Analisi predittiva su segnali relativi a dispositivi ferroviari

Abstract

I treni rappresentano un pilastro fondamentale del sistema dei trasporti moderni. La loro capacità di trasportare un gran numero di persone e merci in modo efficiente li rende uno dei migliori sistemi di trasporti sia in termini di sostenibilità ambientale che di sicurezza. Tuttavia, per garantire questi standard l'infrastruttura ferroviaria è soggetta a continue opere di manutenzione e controllo. Tali operazioni avvengono in maniera programmata e costano significativamente sia in termini di efficienza del sistema, che soffre di possibili ritardi, sia in termini economici, considerando quanto estese sono le reti ferroviarie. \`E per questa ragione che gli enti ferroviari di tutto il globo sono alla ricerca di una soluzione più efficace e accurata. Una soluzione che, basata su grandezze fisiche come tensione e corrente, sia in grado di stabilire e schedulare interventi di manutenzione in maniera preventiva. La letteratura scientifica riguardante l'analisi e l'identificazione di guasti in ambito ferroviario adotta metodologie differenti, ma comune a tutte le soluzioni e il limite imposto dalla rarità dei malfunzionamenti. Questa tesi condotta in diretta collaborazione con Hitachi Rail STS, si pone come oggetti di studio due dispositivi specifici quali, i circuiti di binario e i deviatoi. Per gestire l'assenza di dati che mostrano la presenza di malfuzionamenti questa tesi propone una soluzione definita in letteratura come Gemello Digitale. Questa metodologia è stata sviluppata in seguito ad una lunga fase che ha visto come protagonista la creazione di un'infrastruttura informatica in grado di estrarre i dati necessari a partire dai telegrammi di comunicazione tra i dispositivi e i centri di controllo ferroviari. L'obbiettivo è stato quindi quello di creare le basi per un prodotto software in grado di ottimizzare la schedulazione degli interventi di manutenzione riguardanti i circuiti di binario e i deviatoi attraverso tecniche basate sull'analisi dei dati.

Trains constitute a fundamental pillar of the modern transportation system. Their capacity to transport a high number of people and goods efficiently renders them one of the best transportation systems both in terms of environmental sustainability and safety. However, to guarantee these standards, the railway infrastructure is subjected to continuous maintenance and control operations. Such operations occur in a programmed manner and entail significant costs both in terms of system efficiency, which undergoes potential delays, and in terms of economic costs, considering the extent of railway networks. It is for this reason that railway entities worldwide are seeking a more effective and precise solution. A solution that, based on physical quantities such as voltage and current, is able to establish and schedule maintenance interventions in a preventive manner. The scientific literature concerning the analysis and identification of faults in the railway sector adopts different methodologies, but a common limit to all solutions is the rarity of malfunctions. This thesis, conducted in direct collaboration with Hitachi Rail STS, focuses on two specific devices: track circuits and switches. To address the absence of data that demonstrate the presence of malfunctions, this thesis proposes a solution defined in the literature as a Digital Twin. This methodology was developed following a long phase that saw as protagonist the creation of an IT infrastructure capable of extracting the necessary data from the communication telegrams between the devices and the railway control centers. The objective was therefore to lay the foundations for a software product capable of optimizing the scheduling of maintenance interventions related to track circuits and switches through techniques based on data analysis.