Тенденции
Каждый год на железнодорожном транспорте в России и по всему миру возникает тысячи небольших сбоев. Поезда отправляются в депо для ремонта, но каждый лишний день, проведенный на ремонте, становится источником прямых потерь и дополнительных расходов из-за простоя локомотивов.
Еще несколько лет назад телеметрические данные поездов обрабатывались вручную инженерами-диагностами. Они просматривали отчеты о работе поезда за несколько суток. Это подвергало информацию риску некорректной интерпретации, и часть ошибок могла быть упущена.
РЖД постоянно улучшает системы диагностики, предлагая также сторонним разработчикам участвовать в этом процессе. Современные системы предиктивной аналитики вовлекают искусственный интеллект, машинное зрение, дополненную реальность и другие технологии, чтобы повысить надежность локомотивов.
Технология
Предиктивная аналитика - это совокупность методов анализа данных, направленных на прогнозирование поведения объектов, субъектов или процессов.
С использованием искусственного интеллекта, больших данных и машинного обучения на основе алгоритмов, предиктивная аналитика способна предсказывать сбои и поломки. Чем больше данных доступно для анализа, тем более точными становятся прогнозы. Локомотив, оснащенный современными сенсорами, передает огромные объемы данных, невозможные для анализа человеком. Обработка этих данных с использованием систем искусственного интеллекта позволяет оптимизировать параметры надежности и уменьшить количество поломок.
Реализация
В 2016 году началось внедрение автоматизированной системы мониторинга и прогнозирования технического состояния поездов под названием "Умный локомотив". Она основана на модели, разработанной компаниями "ЛокоТех" и Clover Group.
Эта система позволяет в режиме реального времени оценивать состояние локомотивов и прогнозировать отказы узлов до возможного возникновения аварии. Данные о состоянии техники поступают от датчиков, сенсоров и микропроцессорных систем управления, которые регистрируют параметры работы.
Каждый раз, когда локомотив направляется в депо на обслуживание или ремонт, телеметрические данные, записанные в пути следования, считываются с бортовой системы и загружаются в программу "Умный локомотив". Там они автоматически конвертируются и обрабатываются, запуская алгоритмы для выявления неисправных датчиков. Это позволяет предсказывать потенциальные инциденты и оценивать вероятность отказа различных узлов локомотива. Таким образом, риск происшествий и аварий в пути уменьшается до минимума, поскольку большинство поломок обнаруживается за месяц до их фактического возникновения.
На текущий момент система "Умный локомотив" анализирует 23 вида оборудования поездов по более чем 300 параметрам, что позволяет выявить около 60 категорий сбоев и автоматически выявлять нарушения эксплуатации, связанные с ошибками персонала.
Результаты
Только в 2019 году система "Умный локомотив" выявила 100 тысяч инцидентов, которые могли привести к поломке. Затраты на аварийный ремонт удалось сократить в три раза, а потери времени из-за неплановых работ уменьшились на 12%.
Также удалось снизить время обслуживания техники в депо. Время на диагностику локомотива сократилось с 2 часов до 5 минут.
Перспективы
Следующим этапом в использовании предиктивной аналитики является разработка единой цифровой экосистемы, способной прогнозировать уровень неисправностей и проводить предварительный ремонт по всей стране.
С 2018 года в сервисном локомотивном депо (СЛД) Братское внедряется пилотный проект "Цифровое депо".
К началу 2020 года в рамках эксперимента на полигоне было успешно внедрено более 30 разнообразных цифровых и технологических решений, объединенных в единую интеллектуальную систему.
Автоматизация процессов позволила снизить риски человеческого фактора влияния на качество процесса ремонта, а с использованием современных технологических решений удалось уменьшить время, в течение которого локомотивы находятся в депо. Таким образом, временные затраты на производственные операции уменьшились в два раза, а производительность труда выросла на 30%.
Цель проекта заключается в повышении коэффициента готовности к эксплуатации (КГЭ) локомотива до 0,95 и улучшении качества ремонта. Достижение этих показателей станет возможным благодаря сокращению времени, затрачиваемого на проведение плановых сервисных работ, включая текущий ремонт (ТР-1) и техническое обслуживание (ТО-2).
Оборудование, анализируемое системой "Умный локомотив"
- Умный Локомотив
- Генератор тяговый
- Электродвигатель тяговый
- Насосы топливные, масляные
- Радиатор водяной
- Турбокомпрессор
- Тормоз реостатный, рекуперативный
- Компрессор тормозной
- Реле и контакторы
- Фильтры масляные, топливные
- Аккумуляторная батарея
- МСУ
- Мотор-вентиляторы охлаждения
- Форсунки
- Водомасляный теплообменник
- Возбудитель
- Управляемый выпрямитель возбуждения
- Выпрямительная установка
- Система поосного регулирования
- Цепи ослабления поля
- Охладитель наддувочного воздуха
- Выпрямительно-инверторный преобразователь
- Преобразователи собственных нужд
Цифровое депо – первые результаты:
- Временные затраты на производственные операции снизились в 2 раза;
- Время цикловых операций при ремонте уменьшилось в 3 раза;
- Производительность труда выросла на 30%.