Prediction and optimization of maintenance actions in railway wheelsets

July 23, 2024

A ferrovia requer manutenção eficaz economicamente para uma mobilidade mais eficiente no transporte mundial. Os comboios precisam de viajar mais rapidamente, aumentar os seus níveis de segurança, capacidade e disponibilidade, com custos de ciclo de vida e impactos ambientais mais baixos. Grandes volumes de informação e tecnologias para gerar grandes quantidades de dados nas atividades de inspeção e manutenção nas empresas ferroviárias permitem a implementação de abordagens robustas e fiáveis para melhorar as práticas atuais de manutenção. No complexo sistema veículo-via, o rodado é um componente crucial, a nível de segurança, no qual as empresas de transporte ferroviário gastam parte significativa do orçamento de manutenção. Este componente degrada-se com o tempo e utilização, sendo o seu estado importante para a qualidade da viagem, evitando descarrilamentos e podendo a sua condição ser monitorizada e recuperada. Neste enquadramento, o principal objetivo desta investigação é melhorar a manutenção de sistemas complexos de engenharia a partir de componentes. Dentro dos métodos utilizados, um sistema de apoio à decisão baseado em dados para ações de manutenção em ativos degradados é apresentado, onde a incerteza dos dados da condição, medidos em atividades de monitorização, é considerada e a complexidade dos mesmos reduzida em modelos preditivos de degradação e segurança em operação, que precedem um processo de decisão de aprendizagem por reforço para suportar melhores orientações de manutenção. Posteriormente, é realizado um planeamento da manutenção otimizado. Os resultados indicam que ações de manutenção otimizadas podem prolongar os ciclos de vida dos componentes, reduzir custos de manutenção a longo prazo e garantir elevados níveis de segurança. Ademais, os custos com operações de manutenção podem ser reduzidos e a utilização da mão-de-obra maximizada. Em conclusão, sugerem-se melhores práticas de manutenção nas empresas ferroviárias, sendo a previsão da degradação dos ativos essencial para um planeamento eficiente e sustentável da manutenção. Railways require cost-effective maintenance to contribute to more efficient mobility in worldwide transportation. Trains need to travel faster, provide higher safety levels, increase their capacity and availability, while having lower life cycle costs and environmental impacts. Nowadays, the accumulation of information in the past years and the technological ease to generate large amounts of data in inspection and maintenance activities in railway companies allow for the implementation of robust and reliable data-driven approaches to improve the current maintenance practices. Within the vehicle-track complex system, the wheelset is a crucial component, essential for safety reasons and where train operating companies spend a significant part of their maintenance budget. This component degrades with time and usage and its condition is important for ride quality and avoiding derailment. Furthermore, its condition can be monitored and recovered. Within this contextualization, the main objective of this research work is to improve the maintenance of complex engineering systems, such as the railway system, by tackling the problem individually at the component level, with the main focus on the wheelset. The applied methods consist of a data-driven decision support system for maintenance actions in degrading assets, where the uncertainty from condition data, measured in monitoring activities, is considered and the data complexity is reduced in predictive models of degradation and vehicle safety, which precede a reinforcement learning decision process to support better maintenance guidelines. Then, optimized maintenance planning is performed. Results obtained indicate that optimized maintenance actions can extend the life cycles of the components, reduce their long-term maintenance costs, while guaranteeing high safety levels. Moreover, costs associated with maintenance operations can be reduced and the use of labour force maximized. In conclusion, this research work suggests better maintenance practices to be performed in railway companies. Predicting asset degradation is essential to efficient and sustainable maintenance planning.

Authors in the community:

• 

  J

  Joaquim Pedro de Azevedo Peixoto Braga

  ist175446

  Affiliations and sources

  IST > IDMEC

  Instituto de Engenharia Mecânica

Supervisors of this institution:

• 

  A

  António Ramos Andrade

  ist153478

101622392

Doutoramento em Engenharia Mecânica

mechanical-engineering - Mechanical engineering

Keywords

• Ferrovia
• otimização da manutenção
• manutenção baseada na condição
• fiabilidade
• segurança
• Railways
• Maintenance optimization
• Condition-based maintenance
• Reliability
• Safety

eng - English

Instituto Superior Técnico

Financing entity

Fulbright Portugal

Financing entity

European Social Fund Plus

Financing entity

Fundação para a Ciência e a Tecnologia

Title of the project, award or grant: Prediction and Optimization of Maintenance Actions in Railway Wheelsets

Identifier for the funding entity: https://doi.org/10.13039/501100001871

Type of identifier of the funding entity: Crossref Funder

Number for the project, award or grant: SFRH/BD/147638/2019