Uma abordagem digital para Rolling Stock Manutenção

AS Operadores ferroviários Face a uma demanda em queda na era pós-pandêmica, muitos relatam que seus custos de manutenção do estoque contínuos continuaram aumentando. Os operadores ferroviários de trânsito e passageiros dos EUA viram esses custos aumentarem em aproximadamente 4% ao ano de 2010 a 2019, de acordo com dados da Federal Transit Authority, superando os recentes aumentos significativos na inflação. A escassez de mão -de -obra, as interrupções da cadeia de suprimentos e as frotas antiquadas são os culpados. Além disso, os operadores ferroviários atrasam outras indústrias na incorporação de dados e os mais recentes Tecnologia digital em suas funções de manutenção e suporte. Por exemplo, uma agência de trânsito nos EUA usou seus dados existentes para desenvolver curvas de falha para os principais sistemas. Ele aplicou os insights para melhorar a precisão do cronograma e a disponibilidade de peças, resultando em um declínio de 10% nos custos de manutenção do estoque. Eles podem utilizar esses dados e análises do sensor para diagnosticar preventivamente falhas em potencial e avaliar o potencial de escalar essas soluções entre as frotas. Um operador ferroviário asiático usou manutenção preditiva ativada digitalmente para garantir a disponibilidade de todas as peças necessárias quando o equipamento chegou para manutenção programada. Isso permitiu reduzir o tempo que seu material rolante gasto em depósitos de manutenção em 20% a 30%.

Operators can combat escalating costs by better employing existing data to plan and execute maintenance, or by utilizing new technologies to generate new data sources in support of predictive maintenance.

Simply deploying existing data can have an outsized impact on costs, particularly since it entails low, if any, upfront technology expenditures. For example, a US transit agency used its existing data to develop failure curves for key systems. It applied the insights to improve schedule accuracy and parts availability, resulting in a 10% decline in rolling stock maintenance costs.

Operators can also experiment with the latest technologies to facilitate the collection and analysis of data from new sources, such as sensors and digital maintenance records. They can utilize such sensor data and analyses to preemptively diagnose potential failures and assess the potential to scale these solutions across fleets. An Asian rail operator used digitally enabled predictive maintenance to ensure the availability of all necessary parts when equipment arrived for scheduled maintenance. This allowed it to reduce the time its rolling stock spent in maintenance depots by 20% to 30%.

Sucesso, no entanto, requer uma abordagem pragmática. Isso começa com uma avaliação dos dados, sensores e outras tecnologias atualmente usadas pelas funções de manutenção do estoque de um operador. A avaliação de vencimento descrita abaixo pode ajudar os operadores a estabelecer a base para capturar mais valor dos recursos existentes antes do planejamento dos investimentos em novos recursos. chassi (incluindo rodas, eixos e caminhão); propulsão; portas; e sistemas de aquecimento, ventilação e ar condicionado (HVAC). Para melhorar a confiabilidade e a eficiência de cada sistema, os operadores podem capturar dados de sensores existentes e também instalar novos sensores para coletar tipos adicionais de dados. (Consulte "Os sensores suportam a manutenção em cinco sistemas".) Por exemplo, sensores infravermelhos e câmeras térmicas podem detectar quando os freios começam a superaquecer e exigem manutenção para reduzir o risco de "aderência". Da mesma forma, os acelerômetros e os inclinômetros podem monitorar o estresse nos sistemas de propulsão de um trem a partir de vibrações contínuas, acelerações e desacelerações. Cinco benefícios principais:

How Digital Enhances Rolling Stock Maintenance

Most rolling stock maintenance efforts focus on five major train systems: brakes; chassis (including the wheels, axles, and truck); propulsion; doors; and heating, ventilation, and air-conditioning (HVAC) systems. To improve each system’s reliability and efficiency, operators can capture data from existing sensors and also install new sensors to gather additional types of data. (See “Sensors Support Maintenance Across Five Systems.”) For instance, infrared sensors and thermal cameras can detect when brakes start to overheat and require maintenance to reduce the risk of “sticking.” Similarly, accelerometers and inclinometers can monitor the stress on a train’s propulsion systems from continuous vibrations, accelerations, and decelerations.

By utilizing existing data and creating new, high-value data feeds (via sensors) as part of a comprehensive digital maintenance program, rail operators can realize five key benefits:

• Aumento da confiabilidade. A previsão e a melhor compreensão de falhas capacita os operadores a executar manutenção de maneira proativa e eficiente. O conhecimento aprimorado dos defeitos acelera os esforços para diagnosticar problemas. Isso leva a menos eventos de manutenção e reparos mais rápidos, reduzindo o tempo de inatividade do equipamento e fornecendo níveis mais altos de serviço. Diagnósticos de reparo mais rápido e menos visitas desnecessárias de manutenção programadas significam que o material de rolagem gasta menos tempo em depósitos de manutenção. Como resultado, menos trens (e um fator sobressalente mais baixo) são necessários para fornecer o mesmo nível de serviço.
• Reduced Need for Spare Equipment. Faster repair diagnostics and fewer unnecessary scheduled maintenance visits mean that rolling stock spends less time in maintenance depots. As a result, fewer trains (and a lower spare factor) are required to provide the same level of service.
• Gastes de mão -de -obra de manutenção reduzida. Por exemplo, eles podem aplicar análises para reduzir os tempos de reparo ou a manutenção desnecessária (dentro das diretrizes regulatórias). Eles também podem pré-representar peças em um local de manutenção para diminuir o tempo que os mecânicos gastam esperando por materiais. As operações de manutenção das companhias aéreas estabelecem o padrão para implementar essa abordagem e capturar seus benefícios. Eles fizeram um progresso significativo na otimização de seu inventário de peças de reposição através do Operators can use various approaches to reduce shop floor labor costs. For example, they can apply analytics to reduce repair times or unnecessary maintenance (within regulatory guidelines). They can also pre-position parts at a maintenance site to decrease the time that mechanics spend waiting for materials.
• Improved Material Availability at Lower Cost. Operators can use digital maintenance to eliminate the cost of unnecessary scheduled maintenance, including overhauls, and of parts replacements resulting from inaccurate failure diagnostics. Airline maintenance operations set the standard for implementing this approach and capturing its benefits. They have made significant progress in optimizing their spare-parts inventory through AI e aprendizado de máquina para prever requisitos de partes sobressalentes e acionar os tempos de ordem com alta precisão. Poucos, se houver, Operadores ferroviários implantaram uma capacidade semelhante. Com a previsão aprimorada, os operadores podem equilibrar melhor a carga de trabalho em sua força de trabalho e otimizar o uso de instalações de manutenção. Além disso, o rastreamento de falhas e dados de ativos ao longo do tempo permite que os operadores utilizem a IA para prever melhor as necessidades de manutenção de ativos específicos e o momento do trabalho de manutenção. Por um lado, as organizações de manutenção devem ter a infraestrutura técnica e de dados (incluindo dados limpos) para acessar e analisar as entradas do sensor de maneira eficaz. Mas, mais frequentemente, são questões não técnicas, como as seguintes que impedem os operadores de alcançar os benefícios esperados:
• Improved Maintenance Planning and Forecasting. Early warnings from sensors enable more accurate modeling of rolling stock maintenance requirements and predict costly failures with sufficient lead time to preempt them. With improved forecasting, operators can better balance the workload across their labor force and optimize the use of maintenance facilities. In addition, tracking failures and asset data over time allows operators to utilize AI to better predict the maintenance needs of specific assets and the timing of maintenance work.

Fully realizing these benefits is not easy, however. For one, maintenance organizations must have the technical and data infrastructure (including clean data) in place to access and analyze sensor inputs effectively. But more often, it’s nontechnical issues such as the following that prevent operators from achieving the expected benefits:

• Rigid maintenance strategies or regimes that do not use data to refine maintenance practices (for example, de-averaging preventive maintenance across fleet models) or make other decisions
• Demand forecasting methods that do not use data to maximize uptime while reducing labor costs
• Siloed supply chain functions that do not incorporate the latest data to manage and deploy maintenance materials effectively
• Insufficient training and/or talent capabilities that prevent workers on the shop floor from using the full toolkit and recording data and information with high quality and integrity

Conducting a Digital Maintenance Maturity Assessment

The starting point for addressing these challenges is a holistic assessment of a rail operator’s current digital maintenance maturity. The assessment identifies how the operator can best deploy its existing data, sensors, and other technology, as well as where it may benefit from deploying additional sensors and other technology.

Several questions can help operators determine where they sit on the digital maintenance maturity curve:

• Do we use manual diagnostic and inspection processes to identify equipment needing repairs, with individual workers looking for defects? Or are we making use of sensors and data that can predict and preempt the need for repairs automatically?
• Are we monitoring trains in an integrated fashion—or by using tools in an ad-hoc fashion, component by component?
• Are we monitoring our fleets in real time across the network or only when trains sit parked in maintenance shops?
• Can we predict which equipment is likely to fail next solely by monitoring each train’s onboard systems?

Rail operators can assess their digital maintenance maturity using a common multilevel scale:

• Level 0, the lowest rung, describes rail operators that still conduct manual and experience-based diagnostics of failures based on visual inspections at set intervals, or by using data from past work orders to create maintenance protocols.
• Level 1 describes organizations whose workers examine select components for faults using diagnostic tools after trains arrive at a maintenance shop. For instance, if a train arrives with a propulsion failure, workers will download diagnostic data from a propulsion controller to determine which component needs to be replaced.
• Nível 2 As organizações usam ferramentas de diagnóstico integradas para coletar e diagnosticar Dados da telemática Nos principais componentes de maneira padronizada, quando os trens vêm para manutenção. Depois que um trem chega, os trabalhadores iniciam a inspeção usando o software para ver quais dos principais componentes precisam ser reparados ou substituídos. Por exemplo, a equipe de manutenção recebe relatórios em tempo real dos trens quando o sistema HVAC falha devido a um problema com os sensores de temperatura. Como a equipe recebe esses relatórios, não precisa realizar inspeções diárias para testar a funcionalidade do sistema.
• Level 3 operators are those that conduct real-time monitoring of the condition of components and alert maintenance workers when failures occur. For example, the maintenance team receives real-time reports from trains when the HVAC system fails owing to a problem with temperature sensors. Because the team receives these reports, it does not need to conduct daily inspections to test the system’s functionality.
• Level 4 is the maturity that most operators should aspire to reach. Nesse nível, Um sistema de alerta usa o monitoramento preditivo do sensor e dados externos para notificar a equipe de manutenção da necessidade de tomar ações preventivas antes que o equipamento falhe. Por exemplo, o software aplica dados de sensor e uso para prever que a espessura da pastilha de freio provavelmente cairá abaixo do limiar de segurança nas próximas 1.000 milhas. reparos) e engenharia de estoque rolante (por exemplo, decisões de design sobre componentes e peças principais para o estoque de laminação).

Operators should apply this scale to assess the sensors and other technologies used across the four core functions of the maintenance organization:

• Maintenance strategy is the approach to key elements of the maintenance program (for example, inspections, overhaul regime, and running repairs) and rolling stock engineering (for example, design decisions on key components and parts for rolling stock).
• Forecasting includes maintenance planning (such as job scheduling) that promotes efficiency (such as reduced shop floor downtime) while minimizing service disruptions.
• Supply chain and materials management encompasses the entire materials management process, from Compras e inventário para a implantação do piso da loja. Em muitos casos, eles podem criar valor sem necessariamente avançar para níveis mais altos de maturidade. Por exemplo, um operador de nível 1 já pode ter uma estratégia de manutenção eficaz se adaptar os intervalos de revisão para cada frota com base nas curvas de falha construídas a partir de dados históricos e conduzirem seus diagnósticos de reparo em execução usando ferramentas automatizadas em vez de inspeções manuais. No entanto, a mesma organização pode enfrentar desafios em seu
• Maintenance operations and execution includes enablers and functions required for successful maintenance work, such as data, analytics, talent, workflow, and production planning.

By systematically assessing digital maintenance maturity across these four functions, operators can pinpoint specific gaps. In many cases, they can create value without necessarily advancing to higher levels of maturity. For example, a level 1 operator might already have an effective maintenance strategy if it tailors the overhaul intervals for each fleet based on failure curves constructed from historical data and conducts its running repair diagnostics using automated tools instead of manual inspections. However, the same organization might face challenges in its Cadeia de suprimentos e gerenciamento de materiais Função se as ferramentas de diagnóstico para executar reparos não estiverem conectadas aos sistemas de gerenciamento de materiais. Essa lacuna pode resultar em tempo de inatividade para permitir que a mecânica realize reparos. A conexão das ferramentas e sistemas aumentaria a “hora da chave” da mecânica sem exigir grandes atualizações de estoque de rolagem. Este roteiro deve abordar a disponibilidade de recursos, a otimização de processos de manutenção essencial e programas de treinamento direcionados. Um roteiro eficaz identifica vitórias rápidas para criar valor. Os operadores podem então aplicar a economia para financiar investimentos de médio prazo em novas tecnologias para transformar estruturalmente suas operações. Por exemplo, a manutenção digital é uma consideração essencial em

Next Steps

Rail operators can apply the insights from the assessment to develop a prioritized roadmap for increasing their digital maintenance maturity. This roadmap should address resource availability, the optimization of essential maintenance processes, and targeted training programs. An effective roadmap identifies quick wins to create value. Operators can then apply the savings to fund medium-term investments in new technology to structurally transform their operations.

To take these actions effectively, operators must be willing to put aside traditional practices, such as scheduled maintenance, as well as adopt new tools and approaches. For example, digital maintenance is a key consideration in Uma abordagem de propriedade total para a compra de estoque rolante= . Ao abraçar uma abordagem mais proativa e capacitada digitalmente da manutenção, os operadores podem inaugurar uma nova era de gerenciamento de frota - com mais tempo de atividade, maior eficiência e custos mais baixos.