Wissels & Puntstukken

Wissels en puntstukken zijn essentieel in het dichte Nederlandse spoornetwerk, maar tegelijkertijd ook een van de gevoeligste plekken in de treininfrastructuur. Met name het puntstuk heeft het zwaar te verduren en daarom houden wij een oogje in het zeil. Maak kennis met voorspelbaar spooronderhoud. De uitdaging Weer een wisselstoring… Wissels zijn gevoelige onderdelen in het spoornetwerk. Naast de wisselsteller is ook het puntstuk erg vatbaar voor schade en slijtage, omdat hier de spoorstaaf onderbroken is. Elk treinwiel rijdt over een soort ‘gat’, wat de impact op het puntstuk veroorzaakt. Gelukkig is een puntstuk ontworpen om dit op te vangen, totdat er slijtage optreedt en de impact toeneemt. Met behulp van onze data ben je als eerst op de hoogte van de staat van het spoor. Wissels slijten sneller door achterstallig onderhoud, maar zonder data is het tijdig plannen van onderhoud ingewikkeld. Goed onderhouden wissels scheelt je niet alleen in de kosten, maar bevordert tegelijkertijd de veiligheid en continuïteit in de infrastructuur. Wissels gaan veel langer mee en overbodig onderhoud is verleden tijd. Maar hoe houd je wissels en puntstukken on point, zonder dat je voor elk wissewasje aan het spoor staat? En wat moet je meten om te weten wanneer een wissel toe is aan onderhoud?

Met datagedreven onderhoud weet je precies wanneer de wissels versleten zijn, zie je direct wat het effect is van onderhoud en detecteer je problemen ver voordat het storingen zijn. Zo ook bij dit voorbeeld van een wissel in Rotterdam. Met onze sensoren maken we de verticale invering, de impact en de treinsnelheid meetbaar. Zo zet je monteurs alleen op het juiste moment en met het juiste gereedschap in. Wanneer er een trein langs raast, krijgt het puntstuk het zwaar te verduren. Dit “kedeng kedeng”-geluid doet het misschien goed in de kroeg, maar is minder bevorderlijk voor het spoor. Grote impact betekent meer schade aan het puntstuk. Tijd voor onderhoud dus. In het voorbeeld hierboven zie je dat we op twee momenten onderhoud hebben gedetecteerd. Vervolgens bepaalden we samen met de klant welk onderhoud het meest effectief en duurzaam was. En het kan nog slimmer! Door middel van machine learning en slimme algoritmes kunnen we je steeds beter vertellen wanneer en welk onderhoud nodig is. Met behulp van AI herkennen we onderhoudspatronen in de data. Zo houden we niet alleen realtime data bij, maar kunnen we ook vooruitkijken naar het onderhoud op de korte en lange termijn.