Presentatie Jillis Mani op BusVIsion 2018

‘Combineer data van verschillende bronnen voor slim onderhoud’

Het slim combineren van data van ongebruikelijke bronnen kan nieuwe inzichten geven in de operatie van spoorvervoerders. Dat zei Jillis Mani van InTraffic op 11 oktober tijdens de InTraffic-workshop op BusVision 2018 in Expo Houten.

Softwareontwikkelaar voor de verkeers- en vervoersmarkt InTraffic gaf tijdens BusVision 2018 een workshop over het gebruik van data om het onderhoud aan materieel en infrastructuur van het openbaar vervoer, zoals tram- of treinvervoer, beter te voorspellen. Volgens Mani is het belangrijk om daarvoor relaties te leggen tussen verschillende datasets zoals die van infrastructuur en voertuigen. “Het gaat om de voorspellende waarde van data. De databron van de een, kan inzichten bieden in de operatie van de ander. We zouden binnen de sector daarom meer data moeten delen.”

Capaciteit

Mani geeft informatie van planningsapplicatie 9292 als voorbeeld. “In een studie die we samen met 9292 hebben uitgevoerd, konden we zien dat er een piekbelasting was in planningsadviezen in de omgeving Amsterdam op twee momenten. Op deze twee dagen in januari van dit jaar vroegen namelijk veel reizigers informatie op over het openbaar vervoer bij station Amsterdam Bijlmer ArenA.” Wat bleek? Op een van die dagen gaf Lady GaGa een concert in de Ziggo Dome. “Als je deze data combineert kan de vervoerder zien dat er een extra capaciteitsaanvraag aankomt en kan deze zijn inzet daarop aanpassen.”

Op basis van dergelijke analyses kan ook de slag gemaakt worden naar preventief onderhoud. “Nu plegen we reactief onderhoud,” zegt Mani. “Je haalt een metro binnen als het nodig is. Maar we willen liever voorkomen dan genezen.” Data kunnen hierbij helpen. “Slim onderhoud gaat uiteindelijk om problemen zien aankomen. Hoe beter we dat kunnen inschatten, hoe kostenefficiënter onderhoud kan worden.”

Incident in Hilversum

Het is daarbij van belang dat men weet wat er wordt gemeten en wat er vervolgens met de data kan worden gedaan. Mani neemt als voorbeeld een incident op 15 januari 2014 bij Hilversum. Een trein ontspoorde omdat een wissel omliep terwijl er een trein overheen reed. InTraffic bekeek in samenwerking met ProRail naar aanleiding van het incident bij Hilversum 7000 andere wissels en vond een aantal wissels waarbij hetzelfde dreigde te gebeuren.

InTraffic heeft daarna Landelijke Infra Monitoring (LIM) ontwikkeld samen met ProRail. Dat wordt door de spoorbeheerder gebruikt om wisselonderhoud slim in te plannen zodat storingen kunnen worden voorkomen. “Het geeft de infrabeheerder inzicht: waar is wat aan de hand in Nederland? Welke wissels gedragen zich vreemd?” Dan kan de stap naar preventief onderhoud worden gezet.

Storingsgegevens

Een ander voorbeeld zijn de trams van een vervoerder. Uit storingsgegevens van voertuigen bleek dat trams consequent te hard reden in dezelfde bocht. Als je weet dat trams ergens te hard rijden, dan weet je dat dit deel van de infra gaat slijten en dat het misschien eerder vervangen moet worden. Op basis van deze analyse kan je maatregelen nemen, zoals de trams zachter laten rijden. En kunnen dure ingrepen zoals het vervangen van een stuk rails in de toekomst worden uitgesteld.”

Het is daarvoor wel belangrijk om gezamenlijk te starten met het analyseren en combineren van datasets, vindt Mani. “Door het combineren van gegevens uit allerlei bronnen, kan je dergelijke interessante inzichten halen.”

Auteur: Inge Jacobs

Inge Jacobs is vaste redacteur van OVPro en schrijft voor verschillende andere vakbladen van Promedia Group

Reageer ook

Nog maximaal tekens

Log in via een van de volgende social media partners om je reactie achter te laten.