Beim Verkehrsunternehmen der Stadt Bern entfallen durch den Einsatz eines vollautomatisierten Messwerte–Monitorings zeitaufwendige manuelle Auswertungsschritte von Tramradreifenmesswertenz.
Das auf Business Intelligence (BI), Data Warehousing, Data Science und Big Data
fokussierte IT–Beratungshaus IT–Logix hat bei Bernmobil die Erstellung von
Auswertungen des täglich gemessenen Verschleisses der Radreifen der Trams
automatisiert. Um die Kontrolle der Daten zu erleichtern, wurden ausserdem Regeln für
Toleranzgrenzen implementiert, sodass automatisch Alarm ausgelöst wird, wenn
Handlungsbedarf besteht. Fehleranfällige manuelle Auswertungsschritte, respektive die
aufwändige Rad–für–Rad–Kurveninterpretation, entfallen mit der neuen Lösung komplett.
„Der Arbeitsaufwand für die Rollmaterialinstandhaltung wurde extrem reduziert“, sagt
Michael Aufdenblatten, Projektleiter Tram bei Bernmobil. «Die neuen übersichtlichen
Darstellungen erlauben Informationen zu den letzten vier verwendeten Radreifensätzen auf einen Blick – ein Novum», wie Aufdenblatten betont. Mit Algorithmen werden jetzt automatisch Fälle identifiziert und die technischen Mitarbeitenden benachrichtigt, sodass diese gezielt den Zustand prüfen und Wartungsprozesse einleiten können.
Erhebliche Einsparungen
Um über den Zustand der Reifen Bescheid zu wissen, mussten in der Vergangenheit einmal monatlich die Daten manuell exportiert werden, aufbereitet und in einem rund 900–seitigen Bericht grafisch dargestellt werden. Der Bericht diente als Grundlage für die Überwachung des Zustands der Radreifen. Die Interpretation erforderte jedoch viel Erfahrungswissen und ein ausgeprägtes Verständnis für die betrieblichen Zusammenhänge. Denn es mussten bei jeder Prüfung hunderte Abnutzungskurven von einzelnen Radreifen visuell interpretiert werden. Es geht bei der Kontrolle darum, anhand von Auffälligkeiten bei den Abnutzungskurven zu entscheiden, ob die Reifen adjustiert oder ausgetauscht werden müssen, denn Tram–Fahrwerke sind teuer. Eine unnötige Abnutzung ist deshalb zu vermeiden.
Entsprechend wichtig ist es, Unregelmässigkeiten so früh wie möglich zu erkennen. Der neue vollautomatisierte Bericht in Microsoft Power BI enthält noch drei Seiten. Neben Microsoft Power BIService kommen Microsoft Azure Blob Storage, Microsoft Azure SQL Datenbank, Microsoft Azure Data Factory, Microsoft Azure Machine Learning sowie als Programmiersprache Python zum Einsatz.
