DB Cargo har inlett försök med ett nytt system för inspektion av godsvagnar vid rangerbangården München Nord. Lösningen kombinerar kameror placerade under spåren, akustiska sensorer och AI-baserad analys för att identifiera tekniska brister innan de upptäcks vid ordinarie kontroller.
Testet är ett steg vidare från företagets befintliga så kallade kameragrindar, som redan i dag registrerar vagnar ovanifrån och från sidan när tågen passerar i låg hastighet. Den nya installationen ska ge en mer heltäckande teknisk bild av varje vagn, med fokus på komponenter som hittills varit svårare att kontrollera automatiskt.
– Målet är att kunna upptäcka skador tidigare och ge vagninspektörer bättre beslutsunderlag i det dagliga arbetet, uppger DB Cargo i samband med försöket.
Kameror och mikrofoner längs spåret
Den nya testanläggningen omfattar fem kameramoduler som monterats i spårnivå. Dessa är riktade mot axlar, bromsriggar och andra delar av vagnarnas underrede. Samtidigt registrerar mikrofoner ljud från passerande vagnar för att identifiera avvikelser som hjulplattor eller onormala rulljud.
Bild- och ljuddata samlas i ett gemensamt system där AI-modeller analyserar informationen i realtid. Syftet är att upptäcka mönster som kan tyda på begynnande tekniska fel, exempelvis ojämnt slitage eller komponenter som är på väg att fallera. Enligt DB Cargo ska detta ske innan felen utvecklas till akuta driftstörningar eller säkerhetsproblem.
Automatiserad övervakning av godsvagnar har blivit ett växande område inom järnvägssektorn, inte minst eftersom manuella inspektioner är tidskrävande och kräver tillgång till kvalificerad personal. Samtidigt finns det begränsad erfarenhet av hur tillförlitliga AI-baserade system är i praktisk drift, särskilt under varierande väder- och driftsförhållanden.
Del av större forskningsprogram
Försöket i München ingår i programmet ASaG – Automated Damage Detection on Freight Wagons. Projektet drivs av DB Cargo tillsammans med DB Systel, CoDiVe, DB InfraGO och Bergische Universität Wuppertal. Finansieringen kommer från det tyska centrumet för järnvägstrafikforskning, DZSF, inom ramen för satsningen Future of Rail Freight Transport.
Projektpartnerna ska nu utvärdera om den kombinerade användningen av kameror, ljudsensorer och AI-analys kan integreras i ordinarie inspektionsrutiner. Fokus ligger på om tekniken verkligen tillför mervärde jämfört med befintliga metoder, och om resultaten är tillräckligt tillförlitliga för att användas operativt.
Erfarenheter från liknande projekt inom järnvägssektorn visar att digitala övervakningssystem ofta kräver lång inkörningstid och kontinuerlig justering av algoritmerna. Hur väl AI-modellerna klarar komplexa och slitna godsvagnsflottor återstår därför att se.
Källa: Originalartikel publicerad av DB Cargo AG
