Cloudbasierte Zustandsdiagnose von Straßenbahnschienen
-
Maik Wolf
Maik Wolf, M. Eng, studierte an der HTWK Leipzig Maschinenbau, Fachrichtung Mechatronik. Seit 2014 ist er als Wissenschaftlicher Mitarbeiter an der HTWK Leipzig in den Bereichen Forschung und Lehre tätig.
Prof. Dr.-Ing. Mathias Rudolph studierte an der TH Leipzig Elektrotechnik, Fachrichtung Mess-, Steuer- und Regelungstechnik, und promovierte 1999 zum Dr.-Ing. Nach Tätigkeiten als Wissenschaftlicher Mitarbeiter an der Umweltforschungszentrum Leipzig-Halle GmbH sowie in Lehre und Forschung an der Professur für Systemtheorie der TU Chemnitz war er seit 2006 bei der Siemens AG in Erlangen als Entwicklungsingenieur auf dem Gebiet der Maschinensimulation tätig. Seit 2013 ist er Inhaber des Lehrstuhls für Industrielle Messtechnik an der HTWK Leipzig.
,
Uwe Leutritz
Dipl.-Ing. Uwe Leutritz ist Projektleiter im Unternehmen BitCtrl Systems GmbH, welches u. a. im Bereich Echtzeitfahrgastinformations-systeme mit bitcontrol® LISA (Live Infotainment System & Advertisement) hochinnovative Softwarelösungen anbietet.
Dipl.-Ing. Johannes Köllner ist für Fertigungstechnik. Nach seinem Studium war er zunächst als technischer Leiter und später als Produktionsleiter in einem mittelständischen Unternehmen für Werkzeugbau und Kunststoff-Spritzgießtechnik beschäftigt. 2003 erfolgte ein Branchenwechsel als Leiter für Forschung und Entwicklung bei der SDS Schwingungs Diagnose Service GmbH, wo er seit 2012 Geschäftsführer ist.
Dipl.-Ing. Andreas Günther studierte an der TU Dresden Maschinenbau, Fachrichtung Konstruktionslehre. Seit 1994 arbeitet er bei der SDS GmbH, verantwortlich für Untersuchungen an industriellen Maschinen hinsichtlich Verschleiß und Ermüdung sowie daraus resultierend für die Ableitung von Wartungs- und Instandhaltungsempfehlungen.
Dipl.-Ing. Dominik Zschocke studierte an der TU Chemnitz Maschinenbau, Fachrichtung Konstruktions- und Antriebstechnik. Seit 2010 arbeitet er bei der SDS GmbH als Diagnoseingenieur, verantwortlich für die Überwachung von rotating-equipment mittels Analyse und Bewertung von Schwingungssignalen.
Abstract
Die Auslastung des schienengebundenen ÖPNV wird durch Urbanisierung und energiepolitische Trends zunehmen. Für die dafür erforderliche Umsetzung einer zustandsabhängigen Instandhaltungsstrategie wurde ein innovatives schwingungsbasiertes Verfahren zur Zustandsdiagnose von Straßenbahnschienen entwickelt. Die klassifizierten Messdaten in Form von Gleismeterobjekten werden cloudbasiert in einer Kartenansicht zur Verfügung gestellt. Dadurch ist die Analyse historischer und aktueller Messdaten möglich, um die Notwendigkeit oder den Erfolg von Schienenschleifungen zu bewerten.
Abstract
The workload of local public passenger transport by rail will increase as a result of urbanization and energy policy trends. For this purpose, an innovative vibration-based method for diagnosing the condition of rail tracks for trams has been developed. The classified measurement data in form of rail meter objects are made available in a cloud-based map view. This allows the analysis of historical and latest measurement data in order to evaluate the necessity or success of rail grinding.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWFAdvisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).
About the authors
Maik Wolf, M. Eng, studierte an der HTWK Leipzig Maschinenbau, Fachrichtung Mechatronik. Seit 2014 ist er als Wissenschaftlicher Mitarbeiter an der HTWK Leipzig in den Bereichen Forschung und Lehre tätig.
Prof. Dr.-Ing. Mathias Rudolph studierte an der TH Leipzig Elektrotechnik, Fachrichtung Mess-, Steuer- und Regelungstechnik, und promovierte 1999 zum Dr.-Ing. Nach Tätigkeiten als Wissenschaftlicher Mitarbeiter an der Umweltforschungszentrum Leipzig-Halle GmbH sowie in Lehre und Forschung an der Professur für Systemtheorie der TU Chemnitz war er seit 2006 bei der Siemens AG in Erlangen als Entwicklungsingenieur auf dem Gebiet der Maschinensimulation tätig. Seit 2013 ist er Inhaber des Lehrstuhls für Industrielle Messtechnik an der HTWK Leipzig.
Dipl.-Ing. Uwe Leutritz ist Projektleiter im Unternehmen BitCtrl Systems GmbH, welches u. a. im Bereich Echtzeitfahrgastinformations-systeme mit bitcontrol® LISA (Live Infotainment System & Advertisement) hochinnovative Softwarelösungen anbietet.
Dipl.-Ing. Johannes Köllner ist für Fertigungstechnik. Nach seinem Studium war er zunächst als technischer Leiter und später als Produktionsleiter in einem mittelständischen Unternehmen für Werkzeugbau und Kunststoff-Spritzgießtechnik beschäftigt. 2003 erfolgte ein Branchenwechsel als Leiter für Forschung und Entwicklung bei der SDS Schwingungs Diagnose Service GmbH, wo er seit 2012 Geschäftsführer ist.
Dipl.-Ing. Andreas Günther studierte an der TU Dresden Maschinenbau, Fachrichtung Konstruktionslehre. Seit 1994 arbeitet er bei der SDS GmbH, verantwortlich für Untersuchungen an industriellen Maschinen hinsichtlich Verschleiß und Ermüdung sowie daraus resultierend für die Ableitung von Wartungs- und Instandhaltungsempfehlungen.
Dipl.-Ing. Dominik Zschocke studierte an der TU Chemnitz Maschinenbau, Fachrichtung Konstruktions- und Antriebstechnik. Seit 2010 arbeitet er bei der SDS GmbH als Diagnoseingenieur, verantwortlich für die Überwachung von rotating-equipment mittels Analyse und Bewertung von Schwingungssignalen.
Danksagung
Das Kooperationsprojekt wurde unterstützt, gefördert und finanziert durch das Bundesministerium für Wirtschaft und Energie, Förderkennzeichen: ZF4364406GR9, ZF4362902GR9 und ZF4710601GR9. Im gleichen Maße danken wir den Praxispartnern SDS Schwingungs Diagnose Service GmbH und BitCtrl Systems GmbH für den Anteil Ihrer Forschungsarbeit sowie den Leipziger Verkehrsbetrieben (LVB) GmbH (assoziierter Partner) für die Möglichkeit der Messdatenerhebung.
Literatur
1 Heck, J.: Zur Simulation des Rad-SchieneVerschleißes bei Straßenbahnen. Dissertation, Karlsruher Institut für Technologie (KIT), Institut für Fahrzeugsystemtechnik (FAST), Karlsruhe 2016, S. 1Search in Google Scholar
2 Bundesministerium der Justiz und für Verbraucherschutz (Hrsg.): Verordnung über den Bau und Betrieb der Straßenbahnen (Straßenbahn-Bau- und Betriebsordnung – BOStrab), § 57. Berlin, 1987Search in Google Scholar
3 Bäsel, V.; Meißner, U.: Das Schleifkonzept der Leipziger Verkehrsbetriebe. Oberbaupflege und Lärmreduktion. Leipzig, 2017Search in Google Scholar
4 Wolf, M.; Rudolph, M.; Kanoun, O.: Concept for an Event-triggered Wireless Sensor Network for Vibration-based Diagnosis in Trams. Vibroengineering PROCEDIA 27 (2019), S. 55–60 DOI: 10.21595/vp.2019.2103310.21595/vp.2019.21033Search in Google Scholar
5 Wolf, M.; Hund, S.; Rudolph, M.; Kanoun, O.: Design of a Wireless and Energy Autonomous Sensor Network for Condition Monitoring of Tram Drive Components. Designs 2 (2018) 4, S. 50 DOI: 10.3390/designs204005010.3390/designs2040050Search in Google Scholar
6 Wolf, M.; Rudolph, M.; Köllner, J.: Schwingungsdiagnostische Untersuchung von Straßenbahn-Antriebskomponenten. ZWF 112 (2017) 1/2, S. 62–67 DOI: 10.3139/104.11167010.3139/104.111670Search in Google Scholar
7 Wolf, M.; Rudolph, M.; Köllner, J.; Holstein, P.: Gleisbasierte Schwingungsdiagnose an Straßenbahnen – mit komplementärer Sensorik. ZWF 114 (2019) 5, 278–283 DOI: 10.3139/104.11208810.3139/104.112088Search in Google Scholar
8 Slovák, B.: Fahrzeugseitige Schienenbrucherkennung, Nachweis der prinzipiellen Machbarkeit mittels Auswertung von Beschleunigungssignalen am Achslager eines U-Bahnfahrzeuges. Dissertation, TU Berlin, 2012Search in Google Scholar
9 Linder, C.; Oehler, A.: Klassifikation von Oberbaufehlern am Beispiel Weichen. EI – Der Eisenbahningenieur (2014) 11, S. 19–22Search in Google Scholar
10 Linder, C.; Lackhove, C.; Schemnkendorf, R.: Prognoseverfahren zur Gleislageabweichung bei Einzelfehlern – Erhöhung der Wirtschaftlichkeit der Netzinstandhaltung durch prognosebasierte Fehlerüberwachung. EI – Eisenbahningenieur (2014) 2, S. 1–5Search in Google Scholar
11 Tsunashima, H.; Mori, H.; Ogino, M.; Asano, A.: Development of Track Condition Monitoring System Using On-board Sensing Device. In: Zboinski, K. (Hrsg.): Railway Research - Selected Topics on Development, Safety and Technology. InTech 2015 DOI: 10.5772/6107710.5772/61077Search in Google Scholar
12 Jones, M.; Southcombe, J.: Track Condition Monitoring Using Service Trains. In: AusRAIL PLUS 2015, Doing it Smarter. People, Power, Performance, 24–26 November 2015, Melbourne, Victoria, Australia 2015Search in Google Scholar
13 Gerike, R.: Lärmreduktion durch Behandlung der Schienenoberflächen. Forschungsinformationssystem (FIS) für Verkehr und digitale Infrastruktur (2003). Online unter: https://www.forschungsinformationssystem.de/servlet/is/49458/ [Abruf am 16.03.2022]Search in Google Scholar
14 Edel, K.-O.; Budnitzki, G.; Schnitzer, T.: Klassifikation der Schienenfehler – Schienenfehler 1. Springer-Vieweg-Verlag, Wiesbaden 2021, S. 7–38 DOI: 10.1007/978-3-662-58660-0_210.1007/978-3-662-58660-0_2Search in Google Scholar
15 Trabs, M.; Jirak, M.; Krenz, K.; Reiß, M.: Statistik und maschinelles Lernen. Springer Spektrum, Berlin, Heidelberg 2021, S. 185–234 DOI: 10.1007/978-3-662-62938-3_510.1007/978-3-662-62938-3_5Search in Google Scholar
16 Rudolph, M.; Hempel, A.-J.: Unscharfe Klassifikation von Messdaten zur Maschinenüberwachung. wt Werkstattstechnik online 103 (2013) 11/12, S. 915–92010.37544/1436-4980-2013-11-12-915Search in Google Scholar
© 2022 Walter de Gruyter GmbH, Berlin/Boston, Germany
Articles in the same Issue
- Inhalt
- Editorial
- Industrie 5.0 als Chance
- Standortauswahl
- Datenbasierte Standortauswahl
- Fabrikplanung
- Nachhaltige Fabrikplanung für die Green Factory
- Digitale Lernplattform
- Lernstation für Datenerfassung und IoT-Applikationen
- Maschinelles Lernen
- Entwicklung eines Überwachungs- und Servicemanagementsystems für Sterilisations- und Schredderanlagen
- Produktive Machine-Learning-Systeme für die Industrie
- Shopfloor Management
- Digitale Abbildung zur Prozesskoordination in der Unikatfertigung
- Engpassmanagement
- Identifikation und Prognose dynamischer Engpässe
- Zustandsüberwachung
- Cloudbasierte Zustandsdiagnose von Straßenbahnschienen
- Energiemanagement
- Batteriespeicherlösungen zur energiewirtschaftlichen Optimierung von Industriebetrieben
- Smart Services
- Software-gestützte Planung der Smart-Service-Transformation
- Digitalisierung
- Datenaufnahme und -verarbeitung in der Brownfield-Produktion
- Digitalisierung der Produktion: Ganzheitliche Bewertung
- Digitaler Zwilling
- Digital Twin Pipeline zur VDA-5050-Integration
- Künstliche Intelligenz
- Konzept und Erfahrungsbericht zur Nutzung Künstlicher Intelligenz im Fertigungsmanagement
- Der Einsatz Künstlicher Intelligenz in produzierenden Unternehmen
- Industrie 4.0 durch Künstliche Intelligenz
- Strategisches Supply-Chain-Risikomanagement
- Vorschau
- Vorschau
Articles in the same Issue
- Inhalt
- Editorial
- Industrie 5.0 als Chance
- Standortauswahl
- Datenbasierte Standortauswahl
- Fabrikplanung
- Nachhaltige Fabrikplanung für die Green Factory
- Digitale Lernplattform
- Lernstation für Datenerfassung und IoT-Applikationen
- Maschinelles Lernen
- Entwicklung eines Überwachungs- und Servicemanagementsystems für Sterilisations- und Schredderanlagen
- Produktive Machine-Learning-Systeme für die Industrie
- Shopfloor Management
- Digitale Abbildung zur Prozesskoordination in der Unikatfertigung
- Engpassmanagement
- Identifikation und Prognose dynamischer Engpässe
- Zustandsüberwachung
- Cloudbasierte Zustandsdiagnose von Straßenbahnschienen
- Energiemanagement
- Batteriespeicherlösungen zur energiewirtschaftlichen Optimierung von Industriebetrieben
- Smart Services
- Software-gestützte Planung der Smart-Service-Transformation
- Digitalisierung
- Datenaufnahme und -verarbeitung in der Brownfield-Produktion
- Digitalisierung der Produktion: Ganzheitliche Bewertung
- Digitaler Zwilling
- Digital Twin Pipeline zur VDA-5050-Integration
- Künstliche Intelligenz
- Konzept und Erfahrungsbericht zur Nutzung Künstlicher Intelligenz im Fertigungsmanagement
- Der Einsatz Künstlicher Intelligenz in produzierenden Unternehmen
- Industrie 4.0 durch Künstliche Intelligenz
- Strategisches Supply-Chain-Risikomanagement
- Vorschau
- Vorschau
