Det här blir en djupdykning i en av delarna av den smarta stadens transportsystem, järnväg.
Flygskam har nog ingen missat. Något som inte är lika känt eller inte var för mig i alla fall är tågskryt. Det var en avundsjuk kollega från ett annat område inom den smarta staden som introducerade det för mig. Tågskryt är alltså motsatsen till flygskam, som i” Jag tänker på miljön och tar minsann tåget.”
Eftersom de allra flesta av oss har fått höra eller uppleva de problem som finns inom tågtrafiken så tänkte jag passa på att ta upp de intressanta saker som händer och hur väl det passar in i den digitalisering som nu sker och ger oss byggstenar för att utveckla den smarta staden.
Inom digitaliseringen händer väldigt mycket och det finns en bra grund att bygga vidare på. Inom järnvägsområdet har det under en lång tid samlats mycket information och skett mätningar av olika slag ute i anläggningen. För varje år som går förbättras kvaliteten och den insamlade data blir mer ändamålsenlig med hjälp av nya tekniker. Det har under en lång tid funnits detektorer för att kontrollera hjul för urspårningsrisk och mättåg som övervakar rälsens läge och skador på den. Utvecklingen sker från både infrastrukturägarna och tågoperatörerna, där exempelvis övervakning av fordonen ökar och information om både tågets och järnvägsanläggningens tillstånd har samlats in under flera år. För övervakning av trafiken finns mätpunkter som ger information om tågens läge och förseningar och punktlighet över hela Sverige dygnet runt. Tågledningssystemen innehåller också enorma mängder information om hur tågen rör sig i systemet och hur spårväxlar används.
Tack vare digitaliseringens möjligheter att kunna hantera
och analysera stora datamängder går utvecklingen inom underhållsteknik mot ett
mer förebyggande underhåll med möjligheter att upptäcka fel innan de uppstår
och orsakar förseningar för gods och resenärer. Genom teknik som AI och
maskininlärning kan mönster och lösningar på gamla problem nu lösas.
Asset management är en annan viktig del som stödjer beslut inom organisationen för
att balansera prioriteringen mellan kostnad, funktion och risk med sina
tillgångar på alla nivåer i en organisation. Det riktar bland annat in förvaltningsarbetet
mot de mål som organisationen har för att skapa ett effektivt förebyggande
underhåll. Den europeiska järnvägsunionen, UIC, har tagit fram riktlinjer för
implementering av asset managementför infrastrukturförvaltare. Att nyttja
digitaliseringen för att uppnå dessa mål ger stora och viktiga förändringar i
hur vi kan optimera transportsystemet och anpassa det till nya behov och krav.
Nya programvaror som finns i princip var människas dator ger kraftfulla möjligheter att sammanställa data från olika databaser och skapa egna nyckeltal och uppföljningsvyer anpassade för olika delar av organisationen. Här har vi i samarbete med Trafikverket skapat en modell för 11 000 av deras ca. 12 000 spårväxlar i Power Bi som innehåller bland annat typinformation, användning, trafikering, fel, förseningar, besiktningsanmärkningar och åtgärder. Det är en samordnad modell av flera databaser med miljontals rader av information som kan hanteras av en vanlig arbetsdator. Det är ett väldigt stort steg i vardagsdigitaliseringen som ger mycket stora möjligheter att förbättra arbetet med tillgångsförvaltning.
Inom prediktivt underhåll pågår det flera projekt som tittar på hur man kan övervaka en spårväxel för att kunna förstå hur fel kan förutses på ett bra sätt. Det är både projekt i Sverige och i övriga delar av världen. Det övergripande målet är att skapa en digital tvilling som kan ge oss kunskap och svar på behov, funktion och åtgärder över dess livscykel. Vi i vår grupp har tittat på befintliga system och data där vi kunnat förutse fel via omläggningsanordningen fyra veckor innan de inträffar. Ett spännande nytt projekt som relaterar till dessa utvecklingsområden som vi precis startat är att ta fram en uppkopplad spårväxel och ett vägskydd tillsammans med både tillverkare och infrastrukturägaren. Det sker utveckling på många områden och nivåer. Ett exempel är att vi använder oss av satelliter för att övervaka rörelser i marken och i spåret. Det är en teknik som används för att övervaka dammar i t.ex. Norge och det passar väldigt bra även på järnväg eftersom det blir tydliga bilder från satelliternas ovanifrån perspektiv. Ett annat intressant projekt är AI fabrik på Luleå tekniska universitet som redan har skapat förbättringar för persontrafiken på järnvägs underhåll i norra Sverige. Grunden är AI teknologi med stöd av verkliga försök som ska automatisera det förebyggande underhållet. Testverksamhet är något vi har väldigt bra förutsättningar för i Sverige och även är framstående inom internationellt, framförallt i verklig driftmiljö.
Alla de här delarna blir pusselbitar till att skapa moderna, effektiva och pålitliga järnvägstransporter som en del i transporterna i den smarta staden. Motsvarande teknik kan naturligtvis användas inom andra delar inom våra städer och samhällen, till exempel inom VA, belysning, parkområden m.m.. Med hjälp av den gemensamma visionen för den smarta staden sammanförs dess olika områden och vi kan dra lärdomar av varandra och tillsammans utveckla den snabbare med ett övergripande fokus.
