Sensorflotta för autonom tillståndsövervakning av järnväg

För att gå mot ett autonoma underhållet av vår järnvägsinfrastruktur behöver järnvägsbranschen metodiskt utveckla system för tillståndsövervakning av järnvägens olika delsystem och komponenter. Järnvägsbefästningar är en av mång komponenter i ett järnvägssystem som kräver återkommande besiktningar för att säkerställa en säker tågdrift. I tidigare forskningsprojekt har en sensor (Lindometer) för detektion av sakande klamrar i befästningssystem utvecklats. Lindometern kan monteras på vanliga tåg och använder sig av differentiella virvelströmssensorer som inte påverkas av icke-ledande material som snö eller is som annars kan försvåra visuella inspektioner. Målet med projektet är att utveckla ett molnbaserat system som kan hantera en flotta av sensorer som i samverkan kan skapa en gemensam signaturbild av befästningarnas status längs vårt järnvägsnät redo för implementation i det Svenska järnvägsnätet. Syftet med projektet är att skapa kommersiella och tekniska förutsättningar för ett autonomt underhåll av järnvägsbefästningar och i förlängningen även andra komponenter med hjälp tillståndsövervakning via tåg i drift. Genom att använda passagerar- och godståg som bärare av robusta och autonoma sensorer kommer en större mängd information om anläggningens status att skapas. Detta kommer således att frigöra kapacitet och reducera kostnader associerade till manuella eller speciellt dedikerade inspektioner och således stärka konkurrenskraften för det miljö- och energimässigt fördelaktiga transportmedlet som järnvägen är. Genom att skapa ett molnbaserat system där olika sensorer kan kombineras, kan systemet skalas upp och flera fordon kan användas som bärare av mätsensorer där olika mätningar kan skapa en mer noggrann helhetsbild av anläggningens status. För en lyckad skalbar implementation av systemet krävs också att lämpliga affärsmodeller identifieras. Potentialen att skapa ett system som driftsätts längs malmbanan (Järnväg i norra Sverige) inom 3 år från projektstart bedöms som stor.