Przetwarzanie danych w Centrum Diagnostyki PKP Polskie Linie Kolejowe S.A. – nowe inicjatywy

• Autorzy: Madej L. , Gołąbek P.

Warianty tytułu

EN

New trands in data processing explored at the centre for railway diagnostics, PKP Polskie Linie Kolejowe S.A.

• Konferencja: Nowoczesne technologie i systemy zarządzania w transporcie szynowym = Modern technologies and management systems for rail transport (21.11-23.11.2018 ; Zakopane, Polska)
• Języki publikacji: PL

Abstrakty

PL

Burzliwy rozwój technologii informatycznych pozwala na pozyskiwanie, przetwarzanie i automatyczną analizę wielkich ilości danych diagnostycznych. Umożliwia to realizację optymalnych pod względem efektywności i kosztu strategii utrzymania infrastruktury kolejowej. Centrum Diagnostyki PKP Polskie Linie Kolejowe S.A. utrzymuje obszerny zbiór danych diagnostycznych i podejmuje działania ku przekształceniu go w wydajną bazę do działań analitycznych, zgodnie ze współczesnymi trendami, znanymi pod hasłem Big Data Analytics. Częścią aktywności w tym zakresie jest pozyskiwanie nowych źródeł danych diagnostycznych. Przykładem jest projekt pilotażowy wdrożenia sieci autonomicznych sensorów bezprzewodowych do monitorowania temperatury szyn. Artykuł opisuje podjęte i planowane działanie wraz z koniecznym kontekstem technologicznym.

EN

Fierce development of IT sector allows for an effective acquisition, processing and automatic analysis of large volumes of diagnostic data. This in turn brings in the possibility of implementing an optimal strategy for railway infrastructure maintenance in terms of both effectiveness and operational costs. The Center for Diagnostics, PKP Polskie Linie Kolejowe S.A. maintains a large database of diagnostic data and puts an effort toward transforming this data set into effective and consistent platform of data analysis according to current trend called Big Data Analytics. A part of an effort in this field is extending the database with new diagnostic data sets. The recent example of such activity is a drive test project of implementing a wireless sensor network for rail temperature monitoring. The undertaken and planned initiatives along with necessary technological context have been described in the paper.

Słowa kluczowe

PL

utrzymanie predykcyjne; big data; sieci sensorowe; WSN; diagnostyka kolejowa

EN

predictive maintenance; big data; wireless sensor networks; WSN; railway diagnostics

• Wydawca: Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej. Oddział w Krakowie
• Czasopismo: Zeszyty Naukowo-Techniczne Stowarzyszenia Inżynierów i Techników Komunikacji w Krakowie. Seria: Materiały Konferencyjne
• Rocznik: 2018
• Tom: Nr 1(115)
• Strony: 59--73
• Opis fizyczny: Bibliogr. 12 poz., rys.

Twórcy

autor

Madej L.

• Centrum Diagnostyki PKP Polskie Linie Kolejowe S.A., ul. Szczęśliwicka 62, 02-353, Warszawa,tel: [phone]

autor

Gołąbek P.

• Wydział Transportu i Informatyki, Wyższa Szkoła Ekonomii i Innowacji w Lublinie, ul. Projektowa 4, 20-209, Lublin, tel: [phone]

Bibliografia

• [1] Lugara A., Use IoT to advance railway predictive maintenance, dokument firmy Hitachi Vantara, dostępny pod adresem; https://www.hitachivantara. com/en-us/pdfd/white-paper/use-iot-to-advance-railway-predictivemaintenance-whitepaper.pdf, dostęp: 15-10-2018.
• [2] IoT and predictive maintenance keep trains rolling, raport firmy SAS, dostępny pod adresem https://www.sas.com/en_us/customers/vr-group--fi.html, dostęp: 15-10-2018.
• [3] McAfee A., Brynjolfsson E., Big Data: the management revolution, Harvard Business Review, October 2012.
• [4] Winchcomb T., Massey S., Beastall P., Review of latest developments in the Internet of Things, raport firmy Cambridge Consultants, dostępny pod adresem: https://www.ofcom.org.uk/__data/assets/pdf_file/0007/102004/Review-of-latest-developments-in-the-Internet-of-Things.pdf, dostęp: 15-10-2018.
• [5] Dang D. et al., Designing an Ultra-Low-Power (ULP) Application With SimpleLink™ MSP432™ Microcontrollers, raport firmy Texas Instruments, dostępny pod adresem: http://www.ti.com/lit/an/slaa668a/slaa668a.pdf, dostęp 15-10-2018.
• [6] Smart Grid & Energy Solutions Guide, dokument firmy Texas Instruments, dostępny pod adresem: http://www.ti.com/general/docs/lit/getliterature. tsp?baseLiteratureNumber=slym071, dostęp: 11-12-2017.
• [7] A Comprehensive Look at Low Power, Wide Area Networks, dokument firmy LinkLabs, dostępny pod adresem:www.link-labs.com, dostęp 15-10-2018.
• [8] Trenitalia: Creating a Dynamic Maintenance Management System Powered by SAP HANA, raport firmy SAP, dostępny pod adresem: http://www.sap.com/italy/assetdetail/2015/12/b6caea0d-507c-0010-82c7-eda-71af511fa.html, dostęp 15-10-2018.
• [9] Fraga-Lamas P, Fernández-Caramés TM, Castedo L., Towards the Internet of smart trains: a review on industrial IoT-connected railways, Sensors. 2017; 17(6):1457.
• [10] Hodge V. J. et al., Wireless Sensor Networks for Condition Monitoring in the Railway Industry: A Survey, IEEE Transactions on Intelligent Transportation Systems, vol. 16, no. 3, pp. 1088-1106, 2015.
• [11] Wei, Chuliang, et al., Real-Time Train Wheel Condition Monitoring by Fiber Bragg Grating Sensors. International Journal of Distributed Sensor Networks, Jan. 2012.
• [12] Norma EN 50159:2010, Railway applications - Communication, signalling and processing systems - Safety-related communication in transmission systems.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).