KI-gestützte Erkennung von Schadmustern an Personenverkehrszügen

Am 22. August 2023 fand das Kick-off-Meeting des am 1. August 2023 gestarteten Projekts „Erkennung von Schadmustern an Personenverkehrszügen (PVZ) und Evaluierung der Konfidenz zur Auswahl robuster Features für Predictive Maintenance“ – kurz ESPEK – statt. Zusammen mit den Unternehmen RWS Railway Service GmbH und Telco Tech GmbH sollen in dem Vorhaben Möglichkeiten der automatischen Schaderkennung durch KI-gestützte computervisuelle Techniken zur Optimierung von Wartung und Instandhaltung bei PVZ entwickelt werden.

Personenverkehrszüge werden in den meisten Werkstätten bis auf wenige Ausnahmen, z. B. beim Schnellzug ICE, manuell inspiziert. Bestenfalls können installierte Sensoren oder Datenspeicher ausgelesen werden. Eine automatische Schaderkennung durch KI-gestützte computervisuelle Techniken vor bzw. während der Einfahrt in eine Werkshalle am Betriebsbahnhof kann Wartungsvorgänge beschleunigen, für mehr Sicherheit sorgen und die frühzeitige Planung von Arbeitsaufträgen und Zuweisung von Ressourcen ermöglichen, was die Durchlaufzeiten der Instandhaltung verkürzt.

Diesem Thema widmet sich ein Forschungsteam um Prof. Frank Gillert und Prof. Alexander Stolpmann von der Technischen Hochschule Wildau (TH Wildau) in dem Projekt „Erkennung von Schadmustern an Personenverkehrszügen und Evaluierung der Konfidenz zur Auswahl robuster Features für Predictive Maintenance“.

Projektziel

Ziel des Vorhabens ist es, Möglichkeiten zu entwickeln, durch die Schäden an einlaufenden Personenzügen mittels Kameratechnik robust erkannt werden können. Insbesondere sich oft am Zug wiederholende, sicherheitsrelevante und wichtige tragende Bauteile und Verbindungen sollen dazu auf ihr Potential zur automatisierten computergestützten Untersuchung hin überprüft werden. Neben dem gezielten KI-Training an einzelnen Schadklassen (mittels Deep Machine Learning), wofür im Projekt umfangreiche Bilddaten gesammelt werden, sollen durch den Einsatz von generativen KIs auch bisher nicht dokumentierte oder neuartige Schadmuster als Anomalie erkannt werden.

Zur angewandten Forschung gehören immer Unternehmen und Praxispartner. Die TH Wildau agiert dazu mit der RWS Railway Service GmbH, Elstal und Telco Tech GmbH, Teltow, die als Projektpartner auftreten. Zusammen werden in einem ersten Schritt Wartungsprozesse je nach Waggontyp durch die Partner erfasst, um ein Automatisierungskonzept zu entwickeln. Nach Identifikation von Bauteilen, deren automatisierte Prüfung Potenzial zur Steigerung der Wartungseffizienz bietet, werden an einem Zugmodell Parameter zur Datenerfassung wie hinreichender Blickwinkel, Belichtung und Tiefeninformationen untersucht. Prototypische Tests bei der Railway Service GmbH in der Wartungshalle etablieren Best Practices zur Datenakquise, um fallgerecht je Schadmuster KIs mit den gesammelten Daten zu trainieren.

Zum Kick-off-Meeting des Projekts am 22. August, das vom Bundesministerium für Digitales und Verkehr (BMDV) im Rahmen des Programms mFUND gefördert wird, stellten sich die beteiligten Partner sowie deren Mitarbeitende der Öffentlichkeit, dem Projektträger und dem Ministerium vor und informierten über ihre Forschungsziele, -methodiken und mögliche zukünftige Verwertungsmöglichkeiten.

Quelle und Bildquelle: …