Eine genaue und qualitativ hochwertige Feststellung des Fahrwegzustandes mittels moderner Mess- und Analysemethoden ist die Voraussetzung für die technische und wirtschaftliche Beschreibung eines jeden Eisenbahnfahrwegs. Nur durch eine präzise Analyse und Bewertung der verschiedenen Fahrweganlagen kann eine langfristige Optimierung der gesamten Eisenbahninfrastruktur gewährleistet werden. Die Ergebnisse dieser Analysen werden unterschiedlich genutzt, z.B. zur Entwicklung von Modellen zur prädiktiven Instandhaltung, Lebenszyklusbetrachtungen spezifischer Komponenten oder zur Entwicklung von Kennzahlen (KPI) zur Kontrolle und Wirtschaftlichkeit des Fahrweges.
Hierzu bieten wir vier verschiedene Leistungsstufen an:
Infrastructure Measurement Data Acquisition IMDA
Mittels auf dem neuesten Stand der Technik befindlichen Messsystemen werden relevante Fahrwegdaten aufgezeichnet. Die für die Zustandsermittlung der Infrastruktur und deren Komponenten ausschlaggebenden Daten werden klassifiziert, verortet und in einer Cloud gespeichert, wodurch ein weltweiter Zugriff in Echtzeit ermöglicht wird.
Rail Data Science & Analytics RDSA
Die Messdaten werden durch die Kombination wissenschaftlicher Methoden und eigens für den Zweck der Beschreibung des Fahrwegzustandes entwickelter Algorithmen analysiert und interpretiert. Die dadurch erarbeiteten Ergebnisse dienen als Entscheidungsgrundlage für das Bahnmanagement.
Predictive Maintenance Model Customisation PMMC
Basierend auf vorhandenen Analysen und Diagnosen werden maßgeschneiderte Predictive Maintenance Konzepte für den Fahrweg erarbeitet, mit denen deutliche Kostenreduzierungen realisiert werden können. Die wirtschaftlichen Vorteile von Predictive Maintenance können durch Kombination mit Leistungen aus dem Bereich der Infrastructure Maintenance Operations (IMO) weiter verstärkt werden.
Long-Term Asset Management Optimisation LAMO
Massgeschneiderte Entwicklung von Strategien und Roadmaps für die langfristige Optimierung notwendiger Investitionen in kapitalintensive Fahrweganlagen. Dafür werden Ergebnisse aus Analysen, der Einsatz von Algorithmen und künstlicher Intelligenz (AI) sowie Benchmarks und Erfahrungen zu Lebenszykluskosten der Komponenten kombiniert.