmaster
Smart vedlikehold
9
Smart vedlikehold – startet i det små
10
Signalfeil 2016 – fokus på største bidragsytere
11
Sporfeltovervåking – store potensialer i overvåking av sporet
Smart vedlikehold
12
Sporfeltovervåking – sporfeltet er en antenne for mange fag
13
Tilstandsovervåking av sporet
Tilstandsovervåking av sporfelt
14
Begynnende kortslutning
15
Forurenset isolert skjøt er vanlig …
Problemet i dag er at det ikke oppdages før det er for sent. Med tilstandsovervåking ser vi endringer i strømmen før det skjer. Overvåkingsverktøy
16
Mye data å håndtere – behov for effektivisering vanskelig å se trend utvikling i RoadMaster
Smart veldikehold
17
Maskinlæring i praksis
Beriket med maskinlæring – vi plukker ut «små»felt i roadmasterkurven og følger denne bakover i tid – «3 dimensjonalt» - da følger vi utviklingen av feilen på en mye mer effektiv måte Roadmaster –vi måler strøm og tid per omlegging – «ca 2 dimensjonalt» Smart vedlikehold
18
VX104b, Skøyen. Feil med snekkedrev i drivmaskin
18.09: Sendt AO til Signal for friksjon i låsevei. 20.09: feilretting utført. Presset fett i drv 30.10: Sendt AO til Signal for friksjon i låsevei 31.10: feilretting utført. Presset fett i drv 21.11: Sendt AO til Signal for justering av drivmaskin
19
VX104b, Skøyen Smart vedlikehold
20
Sporvekselovervåking
Vi trenger enda bedre kunnskaper, for å gjøre riktige vurderinger og riktige tiltak Varsler 1-7 dager i forkant av feil – ikke bra nok Kunnskap om feilen Kunnskap om feilhistorikk til komponenten Kunnskap om alder og leverandør Kunnskap om miljøet den står i og tid på døgnet Kunnskap om hvor viktig den er i trafikkbildet Plant Data Redundancy Security Transformation Enrichment Analyse TIOS Trafikksystemer Data Hub Graph databases Cassandra Brightstar BaneData IBM Maximo Roadmaster Sporvekselovervåking Genesis Sporvekselvarme ProArc Dokumentasjon FIDO Trafikksystemer Smart vedlikehold
21
Hadoop, MapReduce, Spark, Storm, Apex, Elastic Search
Work order Topology Location Asset Route Mgmt. Outage Mngmt. Samarbeide IT - standarisert IT arkiktektur Condition monitoring Roadmaster (points) G64(point heating) Fleet One (Rolling stock) Real time data Training data Reference values Knowledge base Simulator Analytics Pattern recognition Regression Classification Data Hub Graph databases Cassandra Brightstar End User Applications Data Lake Hadoop, MapReduce, Spark, Storm, Apex, Elastic Search CTC KARI, Tog kart ERP, CRM, BI Data Platform FJEL SIEMENS Spectrum Platforms AWS IoT ThingWorks IoT Predix.io Bluemix, Watson Microsoft IoT Business Process Actors Workflows Information Pub/Sub Broadcast uCMDB HPE Integration FIDO Trafikksystemer Plant Data Redundancy Security Transformation Enrichment OPC REST API IoT Gateway TIOS Trafikksystemer Connectivity OT/IT IoT Platform VitalQIP NOKIA Networks SCADA \ SRO BaneData IBM Maximo Plant Smart vedlikehold
22
Fra dagens vedlikeholdsprogram til moderne vedlikehold
- tidsbasert Tilstandsbasert vedlikehold Prediktivt vedlikehold Moderne vedlikehold Fageksperter + IT Smart vedlikehold
23
Takk for oppmerksomheten!
Smart vedlikehold
Liknende presentasjoner
© 2024 SlidePlayer.no Inc.
All rights reserved.