Manutenzione Predittiva per i Sistemi di Segnalamento Ferroviario

Abstract

Ogni anno, milioni di passeggeri e tonnellate di merci fanno affidamento sulla rete ferroviaria. Il corretto funzionamento del sistema è fondamentale, poiché i ritardi e l'insoddisfazione dei clienti aumentano quando la qualità del servizio peggiora. Manutenzione e sicurezza sono due fattori chiave interconnessi, poiché un'ottima manutenzione è essenziale per garantire un servizio sicuro. Tuttavia, la manutenzione non dovrebbe essere eccessivamente costosa. Le spese di manutenzione aumentano annualmente a causa dell'invecchiamento delle infrastrutture, e sono necessari interventi mirati per gestire i costi in modo efficace, evitando controlli inutili su sistemi funzionanti. Allo stesso tempo, è necessario che questi sistemi affrontino prontamente i malfunzionamenti per prevenire successive interruzioni. Di conseguenza, il mercato sta progressivamente richiedendo soluzioni per ottimizzare le attività di manutenzione. L'acquisizione e l'analisi dei dati in tempo reale stanno diventando sempre più importanti poiché forniscono informazioni sullo stato di specifici asset (condition monitoring) e possono informare tempestivamente interventi di manutenzione (predictive maintenance).

Questa tesi fa parte di uno studio preliminare condotto da Hitachi Rail STS. L'obiettivo è quello di presentare un caso studio sulla gestione delle Eurobalise nella rete ferroviaria, con particolare attenzione ai dati provenienti dall'area metropolitana di Milano. Le Eurobalise sono componenti essenziali dell'European Rail Traffic Management System (ERTMS), servendo come marcatori per determinare la posizione dei treni sulla linea. Lo studio mira ad analizzare le pratiche manutentive attuali e proporre soluzioni per implementare un sistema di monitoraggio delle condizioni e manutenzione predittiva. Questa ricerca porrà le basi per l'attuazione di un approccio manutentivo basato su dati ricevuti in tempo reale, intervenendo quando necessario anziché seguire interventi ordinari e prefissati.

Every year, millions of passengers and tons of goods rely on the railway network. The smooth functioning of the system is crucial, as delays and client dissatisfaction escalate when service quality deteriorates. Maintenance and safety are two interconnected key factors, as excellent maintenance is essential to ensure a safe service. However, maintenance should not be excessively costly. Maintenance expenses increase annually due to the aging infrastructure, and targeted interventions are necessary to manage costs effectively, avoiding unnecessary checks on fully functional systems. Simultaneously, it is crucial for these systems to promptly address malfunctions to prevent subsequent disruptions. As a result, the market is gradually demanding more solutions for optimizing maintenance activities. Real-time data acquisition and analysis are gaining prominence as they provide valuable insights into the health of specific assets (condition monitoring) and can inform timely maintenance interventions (predictive maintenance).

This master thesis is part of a early-stage study conducted by Hitachi Rail STS. The objective is to introduce a case study on Eurobalises management in the railway network, with a specific focus on data from the metropolitan area of Milan. Eurobalises are critical components of the European Rail Traffic Management System (ERTMS), serving as markers to precisely determine the position of trains on the railway tracks. The study aims to analyze the current maintenance practices and propose solutions for implementing a condition monitoring and predictive maintenance system. This research will lay the foundation for the implementation of a comprehensive maintenance approach that relies on real-time data and asset conditions, intervening only when necessary rather than adhering to fixed schedules.