预测性维护为特伦塔利亚带来效率

意大利的首要列车运营商Trenitalia正在将项目中的互联网（IOT），分析和内存计算中的互联网相结合，以使其列车维护更高效和有效。

火车具有复杂的机械和电气系统，具有数以万计的移动部件。Trenitalia希望该项目能够在发生之前使其能够预测失败，而不是对他们做出反应。

为了提供可靠的服务，列车需要定期维护，在特定时间段或通过监视部分的情况后，可以在达到某个里程时触发。监控涉及检查设备的操作，只要改变某些东西显示恶化的迹象。

IOT和互补技术的可用性甚至可以预测某些设备的失败。这是在部署三种技术的动态维护管理系统（DMMS）之后Trenitalia已经开始做的事情：IoT，Analytics和内存计算。

“SAP HANA是被选中建立DMMS的平台，”特伦蒂亚的CIO Danilo Gismondi说。“现在可以在一列火车中经济高效地收集来自数百个传感器的大量数据，实时分析该数据并在实际发生之前检测问题。这种方法将逐步引入，并将维护成本降低至8％。

“该项目是根据经营管理表达的要求构建的，并且代表了范式转变。里程没有更多的维护。目标是通过将预测性维护和数据分析应用于所有必需的轨道电路部分来保持成本最低。“

传感器和通信技术的进步使得能够从列车中的各种系统中实现连续数据收集。这意味着可以每天24小时监测机械和电气条件，操作效率和其他性能指标。

这些功能允许维护在维修之间的最大间隔，同时最大限度地减少由系统故障引起的未安排中断的数量和成本。

“预测维护远远不止于此，”Gismondi说。“我们可以最大限度地减少所有机械设备的非划分的故障，并确保修复的设备处于可接受的状态。如果检测到并提前修复，则可以最大限度地减少大多数机械问题。“

他补充说，它也是识别各种商业场景。例如，有效的预测性维护系统还应帮助操作员计划更换部分的库存，并建议哪些系统由于性能持续较差而需要设计升级。

GiSicondi表示，找到支持该项目的合适平台至关重要。该公司评估了多种技术，最终选择了SAP HANA。

“我们对Hana的一件事之一是它紧紧地集成了不同的层 - 内存计算，实现了真实或近实时计算，数据库和分析，”他说。“通过简单的单词，我们将大数据逻辑应用于维护过程。

“我认为这是一个新的IT前沿，以传统技术无法实现的时尚方式处理大量数据的新方法。”

Gismondi说，Trenitalia也被定制了解决方案以满足其特定要求的能力所吸引，“这具有巨大的竞争价值”。

在两年后完成后，预测性维护系统每年将生成700TB的数据。已经开发了一种算法来使数据分析更有效。

该系统将在大多数公司的长途和高速列车上处于活动状态，并将逐步安装在将取代旧区域的新列车上。

数据将通过Wi-Fi，主要是在站和仓库中收集。“我们还在努力通过我们的Telco提供商提供的网络每10分钟传输有关最关键部位的数据，”Gismondi说。

“该系统将帮助我们创建一种独特的收集数据方式，以提高我们的效率以及降低运营成本。”