Een van de intercityvloten van NS, de ICM-enkeldekstreinen (in de volksmond ook wel Koploper genoemd) omvat 137 treinstellen, samen goed voor 460 rijtuigen. Het onderhoudsbudget bedraagt tientallen miljoenen per jaar, dus het is belangrijk dat we in het beheer de juiste keuzes maken.
Hier liep een zeer innovatief project: real time monitoring. Met een mobiele boord-walverbinding haalden we technische gegevens van de trein naar de wal. Naast algemene meetgegevens krijgen we zo ook foutmeldingen binnen. Daarmee kunnen we preventief handelen. Stel dat de batterijlader van de trein defect is; dan weet je dat je nog twee uur de tijd hebt om de trein te vervangen, zodat reizigers een goede en voorspelbare treinreis houden.
De grootste uitdaging van real time monitoring is de enorme stroom aan gegevens; Big Data. Het is een hele klus om daar goede stuurinformatie uit te halen waarmee je iets kunt. Een spreadsheet zegt op zich nog niet zoveel; je moet ermee aan de slag.
Data worden pas echt interessant met correlatieonderzoek. Een slim algoritme helpt om voorspellers op te sporen: zo kan tijdig preventief onderhoud correctief onderhoud voorkomen. Denk bijvoorbeeld aan het volgende. Bij het optrekken van de trein ontstaat een hoge stroomsterkte in de motor, die daarna weer binnen een bepaalde tijd afneemt. Dat is normaal gedrag. Het komt voor dat in de loop der tijd dit patroon gaat afwijken: de stroomsterkte blijft veel langer hoog. Is dit een voorspeller van een mogelijk later defect?
Ander voorbeeld: een compressor zorgt voor genoeg luchtdruk in de remleidingen. Als de remleidingen leegraken, dan slaat de compressor aan. Als de compressor steeds vaker aanslaat, kan dat een signaal zijn dat een ander onderdeel minder goed is gaan functioneren. Kortom, de waarden van de sensoren vormen patronen, en aan de hand daarvan kun je onderhoudsplannen aanpassen, en uitval voorkomen. Het slimme algoritme wordt samen met een engineeringbureau in Duitsland ontworpen. De experts daar hebben er geen idee van hoe een trein werkt, maar weten alles van statistiek. Maintenance Development voegt de technische kennis toe.
Zo nu en dan kijken engineers mee in de werkplaats als collega’s een motor uit elkaar schroeven. Interessant, want je hebt iets raars gesignaleerd in een abstract grafiekje en ziet dan in werkelijkheid wat het betekent.
Jaap
Dankzij zijn 32-urige werkweek houdt productie engineer Jaap (41) ook genoeg uren over om zijn steentje bij te dragen aan de maatschappij. Een bhv-cursus op werk stimuleerde zijn interesse om mensen te helpen. Vlak na de cursus meldde hij zich daarom aan als EHBO-vrijwilliger bij het Rode Kruis.
Peter en Arno
Raden NS-collega’s Peter en Arno van elkaar wat voor werk ze doen? Ze hebben beiden een uitdagende job.
Emily en Edwin
Bij NS werk je met heel veel verschillende collega’s, met ieder hun eigen expertise. Wat denk jij: raden Emily en Edwin van elkaar welk werk ze beiden bij NS doen?
Wij, en derde partijen, maken op onze website gebruik van cookies. Wij gebruiken cookies om ervoor te zorgen dat onze website goed functioneert, om jouw voorkeuren op te slaan, om inzicht te verkrijgen in bezoekersgedrag, maar ook voor marketing en social media doeleinden (laten zien van gepersonaliseerde advertenties). Door op ‘Accepteren’ te klikken, ga je akkoord met het gebruik van alle cookies. In onze Cookieverklaring kun je meer lezen over de cookies die wij gebruiken en kun je jouw voorkeuren opslaan of wijzigen. Door ‘Weigeren’ te klikken ga je alleen akkoord met het gebruik van functionele cookies.