VR Group pyrkii täsmällisyyteen analytiikan avulla

VR Group rakentaa kunnossapito- ja liikennetapahtumista kertovilla tiedoilla järjestelmää, joka parantaa junien täsmällisyyttä ja luotettavuutta mahdollistamalla paremman ennakoinnin. VR Groupille hyödyt näkyvät myös huollon kustannusten pienenemisenä. VR Group tarjoaa konkreettisen esimerkin siitä, mitä mahdollisuuksia Big Data ja ennakoiva analytiikka tuovat organisaatioihin ja miten teollinen internet (Internet of Things) muuttaa ja kehittää vakiintuneita toimintamalleja.

Turvallisuus- ja laatupäällikkö Juha Artukka ja teknologiapäällikkö Juha Ohvo VR Groupista kertovat, että yhtiölle kertyy päivittäin valtavasti tietoa junien kunnossapidosta ja liikennetapahtumista.

- Dataa kertyy esimerkiksi kaluston tekniikasta, vikatiedoista, huollosta, junien kulkutiedoista, aikatauluista, kustannuksista ja säätiedoista. Junissa olevat sensorit valvovat junan eri toimintoja ja niistä saadaan jatkuvasti tietoja kaluston kulkiessa liikenteessä. Tämä tarkoittaa kymmeniä miljoonia tietorivejä kuukaudessa, Artukka täsmentää.

Dataa kertyy esimerkiksi kaluston tekniikasta, vikatiedoista, huollosta, junien kulkutiedoista, aikatauluista, kustannuksista ja säätiedoista. Junissa olevat sensorit valvovat junan eri toimintoja ja niistä saadaan jatkuvasti tietoja kaluston kulkiessa liikenteessä. Tämä tarkoittaa kymmeniä miljoonia tietorivejä kuukaudessa.

Siksi VR Groupissa kiinnostuttiin nelisen vuotta sitten siitä, miten SAS Instituten ennakoivan analytiikan työkaluilla voidaan ennakoida ja optimoida junien huoltoa ja saada reaaliaikaista tietoa kaluston kunnosta.

Projekti alkoi varsinaisesti vuonna 2013 analytiikan sekä ennakointiin liittyvien mittareiden määrittelyllä. Aluksi projektin vetäjänä toiminut Artukka kertoo, että nopeasti todettiin, että yhtiöllä analytiikassa on järkevää keskittyä etupäässä huoltojen ja kalliiden komponenttien käytön optimointiin. Lisäksi nähtiin mahdollisuus päästä tekemään vikaantumisten tärkeitä juurisyyanalysointeja.

- VR Groupilla liikkuu raiteilla 1 500 junaa päivässä, ja koska toimimme vaativassa logistisessa liikennejärjestelmässä, aiheuttaa jokainen tekninen häiriö aina suuren sekundäärisen kustannuksen. Kunnossapidon kustannukset muodostuvat valtaosin isojen voimansiirtokomponenttien huolto- ja korjauskustannuksista. Näihin pystytään vaikuttamaan elinikäanalysoinneilla ja huoltojen ennakoinnilla. Analytiikan avulla on mahdollista kehittää myös työsuunnittelua, korjaustoimintaa ja huoltotarpeiden ennakointia sekä parantaa sitä kautta junien täsmällisyyttä ja pienentää kustannuksia, Artukka selvittää.

Pyöräkerta indikoi kaluston kuntoa

Suurimpia kulueriä kunnossapidosta kertyy erityisesti pyöräkertojen uusimisesta ja sorvauksesta. Pyöräkertoja on junissa yhteensä yli 30 000 kappaletta. Niiden taloudellinen arvo voi olla jopa kymmeniä tuhansia euroja pyöräkerralta. Pyöräkertoja pitää sorvata säännöllisesti niiden kulumisen vuoksi, ja jokainen sorvaus aiheuttaa sekin kustannuksia.

Artukan mukaan pyöräkertojen kunnon arviointi on tähän asti ollut haastavaa. Arviointiin vaikuttavat lukuisat muuttujat, kuten sää, junien nopeus, kaluston käyttöaste, materiaalivalinnat ja sorvauskertojen määrä.

- Jos sorvausten ajankohdat voidaan optimoida, pyörä kestää kauemmin. Lisäksi materiaalien tilaaminen tulee aina ennakoida mahdollisimman hyvin, koska pieniä materiaalieriä on vaikea saada toimittajilta. Tähän asti ennakointi on ollut manuaalista, Artukka kertoo.

Nyt SAS Instituten tarjoaman ennakoivan analytiikan avulla on luotu matemaattinen malli, jolla voidaan selvittää pyöräkertojen kulumatilanne ja ennustaa ja arvioida täsmällisemmin, milloin pyöräkerrat tulee sorvata tai kokonaan uusia.

Henkilöliikenteen junat ajavat raiteille asetetun optisen mitta-aseman yli. Mitta-asema lähettää VR:lle 100 megatavua dataa junan ohittaessa mittalaitteen.

Pendolino-junassa on useita satoja mikroprosessoreja, jotka lähettävät tietoa junan vioista sekä statustilavaihdoksista eri toimintojen tai osajärjestelmien välillä. Tämän sensoridatan avulla on mahdollista päästä käsiksi niin sanottuihin kaluston rikkoontumisen juurisyihin ja valvoa kahdennettujen laitteiden optimaalista toimintaa. Näin estetään vikojen ketjuuntumista.

- Pyöräkerta on hyvä kaluston kunnon indikaattori, sillä sen kunto vaikuttaa matkustusmukavuuteen sekä myös esimerkiksi junan telien ja moottorin kuntoon. Tämä helpottaa myös varaosien tilaamista ja takaa sen, että niitä on aina tarvittaessa saatavilla, Ohvo toteaa.

Huoltovälit määritellään uudelleen

Pyöräkerrat ovat vain yksi esimerkki siitä, millaisia mahdollisuuksia VR Groupille tarjoutuu analytiikan avulla. Ohvo, joka vastaa tällä hetkellä projektin käyttöönotosta, kertoo että tarkoituksena on uudistaa kaluston kunnossapitojärjestelmä ja ennakoida huoltotoimenpiteitä. Nykyisin huoltovälit perustuvat esimerkiksi arvioon siitä, että noin 60 000 kilometrin välein juna pitää huoltaa.

- Meidän on mahdollista tarkentaa ja optimoida huollon ajoitusta ja huoltovälejä kalustokohtaisesti. Huoltovälien optimoinnilla voidaan parantaa kaluston luotettavuutta sekä pienentää kaluston kunnossapitokustannuksia. Myös, että löydämme vikojen juurisyyt, lisää säästöjä ja parantaa junien luotettavuutta, Ohvo kertoo.

- Tulevaisuudessa saadaan tietoa junan eri komponenttien kunnosta ja voidaan selvittää, ovatko esimerkiksi niiden vaihtovälit liian lyhyitä tai pitkiä. Jos tunnistamme jonkin tyypillisen vian kalustossa, voimme myös olla yhteydessä esimerkiksi järjestelmätoimittajiimme, Artukka sanoo.

Tavoitteena parantaa datan laatua

Jotta analytiikka tuottaa oikeita tuloksia, on tärkeää, että data on luotettavaa. Siksi VR Group pyrkii myös parantamaan kertyvän datan laatua.

- Meidän on tärkeää edelleen kehittää operatiivisten prosessimme kuntoa. VR Groupilla on lukuisia lähdejärjestelmiä, mikä tarkoittaa runsasta määrää dataa. Vaikka osa tarvittavasta datasta kertyy kuljetustoimintaa ohjaavista järjestelmistä sekä junien tietojärjestelmistä, dataa kerätään myös manuaalisesti. Data ei vielä ole kaikilta osilta tarpeeksi hyvälaatuista, Artukka toteaa.

Iso osa kerätystä datasta on suoraan junien järjestelmistä kertyvää prosessidataa, kuten esimerkiksi henkilökunnan tekemät vikailmoitukset. Vikojen korjauksista ja huollon toimenpiteistä saatavan datan henkilökunta kirjaa kuitenkin käsin järjestelmään. Siksi on tärkeää, että jokainen tekee datan kirjaukset huolella.

Osa yhtiön henkilöstöstä on jo päässyt perehtymään huoltojärjestelmiin ja vastaanotto on ollut Ohvon ja Artukan mukaan positiivista.

- Tällä hetkellä analytiikan loppukäyttäjiä on 6−7, mutta tavoite on, että järjestelmää käyttää tulevaisuudessa aktiivisesti 20−30 kunnossapidon asiantuntijaa ja tuotannonsuunnittelijaa.

VR_Group_logo_rgb

HAASTE

Miten VR Group voi parantaa junien täsmällisyyttä ja luotettavuutta, sekä karsia huollon kustannuksia.

RATKAISU

SAS Supply Chain Intelligence Centre

EDUT

Analytiikan avulla päästään käsiksi kaluston rikkoontumisen juurisyihin, tarkennetaan junien, komponenttien ja osajärjestelmien huoltovälejä ja pyritään ennakoivaan eli tarvepohjaiseen huoltotoimintaan.

Lue lisää miten sinä voit analytiikan avulla hyötyä teollisesta internetistä

The results illustrated in this article are specific to the particular situations, business models, data input, and computing environments described herein. Each SAS customer’s experience is unique based on business and technical variables and all statements must be considered non-typical. Actual savings, results, and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software. Brand and product names are trademarks of their respective companies.

Back to Top