都市鉄道向けインテリジェント運行保守システム

都市鉄道向けインテリジェント運行・保守システムは、地下鉄、ライトレール網、都市鉄道交通ハブに適用可能です。このシステムは、線路、列車部品、駅設備の状態をリアルタイムで監視し、故障を予測して保守作業のスケジュールを立てることで、鉄道運行の安全性と安定性を確保します。

Eメール

タグ:

鉄道のインテリジェントな運用と保守鉄道の自動運転と保守都市鉄道の自動検査

都市鉄道交通のインテリジェントな運用と保守 (O&M) には、鉄道交通電気機械インフラストラクチャの資産データ管理、鉄道交通電気機械機器の障害予測、鉄道交通電気機械機器の正確な障害箇所、鉄道交通電気機械機器の障害原因分析、鉄道交通電気機械機器の障害分類、鉄道交通電気機械機器の障害管理、およびライフサイクル全体のデータ管理が含まれます。

鉄道交通電気機械インフラ資産データ管理は、鉄道交通電気機械インフラ資産管理を中核としています。関連規格、仕様、モノグラフ、専門家の経験に基づき、建設アーカイブ、電気機械設備の標準コーディング、電気機械設備コンポーネントの標準分解図、地理座標などを統合し、鉄道交通電気機械設備の故障監視に関する専門知識データベース（電気機械設備データベース、故障情報データベース、故障原因データベース、故障対応データベースなど）を構築します。

鉄道電気機械設備の故障予測には、鉄道電気機械設備データを正確に取得・分析することが含まれます。データのクリーニング、集約、変換、マッチングなどの手法を用いてデータを前処理し、標準化された形式で複数のソースから収集された異種データを取得することで、鉄道電気機械設備のトピックベースの故障データウェアハウスを構築します。このデータウェアハウスに基づいて、故障機器情報を分類し、故障の種類、故障頻度、故障原因、機器の稼働状況などの情報を用いて故障予測モデルアルゴリズムを構築します。このアルゴリズムは、予防保守計画の策定を支援し、鉄道電気機械設備の保守担当者に効果的な意思決定支援を提供します。

鉄道交通電気機械設備の現場状況に基づき、システム内の電気機械設備の論理的な上流・下流関係モデルを構築することで、鉄道交通電気機械設備の正確な故障箇所特定を実現します。このモデルは、電気機械設備の論理的な上流・下流相関を可能にし、相関情報はデジタルツインシステムに統合されます。また、電気機械システムの定性的な影響関係ネットワークも構築され、各種電気機械設備について、各故障の出力特性を特定し、自己誘発故障と非自己誘発故障（入力異常などによる故障）に基づいて故障を分類します。階層的な故障推論を実現し、システム全体の観点から故障の追跡と箇所特定を行います。

鉄道輸送電気機械設備の故障原因分析では、設備の過去の故障情報と関連部品のリアルタイム状態を組み合わせ、故障診断モデルを用いて潜在的な故障原因を分析し、故障対応策を提案します。また、故障が列車運行に与える影響の程度に応じて、インシデントの種類を一般インシデントと緊急インシデントに分類し、それぞれ日常保守管理または緊急出動指令の対象となります。

鉄道交通電気機械設備の故障分類は、発生頻度の高い故障の優先度を正確に識別します。鉄道交通電気機械システムのネットワークトポロジー特性と鉄道運行への影響度に基づいて、故障リソースの修復の緊急性を評価し、鉄道交通電気機械設備の故障分類基準を確立します。これにより、限られたリソースを効率的に活用して頻繁な故障に対応できるようになり、信頼性管理レベルが向上します。

鉄道交通電気機械設備の障害管理では、運用中の鉄道交通電気機械設備で発生した障害の詳細（障害発生時刻、報告時刻、障害内容、障害原因など）を記録します。各障害はコード化され、障害データベースに保存されます。同時に、各障害に対して効果的な保守計画が策定され、専用の障害対応データベースに保存されます。これらが企業の設備運用保守知識データベースを形成し、障害データベース、知識データベース、その他のリソースを統合することで、最終的に企業の知識資産が構築されます。

フルライフサイクルデータ管理は、機器のフルライフサイクルアーカイブデータベースの構築を伴います。このデータベースには、機器の基本データ（機器コード、機器モデル、製造日とメーカー、試運転日、予想耐用年数など）に加え、機器運用中に動的に更新される監視データ、早期警報データ、診断データ、保守データが含まれます。これにより、都市鉄道運行におけるフルライフサイクルデータ管理機能が確立され、あらゆる段階でO&Mデータをリアルタイムに監視することが可能になります。