Met behulp van data-analyse is het mogelijk te voorspellen wanneer de blaadjes op de rails in de herfst kunnen leiden tot het slippen van de treinwielen. ‘Dit jaar kunnen we de machinist waarschuwen op welk traject hij voorzichtig moet rijden.’
Er wordt altijd wat lacherig over gedaan. Treinstoring door blaadjes op de rails klinkt ook niet echt als de 21e eeuw. Maar dat maakt het probleem er niet minder om: bladeren op de rails kunnen een smurrie vormen wanneer de trein er overheen rijdt. Hierdoor verliest het wiel zijn grip op de rails en gaat de trein bij optrekken of remmen slippen. Het gevolg is dat de stalen wielen eenzijdig slijten, vierkante wielen heet dat in jargon van het treinonderhoud. Dat betekent dat de wielen eerst moeten worden geslepen voordat het treinstel weer de baan op kan.
Factoren
Ir. Maarten Zanen, teamleider Data-analyse van ingenieursbureau Arcadis, pakte met twee afstudeerders het onderwerp op en besloot om over alle mogelijk belangrijke factoren data te verzamelen: de meldingen van machinisten over gladheid, meetgegevens van de sensoren in wielstellen, de locatie, het soort bomen langs de rails, de periode van bladval, en het type weer (wind en neerslag). ‘De gegevens kwamen onder meer van de NS, het KNMI, luchtfoto’s en een bomeninventarisatie door ProRail.’ Vervolgens is gezocht naar correlaties. ‘Vooral eikenblad veroorzaakt gladheid en dat in combinatie met motregen. Bij droog weer of harde regen is er duidelijk minder gladheid’, laat Zanen weten. Die correlaties bleken goed genoeg om een risicomodel te kunnen maken. Daarmee is bij de volgende herfst realtime aan te geven wanneer op welk traject de grootste kans bestaat op gladheid. ‘De machinist weet zo veel beter waar hij aan toe is en kan zijn rijgedrag daarop aanpassen. Of ProRail kan het aanbrengen van antislipgel gericht inzetten. Het analyseren van data helpt dus om effectievere maatregelen te nemen.’
Nieuwsbrief
Vond je dit een interessant artikel, abonneer je dan gratis op onze wekelijkse nieuwsbrief.