Sensoridatan hyödyntäminen vetokaluston kunnonvalvonnassa ja ohjauksessa

Abstract

Kaluston toimintakyvyn ylläpitäminen on yrityksille tärkeää. Kunnonvalvonnalla voidaan tehostaa kaluston käyttöä, pidentää toiminta-aikaa ja lisätä turvallisuutta. Esineiden internetin sovellukset mahdollistavat kaluston reaaliaikaisen kunnonvalvonnan. Datan kerääminen ja muokkaaminen tuottaa tietoa kaluston kunnosta päätöksenteon tueksi. Tutkielmassa pyritään vastaamaan tutkimuskysymykseen ”Miten sensoridataa voidaan hyödyntää vetokaluston kunnonvalvonnassa ja ohjauksessa?”. Tutkielma sisältää kirjallisuuskatsauksen ja empiirisen osuuden, joka toteutettiin laadullisena tapaustutkimuksena. Organisaation käytössä oleva kunnonvalvontajärjestelmä todettiin nykytilanteessa hyödylliseksi. Haasteet nykytilanteeseen liittyen koskivat käyttäjien koulutusta ja osallistamista järjestelmän suunnitteluun, oleellisen informaation löytämistä suurista datamääristä, sekä iältään ja toteutustavoiltaan moninaista kalustoa. Potentiaalisina hyötyinä kunnonvalvontaa ajatellen nähtiin kalustokokonaisuuksien hallinnan osalta toteutuneiden suoritteiden seuranta sekä toistuvien ja tyyppivikojen havainnointi. Operatiivisen toiminnan osalta hyötyinä nähtiin tilannekuvan saaminen kalustosta sekä seisontaraidesuunnittelu perustuen kaluston kuntoon. Toteutustapaa ajatellessa merkittävimpänä tekijänä esiin nousi eri käyttäjäryhmien ja näiden tarpeiden tunnistaminen. Operatiivisessa toiminnassa hyödyllisimmäksi koettiin kunnonvalvontadatan saaminen, ja sen esittäminen oikein visualisoituna ja suodatettuna. Kalustokokonaisuuksien osalta taas tärkeämpänä nähtiin tapahtumadatan esittäminen sekä aikasarjojen seuranta. Kuntoon perustuva kunnossapitostrategia nähtiin mahdollisena toteuttaa pienempien kalustosarjojen osalta niin, että huolto-ohjelmaa optimoidaan toteutuneen käytön mukaan. Lisäksi kaluston käyttöä ohjattaessa vikaantumisten ennakointi koettiin hyödylliseksi tiedoksi. Datan analysoinnin osalta oleellisimpina tekijöinä nähtiin ratainfran hyödyntäminen. Lisäksi analyysiin voidaan yhdistää eroja kalustossa, joka suorittaa samankaltaisia tehtäviä. Myös kaluston eri osajärjestelmien erottaminen ja vertailu voi hyödyttää datan analysointia etenkin väärien hälytysten poissulkemisessa. Kunnonvalvontadatan analysointia voidaan lisäksi hyödyntää eri valmistajien komponenttien vertailussa.

Maintaining production equipment is a key thing for enterprises. With condition monitoring it is possible to enhance the usage of equipment, lengthen operating time and increase safety. The applications of internet of things allows equipment real time condition monitoring. Data collecting and editing produces information about the condition of the equipment to support decision making. The purpose of this thesis is to answer the research question “how sensor data can be utilized in locomotive condition monitoring and dispatching?”. The thesis includes a literature review and an empirical part which was carried out as a qualitative case study. The current system for condition monitoring was dis-covered useful. The challenges in the current state were related to end user training and involving in system specification, finding key information in big data, and diverse equipment regarding age and technical implementation. Potential benefits of condition monitoring regarding fleet management were related to monitoring of actual performance and finding out intermittent faults recurring defects. For operative side, the benefits were related to achieving a quick snapshot about the equipment condition and parking track planning based on the equipment condition. Major factor about a possible implementation was defining different user groups and their needs. In day of operations, the collected data should be mostly filtered and visually represented condition monitoring data. On the fleet management side, event data and the following of time series were more relevant. Condition based maintenance was seen as a possible strategy regarding the optimization of maintenance program for certain equipment types, based on actual usage. Also, the condition monitoring data was experienced useful concerning locomotive dispatching and forecasting equipment malfunctions. As to data analysis, a key thing was utilizing track data together with equipment data. The differences in equipment performing similar tasks could also be included in the analysis. Separating and comparing different subsystems in the equipment could be used in the analysis, and to exclude false alarms. Condition monitoring data could also be utilized in comparison of equipment components from different manufacturers.