II
Summary
The RET, or Rotterdamse Elektrische Tram, is the main public transport operator in the city of Rotterdam and they use buses, metro trains and trams. This thesis focusses on one of the transportation types of the RET, the trams. The Rotterdam tramway network consists of 194 kilometer of rails, 443 switches and 322 stops. During the night, all 128 trams are stored in one of two depots, one located at Beverwaard and one located at Kralingen.
Maintenance of the tram wheels is a very large expense for the RET, mainly because both the rails and the tram wheels are made of steel, which causes a lot of wear. Wear causes the shape of the wheel profile to change, which can lead to a number of inconveniences. When the wheel profile shape is not optimal, this affects the both the safety and the performance of the trams along with the comfort of the passengers. Especially for safety issues, there are certain limits for the tram wheels that indicate whether a tram is still allowed to be used or not. If a tram does not comply with these regulations, the wheels of this tram are turned and the shape of the wheel profile is restored if possible. If the wheel cannot be turned anymore the wheel tire is replaced by a new wheel tire. The RET wants to save money on the maintenance of the tram wheels, but also wants to raise the overall quality of the wheels of the trams in operation. To achieve this, the RET has purchased two measuring systems for the tram wheels and installed these at both depots. When a tram passes one of these measuring systems, it automatically measures multiple parameters on each tram wheel, which are used to determine the shape of the wheel profile.
In the current situation the measuring systems are operational and every tram is measured frequently. This measurement data is analyzed manually in order to provide information to help make the planning for the wheel maintenance. The use of the measuring systems has improved the overall state of the wheels of the entire tram fleet, but according to the RET this is still far from the optimal situation. The accuracy of the measuring system is not as high as was counted on, due to a large number of disturbances and measurement errors. This makes the interpretation of the measurement data much more difficult and time consuming. Therefore only a few of the measured wheel parameters are analyzed and this analysis is only performed once a month. Due to the fact that the analysis of the measurement data is only performed partially and monthly, there are a lot of trams in operation which do not comply with the regulations and there are large differences between the states of different trams in the fleet. In order to further improve the overall state of the wheels of the entire tram fleet, the analysis of the data of the measuring system must be optimized. This requires a number of alterations in the current process from measurement data to maintenance planning. The scope of this thesis is the entire process that translates the measurement data into a planning for the tram wheel maintenance. There are a lot of improvements possible in this process to get a better view of the state of the wheels of different trams, which can help optimize the maintenance planning.
III A method is proposed to improve analysis of the data from the wheel tire measuring systems installed at the depots at Beverwaard and Kralingen, in order to enable automated decision making and wear predictions. This has been achieved by implementing a newly designed step recognition algorithm and the robust locally weighted regression method. The step recognition algorithm detects discrete steps in the measurement data, which are caused by maintenance actions on the wheel tires, such as replacing or turning of the wheel tires, and divides the data into sections separated by these discrete steps. This method has been tested and verified using historic measurement data. Using the algorithm to divide the datasets into separate sections has made it possible to use the robust locally weighted regression method to further filter and smooth the separated sections of the datasets. The combination of these two methods has resulted in much more reliably processed data which can be used for the automated decision making and predictions of the wear of the wheel tires.
For the automation of the maintenance decision making a fault tree has been implemented. This fault tree is used to check on all defined criteria to which the wheels of a tram must comply in order to determine which trams need maintenance. This is an improvement on the current manually performed criteria check process because it improved the reliability, saves time and enables more frequent analysis of the data and now all the defined criteria are checked. Another improvement is the developed method for the prediction of the wear based on the measurement data. For this the existing warning limits for all wheel parameters have been altered in order to guarantee a remaining time before the rejection limit is reached of at least one month. When a warning limit is crossed by one of the wheel parameters, a prediction is made of when this parameter will reach the rejection limit. This prediction is based on extrapolation of the available data and a linear trend prediction. The prediction method has been tested on the application of the wheel tire parameters and it can be concluded that it provides a sufficiently reliable prediction of the wear of the tram wheels for a prediction length of one month and that the method is suitable for the application of the wheel tires of the tram of the RET.
Finally the analyzed measurement data and the results from the automated decision making and predictions are used to determine the type of maintenance action a tram needs and to estimate the needed time for this process. This has been realized by analyzing the shapes of new and worn wheel profiles and by using the available information from the maintenance department. Of every tram which needs maintenance it can be determined which wheels need maintenance, before which date this maintenance should be performed, what type of maintenance action is required on each bogie of the tram and long this maintenance will take. In order to investigate the possibility of automating the maintenance planning based on this information, the maintenance facilities and current planning process has been analyzed. During this analysis a large number of complications with the maintenance planning were encountered, such as the availability of operators to perform the maintenance activities, the availability of the right trams for wheel maintenance and unplanned maintenance activities.
IV
Based on the findings in this thesis it can be concluded that it is possible to improve the current maintenance planning, based on the measurement data of the wheel tire measuring systems. Good preparation of the data, by means of proper filtering and smoothing, enables the automation of the maintenance decision making process and the extension of this process with a prediction of the maintenance requirements of the trams for the length of a month. The analyzed measurement data can also be used to obtain accurate information on the required maintenance activity on the tram wheels and the expected time needed for this particular maintenance. After analysis of the current maintenance planning process and the facilities of the maintenance department it has been concluded that it is not possible to automate and optimize the maintenance planning any further. If an optimal and automatically created planning is required for the maintenance of the tram wheel tires more research is necessary in order to link this planning to the planning of the maintenance of other parts of the trams, major overhaul and the management of the trams used in operation. The obtained information from the measurement data in this thesis is the best possible solution for the current situation of the tram wheel tire maintenance planning and this will be used in practice by the RET for the planning of their wheel tire maintenance.
There are a number of recommendations provided in this thesis. First of all the measuring systems need to be investigated, because the maintenance decision making and the wear prediction in this thesis is mainly limited by the quality of the measurement data. The measurement data contains a lot of noise and large peaks and the data of both measuring systems cannot be combined due to calibration differences. In order to improve the results from the automated system, designed in this thesis, first an improvement of the measuring systems is required.
To enable automation of the entire planning of the wheel tire maintenance, a number of other factors need to be further investigated. First of all the planning of the operators needs to be optimized in order to know the exact capacity of the different parts of the maintenance department. The next step is to analyze the historic data more accurately on the occurrence of unplanned maintenance to take this into account in the maintenance planning. In this analysis also the seasonal dependence needs to be taken into account. Finally the planning of the maintenance of the tram wheels needs to be linked to the planning of the trams in operation and the planning of the other types of maintenance on the trams. If all this can be realized it may be possible to automate the entire maintenance planning for the tram wheel tires.
With the methods in this theses the measurement data has been analyzed, which has enabled the RET to analyze the available historic data, because it is filtered and smoothed correctly. This makes it possible to analyze the differences in wear between different trams, bogies, tram types and tram routes for example. This can help in getting more insight in the causes of excessive wear and how to prevent this. This can help the RET to improve the overall quality of the wheel tires of all trams and save money.
V
Summary (in Dutch)
De RET, of Rotterdamse Elektrische Tram, is het grootste openbaar vervoersbedrijf in Rotterdam en exploiteert de bussen, metro´s en trams. Dit afstudeeronderzoek richt zich op één van deze transportmiddelen, namelijk de trams. Het tramnetwerk in Rotterdam bestaat uit 194 kilometers rails, 443 wissels en 322 haltes. Gedurende de nacht staan alle 128 trams gestald in één van de twee remises van de RET in Beverwaard en Kralingen.
Het onderhoud van de tramwielen is de grootse kostenpost voor de RET en dit komt vooral doordat zowel de rails als de tramwielen van staal zijn, wat veel slijtage tot gevolg heeft. Slijtage resulteert in een verandering van de vorm van het wielprofiel, wat kan leiden tot verscheidene ongemakken. Als het wielprofiel niet meer optimaal van vorm is, beïnvloedt dit de veiligheid, de prestaties van de tram, het comfort van de passagiers. Vooral voor de veiligheid zijn er eisen gesteld voor de tram wielen, die aangeven of een tram nog gebruikt mag worden of niet. Als de wielen van een tram niet aan deze eisen voldoen, worden deze wielen gedraaid waardoor het wielprofiel weer hersteld kan worden. Als een wielband niet meer gedraaid kan worden, wordt deze vervangen door een nieuw wielband. Het doel van de RET is om meer geld te besparen op het onderhoud van de tramwielen, maar ook om de staat van de wielen van alle trams naar een gelijk, en hoger, niveau te brengen. Om dit te bereiken heeft de RET twee wielmeetsystemen aangeschaft en bij beide remises er één geïnstalleerd. Als een tram over één van deze twee wielmeetsystemen rijdt worden meerdere parameters van elk wiel gemeten, welke worden gebruikt om de vorm van het wielprofiel te bepalen.
In de huidige situatie zijn beide wielmeetsystemen volledig operationeel en worden alle trams frequent gemeten. De meetdata wordt handmatig geanalyseerd om informatie te leveren aan de onderhoudsafdeling. Sinds de aanschaf van wielmeetsystemen is de algehele staat van de tram wielen al flink gestegen, maar volgens de RET is dit nog lang niet de optimale situatie. De nauwkeurigheid van de meetsystemen is minder dan waar van tevoren op was gerekend. De oorzaak hiervan is een groot aantal meetfouten en verstoringen in de meetdata. Dit leidt ertoe dat het analyseren van de meetdata erg moeilijk en tijdrovend is. Om die reden worden niet alle wielparameters die gemeten worden geanalyseerd en wordt deze analyse maar één keer per maand gedaan. Doordat de meetdata maar één keer per maand en niet alle wielparameters geanalyseerd wordt, zijn er een groot aantal trams waarvan de wielen niet voldoen aan alle eisen en zijn er grote verschillen tussen de trams.
Om de algehele staat van alle tramwielen verder te verbeteren moet de analyse van de meetgegevens worden geoptimaliseerd. Hiervoor zijn een aantal aanpassingen nodig aan het gehele proces vanaf meetdata tot de onderhoudsplanning. De scope van dit onderzoek is het hele proces wat de meetgegevens omzet naar een optimale planning voor het onderhoud van de tramwielen. Er zijn verschillende verbeteringen mogelijk die het mogelijk maken een beter beeld te krijgen van de staat
VI
van de wielen van de verschillende trams, wat kan helpen bij het optimaliseren van de onderhoudsplanning.
In dit onderzoek is een methode geïntroduceerd voor het verbeteren van de analyse van de meetgegevens van de wielmeetsystemen, om het automatiseren van onderhoudsbeslissingen mogelijk te maken. Dit is gerealiseerd met het ontwerp en de implementatie van een nieuw stapherkenningsalgoritme en met de robuuste versie van de locally weighted regression methode. Het stapherkenningsalgoritme herkent discrete stappen in de meetgegevens, welke veroorzaakt worden door onderhoudsactiviteiten zoals het draaien of vervangen van de tramwielbanden. De datasets worden door het algoritme in secties verdeeld, tussen twee onderhoudsacties. De ontwikkelde methode is getest met behulp van historische meetdata. Het gebruik van het algoritme heeft het mogelijk gemaakt om de robuuste locally weighted regression methode toe te passen op de losse secties van de datasets voor verdere filtering en smoothing van de data. De combinatie van deze twee methodes heeft geresulteerd in een hogere betrouwbaarheid van de data die gebruikt kan worden voor het automatiseren van de onderhoudsbeslissingen voor de wielonderhoud en het voorspellen van de slijtage in de toekomst. Voor het automatiseren van de onderhoudsbeslissingen is er een foutenboom, ofwel fault tree, geïmplementeerd. Deze fault tree wordt gebruikt om alle gedefinieerde criteria waar de wielen van een tram aan moeten voldoen te controleren en te bepalen welke trams wielonderhoud nodig hebben. Dit is een verbetering op het huidige handmatige analyse proces, omdat hiermee de betrouwbaarheid omhoog gaat, er veel tijd mee wordt bespaard en een meer frequente analyse van de tramwielen mogelijk gemaakt wordt. Een andere verbetering is de ontwikkeling en implementatie van een voorspellingsmethode gebaseerd op recente meetdata. Hiervoor zijn de waarschuwingslimieten voor alle wielparameters zodanig aangepast dat er gegarandeerd kan worden dat elke tram nog minimaal een maand kan rijden voordat er een afkeur limiet bereikt wordt. Wanneer één van de wielparameters een waarschuwingslimiet bereikt, wordt er een voorspelling gemaakt wanneer deze wielparameter de afkeurlimiet zal bereiken. Deze voorspelling is gebaseerd op een extrapolatie van de beschikbare recente meetdata en een volledig lineaire voorspelling. Deze voorspellingsmethode is getest voor de toepassing van de wielbanden van de trams en er is geconcludeerd dat deze voldoende betrouwbare voorspelling genereert voor de tramwielbanden voor de lengte van een maand. Hiermee is de methode geschikt voor gebruik voor de RET.
Ten slotte zijn de geanalyseerde meetdata en de resultaten van de geautomatiseerde onderhoudsbeslissingen gebruikt voor het automatisch bepalen van het type onderhoudsactie wat de wielen van een tram nodig hebben, draaien of vervangen, en hoe lang dit onderhoud zal gaan duren. Om dit te bereiken is de vorm van het tramwielprofiel, nieuw en versleten, geanalyseerd en informatie van de onderhoudsafdeling zelf gebruikt. Van elke tram kan het nu bepaald worden welke wielen er onderhoud nodig hebben, wat de uiterste datum voor dit onderhoud is, welke type onderhoudsactie
VII nodig is en hoe lang dit onderhoud zal gaan duren. Om te onderzoeken of het mogelijk is om de volledige onderhoudsplanning te automatiseren op basis van deze gegevens, zijn eerst de onderhoudsfaciliteiten en het proces van de huidige onderhoudsplanning geanalyseerd. Tijdens deze analyse zijn een aantal complicaties aan het licht gekomen, zoals het feit dat er niet altijd monteurs beschikbaar zijn voor het uitvoeren van het wielonderhoud, het feit dat de juiste trams vaak niet beschikbaar zijn voor onderhoud en ongeplande onderhoudsactiviteiten buiten de planning om.
Op basis van de bevindingen in dit afstudeeronderzoek kan worden geconcludeerd dat het mogelijk is om de huidige onderhoudsplanning de verbeteren op basis van de meetgegevens van de wielmeetsystemen. Goede verwerking van de meetdata, door middel van filteren en smoothen, maakt het mogelijk om de onderhoudsbeslissingen te automatiseren. Ook is dit proces uitgebreid met een voorspelling van de wielslijtage voor de periode van een maand en kan er automatisch bepaald worden wat voor type onderhoud de wielen van een tram nodig hebben. Na analyse van het huidige planningsproces en de onderhoudsfaciliteiten kan er worden geconcludeerd dat het momenteel niet mogelijk is om de onderhoudsplanning verder te automatiseren en optimaliseren. Als een volledig geautomatiseerde onderhoudsplanning gerealiseerd moet worden, is het vereist om een koppeling te creëren tussen de planning van het wielonderhoud, de planning van ander tramonderhoud zoals grote revisies en de planning van de tram die in dienst beruikt worden. De verkregen informatie uit de meetdata van de wielmeetsystemen in dit afstudeeronderzoek is de beste oplossingen in de huidige situatie van de planning van het onderhoud van de tramwielen en dit zal ook direct toegepast worden door de RET.
Er zijn een aantal aanbevelingen op basis van dit afstudeeronderzoek. Allereerst moeten de meetsystemen zelf worden onderzocht, omdat de onderhoudsbeslissingen en de slijtagevoorspellingen momenteel vooral gelimiteerd worden door de kwaliteit van de meetdata. The meetdata bevat veel ruis en grote pieken en de meetgegevens van beide wielmeetsystemen kan niet samengevoegd worden door kalibratieverschillen. Om de resultaten van het geautomatiseerde systeem, ontworpen in dit onderzoek, te verbeteren is het eerst nodig om de meetsystemen zelf te verbeteren.
Voor volledige automatisering van de onderhoudsplanning moeten er een aantal zaken verder onderzocht worden. Allereerst moet de planning van de monteurs verbeterd worden om een gegarandeerde capaciteit te creëren voor het wielonderhoud. Daarnaast kan de historische meetdata geanalyseerd worden om te bepalen hoeveel invloed ongeplande onderhoudsactiviteiten hebben op de onderhoudsplanning om hiervoor een veiligheidsmarge in te voeren. Hierbij moet ook de invloed van de jaargetijden meegenomen worden. Als laatste moet er een koppeling gecreëerd worden tussen de planningen van de verschillende onderhoud types van de trams en de dienstregeling. Als dit allemaal gerealiseerd is, is het mogelijk om de volledige onderhoudsplanning te automatiseren.
VIII
De in dit onderzoek gebruikte methoden hebben het mogelijk gemaakt voor de RET om de historische meetdata te analyseren, omdat deze nu goed gefilterd en gesmoothed is. Dit maakt het mogelijk om de verschillen in slijtage tussen trams, draaistellen, tram types en tram routes te analyseren en de oorzaken hiervan te bepalen. Dit kan de RET gebruiken om de algehele staat van de tramwielen de verbeteren en mogelijk veel geld te besparen.
