Hybrid proaktiv hantering av järnvägstillgångar

Forskningsprojekt, 2027 – 2028

Projektet kommer att tackla de övergripande utmaningarna med att koppla insamlade inspektions- och övervakningsdata till nuvarande status, framtida försämring och driftssäkerhetsnivåer för spår och fordon. En innovativ del av projektet är att det använder en hybridmetod i flera aspekter:
• Det kombinerar datadrivna analyser med fysiska simuleringar där ett viktigt syfte med det senare är att identifiera felaktiga data.
• Data erhålls från flera källor, såsom mätningar, databaser och dedikerade detektorer. Detta möjliggör t.ex. undersökningar av korrelation mellan olika datamängder.
• Dataanalys utförs både med hjälp av artificiell intelligens/maskininlärning (AI/ML) och med "traditionella" statistiska metoder. Syftet här är att kunna identifiera komplexa interaktionsmönster och etablera transparenta beskrivningar av dessa relationer.
Med denna metod är syftet att utöka det teoretiska ramverket för prediktiv tillgångshantering inom järnvägssektorn.