DB pleegt asset management en onderhoud met data-analyse

DB pleegt asset management en onderhoud met data-analyse

Steeds meer organisaties realiseren zich hoeveel waarde er zit in data. Ze generen ze al jaren, maar hebben die nooit real-time en in samenhang geanalyseerd. Een van de toepassingsgebieden van data-analyse ligt bij asset management en maintenance. DB Cargo experimenteert met ‘het internet of big rolling things’. En die experimenten smaken naar meer, veel meer.

Dat er een duidelijke businesscase ligt, wist DB Cargo al voordat ze met de gestructureerde analyse startten van ‘machine data’. De transporttak van Deutsche Bahn heeft maar liefst 90.000 wagons en 3.500 locomotieven in beheer, die samen jaarlijks 3 miljoen ton aan goederen vervoeren. Het is de grootste spoorweggoederenvervoersmaatschappij van Europa.

 

Slimmer onderhoud

Marcus Gössl, project manager bij DB Cargo, vertelt op Splunk Conf2016 over het project TechLOK, gericht op slimmer onderhoud van locomotieven. “Wij hebben 3.500 locomotieven en hun gemiddelde leeftijd is 25 jaar. Alle locomotieven zijn uitgerust met diagnostische systemen. Gemiddeld telt een locomotief 2.000 sensoren. Ons doel is om in eerste instantie de 300 sensoren die de grootste voorspellende waarde geven of een locomotief onderhoud nodig heeft real-time uit te lezen.”

Eenvoudig is dat niet, want de it-infrastructuur in een voertuig van gemiddeld 25 jaar oud is niet van dien aard dat het een kwestie is van simpelweg doorsturen van data. Daarom is het team begonnen met de zeven meest moderne locomotieftypen, die allemaal beschikken over zelf-diagnostische systemen. De data uit deze systemen worden via het HTTPS- en MQTTS-protocol doorgestuurd naar Splunk, het centrale machine data platform van DB Cargo.

Dit platform heeft momenteel vier gebruikersgroepen. Bijvoorbeeld fleet control, maintenance, engineering en operations. “Iedereen gebruikt dezelfde data voor een ander doel”, zegt Gössl. “Maar door wel allemaal daarvoor hetzelfde platform te gebruiken, weten we dat we allemaal uitgaan van dezelfde gegevens.”

Het belangrijkste doel bij de start van het project was beter voorspellen wanneer onderhoud nodig is. Een tweede terrein waarvoor sensordata wordt ingezet is operations. Een derde gebied is fleet control.

Lees het hele verhaal online of in ICT/Magazine van maart.