Treinvertragingen behoren tot het verleden, dankzij een systeem dat voorspelt wanneer een deel van een treinspoor, signaalapparatuur of andere apparaten op een station zullen waarschijnlijk falen. Het doet dit door gebruik te maken van duizenden sensoren en 3D-modellering die gebruikmaakt van big data.

Het systeem, momenteel in ontwikkeling, zullen ingenieurs ook in staat stellen om Augmented Reality (AR) te gebruiken via een smartphone of een Head Mounted Display (HMD) om defecte componenten of structuurfouten te lokaliseren en instructies op het scherm in realtime te lezen om hen te helpen met reparaties.

Het project is een samenwerking tussen de University of the West of England (UWE Bristol), smart engineering solutions bedrijf Costain en engineering technology start-up Enable My Team (EMT), die de projectleider is.

Een netwerk van Internet of Things (IoT)-sensoren zal in eerste instantie in 2019 worden geïnstalleerd in London Bridge Station, die als testlocatie zal worden gebruikt. De sensoren verzamelen gegevens over sporen en stationsfaciliteiten, zoals ventilatiesystemen, barrières of verlichting voordat u deze naar een software genaamd i-RAMP (IoT-enabled Platform for Rail Assets Monitoring and Predictive Maintenance) stuurt.

Het systeem zal vervolgens kunstmatige intelligentie (AI)-technieken gebruiken om de gegevens te analyseren en te voorspellen wanneer een fout waarschijnlijk zal optreden en om eventuele stresspunten of defecte onderdelen te markeren op een virtueel 3D-model van het station en de sporen.

Het is gepland voor voltooiing in april 2020, waarna het gedurende maximaal negen maanden zal worden uitgeprobeerd met geselecteerde klanten. Vijf andere treinstations in het VK zijn benaderd om als testlocaties voor de technologie te dienen. De uitrol van de regeling staat gepland voor 2021.

Professor Lukumon Oyedele, assistent vice-kanselier, Digitale innovatie en ondernemerschap, wie is de hoofdonderzoeker van het project bij UWE Bristol, zei:"Elke dag in het VK, de productie wordt negatief beïnvloed door de honderden uren die verloren gaan door treinvertragingen, vaak veroorzaakt door defecte seinhuizen of kapotte sporen.

Het systeem stelt bedrijven in staat een probleem op te lossen voordat het er zelfs maar een wordt, en op een moment dat het woon-werkverkeer niet wordt onderbroken, allemaal dankzij de IoT-sensoren in het station en op het spoor."

IoT-sensoren kunnen een hele reeks gegevens verzenden, waaronder trillingen, spanning of druk op een structuur, vochtigheid of temperatuur. Door meerdere van dergelijke componenten te gebruiken, kunnen treinmaatschappijen en stationsbeheerders veel delen van een treinnetwerk tegelijkertijd monitoren.

Sandeep Jain, wie is oprichter en CEO bij Enable My Team (EMT), zei:"i-RAMP zou betrouwbaarheid kunnen bieden aan de 1,7 miljard jaarlijkse passagiersreizen op de Britse spoorlijn, verhoging van de productiviteit in het hele land. Met machine learning en big data-verwerking kunnen we problematische vegetatie voorspellen, beschadigde constructies en defecte signalen, waardoor reparaties kunnen worden uitgevoerd voordat zich problemen voordoen."

Het systeem stelt ingenieurs ook in staat om Augmented Reality (AR)-technologie te gebruiken die hen informatie biedt over de locatie van defecte componenten en advies geeft over hoe ze het kunnen repareren. Naast het oriënteren naar de exacte plaats waar het probleem ligt, het zal hen ook realtime instructies geven en waarschuwen voor gevaren bij het uitvoeren van de reparaties

Professor Oyedele zei:"Door een headset te dragen of hun mobiele telefoons te gebruiken, technici kunnen instructies bekijken die zijn aangebracht op de verbinding of het elektrische circuit dat ze repareren of vervangen. Het kan bijvoorbeeld informatie of waarschuwingen geven over de aanwezigheid van hoogspanning in een gedeelte van een controlepaneel, of hoe je op een veilige manier een elektrisch circuit in een seinhuis kunt demonteren."