Präzise Prognose von Störungen an Eisenbahnweichen

Im Schienenverkehr verursachen Verspätungen jährlich einen enormen volkswirtschaftlichen Schaden. Eisenbahnunternehmen leiden unter den negativen Folgen für ihr Image sowie unter den Kosten der Verspätungen und der Instandhaltung zur Behebung von Störungen. Eine der Hauptursachen für infrastrukturbedingte Verspätungen sind Weichenstörungen. Ihre negativen Auswirkungen lieÿen sich verhindern, wenn die Störung rechtzeitig bekannt wäre, um effektive und effziente Gegenmaßnahmen zu planen und auszuführen. Im Rahmen dieser Arbeit wird ein datengetriebener Ansatz zur präzisen und verlässlichen Prognose von Weichenstörungen in Form der verbleibenden Nutzungsdauer (engl. Remaining Useful Life) RUL vorgestellt. Ausgangsbasis sind Stellstromdaten aus dem zweijährigen Realbetrieb von 29 Weichen der DB AG, die durch ein kommerzielles Weichendiagnosesystem rückwirkungsfrei und kontinuierlich am Weichenantrieb erfasst wurden. Die Analyse dieser Daten zeigt, dass das kommerzielle System allein nicht für die Prognose ausreicht. Daher wird der Einfluss weiterer Parameter strukturiert untersucht. Insbesondere die Temperatur und die Luftfeuchtigkeit spielen für die Interpretation der Stellströme eine wesentliche Rolle. Auch die Bauarteigenschaften der Weichen sind entscheidend. Ihr Einfluss wird mit einer eigenen, neuartigen Methode analysiert, da die Voraussetzungen für herkömmliche Analyseverfahren nicht gegeben sind. Die entwickelte Heuristik kombiniert Clustering und Klassifkation, um jene Bauarteigenschaften zu identifzieren, die das unterschiedliche Weichenverhalten bestimmen. Statt Weichen individuell zu behandeln, wird die Prognose auf Bauartgruppen ausgerichtet, weil Weichen innerhalb der Gruppen ähnliche Stellstromverläufe besitzen. Auf diese Weise kann auch der Zustand neuer Weichen prognostiziert werden, für die noch keine historischen Daten vorliegen. Auf der Grundlage der analysierten Zusammenhänge entsteht eine hochdimensionale Rohdatenbasis heterogener Quellen. Sie werden den dokumentierten tatsächlichen Störungen als Zustandsreferenz gegenübergestellt, womit für jedes Messtupel die RUL gegeben ist. Der Prognose liegt die Idee zugrunde, die stetige RUL in diskrete Klassen zu transformieren, die jeweils ein bestimmtes Intervall an RUL-Zeiten zusammenfassen. Anschlieÿend ist eine Abbildung der Messtupel auf die Klassen zu generieren, so dass unbekannte Messtupel einer RUL-Klasse zugeordnet werden können. Die Prognose wird zum Klassifkationsproblem multipler Klassen, für das zur Daten- und Problemstruktur passende Klassifkationsverfahren gesucht und anhand geeigneter Metriken verglichen werden. Weil die Performance der Verfahren stark von ihrer Parametrierung abhängt, werden jene Einstellungen herausgearbeitet, bei denen der Erfolg maximal ist. Auÿerdem wird der Effekt verschiedener Klassenstrukturen untersucht. So entstehen zusätzlich Grundregeln für die Klassenstruktur, die die Anforderungen an Planbarkeit, Granularität und Genauigkeit der RUL-Prognose berücksichtigen. Im Ergebnis weist die Arbeit nach, dass zwei Verfahren Weichenstörungen rechtzeitig, präzise und verlässlich prognostizieren und zudem wirtschaftlich arbeiten. Mit einer selbst entwickelten Methode wird bewiesen, dass die Genauigkeit in verschiedenen Situationen hoch genug ist, damit durch richtige Vorhersagen höhere Verspätungskosten eingespart als durch Fehlalarme unnötige Instandhaltungskosten induziert werden. So könnte ein Eisenbahnunternehmen mindestens 50 Prozent der resultierenden Verspätungen verhindern und gleichzeitig Kosten senken