Training „Big Data @ Asset Management“ in Mexiko-Stadt, Mexiko
Teilnehmende aus ganz Lateinamerika trafen sich vom 24. bis 26. September 2019 im Zaragoza-Depot der Metro Mexico (STC), um mehr über den Einsatz von Big Data im Asset Management zu erfahren. Gemeinsam tauschten die 50 Expert:innen der Latin-American Association of Underground Networks and Subways (ALAMYS) und der DB Rail Academy ihr Wissen darüber aus, wie neue Technologien bei der Deutschen Bahn implementiert werden und was daraus für den Implementierungsprozess in den Eisenbahnunternehmen in Lateinamerika abgeleitet werden kann.
Das Training konzentrierte sich auf die drei Hauptbereiche
- Big Data
- Asset Management
- Data Analytics,
um einen Überblick zu den entscheidenden Entwicklungen in der digitalen Transformation, Anwendungsfelder und konkrete Anwendungsbeispiele geben zu können.
Ziel war es, gemeinsam ein Verständnis für die Möglichkeiten sowie die Notwendigkeit der vorausschauenden Instandhaltung und von „Big Data“ von Bahnanlagen zu entwickeln und den Zusammenhang zur digitalen Transformation zu verstehen.
Die wachsende Schienenverkehrsnachfrage setzt Netzbetreiber in aller Welt unter Druck, technische Lösungen zur weiteren Erhöhung der Zuverlässigkeit und Verfügbarkeit der Gleisanlagen und bahntechnischen Ausrüstung zu finden. „Big Data“ zu verstehen und zu nutzen ist eine Möglichkeit, wie die Branche dies erreichen will. Der Bereich, der zurzeit am meisten von Big Data profitiert, ist die Instandhaltung. So gibt es hier eine stetig zunehmende Nachfrage nach intelligenteren, weniger reaktiven Systemen. Denn die traditionelle reaktive Instandhaltung ist kostspielig, da sie bei Ausfällen zu ungeplanten Instandsetzungskosten führt, zusätzlich Verspätungskosten sowie Kosten für Ersatz- und Umleiterverkehre verursacht. Durch die Kombination von Datenerfassungs- und Analysesystemen zur Erkennung von Problemen, bevor sie auftreten, können Programme zur zustandsabhängigen, vorbeugenden Instandhaltung parallel zur planmäßigen Wartung eingeführt werden.