EP4565470A1 - Prognostizierung des verschleissverhaltens von schienenfahrzeugen - Google Patents

Prognostizierung des verschleissverhaltens von schienenfahrzeugen

Info

Publication number
EP4565470A1
EP4565470A1 EP23797664.2A EP23797664A EP4565470A1 EP 4565470 A1 EP4565470 A1 EP 4565470A1 EP 23797664 A EP23797664 A EP 23797664A EP 4565470 A1 EP4565470 A1 EP 4565470A1
Authority
EP
European Patent Office
Prior art keywords
wear
rail vehicle
rail
technical component
dependent
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP23797664.2A
Other languages
English (en)
French (fr)
Inventor
Antonio DE ROSA
Stefan Kluckner
Enrico Pasquale MARINO
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Mobility GmbH
Original Assignee
Siemens Mobility GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Mobility GmbH filed Critical Siemens Mobility GmbH
Publication of EP4565470A1 publication Critical patent/EP4565470A1/de
Pending legal-status Critical Current

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B61RAILWAYS
    • B61LGUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0058On-board optimisation of vehicle or vehicle train operation
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B61RAILWAYS
    • B61LGUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0072On-board train data handling
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B61RAILWAYS
    • B61LGUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0081On-board diagnosis or maintenance
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B61RAILWAYS
    • B61LGUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/50Trackside diagnosis or maintenance, e.g. software upgrades
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B61RAILWAYS
    • B61LGUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/50Trackside diagnosis or maintenance, e.g. software upgrades
    • B61L27/57Trackside diagnosis or maintenance, e.g. software upgrades for vehicles or trains, e.g. trackside supervision of train conditions

Definitions

  • the invention relates to a method for determining a time-dependent wear behavior of a technical component of a rail vehicle.
  • the invention also relates to a method for planning the deployment of rail vehicles.
  • the invention also relates to an estimation device.
  • the invention also relates to a planning device.
  • a digital twin of the technical component which includes a current wear status and a route-dependent wear profile of the technical component of the rail vehicle, is determined and saved.
  • a technical component is to be understood as a technical functional unit of the rail vehicle used in the ferry operation of a rail vehicle, which is subject to use-dependent, in particular route-dependent, wear. Colloquially, such a technical component is also referred to as a wearing part. If the technical component reaches a maximum tolerable level of wear, it must either be replaced or revised or repaired as part of a maintenance measure.
  • a digital twin is to be understood as a digital representation of a technical component that includes information about the physical or technical condition of the technical component. In this specific case, the digital twin represents a current wear status and location-dependent wear behavior of a technical component of a rail vehicle.
  • the current wear status indicates the last measured value of wear on the technical component.
  • a wear profile is understood to be a location-dependent measure of wear of the technical component.
  • the location dependency is preferably implemented by dividing the route network into route sections and determining an extent of wear of the technical component assigned to a respective route section. Since the wear of the technical component on a single trip over a route section is usually very low, the cumulative wear of a rail vehicle is measured after a large number of trips on the route section and, on the basis of the cumulative wear, an average wear of the rail vehicle on a single trip over the route section is calculated.
  • a route section is formed by a rail section between two stations.
  • the route section is preferably formed by a rail section between two adjacent stations.
  • a location-dependent wear profile can be determined for different technical components of an individual rail vehicle.
  • the wear profile can also be generalized and parameterized. This means that the wear profile is preferably determined on the basis of wear values from an observation of a large number of rail vehicles and scenarios with different parameters or parameter values. As will be explained in more detail later, the wear of a pantograph or of wheels of a rail vehicle can depend on weather conditions and the weight of the rail vehicle. Instead of an average value for wear, a wear profile for each section of track can also be assigned a function which is dependent on different different variables and/or parameters that influence the wear of a technical component.
  • the future time-dependent wear behavior of the rail vehicle is estimated depending on a future timetable of the rail vehicle and on the basis of the digital twin.
  • the digital twin includes both a current wear status of the technical component of the rail vehicle and a route-dependent wear profile, on the basis of which the future time-dependent wear behavior of the rail vehicle is estimated.
  • the timetable can be used to determine the future route and route usage of a rail vehicle.
  • the route sections assigned to the route can be determined on the basis of the route, and the wear profile values or wear profile functions assigned to the individual route sections and known and predicted values for variables and parameters can be used to calculate predicted wear values for an individual rail vehicle for individual route sections.
  • the predicted total wear when a timetable is met in a predetermined time interval is then the sum of the predicted wear values for each route section.
  • a maintenance interval or the next maintenance time can be determined based on the predicted wear of a technical component of a rail vehicle.
  • Conventionally fixed maintenance intervals can therefore be individually adjusted when using the method according to the invention, so that the maintenance effort can be reduced to the necessary minimum.
  • the maintenance of an individual rail vehicle can therefore be planned according to the timetable.
  • Rail vehicles can also be more optimally be used for specific driving missions, taking into account their current wear status and their respective predicted next maintenance time.
  • a method for planning the deployment of rail vehicles can also be specified.
  • a future wear behavior of a plurality of available rail vehicles for different deployment scenarios of the rail vehicles is determined to meet a predetermined timetable using the method according to the invention for determining a time-dependent wear behavior of a technical component of a rail vehicle.
  • a deployment scenario is selected depending on a secondary condition related to the future wear behavior or the predicted wear and the necessary maintenance of the rail vehicles.
  • the secondary condition preferably includes one or more wear and maintenance-related criteria to be met.
  • An deployment scenario is to be understood as a plan according to which certain vehicles are used specifically on certain routes according to a timetable in order to meet the secondary condition mentioned.
  • a criterion can require a minimum amount of maintenance in a predetermined time interval.
  • the use of rail vehicles can also be adapted to maintenance capacities.
  • the wear and tear of rail vehicles is controlled in such a way that, with a minimum number of rail vehicles to be kept in reserve and with existing or specified maintenance capacities, there is always sufficient maintenance capacity for the rail vehicles, so that there are no timetable failures due to maintenance backlogs and the like.
  • the estimation device has a database for determining and storing a digital twin of a technical component of a rail vehicle with an active current wear status and a route-dependent wear profile of the technical component of the rail vehicle. Furthermore, the estimation device according to the invention comprises an estimation unit for estimating the future time-dependent wear behavior of the technical component of the rail vehicle depending on a future timetable of the rail vehicle and on the basis of the digital twin. As already mentioned, the digital twin comprises information about a current wear status of the technical component of the rail vehicle as well as information about a route-dependent wear profile of the technical component of the rail vehicle. The estimation device according to the invention shares the advantages of the method according to the invention for determining a time-dependent wear behavior of a technical component of a rail vehicle.
  • the planning device has an estimation device according to the invention for estimating wear of a plurality of available rail vehicles for different deployment scenarios of the rail vehicles to fulfill a predetermined timetable and a selection unit for selecting a deployment scenario depending on a secondary condition related to the wear and the necessary maintenance of the rail vehicles.
  • the planning device shares the advantages of the method according to the invention for deployment planning of rail vehicles.
  • a large part of the above-mentioned components of the estimation device and planning device according to the invention can be implemented in whole or in part in the form of software modules in a processor of a corresponding computer system, e.g. by a computer in a central office of a transport company or in a railway depot.
  • a largely software-based implementation has the advantage that previously used computer systems can also be easily replaced by a software ware update in order to work in the manner according to the invention.
  • a corresponding computer program product with a computer program which can be loaded directly into a computer system, with program sections in order to carry out the steps of the method according to the invention for determining a time-dependent wear behavior of a technical component of a rail vehicle and the method according to the invention for planning the deployment of rail vehicles, at least the steps that can be carried out by a computer, in particular the step of determining and storing a digital twin, the step of estimating the future time-dependent wear behavior of the rail vehicle, the step of estimating wear of a plurality of available rail vehicles and the step of selecting an deployment scenario depending on a secondary condition related to the wear and the necessary maintenance of the rail vehicles, when the program is executed in the computer system.
  • Such a computer program product can, in addition to the computer program, optionally contain additional components, such as, for example, documentation and/or additional components, including hardware components such as hardware keys (dongles, etc.) for using the software.
  • a computer-readable medium e.g. a memory stick, a hard disk or another portable or permanently installed data storage device, on which the program sections of the computer program that can be read and executed by a computer system are stored, can be used for transport to the computer system or the control unit and/or for storage on or in the computer system or the control unit.
  • the computer system can, for example, have one or more cooperating microprocessors or the like for this purpose.
  • the technical component preferably comprises a technical component for energy transmission.
  • the energy transmission preferably comprises a transmission of electrical energy and/or mechanical energy.
  • the transmission of energy leads to a large number of dissipation phenomena, whereby the component or components for energy transmission are worn out.
  • the technical component also preferably comprises a component which moves relative to a contact element, which is preferably at rest.
  • the energy transmission can comprise both the energy supply of the rail vehicle and also part of the traction process. The relative movement results in friction effects which lead to wear of the technical component.
  • the contact element is particularly preferably part of the stationary railway infrastructure, whereby the technical component moves relative to the contact element.
  • the wear of a technical component in direct contact with the infrastructure is usually route-dependent, it is particularly effective to estimate the future time-dependent wear behavior of a technical component of a rail vehicle on the basis of a route-dependent wear profile, which is part of a digital twin of the technical component of the rail vehicle, and a future timetable of the rail vehicle.
  • the technical component can also be part of a technical device installed inside the rail vehicle for electrical or mechanical energy transmission or energy conversion. Even in the case of an internal technical component of a rail vehicle, different stresses on the technical component depending on the route can have an individual influence on the extent of its wear.
  • the technical component comprises one of the following component types:
  • the current wear status for the grinding bar preferably includes information regarding the current state of wear or wear status of the grinding bar. This information preferably includes a current grinding bar thickness.
  • the current wear status of a wheel profile preferably includes information regarding the current wear condition or wear status of the wheel profile.
  • This information preferably includes quantitative information regarding a deviation of the current wheel profile from a wheel profile of an unused wheel of a rail vehicle of the same type.
  • the wear profile preferably comprises a digital rail network map to which location-dependent attributes are assigned which influence the wear profile.
  • location-dependent attributes enable the creation of a "wear map” which allows a prediction of the wear of a technical component depending on the selected route of the rail vehicle.
  • Location-dependent attributes can include, for example, the type of traction power network used, the degree of wear of the overhead line and a location-dependent gradient or gradient.
  • a digital rail network map makes it possible to assign attributes which influence the wear profile to points or sections or route sections.
  • Digital maps can be based on map material, for example detailed map material available on the Internet such as "Openrail” or “OpenStreetMap", which each depicts routes as graphs.
  • the digital rail network map preferably depicts the routes as graphs with edges as connections between neighboring stations, preferably railway stations. Wear profile components related to route sections are preferably assigned to the edges of the graph. It is advantageous to calculate total wear for a given timetable by adding values of wear profile components related to route sections of different route sections.
  • wear patterns can be stored in nodes of a graph if a technical component is not subject to continuous wear, but to discrete, "intermittent" wear.
  • Such instantaneous wear is preferably caused by a temporary rare disruption in the infrastructure that results in intermittent wear.
  • Such an effect can occur, for example, in the case of a defective/worn rail joint or when sleepers sink.
  • a worn overhead line can also cause such an effect.
  • Pressure differences generated at tunnel entrances and exits, which generate unwanted transverse forces and thus create their own patterns of wear can also cause instantaneous wear.
  • the section-related wear profile component preferably comprises at least one of the following data types:
  • an expected value can be calculated for the wear and tear of the technical component that will occur when a predetermined timetable is met.
  • Weather data provides information about the current and expected weather conditions when fulfilling a timetable. These weather conditions influence the wear and tear of a technical component of a rail vehicle.
  • Vehicle data or vehicle-specific data also influence the expected wear of a technical component of a rail vehicle.
  • the wear of a contact strip and a wheel of a rail vehicle depends on the weight of the rail vehicle.
  • Typical vehicle-specific properties include the type of pantograph used by a rail vehicle.
  • the vehicle data preferably includes at least one of the following data types: - Vehicle characteristics,
  • the vehicle characteristics include individual properties of a rail vehicle, for example a vehicle version or a vehicle type.
  • Mission data refers to all data that affect the wear and tear of technical components and are related to the individual ferry operations of the individual rail vehicles.
  • Mission data includes in particular the routes travelled and their length and condition.
  • the maintenance data includes the current wear condition, preferably the grinding strip thickness or wheel rim thickness and, if applicable, also carried out or planned maintenance activities.
  • the type of route travelled influences the wear behaviour of various technical components of a rail vehicle. For example, wheels or contact strips wear more on routes with steep gradients than on flat routes. The wear of contact strips and wheels is also greatly increased at higher speeds. The wear of the wheels also depends on the geometry of the wheels and the tracks travelled on.
  • wear of a technical component can be represented as a linear or non-linear function of a number of variables and parameters.
  • parameters preferably include the length of a track section, the average speed of a rail vehicle on the track and specifically for a grinding bar the current density through the grinding bar.
  • a model based on artificial intelligence can also be determined and saved.
  • Typical methods for generating such a model include machine learning.
  • Such a model is preferably trained individually for a plurality of route sections, particularly preferably for each route section of a route network or each edge of a graph assigned to the route network.
  • labeled training data is used, which has both known values of variables and parameters as input data and wear values as labels that can be compared with the result data generated during training.
  • Such a model can advantageously even be retrained or updated during a rail vehicle journey if parameter values and values for variables and wear values of the technical components are measured during or after the journey, so that an increased accuracy and timeliness of the model is achieved.
  • wear and tear on a technical component such as a contact strip or a wheel tire
  • a model based on artificial intelligence has the advantage of improved flexibility and scalability, as the model is automatically adapted to changing conditions and, in contrast to determining expected wear and tear based on statistics, less data needs to be retained.
  • Such a model preferably includes a regressor.
  • a regressor can be used to determine a functional relationship based on statistical data.
  • the secondary condition preferably includes the maximum maintenance capacities for the rail vehicles.
  • ferry operations can advantageously be maintained according to schedule.
  • the constraint includes minimal maintenance effort for the rail vehicles.
  • resources for maintaining the rail vehicles can be saved.
  • the secondary condition also preferably includes fulfilling the timetable without maintenance.
  • This variant is intended to avoid vehicles having to be taken out of service for a time in order to maintain them. This approach can be useful if very few rail vehicles are available and maintenance-related downtimes are to be avoided.
  • the constraint may also include meeting the timetable with as few rail vehicles as possible. Simultaneous maintenance operations on different vehicles should be kept to a minimum in order to keep as many vehicles as possible in use at the same time.
  • the extent of wear and tear on the technical component is preferably determined automatically.
  • the wear and tear twin can advantageously be created without any personnel expenditure.
  • FIG 1 is a graph of a train connection illustrating the wear behaviour of a contact strip of a rail vehicle
  • FIG 2 is a diagram illustrating a dependence of wear behaviour on a number of parameters
  • FIG 3 is a flow chart illustrating an estimation of wear behavior based on an AI-based model
  • FIG 4 is a flow chart illustrating a planning method according to an embodiment of the invention.
  • FIG 5 is a schematic representation of an estimation device according to an embodiment of the invention.
  • FIG 6 is a schematic representation of a planning device according to an embodiment of the invention.
  • FIG 1 shows a graph 1 of a section of a digital network map with a train connection.
  • the graph 1 illustrates the wear behavior of a contact strip of a rail vehicle.
  • the train connection runs between Berlin (abbreviated to B) via Stuttgart (abbreviated to L), Nuremberg (abbreviated to N) to Kunststoff (abbreviated to M).
  • wear data V BL , V LN , V NM are shown or arranged as route-related wear profile components VK for sections between the individual cities for a contact strip of a rail vehicle.
  • wear data can also include information on the wear of a plurality of contact strips of different rail vehicles.
  • the wear data can also include statistics on the wear of a contact strip for a plurality of rail vehicles.
  • the wear can usage profile a dependence of the wear on current weather data or characteristic vehicle data. Therefore, on the basis of the statistical data stored for each edge of the graph and, if applicable, functional relationships, with knowledge of the vehicle type and the forecast weather, a statistically expected wear or a statistically expected wear profile of a specific rail vehicle that is to travel a predetermined route can be calculated. If the current wear strip thickness of a wear strip on a specific rail vehicle is known, the aforementioned data can be used to estimate at what point in time the rail vehicle needs to be serviced according to a predetermined timetable.
  • the data collection represented by the graph 1 shown in FIG. 1 is also referred to as a digital twin ZW or wear twin.
  • FIG 2 shows a diagram 200 which represents a model or a non-linear function of wear A (in micrometers pm per kilometer km) as a function of variables and parameters, such as the speed v (in kilometers km per hour h) and the electrical current density J (in amperes A per square centimeter cm 2 ) through the contact strip.
  • a forecast of wear during a train journey on a predetermined rail route can be determined without having to resort directly to a database with extensive statistics.
  • FIG 3 shows a flow chart 300 which illustrates an estimation of a wear behavior of a pantograph based on an AI-based model.
  • step 3.1 data regarding the wear profile A (P) of a pantograph type are collected for each section or edge of a graph representing a route map.
  • a certain Pantograph type is specified depending on which power system the associated route is equipped with. If, for example, a pantograph of a first type of pantograph has to be used on a section of route, it does not make sense to also display values for a second type of pantograph that is technically different to the first type of pantograph.
  • the type of traction current is specified for each section of route, i.e. whether, for example, DC (direct current) or AC (alternating current) is used and the electrical voltage at which the traction current network in this section is operated, e.g.
  • pantograph types and different types of traction current can be used by one and the same rail vehicle.
  • Other parameters P that influence the wear and tear of a pantograph relate to the speed of the rail vehicle, weather data and the train weight.
  • the train weight influences the electrical current density J of the electric current flowing through the pantograph.
  • the wear of a pantograph depends on the length of the track and the electrical current density J through the pantograph's contact strip.
  • an artificial neural network KN is trained in step 3.II.
  • the parameters P mentioned such as the electrical current density J through the contact strip, the speed of the rail vehicle, the pantograph type, the train weight, weather data, the length of the route, etc. are used as input data, which are labeled with the measured output data, i.e. the associated wear values of the wear profile A (P).
  • the artificial neural network is trained in such a way that it determines the associated output data on the basis of the input data.
  • the trained artificial neural network KN is used to predict future wear behavior W of a contact strip of a pantograph of a rail vehicle with a fixed timetable FP.
  • FIG. 4 shows a flow chart 400 which illustrates a method for planning the deployment of rail vehicles according to an embodiment of the invention.
  • step 4.1 the method already illustrated in FIGS. 1 to 3 for estimating a future wear behavior W of a plurality of available rail vehicles for different usage scenarios of the rail vehicles to fulfill a predetermined timetable FP is carried out.
  • a deployment scenario ES is selected depending on a secondary condition NB related to the expected future wear W and the necessary maintenance of the rail vehicles.
  • a secondary condition can, for example, require a minimum maintenance effort for the rail vehicles and compliance with the timetable by the rail vehicles.
  • FIG. 5 shows an estimation device 50 according to an exemplary embodiment of the invention.
  • the estimation device 50 comprises a database 51 for determining and storing a digital twin ZW of a technical component.
  • the digital twin ZW comprises a current wear status VS and a route-dependent wear profile V for a technical component, in particular a contact strip, of a rail vehicle.
  • the estimation device 50 comprises an estimation unit 52 for estimating the future time-dependent wear behavior W of the rail vehicle as a function of a future timetable FP of the rail vehicle, the current wear status VS and the route-dependent wear profile V of the rail vehicle in question.
  • FIG. 6 shows a planning device 60 according to an exemplary embodiment of the invention.
  • the planning device 60 comprises the estimation device 50 shown in FIG. 5.
  • Part of the planning device 60 is also a selection unit 61 for selecting an application scenario ES depending on a secondary condition NB related to the wear and tear and the necessary maintenance of the available rail vehicles.
  • the selection unit 61 queries the estimation device 50 for the digital twins ZW of the individual rail vehicles of an available fleet FUP.
  • the digital twins ZW comprise a current wear status VS of one or more technical components of the individual rail vehicles of the fleet FUP and the respective wear profile V of each rail vehicle.
  • the selection unit 61 determines a deployment plan or deployment scenario ES for optimal use of the FUP fleet.
  • the secondary condition NB can, for example, be that minimal maintenance effort should be required.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

Es wird ein Verfahren zur Ermittlung eines zeitabhängigen Verschleißverhaltens (VV) einer technischen Komponente eines Schienenfahrzeugs beschrieben. Bei dem Verfahren wird ein digitaler Zwilling (ZW) der technischen Komponente mit einem aktuellen Verschleißstatus (VS) und einem streckenabhängigen Verschleißprofil (V) der technischen Komponente ermittelt und abgespeichert. Weiterhin wird das zukünftige zeitabhängige Verschleißverhalten (VV) der technischen Komponente des Schienenfahrzeugs in Abhängigkeit von einem zukünftigen Fahrplan (FP) des Schienenfahrzeugs und auf Basis des digitalen Zwillings (ZW) abgeschätzt. Es wird auch ein Verfahren zur Einsatzplanung von Schienenfahrzeugen beschrieben. Außerdem wird eine Schätzeinrichtung (50) beschrieben. Zudem wird eine Planungseinrichtung (60) beschrieben.

Description

Beschreibung
Prognosti zierung des Verschleißverhaltens von Schienenfahrzeugen
Die Erfindung betri f ft ein Verfahren zur Ermittlung eines zeitabhängigen Verschleißverhaltens einer technischen Komponente eines Schienenfahrzeugs . Außerdem betri f ft die Erfindung ein Verfahren zur Einsatzplanung von Schienenfahrzeugen . Überdies betri f ft die Erfindung eine Schätzeinrichtung . Ferner betri f ft die Erfindung eine Planungseinrichtung .
Der Verschleiß von Funktionseinheiten von Schienenfahrzeugen muss vom Wartungspersonal regelmäßig überwacht werden, um Aus fälle und Unfälle aufgrund eines technischen Versagens der Funktionseinheit zu vermeiden . Die regelmäßige Sichtprüfung der verschleißanfälligen technischen Komponenten ist aufwändig und kostet außerdem wertvolle Betriebs zeit . Eine automatisierte Vorhersage von Materialabnützung im Bahnumfeld würde dagegen verbesserte und planbare Wartungsintervalle und daher eine Einsparung von Kosten im optimalen Betrieb von Schienenfahrzeugen, insbesondere Lokomotiven, ermöglichen . Besonders bei Bauelementen mit hoher Abnützung, wie zum Beispiel Schlei f leisten von Stromabnehmern oder Rädern, ergeben sich Einsparpotentiale . Individuelle Abnützungsmuster ergeben sich meist durch örtliche Gegebenheiten . Solche örtlichen Gegebenheiten umfassen zum Beispiel die Art und Höhe der verwendeten Netzspannung, den Abnützungsgrad der Oberleitung usw .
Herkömmlich wird eine Wartung bzw . ein Austausch von Komponenten nach einer definierten Anzahl von Fahrkilometern durchgeführt oder nach einer Messung der Schlei fleistendicke im Depot . Allerdings wird bei ersterem Vorgehen kein individuelles Abnützungsverhalten technischer Komponenten berücksichtigt , so dass materielle Ressourcen nicht optimal ausgenutzt werden können, und bei letzterem Vorgehen entsteht ein hoher Wartungsaufwand für die Überprüfung des Abnützungs zustands der j eweiligen technischen Komponente , so dass in diesem Fall der Personalaufwand vergleichsweise hoch ist . Es besteht also die Aufgabe , eine ef fektivere Vorhersage des künftigen Verschleißes eines Schienenfahrzeugs und eine effektivere Wartung eines Schienenfahrzeugs zu ermöglichen .
Diese Aufgabe wird durch ein Verfahren zur Ermittlung eines zeitabhängigen Verschleißverhaltens einer technischen Komponente eines Schienenfahrzeugs gemäß Patentanspruch 1 , ein Verfahren zur Einsatzplanung von Schienenfahrzeugen gemäß Patentanspruch 8 , eine Schätzeinrichtung gemäß Patentanspruch 12 und eine Planungseinrichtung gemäß Patentanspruch 13 gelöst .
Bei dem erfindungsgemäßen Verfahren zur Ermittlung eines zeitabhängigen Verschleißverhaltens einer technischen Komponente eines Schienenfahrzeugs wird ein digitaler Zwilling der technischen Komponente , welcher einen aktuellen Verschleißstatus und ein streckenabhängiges Verschleißprofil der technischen Komponente des Schienenfahrzeugs umfasst , ermittelt und abgespeichert . Als technische Komponente soll eine im Fährbetrieb eines Schienenfahrzeugs genutzte technische Funktionseinheit des Schienenfahrzeugs verstanden werden, welche einem nutzungsabhängigen, insbesondere streckenabhängigen, Verschleiß unterliegt . Umgangssprachlich wird eine solche technische Komponente auch als Verschleißteil bezeichnet . Erreicht die technische Komponente ein maximal tolerierbares Maß eines Verschleißes , so muss sie im Rahmen einer Wartungsmaßnahme entweder ausgetauscht oder überarbeitet bzw . repariert werden . Als digitaler Zwilling soll eine digitale Repräsentanz einer technischen Komponente verstanden werden, die Informationen über den physischen bzw . technischen Zustand der technischen Komponente umfasst . In dem konkreten Fall repräsentiert der digitale Zwilling einen aktuellen Verschleißstatus und ein ortsabhängiges Verschleißverhalten einer technischen Komponente eines Schienenfahrzeugs .
Der aktuelle Verschleißstatus gibt den zuletzt ermittelten Messwert eines Verschleißes der technischen Komponente an . Unter einem Verschleißprofil soll ein ortsabhängiges Maß eines Verschleißes der technischen Komponente verstanden werden . Die Ortsabhängigkeit wird bevorzugt durch Einteilung des Streckennetzes in Streckenabschnitte und eine Ermittlung eines einem j eweiligen Streckenabschnitt zugeordneten Ausmaßes eines Verschleißes der technischen Komponente implementiert . Da der Verschleiß der technischen Komponente bei einer einzelnen Fahrt über einen Streckenabschnitt in der Regel sehr gering ist , wird der kumulierte Verschleiß eines Schienenfahrzeugs nach einer Viel zahl von Fahrten auf dem Streckenabschnitt gemessen und auf Basis des kumulierten Verschleißes wird ein durchschnittlicher Verschleiß des Schienenfahrzeugs bei einer einzigen Fahrt über den Streckenabschnitt berechnet . Dieser durchschnittliche Verschleiß einer technischen Komponente bei einer Fahrt über einen speziellen Streckenabschnitt ergibt schließlich den Wert des Verschleißprofils des Schienenfahrzeugs , auch als streckenbezogene Verschleißprofilkomponente bezeichnet , für diesen speziellen Streckenabschnitt . Ein Streckenabschnitt wird durch eine Schienenstrecke zwischen zwei Bahnhöfen gebildet . Bevorzugt wird der Streckenabschnitt durch eine Schienenstrecke zwischen zwei benachbarten Bahnhöfen gebildet .
Auf diese Weise lässt sich für unterschiedliche technische Komponenten eines individuellen Schienenfahrzeugs ein ortsabhängiges Verschleißprofil ermitteln . Das Verschleißprofil kann auch generalisiert und parametrisiert werden . D . h . , das Verschleißprofil wird bevorzugt auf Basis von Verschleißwerten einer Beobachtung von einer Viel zahl von Schienenfahrzeugen und S zenarien mit unterschiedlichen Parametern bzw . Parameterwerten ermittelt . Wie später noch im Einzelnen erläutert , kann der Verschleiß eines Pantographen oder von Rädern eines Schienenfahrzeugs von Wetterverhältnissen und dem Gewicht des Schienenfahrzeugs abhängen . Anstatt eines Mittelwerts für einen Verschleiß kann also einem Verschleißprofil j e Streckenabschnitt auch eine Funktion, welche von unter- schiedlichen Variablen und/oder Parametern, die den Verschleiß einer technischen Komponente beeinflussen, abhängig ist , zugeordnet sein .
Weiterhin wird das zukünftige zeitabhängige Verschleißverhalten des Schienenfahrzeugs in Abhängigkeit von einem zukünftigen Fahrplan des Schienenfahrzeugs und auf Basis des digitalen Zwillings abgeschätzt . Wie bereits erwähnt , umfasst der digitale Zwilling sowohl einen aktuellen Verschleißstatus der technischen Komponente des Schienenfahrzeugs als auch ein streckenabhängiges Verschleißprofil , auf deren Basis das zukünftige zeitabhängige Verschleißverhalten des Schienenfahrzeugs abgeschätzt wird .
Anhand des Fahrplans lässt sich die zukünftige Fahrtroute und Streckennutzung eines Schienenfahrzeugs ermitteln . Auf Basis der Fahrtroute lassen sich die der Fahrtroute zugeordneten Streckenabschnitte ermitteln und auf Basis der den einzelnen Streckenabschnitten zugeordneten Verschleißprofilwerte oder Verschleißprofil funktionen und bekannter und prognosti zierter Werte für Variablen und Parameter lassen sich für einzelne Streckenabschnitte prognosti zierte Verschleißwerte eines individuellen Schienenfahrzeugs berechnen . Der prognosti zierte Gesamtverschleiß bei einer Erfüllung eines Fahrplans in einem vorbestimmten Zeitintervall ergibt sich dann aus der Summe der prognosti zierten Verschleißwerte j e Streckenabschnitt .
Vorteilhaft kann auf Basis des prognosti zierten Verschleißes einer technischen Komponente eines Schienenfahrzeugs ein Wartungsintervall oder ein nächster Wartungs zeitpunkt festgelegt werden . Herkömmlich pauschal festgelegte Wartungsintervalle können also bei Anwendung des erfindungsgemäßen Verfahrens individuell angepasst werden, so dass der Wartungsaufwand auf das notwendige Minimum reduziert werden kann . Die Wartung eines individuellen Schienenfahrzeugs kann also fahrplanabhängig geplant werden . Auch können Schienenfahrzeuge optimaler für bestimmte Fahrmissionen eingesetzt werden, wobei ihr aktueller Verschleißstatus sowie ihr j eweiliger prognosti zierter nächster Wartungs zeitpunkt berücksichtigt werden .
Auf Basis der vorgenannten Überlegungen und beschriebenen vorteilhaften Ef fekte lässt sich auch ein Verfahren zur Einsatzplanung von Schienenfahrzeugen angeben . Bei dem erfindungsgemäßen Verfahren zur Einsatzplanung von Schienenfahrzeugen wird ein zukünftiges Verschleißverhalten einer Mehrzahl von zur Verfügung stehenden Schienenfahrzeugen für unterschiedliche Einsatzs zenarien der Schienenfahrzeuge zur Erfüllung eines vorbestimmten Fahrplans mit dem erfindungsgemäßen Verfahren zur Ermittlung eines zeitabhängigen Verschleißverhaltens einer technischen Komponente eines Schienenfahrzeugs ermittelt . Weiterhin erfolgt eine Auswahl eines Ein- satzs zenarios in Abhängigkeit von einer auf das zukünftige Verschleißverhalten bzw . den prognosti zierten Verschleiß und die nötige Wartung der Schienenfahrzeuge bezogenen Nebenbedingung . Die Nebenbedingung umfasst bevorzugt ein oder mehrere zu erfüllende verschleiß- und wartungsbezogene Kriterien . Als Einsatzs zenario soll ein Plan verstanden werden, nach dem bestimmte Fahrzeuge einem Fahrplan gemäß gezielt auf bestimmten Strecken eingesetzt werden, um die erwähnte Nebenbedingung zu erfüllen . Beispielsweise kann ein solches Kriterium einen minimalen Wartungsaufwand in einem vorbestimmten Zeitintervall fordern . Auch kann der Einsatz der Schienenfahrzeuge an Wartungskapazitäten angepasst werden . Beispielsweise wird der Verschleiß der Schienenfahrzeuge so gesteuert , dass bei einem Minimum vorzuhaltender Schienenfahrzeuge und bei vorhandenen bzw . vorgegebenen Wartungskapazitäten immer ausreichend Wartungskapazitäten für die Schienenfahrzeuge zur Verfügung stehen, so dass es nicht zu Fahrplanaus fällen aufgrund von Wartungsstaus und Ähnlichem kommt .
Die erfindungsgemäße Schätzeinrichtung weist eine Datenbank zum Ermitteln und Abspeichern eines digitalen Zwillings einer technischen Komponente eines Schienenfahrzeugs mit einem ak- tuellen Verschleißstatus und einem streckenabhängigen Verschleißprofil der technischen Komponente des Schienenfahrzeugs auf . Weiterhin umfasst die erfindungsgemäße Schätzeinrichtung eine Schätzeinheit zum Abschätzen des zukünftigen zeitabhängigen Verschleißverhaltens der technischen Komponente des Schienenfahrzeugs in Abhängigkeit von einem zukünftigen Fahrplan des Schienenfahrzeugs und auf Basis des digitalen Zwillings . Wie bereits erwähnt , umfasst der digitale Zwilling Informationen über einen aktuellen Verschleißstatus der technischen Komponente des Schienenfahrzeugs sowie Informationen über ein streckenabhängiges Verschleißprofil der technischen Komponente des Schienenfahrzeugs . Die erfindungsgemäße Schätzeinrichtung teilt die Vorteile des erfindungsgemäßen Verfahrens zur Ermittlung eines zeitabhängigen Verschleißverhaltens einer technischen Komponente eines Schienenfahrzeugs .
Die erfindungsgemäße Planungseinrichtung weist eine erfindungsgemäße Schätzeinrichtung zum Abschätzen eines Verschleißes einer Mehrzahl von zur Verfügung stehenden Schienenfahrzeugen für unterschiedliche Einsatzs zenarien der Schienenfahrzeuge zur Erfüllung eines vorbestimmten Fahrplans und eine Auswahleinheit zum Auswählen eines Einsatzs zenarios in Abhängigkeit von einer auf den Verschleiß und die nötige Wartung der Schienenfahrzeuge bezogenen Nebenbedingung auf . Die erfindungsgemäße Planungseinrichtung teilt die Vorteile des erfindungsgemäßen Verfahrens zur Einsatzplanung von Schienenfahrzeugen .
Ein Großteil der zuvor genannten Komponenten der erfindungsgemäßen Schätzeinrichtung und Planungseinrichtung kann ganz oder teilweise in Form von Softwaremodulen in einem Prozessor eines entsprechenden Rechensystems realisiert werden, z . B . von einem Computer in einer Zentrale eines Verkehrsunternehmens oder in einem Bahnbetriebshof . Eine weitgehend softwaremäßige Realisierung hat den Vorteil , dass auch schon bisher verwendete Rechensysteme auf einfache Weise durch ein Soft- ware-Update nachgerüstet werden können, um auf die erfindungsgemäße Weise zu arbeiten . Insofern wird die Aufgabe auch durch ein entsprechendes Computerprogrammprodukt mit einem Computerprogramm gelöst , welches direkt in ein Rechensystem ladbar ist , mit Programmabschnitten, um die Schritte des erfindungsgemäßen Verfahrens zur Ermittlung eines zeitabhängigen Verschleißverhaltens einer technischen Komponente eines Schienenfahrzeugs und des erfindungsgemäßen Verfahrens zur Einsatzplanung von Schienenfahrzeugen, zumindest die durch einen Computer aus führbaren Schritte , insbesondere den Schritt zum Ermitteln und Abspeichern eines digitalen Zwillings , den Schritt zum Abschätzen des zukünftigen zeitabhängigen Verschleißverhaltens des Schienenfahrzeugs , den Schritt zum Abschätzen eines Verschleißes einer Mehrzahl von zur Verfügung stehenden Schienenfahrzeugen und den Schritt einer Auswahl eines Einsatzs zenarios in Abhängigkeit von einer auf den Verschleiß und die nötige Wartung der Schienenfahrzeuge bezogenen Nebenbedingung, aus zuführen, wenn das Programm in dem Rechensystem ausgeführt wird . Ein solches Computerprogrammprodukt kann neben dem Computerprogramm gegebenenfalls zusätzliche Bestandteile , wie z . B . eine Dokumentation, und/oder zusätzliche Komponenten, auch Hardware-Komponenten, wie z . B . Hardware-Schlüssel ( Dongles etc . ) zur Nutzung der Software , umfassen .
Zum Transport zum Rechensystem bzw . zur Steuereinheit und/oder zur Speicherung an oder in dem Rechensystem bzw . der Steuereinheit kann ein computerlesbares Medium, z . B . ein Memorystick, eine Festplatte oder ein sonstiger transportabler oder fest eingebauter Datenträger dienen, auf welchem die von einem Rechensystem einlesbaren und aus führbaren Programmabschnitte des Computerprogramms gespeichert sind . Das Rechensystem kann z . B . hierzu einen oder mehrere zusammenarbeitende Mikroprozessoren oder dergleichen aufweisen .
Die abhängigen Ansprüche sowie die nachfolgende Beschreibung enthalten j eweils besonders vorteilhafte Ausgestaltungen und Weiterbildungen der Erfindung . Dabei können insbesondere die Ansprüche einer Anspruchskategorie auch analog zu den abhängigen Ansprüchen einer anderen Anspruchskategorie und deren Beschreibungsteilen weitergebildet sein . Zudem können im Rahmen der Erfindung die verschiedenen Merkmale unterschiedlicher Aus führungsbeispiele und Ansprüche auch zu neuen Aus führungsbeispielen kombiniert werden .
Bei dem erfindungsgemäßen Verfahren zur Ermittlung eines zeitabhängigen Verschleißverhaltens einer technischen Komponente eines Schienenfahrzeugs umfasst die technische Komponente bevorzugt eine technische Komponente zur Energieübertragung . Dabei umfasst die Energieübertragung bevorzugt eine Übertragung von elektrischer Energie und/oder mechanischer Energie . Bei der Übertragung von Energie kommt es zu einer Viel zahl von Dissipationsphänomenen, wobei die Komponente oder die Komponenten zur Energieübertragung abgenutzt werden . Ebenfalls bevorzugt umfasst die technische Komponente eine Komponente , welche sich relativ zu einem Kontaktelement , welches vorzugsweise ruht , bewegt . Die Energieübertragung kann sowohl die Energieversorgung des Schienenfahrzeugs als auch einen Teil des Traktionsprozesses umfassen . Bei der Relativbewegung kommt es zu Reibungsef fekten, welche zu einer Abnutzung der technischen Komponente führen . Ganz besonders bevorzugt ist das Kontaktelement Teil der ruhenden Bahninfrastruktur, wobei sich die technische Komponente relativ zu dem Kontaktelement bewegt . Da der Verschleiß einer technischen Komponente bei einem direkten Kontakt mit der Infrastruktur in der Regel streckenabhängig ist , ist es besonders ef fektiv, das zukünftige zeitabhängige Verschleißverhalten einer technischen Komponente eines Schienenfahrzeugs auf Basis eines streckenabhängigen Verschleißprofils , welches Teil eines digitalen Zwillings der technischen Komponente des Schienenfahrzeugs ist , und eines zukünftigen Fahrplans des Schienenfahrzeugs abzuschätzen .
Neben einer Energieübertragung an einer Schnittstelle zwischen dem Schienenfahrzeug und der Infrastruktur, wie zum Beispiel einer Oberleitung oder den befahrenen Gleisen, kann die technische Komponente auch Teil einer im Inneren des Schienenfahrzeugs installierten technischen Einrichtung zur elektrischen oder mechanischen Energieübertragung oder Energiewandlung sein . Auch bei einer inneren technischen Komponente eines Schienenfahrzeugs kann eine streckenabhängig unterschiedliche Beanspruchung der technischen Komponente einen individuellen Einfluss auf das Ausmaß von deren Verschleiß haben .
Besonders bevorzugt umfasst die technische Komponente eine der folgenden Komponententypen :
- eine Schlei f leiste ,
- ein Radprofil .
Dabei umfasst der aktuelle Verschleißstatus für die Schlei fleiste bevorzugt Informationen hinsichtlich des aktuellen Abnützungs zustands bzw . Verschleißstatus der Schlei f leiste . Bevorzugt umfassen diese Informationen eine aktuelle Schlei fleistendicke .
Der aktuelle Verschleißstatus eines Radprofils umfasst vorzugsweise Informationen hinsichtlich des aktuellen Abnützungs zustands bzw . Verschleißstatus des Radprofils . Vorzugsweise umfassen diese Informationen quantitative Informationen hinsichtlich einer Abweichung des aktuellen Radprofils von einem Radprofil eines unbenutzten Rads eines Schienenfahrzeugs desselben Typs . Vorteilhaft kann die Wartung dieser besonders verschleißanfälligen technischen Komponenten optimiert werden und ein Einsatz von Schienenfahrzeugen auf einen aktuellen und prognosti zierten Verschleiß der einzelnen Schienenfahrzeuge abgestimmt und optimiert werden .
Wie bereits erwähnt , erfolgt die Abschätzung des zukünftigen verschleißabhängigen Verschleißverhaltens der technischen Komponente des Schienenfahrzeugs auf Basis des aktuellen Verschleißstatus und des streckenabhängigen Verschleißprofils des Schienenfahrzeugs , die j eweils Teil des abgespeicherten digitalen Zwillings sind . Vorteilhaft muss für die Verschleißprognose keine zusätzliche Untersuchung unternommen werden, sondern es genügt die aktuellen Statusdaten des digitalen Zwillings abzufragen .
Bevorzugt umfasst das Verschleißprofil eine digitale Schienennetzkarte , der ortsabhängige Attribute zugeordnet sind, welche das Verschleißprofil beeinflussen . Diese ortsabhängigen Attribute ermöglichen eine Erstellung einer „Verschleißkarte" , welche eine Prognose eines Verschleißes einer technischen Komponente in Abhängigkeit von der gewählten Fahrtroute des Schienenfahrzeugs zulässt . Ortsabhängige Attribute können zum Beispiel den Typ des verwendeten Bahnstromnetzes , den Abnützungsgrad der Oberleitung und eine ortsabhängige Steigung bzw . ein ortsabhängiges Gefälle umfassen . Eine digitale Schienennetzkarte ermöglicht es , Punkten oder Teilstrecken bzw . Streckenabschnitten Attribute , welche das Verschleißprofil beeinflussen, zuzuweisen . Digitale Karten können auf Kartenmaterial , zum Beispiel im Internet verfügbares detailliertes Kartenmaterial wie „Openrail" oder „OpenStreetMap" , welches j eweils Strecken als Graphen abbildet , basieren .
Dabei bildet die digitale Schienennetzkarte bevorzugt die Strecken als Graphen mit Kanten als Verbindung zwischen benachbarten Stationen, vorzugsweise Bahnhöfen, ab . Den Kanten des Graphen sind bevorzugt streckenabschnittsbezogene Verschleißprofilkomponenten zugeordnet . Vorteilhaft lässt sich für einen gegebenen Fahrplan durch eine Addition von Werten von streckenabschnittsbezogenen Verschleißprofilkomponenten unterschiedlicher Streckenabschnitte eine Gesamtabnützung berechnen .
Alternativ können auch Abnützungsmuster in Knoten eines Graphen abgespeichert werden, wenn eine technische Komponente nicht einer kontinuierlichen Abnützung, sondern einer diskret auf tretenden, „stoßweisen" Abnützung unterliegt . Eine solche instantane Abnützung erfolgt vorzugsweise durch eine tempo- rare Störung in der Infrastruktur, die eine stoßweise Abnützung zur Folge hat . Ein solcher Ef fekt kann zum Beispiel bei einem def ekten/abgef ahrenen Schienenstoß auf treten oder auch bei einer Absenkung von Schwellen . Auch eine abgenützte Oberleitung kann einen solchen Ef fekt erzeugen . Auch bei Tunnelein- und -aus fahrten erzeugte Druckunterschiede , die ungewollte Querkräfte erzeugen und damit eigene Muster der Abnützung erzeugen, können eine instantane Abnützung bewirken .
Die streckenabschnittsbezogene Verschleißprofilkomponente umfasst bevorzugt mindestens einen der folgenden Datentypen :
- eine Statistik über die Abnützung der technischen Komponente ,
- Wetterdaten,
- Fahrzeugdaten .
Anhand einer Statistik hinsichtlich der streckenabschnittsweise auf getretenen Abnützung der technischen Komponente lässt sich ein Erwartungswert für eine bei einer Erfüllung eines vorbestimmten Fahrplans auftretende Abnützung der technischen Komponente bilden .
Wetterdaten geben Auskunft über die aktuellen und zu erwartenden Wetterbedingungen bei einer Erfüllung eines Fahrplans . Diese Wetterbedingungen beeinflussen den Verschleiß einer technischen Komponente eines Schienenfahrzeugs .
Ebenfalls beeinflussen Fahrzeugdaten bzw . fahrzeugspezi fische Daten den zu erwartenden Verschleiß einer technischen Komponente eines Schienenfahrzeugs . Beispielsweise ist der Verschleiß einer Schlei f leiste und eines Rads eines Schienenfahrzeugs von dem Gewicht des Schienenfahrzeugs abhängig . Typische fahrzeugspezi fische Eigenschaften umfassen den von einem Schienenfahrzeug verwendeten Pantographentyp .
Die Fahrzeugdaten umfassen bevorzugt mindestens einen der folgenden Datentypen : - Fahrzeugcharakteristiken,
- Missionsdaten,
- Wartungsdaten .
Die Fahrzeugcharakteristiken umfassen individuelle Eigenschaften eines Schienenfahrzeugs , beispielsweise eine Fahrzeugversion oder ein Fahrzeugtyp .
Missionsdaten betref fen alle den Verschleiß der technischen Komponenten beeinflussenden Daten, welche mit dem individuellen Fährbetrieb der einzelnen Schienenfahrzeuge Zusammenhängen . Missionsdaten umfassen insbesondere die befahrenen Fahrstrecken und deren Länge bzw . Beschaf fenheit .
Die Wartungsdaten umfassen den aktuellen Abnützungs zustand, vorzugsweise die Schlei fleistendicke oder Radrei fendicke und gegebenenfalls auch durchgeführte oder geplante Wartungsaktivitäten .
Die Art der befahrenen Fahrstrecken beeinflussen das Verschleißverhalten unterschiedlicher technischer Komponenten eines Schienenfahrzeugs . Beispielsweise verschleißen Räder oder Schlei f leisten auf Strecken mit erhöhter Steigung stärker als auf ebenen Strecken . Auch ist der Verschleiß von Schlei f leisten und Rädern bei erhöhter Geschwindigkeit stark erhöht . Der Verschleiß der Räder hängt auch von der Geometrie der Räder und der befahrenen Gleise ab .
Neben der direkten Abspeicherung statistischer Daten können auch funktionale Zusammenhänge zur Berechnung eines Verschleißes , entweder global oder für einzelne Streckenabschnitte , im digitalen Zwilling abgespeichert werden . Beispielsweise kann, wie bereits kurz erwähnt , eine Abnützung einer technischen Komponente als lineare oder nichtlineare Funktion einer Mehrzahl von Variablen und Parametern dargestellt werden . Derartige Parameter umfassen vorzugsweise die Länge eines Streckenabschnitts , die durchschnittliche Geschwindigkeit eines Schienenfahrzeugs auf der Strecke und speziell für eine Schlei f leiste die Stromdichte durch die Schlei fleiste .
Alternativ oder zusätzlich kann anstatt eines starren Modells für einen Verschleiß einer technischen Komponente in Abhängigkeit von den Verschleiß beeinflussenden Variablen und Parametern auch ein auf künstlicher Intelligenz basierendes Modell ermittelt und abgespeichert werden . Typische Verfahren zur Erzeugung eines solchen Modells umfassen maschinelles Lernen . Bevorzugt wird ein solches Modell für eine Mehrzahl von Streckenabschnitten, besonders bevorzugt für j eden Streckenabschnitt eines Streckennetzes bzw . j ede Kante eines dem Streckennetz zugeordneten Graphen individuell trainiert . Hierzu werden sogenannte gelabelte Trainingsdaten verwendet , die sowohl bekannte Werte von Variablen und Parametern als Eingangsdaten als auch Verschleißwerte als Label aufweisen, die mit den im Training erzeugten Ergebnisdaten verglichen werden können . Vorteilhaft kann ein solches Modell sogar während einer Fahrt eines Schienenfahrzeugs nachtrainiert bzw . aktualisiert werden, wenn dabei oder danach Parameterwerte und Werte für Variablen und Verschleißwerte der technischen Komponenten gemessen werden, so dass eine erhöhte Genauigkeit und Aktualität des Modells erreicht wird . Dabei ist zu beachten, dass eine Abnützung einer technischen Komponente , beispielsweise eine Schlei f leiste oder ein Radrei fen, in der Regel kleiner aus fällt als die Messtoleranz von Messinstrumenten, welche für die Messung der Abnützung eingesetzt werden . Daher lässt sich die Abnützung erst nach einer Mehrzahl von Fahrten über einen Streckenabschnitt mit der erforderlichen Genauigkeit messen . Ein auf künstlicher Intelligenz basierendes Modell hat den Vorteil einer verbesserten Flexibilität und Skalierbarkeit , da das Modell an sich verändernde Bedingungen automatisch angepasst wird und im Gegensatz zu einer Ermittlung eines zu erwartenden Verschleißes auf Basis einer Statistik weniger Daten vorgehalten werden müssen . Ein solches Modell umfasst bevorzugt einen Regressor . Mit einem Regressor lässt sich ein funktioneller Zusammenhang anhand von statistischen Daten ermitteln .
Bei dem erfindungsgemäßen Verfahren zur Einsatzplanung umfasst die Nebenbedingung bevorzugt die maximalen Wartungskapazitäten für die Schienenfahrzeuge . Vorteilhaft kann durch Berücksichtigung der Wartungskapazitäten ein fahrplangemäßer Fährbetrieb aufrechterhalten werden .
Bevorzugt umfasst die Nebenbedingung einen minimalen Wartungsaufwand für die Schienenfahrzeuge . Vorteilhaft können Ressourcen zur Wartung der Schienenfahrzeuge eingespart werden .
Die Nebenbedingung umfasst ebenfalls bevorzugt eine Erfüllung des Fahrplans ohne Wartung . Bei dieser Variante soll es vermieden werden, dass Fahrzeuge zeitweise außer Betrieb genommen werden müssen, um sie zu warten . Diese Vorgehensweise kann sinnvoll sein, wenn sehr wenig Schienenfahrzeuge zur Verfügung stehen und wartungsbedingte Aus fall zeiten vermieden werden sollen .
Die Nebenbedingung kann auch eine Erfüllung des Fahrplans mit möglichst wenig Schienenfahrzeugen umfassen . Dabei sollten gleichzeitige Wartungsvorgänge an unterschiedlichen Fahrzeugen auf ein Minimum beschränkt werden, um möglichst viele Fahrzeuge gleichzeitig im Einsatz zu halten .
Bevorzugt erfolgt zur Erstellung des digitalen Zwillings eine automatisierte Ermittlung eines Ausmaßes eines Verschleißes der technischen Komponente . Vorteilhaft kann die Erstellung eines Abnützungs zwillings ohne Personalaufwand erfolgen .
Die Erfindung wird im Folgenden unter Hinweis auf die beigefügten Figuren anhand von Aus führungsbeispielen noch einmal näher erläutert . Es zeigen : FIG 1 eine Graphendarstellung einer Zugverbindung, welche ein Verschleißverhalten einer Schlei f leiste eines Schienenfahrzeugs veranschaulicht ,
FIG 2 ein Schaubild, welches eine Abhängigkeit eines Verschleißverhaltens von einer Mehrzahl von Parametern veranschaulicht ,
FIG 3 ein Flussdiagramm, welches eine Abschätzung eines Verschleißverhaltens auf Basis eines KI-basierten Modells veranschaulicht ,
FIG 4 ein Flussdiagramm, welches ein Planungsverfahren gemäß einem Aus führungsbeispiel der Erfindung veranschaulicht ,
FIG 5 eine schematische Darstellung einer Schätzeinrichtung gemäß einem Aus führungsbeispiel der Erfindung,
FIG 6 eine schematische Darstellung einer Planungseinrichtung gemäß einem Aus führungsbeispiel der Erfindung .
In FIG 1 ist eine Graphendarstellung 1 eines Ausschnitts einer digitalen Netzkarte mit einer Zugverbindung dargestellt . Die Graphendarstellung 1 veranschaulicht ein Verschleißverhalten einer Schlei f leiste eines Schienenfahrzeugs . Die Zugverbindung verläuft zwischen Berlin (Abkürzt mit B ) über Leipzig ( abgekürzt mit L ) , Nürnberg ( abkürzt mit N) nach München ( abgekürzt mit M) . An den Kanten des Graphen sind als streckenbezogene Verschleißprofilkomponenten VK Verschleißangaben VBL, VLN, VNM, für Teilabschnitte zwischen den einzelnen Städten für eine Schlei f leiste eines Schienenfahrzeugs dargestellt bzw . angeordnet . Selbstverständlich kann eine solche Verschleißangabe auch Angaben zu dem Verschleiß einer Mehrzahl von Schlei f leisten von unterschiedlichen Schienenfahrzeugen umfassen . Die Verschleißangaben können auch eine Statistik eines Verschleißes einer Schlei f leiste für eine Mehrzahl von Schienenfahrzeugen umfassen . Weiterhin kann das Ab- nüt zungsprof il eine Abhängigkeit des Verschleißes von aktuellen Wetterdaten oder charakteristischen Fahrzeugdaten darstellen . Mithin lässt sich auf Basis der für j ede Kante des Graphen abgespeicherten statistischen Daten und gegebenenfalls auch funktionalen Zusammenhänge bei Kenntnis des Fahrzeugtyps und des vorhergesagten Wetters ein statistisch zu erwartender Verschleiß bzw . ein statistisch zu erwartendes Abnützungsprofil eines bestimmten Schienenfahrzeugs , welches eine vorbestimmte Strecke fahren soll , berechnen . I st die aktuelle Schlei fleistendicke einer Schlei f leiste eines bestimmten Schienenfahrzeugs bekannt , so kann anhand der vorgenannten Daten abgeschätzt werden, zu welchem Zeitpunkt das Schienenfahrzeug bei einem vorbestimmten Fahrplan gewartet werden muss . Die durch die in FIG 1 gezeigte Graphendarstellung 1 repräsentierte Datensammlung wird auch als digitaler Zwilling ZW oder als Abnützungs zwilling bezeichnet .
In FIG 2 ist ein Schaubild 200 gezeigt , welches eine modell- hafte Repräsentation bzw . eine nichtlineare Funktion einer Abnützung A ( in Mikrometern pm pro Kilometer km) in Abhängigkeit von Variablen und Parametern, wie zum Beispiel der Geschwindigkeit v ( in Kilometern km pro Stunde h) und der elektrischen Stromdichte J ( in Ampere A pro Quadrat Zentimetern cm2 ) durch die Schlei f leiste darstellt . Bei dieser Variante kann eine Vorausberechnung eines Verschleißes einer Zugfahrt auf einer vorbestimmten Schienenstrecke ermittelt werden, ohne direkt auf eine Datenbank mit einer umfangreichen Statistik zurückgrei fen zu müssen .
In FIG 3 ist ein Flussdiagramm 300 gezeigt , welches eine Abschätzung eines Verschleißverhaltens eines Pantographen auf Basis eines KI-basierten Modells veranschaulicht .
Bei dem Schritt 3 . 1 werden Daten hinsichtlich des Verschleißprofils A ( P ) eines Pantographentyps für j eden Abschnitt bzw . j ede Kante eines Graphen, der eine Streckenkarte repräsentiert , gesammelt . Dabei wird für j ede Kante ein bestimmter Pantographentyp festgelegt , j e nachdem, mit welchem Stromsystem die zugeordnete Strecke ausgerüstet ist . Wenn also auf einem Streckenabschnitt ein Pantograph eines ersten Pantogra- phentyps verwendet werden muss , ist es nicht sinnvoll , auch Werte für einen sich von dem ersten Pantographentyp technisch unterscheidenden zweiten Pantographentyp anzuzeigen . Ebenso ist für j eden Streckenabschnitt der Typ des Bahnstroms festgelegt , also , ob zum Beispiel DC ( Gleichstrom) oder AC (Wechselstrom) verwendet wird und mit welcher elektrischen Spannung, z . B . 1 , 5 kV, 3 kV, 16 , 7 kV oder 25 kV, das Bahnstromnetz in diesem Abschnitt betrieben wird . Allerdings können für eine längere geplante Strecke unterschiedliche Pantogra- phentypen und unterschiedliche Arten des Bahnstroms von ein und demselben Schienenfahrzeug genutzt werden . Weitere Parameter P, welche die Abnützung eines Pantographen beeinflussen, betref fen die Geschwindigkeit des Schienenfahrzeugs , Wetterdaten und das Zuggewicht . Das Zuggewicht beeinflusst die elektrische Stromdichte J des durch den Stromabnehmer fließenden elektrischen Stroms . Weiterhin hängt die Abnützung eines Pantographen von der Länge der Strecke und der elektrischen Stromdichte J durch die Schlei f leiste des Pantographen ab .
Anstatt die genannten Parameter und Verschleißwerte einfach abzuspeichern, wird bei dem in FIG 3 veranschaulichten Ausführungsbeispiel bei dem Schritt 3 . I I ein künstliches neuronales Netzwerk KN trainiert . Dabei werden die genannten Parameter P, wie zum Beispiel die elektrische Stromdichte J durch die Schlei f leiste , die Geschwindigkeit des Schienenfahrzeugs , der Pantographentyp, das Zuggewicht , Wetterdaten, die Länge der Strecke usw . als Eingangsdaten genutzt , die mit den gemessenen Ausgangsdaten, i . e . den zugeordneten Verschleißwerten des Verschleißprofils A ( P ) gelabelt sind . Das künstliche neuronale Netzwerk wird so trainiert , dass es auf Basis der Eingangsdaten die zugeordneten Ausgangsdaten ermittelt . Bei dem Schritt 3 . I I I wird das trainierte künstliche neuronale Netzwerk KN für eine Prognose eines zukünftigen Verschleißverhaltens W einer Schlei f leiste eines Pantographen eines Schienenfahrzeugs mit einem festgelegten Fahrplan FP eingesetzt .
In FIG 4 ist ein Flussdiagramm 400 gezeigt , welches ein Verfahren zur Einsatzplanung von Schienenfahrzeugen gemäß einem Aus führungsbeispiel der Erfindung veranschaulicht .
Bei dem Schritt 4 . 1 wird das bereits in FIG 1 bis FIG 3 veranschaulichte Verfahren zum Abschätzen eines zukünftigen Verschleißverhaltens W einer Mehrzahl von zur Verfügung stehenden Schienenfahrzeugen für unterschiedliche Einsatzs zenarien der Schienenfahrzeuge zur Erfüllung eines vorbestimmten Fahrplans FP durchgeführt .
Bei dem Schritt 4 . I I erfolgt eine Auswahl eines Einsatzs zenarios ES in Abhängigkeit von einer auf den zukünftig zu erwartenden Verschleiß W und die nötige Wartung der Schienenfahrzeuge bezogenen Nebenbedingung NB . Eine solche Nebenbedingung kann zum Beispiel einen minimalen Wartungsaufwand für die Schienenfahrzeuge und eine Einhaltung des Fahrplans durch die Schienenfahrzeuge fordern .
In FIG 5 ist eine Schätzeinrichtung 50 gemäß einem Aus führungsbeispiel der Erfindung gezeigt . Die Schätzeinrichtung 50 umfasst eine Datenbank 51 zum Ermitteln und Abspeichern eines digitalen Zwillings ZW einer technischen Komponente . Der digitale Zwilling ZW umfasst einen aktuellen Verschleißstatus VS und ein streckenabhängiges Verschleißprofil V für eine technische Komponente , insbesondere eine Schlei f leiste , eines Schienenfahrzeugs .
Außerdem umfasst die Schätzeinrichtung 50 eine Schätzeinheit 52 zum Abschätzen des zukünftigen zeitabhängigen Verschleißverhaltens W des Schienenfahrzeugs in Abhängigkeit von einem zukünftigen Fahrplan FP des Schienenfahrzeugs , von dem aktuellen Verschleißstatus VS und von dem streckenabhängigen Verschleißprofil V des betref fenden Schienenfahrzeugs .
In FIG 6 ist eine Planungseinrichtung 60 gemäß einem Aus führungsbeispiel der Erfindung veranschaulicht . Die Planungseinrichtung 60 umfasst die in FIG 5 gezeigte Schätzeinrichtung 50 . Teil der Planungseinrichtung 60 ist auch eine Auswahleinheit 61 zum Auswählen eines Einsatzs zenarios ES in Abhängigkeit von einer auf den Verschleiß und die nötige Wartung der zur Verfügung stehenden Schienenfahrzeuge bezogenen Nebenbedingung NB . Die Auswahleinheit 61 fragt von der Schätzeinrichtung 50 die digitalen Zwillinge ZW der einzelnen Schienenfahrzeuge eines zur Verfügung stehenden Fuhrparks FUP ab . Die digitalen Zwillinge ZW umfassen einen aktuellen Verschleißstatus VS von einer oder mehreren technischen Komponenten der einzelnen Schienenfahrzeuge des Fuhrparks FUP und das j eweilige Verschleißprofil V eines j eden Schienenfahrzeugs . Auf Basis der digitalen Zwillinge ZW der einzelnen Schienenfahrzeuge 1 des Fuhrparks FUP, eines Fahrplans FP und einer vorab festgelegten Nebenbedingung NB, welche neben der Hauptbedingung, dass kein Schienenfahrzeug über die Verschleißgrenze hinweg genutzt werden darf , ein weiteres Optimierungs ziel angibt , ermittelt die Auswahleinheit 61 einen Einsatzplan bzw . ein Einsatzs zenario ES für einen optimalen Einsatz des Fuhrparks FUP . Die Nebenbedingung NB kann zum Beispiel lauten, dass ein minimaler Wartungsaufwand entstehen soll .
Es wird abschließend noch einmal darauf hingewiesen, dass es sich bei den vorbeschriebenen Verfahren und Vorrichtungen lediglich um bevorzugte Aus führungsbeispiele der Erfindung handelt und dass die Erfindung vom Fachmann variiert werden kann, ohne den Bereich der Erfindung zu verlassen, soweit er durch die Ansprüche vorgegeben ist . Es wird der Vollständigkeit halber auch darauf hingewiesen, dass die Verwendung der unbestimmten Artikel „ein" bzw . „eine" nicht ausschließt , dass die betref fenden Merkmale auch mehrfach vorhanden sein können. Ebenso schließt der Begriff „Einheit" nicht aus, dass diese aus mehreren Komponenten besteht, die gegebenenfalls auch räumlich verteilt sein können.

Claims

Patentansprüche
1 . Verfahren zur Ermittlung eines zeitabhängigen Verschleißverhaltens (W) einer technischen Komponente eines Schienenfahrzeugs , aufweisend die Schritte :
- Ermitteln und Abspeichern eines digitalen Zwillings ( ZW) der technischen Komponente mit einem aktuellen Verschleißstatus (VS ) und einem streckenabhängigen Verschleißprofil (V) der technischen Komponente ,
- Abschätzen des zukünftigen zeitabhängigen Verschleißverhaltens (W) der technischen Komponente des Schienenfahrzeugs in Abhängigkeit von einem zukünftigen Fahrplan ( EP ) des Schienenfahrzeugs und auf Basis des digitalen Zwillings ( ZW) .
2 . Verfahren nach Anspruch 1 , wobei die technische Komponente eine der folgenden Komponententypen umfasst :
- eine Schlei f leiste ,
- ein Radprofil .
3 . Verfahren nach Anspruch 1 oder 2 , wobei das Abschätzen des zukünftigen zeitabhängigen Verschleißverhaltens (W) der technischen Komponente des Schienenfahrzeugs auf Basis des aktuellen Verschleißstatus (VS ) und des streckenabhängigen Verschleißprofils (V) des Schienenfahrzeugs erfolgt .
4 . Verfahren nach einem der vorstehenden Ansprüche , wobei für die Ermittlung des Verschleißprofils (V) eine digitale Schienennetzkarte verwendet wird, der ortsabhängige Attribute , welche das Verschleißverhalten der technischen Komponente beeinflussen, zugeordnet sind .
5 . Verfahren nach Anspruch 4 , wobei die digitale Schienennetzkarte Strecken als Graphen mit Kanten als Verbindung zwischen benachbarten Stationen abbildet .
6. Verfahren nach Anspruch 5, wobei den Kanten des Graphen jeweils eine streckenbezogene Verschleißprofilkomponente (VK) zugeordnet wird.
7. Verfahren nach Anspruch 6, wobei die streckenbezogene Verschleißprofilkomponente (VK) mindestens einen der folgenden Datentypen umfasst:
- eine Statistik über die Abnützung der technischen Komponente,
- Wetterdaten,
- Fahrzeugdaten.
8. Verfahren zur Einsatzplanung von Schienenfahrzeugen, aufweisend die Schritte:
- Abschätzen eines zukünftigen Verschleißverhaltens (W) einer Mehrzahl von zur Verfügung stehenden Schienenfahrzeugen für unterschiedliche Einsatzszenarien (ES) der Schienenfahrzeuge zur Erfüllung eines vorbestimmten Fahrplans (FP) mit dem Verfahren nach einem der Ansprüche 1 bis 7,
- Auswahl eines Einsatzszenarios (ES) in Abhängigkeit von einer auf das Verschleißverhalten (W) und die nötige Wartung der Schienenfahrzeuge bezogenen Nebenbedingung (NB) .
9. Verfahren nach Anspruch 8, wobei die Nebenbedingung (NB) die maximalen Wartungskapazitäten für die Schienenfahrzeuge umfasst .
10. Verfahren nach Anspruch 8 oder 9, wobei die Nebenbedingung (NB) eine Erfüllung des Fahrplans (FP) mit minimalem Wartungsaufwand umfasst.
11. Verfahren nach einem der Ansprüche 8 bis 10, wobei die Nebenbedingung (NB) eine Erfüllung des Fahrplans (FP) mit einer möglichst kleinen Anzahl von Schienenfahrzeugen umfasst.
12. Schätzeinrichtung (50) , aufweisend:
- eine Datenbank (51) zum Ermitteln und Abspeichern eines digitalen Zwillings (ZW) einer technischen Komponente eines Schienenfahrzeugs mit einem aktuellen Verschleißstatus (VS) und einem streckenabhängigen Verschleißprofil (V) der technischen Komponente,
- eine Schätzeinheit (52) zum Abschätzen des zukünftigen zeitabhängigen Verschleißverhaltens (W) des Schienenfahrzeugs in Abhängigkeit von einem zukünftigen Fahrplan (FP) des Schienenfahrzeugs und auf Basis des digitalen Zwillings (ZW) .
13. Planungseinrichtung (60) , aufweisend:
- eine Schätzeinrichtung (50) nach Anspruch 12 zum Abschätzen eines zukünftigen Verschleißverhaltens (W) einer Mehrzahl von zur Verfügung stehenden Schienenfahrzeugen für unterschiedliche Einsatzszenarien (ES) der Schienenfahrzeuge zur Erfüllung eines vorbestimmten Fahrplans (FP) ,
- eine Auswahleinheit (61) zum Auswählen eines Einsatzszenarios (ES) in Abhängigkeit von einer auf das Verschleißverhalten (W) und die nötige Wartung bezogenen Nebenbedingung (NB) .
14. Computerprogrammprodukt mit einem Computerprogramm, welches direkt in eine Speichereinheit ladbar ist, mit Programmabschnitten, um die Schritte eines Verfahrens nach einem der Ansprüche 1 bis 11 auszuführen, wenn das Computerprogramm ausgeführt wird.
15. Computerlesbares Medium, auf welchem von einer Rechnereinheit ausführbare Programmabschnitte gespeichert sind, um die Schritte eines Verfahrens nach einem der Ansprüche 1 bis 11 auszuführen, wenn die Programmabschnitte von der Rechnereinheit ausgeführt werden.
EP23797664.2A 2022-10-19 2023-10-06 Prognostizierung des verschleissverhaltens von schienenfahrzeugen Pending EP4565470A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102022211085.4A DE102022211085A1 (de) 2022-10-19 2022-10-19 Prognostizierung des Verschleißverhaltens von Schienenfahrzeugen
PCT/EP2023/077746 WO2024083531A1 (de) 2022-10-19 2023-10-06 Prognostizierung des verschleissverhaltens von schienenfahrzeugen

Publications (1)

Publication Number Publication Date
EP4565470A1 true EP4565470A1 (de) 2025-06-11

Family

ID=88585409

Family Applications (1)

Application Number Title Priority Date Filing Date
EP23797664.2A Pending EP4565470A1 (de) 2022-10-19 2023-10-06 Prognostizierung des verschleissverhaltens von schienenfahrzeugen

Country Status (3)

Country Link
EP (1) EP4565470A1 (de)
DE (1) DE102022211085A1 (de)
WO (1) WO2024083531A1 (de)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102023212899A1 (de) 2023-12-18 2025-06-18 Siemens Mobility GmbH Verfahren zur Bestimmung eines Raddurchmessers bei einem Schienenfahrzeug

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009024506A1 (de) * 2009-06-08 2010-12-09 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren zur Ermittlung von Wartungsinformationen
DE102016109497A1 (de) 2016-05-24 2017-11-30 Knorr-Bremse Systeme für Schienenfahrzeuge GmbH Verfahren und Vorrichtung zum Ermitteln des Verschleißzustandes von Komponenten eines Schienenfahrzeugs
ES2887380T3 (es) * 2017-05-24 2021-12-22 Siemens Mobility GmbH Control de condición de un elemento de desgaste por uso
DE102017217450A1 (de) 2017-09-29 2019-04-04 Siemens Mobility GmbH Verfahren zur Zustandsbestimmung von wenigstens einer entlang einer Fahrstrecke verlaufenden Fahrleitung
PL3814194T3 (pl) 2018-08-31 2025-01-20 Siemens Mobility GmbH Optymalizacja energii przy eksploatowaniu floty pojazdów szynowych
CN112633532B (zh) 2020-12-29 2023-06-02 上海工程技术大学 一种基于数字孪生技术的列车车轮维修管理系统

Also Published As

Publication number Publication date
DE102022211085A1 (de) 2024-04-25
WO2024083531A1 (de) 2024-04-25

Similar Documents

Publication Publication Date Title
DE19904909C2 (de) Verfahren und Vorrichtung zur Bereitstellung von Verkehrsinformationen
DE102022116076A1 (de) Systeme und verfahren zur schätzung der ankunftszeit von fahrzeugsystemen
EP3665036B1 (de) Verfahren zur zustandsbestimmung von wenigstens einer entlang einer fahrstrecke verlaufenden fahrleitung
Barabino et al. An offline framework for the diagnosis of time reliability by automatic vehicle location data
Jovanovic et al. Track degradation analysis in the scope of railway infrastructure maintenance management systems
DE112008002987T5 (de) System und Verfahren zur Optimierung der Kraftsystemleistung in Gegenwart von sich ändernden Optimierungsparametern
WO2018087343A1 (de) Verfahren zur steuerung eines verkehrsmittelsystems, datenverarbeitungssystem
DE102018203975A1 (de) Fahrerassistenzverfahren für ein Fahrzeug, Fahrerassistenzsystem und Fahrzeug mit einem derartigen Fahrerassistenzsystem
EP1202894B1 (de) Verfahren zur energieoptmierung der fahrweise bei einem fahrzeug/zug unter verwendung eines gleitenden optimierungshorizontes
WO2016058727A1 (de) Zustandsdiagnose von schienenfahrzeugrädern
DE102013000385A1 (de) Verfahren und Navigationssystem zum Ermitteln eines Fahrroutenvorschlags für eine bevorstehende Fahrt mit einem Kraftwagen
WO2024083531A1 (de) Prognostizierung des verschleissverhaltens von schienenfahrzeugen
DE102011103679A1 (de) Verfahren zur Kalkulation einer Fahrempfehlung
DE102018203974A1 (de) Verfahren für eine Energiebedarfsprognose eines Fahrzeugs und System für eine Energiebedarfsprognose eines Fahrzeugs
DE102019129807A1 (de) Verfahren für eine Energiebedarfsprognose eines Fahrzeugs und System für eine Energiebedarfsprognose eines Fahrzeugs
DE102022119448A1 (de) Verfahren und System zum Erzeugen einer Energieverbrauchsprognose für ein Fahrzeug
DE102022105459A1 (de) Systeme und verfahren zum zuweisen von fahrtrouten zu fahrzeugen mit alternativer energie
WO2018036759A1 (de) Vorhersage des zuglaufs
DE102017213512A1 (de) Abschätzen einer voraussichtlichen Fahrzeit eines Schienenfahrzeugs
EP2887332B1 (de) Verfahren und System zum Ermitteln einer Verkehrssituation auf einer Straßenstrecke
Nagy et al. Research on automation of operative scheduling in urban public transportation
DE10030305A1 (de) Verfahren und System zur Optimierung der Instandhaltung von Fahrwegen, insbesondere von Gleisanlagen
EP1200297B1 (de) Verfahren zur energie- und zeitoptimierung der fahrweise bei einem fahrzeug/zug
AT522734B1 (de) Verfahren zur Ermittlung eines Bewegungsprofils einer Person
DE102016218113A1 (de) Bedarfsorientierter Einsatz von Transportfahrzeugen im öffentlichen Personenverkehr

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20250306

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR

RAP3 Party data changed (applicant data changed or rights of an application transferred)

Owner name: SIEMENS MOBILITY GMBH

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: GRANT OF PATENT IS INTENDED

INTG Intention to grant announced

Effective date: 20260219