Date: 21
stApril 2016, 1.30-2:15 p.m.
LL.Keyword Summary Generalization Connection theory
Bedanken Maintenance system engineer NedTrain Methodiek onderhoud Lucht- en ruimtevaarttechniek Luchtvaart F.H.r failliet Business consultant NedTrain
Fokker failliet, toen business consultant bij NedTrain geworden. Ontwikkeling werk Rijdende computer Meer electronica in trein Planbaar maken onderhoud Grote uitdaging: werken met data
Verantwoordelijk bij NedTrain voor onderhoudsontwikkeling. Trein rijden computer.
Werkervaring: lucht- en ruimtevaarttechniek bij NedTrain terechtgekomen. Ratio correctief preventief 30/70
Definitie van termen Ratio preventief/correctief bij NS is 30/70. Definitie ook erg belangrijk.
115 Risico denken
Risicoafweging Risicoafweging: wachten tot kapot of preventief vervangen: kosten t.o.v. impact
Keuze iets te doen Acceptatie risico Knoppendoos ontwikkelen met afwegingen Elektrische componenten falen Kilometers, tijd en combinatie
Random falen: andere filosofie Redundant Weibull analyse Elektrisch vermogen Redundant Fysieke slijtagekenmerken, maar lastig voorspellen
Je kunt redundant uitvoeren, kijken naar fysieke slijtagekenmerken, maar falen van elektrische componenten is lastig in te schatten. Onderhoud: risicoafweging en middelen om storing te voorkomen: redundant, slijtage. Regarding reliability of maintenance, in different ways risk prevention can be realized in a train to prevent errors: redundant systems, especially for random failure of electric components.
Real time nieuwere treinen
Data uitlezen real time Relevantie data naar wal
Intermuterende storingen
Type storing en actie
Data filteren in trein.
Data: prefiltering data
trein Regarding data, pre filtering is can be important to filter data from sending irrelevant events.
Bewuste keuze iets doen Prioriteitsstoring Hoe analyseren Werkplaats Realtime monitoring Fabrikant uitgelezen Onderdelen trein extra analyseren
voorspelling onderhoud
Uitdaging zit hem ook nog in de logistiek. Je kunt een storing opsporen, maar de trein moet ook nog gepland worden binnengehaald in de werkplaats.
Organisatie inrichten
op data analyse. Organizational theories about structure and culture of organization and the way they are working.
Tractie, deur, rem Beveiliging
Qlikview software analyse
Collega vragen software SAP als BI tool
Datatype Weet ik niet Maximo beheerssysteem
We gebruiken Maximo als BI- tooling.
Data monteur Van Maximo RCA
PDCA cirkel, monitor en realiteit
116 Redundant, correctief
onderhoud uitsluiten Onmogelijk electronica
Richting correctief Sommige componenten vrijwel onmogelijk om te monitoren op falen. Elektronische componenten bijvoorbeeld falen zo goed als random.
Onderhoud: elektrische
componenten moeilijk Maintaning every component preventively is impossible because of random failure of some compoonents.
Echt
Vanwege electronica Uitdaging Big Data Kleine reparaties real- time monitoring Planbaar maken uitdaging Impactanalyse o.b.v. data Op voorhand impactanalyse Blijven rijden of onderhoud
Reiziger last van Scenario’s klaar Ja, geheel naar risk- based
Uitdaging data of organisatie
Beide, ook organisatie Meerdere sessie met meerdere partijen Lastig
Lastig, maar goede basis
Hebben veel data Kwaliteit data vraagstuk Defect deur rapporteren Monteur uitleggen belang rapporteren De administratie bij storingsoplossing kan ook nog beter. Monteurs moeten beter de data bewaren bij het oplossen van storingen.
Meten deur kapot Tijd openen sluiten
Druk of spanning De deur kun je monitoren w.b. openen/sluiten, met druk of met spanning.
Data: monitoring status With the use of data from the right variables an exact prediction about failure of a door can be given.
Lastig
Spanning niet het probleem Verkeerde been Meegemaakt Niet persoonlijk Lekkage Onderhoud data combineren Stap verder Risk-based maintenance Korter, frequenter onderhoud: Stoplichtmodel Risk-based maintenance betekent ook verandering in doen van onderhoud binnen de organisatie. Met data moet je ook rekening houden met mogelijkheden om die trein de werkplaats binnen te halen.
Ontwikkeling
organisatie onderhoud Reliability Engineer as part of the organization to improve the reliability of vehicles. Connection to development of maintenance with the help of data and the organization as context.
117 Onderhoudsconcept sneller Pitstop Mee te maken. Leangedacht Verminderen doorlooptijd Hoeveel 40 naar 16 uren Theorie praktijk Monteur ’s nachts werken Gebeurt hier al Slim inrichten Andere punten
Rode draad te pakken, meer data
Filteren trein
Big Data ongeschoonde data
Wat je wilt is ongeschoonde data, logfiles, maar ook filtering on board van de trein. Het is een combinatie van.
Logdata en filtering,
combinatie gewenst Regarding, both log data as well as filtered data on board of the train. Combination is the best option.
Systemen inbouwen
oude treinen Afweging inbouwen systemen in oude treinen t.o.v. kosten die daarmee gepaard gaan.
Afweging kosten t.o.v.
levensduur voertuigen Regarding development of maintenance, consideration is needed between costs/profits regarding age vehicles. Deels Koppeling boordcomputer Koppeling boordcomputer Netneutraliteit Technische, gesloten systeem Bekabeling Meetsysteem aansluiten in toekomst
Interviewee: M.V. & W.L.
Interviewer: Ralph Klaasse
Date: 21
stApril 2016, 2:30-3:00 p.m.
Keyword Summary Generalization Connection theory
Bedanken
Analyses tractie, rem Real-time monitoring alle data
Twee seconden refresh 1300 sensoren trein Niet alles realtime, met
onderhoud Er zitten 1300 sensoren in de trein die de toestand van het voertuig meten. Data bereikbaar
Ja, alles database Leverancier data- analyse of zelf
Merendeel standaard Merendeel van de sensoren in voertuigen zit er al standaard in.
118 Weibull analyse Ja ook, voorspelling storing Correlatie Uitlezen data Uitlezen nieuwe componenten Temperatuur tractiemotoren Aslagers, gewicht rijstellen
Sommige data is niet voorradig. Temperatuur van tractiemotoren hebben we bijvoorbeeld nog niet. Daarnaast zitten er veel sensoren in het spoor voor bijvoorbeeld de aslagers voor het gewicht van de rijstellen.
Data uit spoor:
“combinatiedata” Usage of data: a combination between sensor data from the vehicle as well as from the train’s track is interesting to combine.
Wiel rond Prorail
Hotbox detectie Temperatuur luchtvochtigheid Nog niet veel
Tien metingen per dag Bij cassetten, foutmeldingen Data gestructureerd Per kwartier xml- bestand Genoeg data Meestal sensordata nodig Complexiteit
Van een deur kun je sensordata uitlezen en kijken wat de storing is. Voor een ATB-storing bijvoorbeeld is dit veel complexer.
Werkzaam ATB & tractie
Meer data, makkelijker Herhalen
Meer data, makkelijker Data tractiemotoren Sprinter
Ervaring toekomst
We doen ook ontwikkeling van data sensoren in huidige voertuigen, bijvoorbeeld bij de tractiemotoren van de Sprinter. GIVA in trein Leverancier
Sensoren niet uitlezen Updaten van het systeem hangt erg af van de bereidheid van de leverancier.
Organisatie: bereidheid
leverancier On the organizational level, cooperation between parties is in a strong relation with
development of the system. MPU
Meer filtering Bij boordcomputer & PLC
Wettelijk, privacy
Zomaar
machinistenportofoons afluisteren om de data te gebruiken mag niet i.v.m. Wet op de Privacy.
Wet Privacy Data is restricted regarding its sources and usage.
GPS-systeem Combinatie reizigersinformatie
GPS bepaling trein krijgen
we van NS reizigers, de Combinatiedata: voor reizigers & voor aslastberekening
On the organizational level, combining data from different
119 Incident
stroomafnemer, traject klantenserviceafdeling van de NS. sources can help different departments. Combineren Monitoringssysteem Trein ziet Ja, al het OV Treinen rijden? Website
Trein zien, type trein Bezettingsgraad, meeste plek Bepakking sensoren Aantal reizigers Mogelijkheden
Clubjes nadenken Combineren van data behoefte tussen partijen binnen NS. NSR Samenwerking NedTrain NSR logistic planning, wij onderhoud NS BI afdeling Vragen gebruik data GVB kleiner, jullie
voorlopen Kijkend en horend van Mariëlle denk ik dat wij als NedTrain, ook kijkend naar de PDCA cirkel, daarmee voorlopen op GVB. Klopt Andere punten Bedankt tijd Nalezen Einde MM.
Interviewee: N.S.
Interviewer: Ralph Klaasse
Date: 3
rdMay 2016, 4-5.30 p.m.
Keyword Summary Generalization Connection theory
Bedanken tijd
Dagelijkse werkzaamheden Toolondersteuning contractmanagement App voor onderhouds- Werkzaamheden
Backbone in de voertuigen
Ik hou mij bezig met toolondersteuning, met GIVA, met BI-tooling.
BI-tooling, MSS BI-tooling as support of data usage in the organization.
Werkervaring financiële wereld ABN-AMRO Gekozen GVB Centraliseren IT in organisatie Club informatiemanagement Moeilijk contact afdelingen
Werkervaring: vanuit financiële wereld GVB binnengerold. Werkervaring: financiën-IT Oude overheidsorganisatie
120 Praktische problemen: gebruik Dropbox Ook eindgebruiker Organisatie: discussie tussen eindgebruiker en afdeling information management: Dropbox mag niet, maar eigenlijk ook geen alternatief. Wat te doen?
Organisatie:
werkwijze met data Data is restricted regarding its sources and usage.
Bijsturen? Up-to-date
Geen alternatief, geen mening
Verlagen complexiteit IT in organisatie
Werk snappen? Klopt, dat verwijt Dataontsluiting SAP? BI mijn verantwoordelijk Proof-of-concept datalake, alle data daarin
Andere resultaten: meer weersinvloeden verwacht Storingen spoor of voertuig? Constatering gedaan Tevredenheid van passagiers leidraad HR: verkoop kaartjes bestuurders wisselend, blijkt uit data: waarom?
Huiverig wegens
verdienmodel, vooravond Onafhankelijk worden als GVB
1+1=3 met data koppelen van afdelingen
SAP: HR, personeel en contracten. Flink wat modules
Gesloten database: technische data Interesse data van voertuigen vanuit leverancier
Ik heb interesse in data van rijstijlen: brandstof/comfort passagiers
BI is mijn
verantwoordelijkheid. We zijn ook bezig met een datalake, om alle data van de organisatie daar op te slaan.
Met data kun je root-cause analysis doen: is er een probleem met het spoor of met het voertuig?
Weersinvloeden hebben weinig invloed op betrouwbaarheid voertuigen.
Ook HR data: verkoop kaartjes hoger bij ene bestuurder dan bij een ander. Waar komt dat door? Niet om mensen daarop af te rekenen natuurlijk.
Door koppeling van data van verschillende systemen kunnen interessante parallellen ontdekt worden.
Data: datalake voor
gecombineerde data Data is stored in a central place to make it easier to analyse and combine.
BI-tool: SAP/Qlikview? Microsoft stack Ontsluiten in Qlikview Misbruik met analyse van Qlikview Zware omgeving interpretaties Vervelend overige gebruikers Hadoop omgeving GVB We gebruiken de Microsoft stack omgeving als BI- omgeving. Verder
verschillende BI-tooling van de grote leveranciers.
121 Nu een leverancier, in
toekomst verschillende partijen
Brondata divers: SAP, SQL, Oracle, op SQL platform Analyseomgeving op premise
Wel/niet in cloud? Optimale schaalbaarheid Opslaan cloud voordeliger, maar gebruik duurder. Afweging
Nieuwe systemen ontwikkeling, conversie
Omgeving is Hadoop ingericht.
Voeren een discussie over het opslaan van data in de cloud met
kostenvraagstukken daarbij.
Data: kosten/baten
data opslaan cloud Data storage can be done internally as well as externally.
GIVA?
Niet mijn dossier Business meekrijgen Backbone aanschaffen Upgrade voertuigen Plug-and-play Pilot uitvoeren voor mogelijkheden Waan van de dag Fleetmanagement- Systeem tram & bus Aanbesteding M5 anders WIFI voertuigen: bewust niet
Amsterdam smart-city
We willen uiteindelijk dat er voor voertuigen upgrades uitgevoerd kunnen worden, dat het een plug-and-play systeem wordt.
We hebben er bewust voor gekozen om geen WIFI uit te rollen op de voertuigen, omdat het niet past bij de primaire bedrijfsvoering.
Data maintenance: modulair bouwen voertuigen
The final goal is to build system modular, so that modification can be done all time, also for maintenance development.
Eigen eilandje?
Ja, misschien niet bewust Sensordata, backbone? Collega, betrokken
Verantwoordelijkheid halen BI-omgeving
Analyse lagers Combino. Kostenreductie vanuit Bas. Logging vaak incompleet sensoren, ben kritisch RET Rotterdam Siemens afspraken data uitwisseling: win-win
Beperking: voertuig back- on-track
Equipment niet gericht dit soort ontwikkelingen Niet een brede vloot Capaciteitsvraagstukken, puzzel met verkeersleiders Uit exploitatie: boete GVB Afweging punctualiteit vs. klanttevredenheid Jokerdagen: geen boete Onderhoud schalen voor capaciteit
Ik ben niet bezig met de backbone en met sensordata, dat doet een collega, maar ik zorg wel dat alle data naar de datalake komt.
In Rotterdam heeft RET i.s.m. Siemens geregeld dat er gedeeld eigenaarschap is en data uitgewisseld wordt. Win-win situatie.
De equipment is vaak ook niet gericht op dit soort ontwikkelingen. Data: gedeeld eigenaarschap data Afwegingen punctualiteit/klant- tevredenheid
Data and its ownership is a hot item at the moment.
For the reliability within the planning of vehicles, there are considerations between
122 We hebben ook te maken
met
capaciteitsvraagstukken.
Het is altijd een afweging tussen punctualiteit en klanttevrendheid. We hebben ook jokerdagen, voor als de hele planning in de soep loopt.
punctuality and client satisfactory.
Iets vergeten te bespreken?
Collega GIVA onderzoek Verschillende ideeën programma TrainTracer Automatisch SAP Dienst Alstom, verloopt einde jaar
Stopzetten contract, geen logfiles
Andere ideeën over programma BI-leveranciers pretenderen iets te kunnen Kilometerstand BI Launching customer GVB: proven technology Update systeem: nog functionerend?
Google garandeert, startup niet
Verschillende databases: geen integraal beeld Centralisatie nodig Kosten lopen snel op Datalekken: hoe ga je ermee om?
Gevoelige gegevens Eigenbelang vs.
concernbelang, korte vs. lange termijn
Ik verbaas mij over de verschillende meningen over wat het programma TrainTracer kan.
Vraag mij af of we nog steeds de logfiles krijgen van het programma als het contract bijvoorbeeld opgezegd wordt. Veel BI-leveranciers pretenderen iets te kunnen doen met de data, maar binnen de organisatie kunnen we de meeste vraagstukken zelf oplossen. Daarnaast is veel data (nog) niet goed genoeg.
GVB werkt met proven technology, ook vanwege de betrouwbaarheid w.b. het bestaansrecht van de technologie bij bijvoorbeeld updaten van de systemen.
Datalekken zitten in een klein hoekje en daar moeten we serieus over nadenken.
Het gaat allemaal om eigenbelang vs.
concernbelang en om korte termijn vs. lange termijn.
Organisatie: verschillende ideeën en meningen Logfiles beschikbaar opzeggen contract TrainTracer? Data: proven technology Datalekken
On the organization level, people are having different views on what MSS actually can regarding possibilities. Data and its ownership is a hot item at the moment.
Regarding development of the organization with the help of data, a choice can be made between being a pioneer or waiting until technology has proven itself.
Data that is lost/stolen in the organization in also a discussion at the moment: how to deal with that?
123
Interviewers: Ralph Klaasse, Mariëlle ten Have
Date: 26
thMay 2016, 9.15-10.00 a.m.
Keywords Summary Generalization Connection theory
Record Agree Monitor states
door You need to monitor electricity strength in ampere, door cycles, Control unit supply voltage, etc. Door cycles
Already logged? Only voltage Set points from Vapor?
No, certain point
above average Certain point above average of a variable says something about the state of the door and if the door is going to malfunction.
Variables distinguish
from average Regarding data from components, outliers of variables should be further investigated.
Obstruction door, no failure
Plastic A piece of plastic for example may obstruct the door and its functioning.
Context of data:
obstructions It is important to assess the context of the used data, to possibly understand what is going on.
Components No error for every outlier
Switch life cycle Client can
configure In the future, the client can much more configure the system himself.
Data: improving system Data configuration in order to keep in line with developments in its context will become more important in the future. Operational hours Not present Operating hours, average temperature New systems, more logs
When looking at a system, it is important to know the operating hours and the average temperature. Prediction when
having data Photo cells
Voltage For the S1/S2 (metro) project we have also used photo cells in the vehicle. The photo cells are used to detect people passing the door way. The predicted life of a photo cell depends on the time the component is powered. Register component broken? Failure error Possibility Error created by no output No output time variable
124 Several systems difficulties Interested activity of inputs Mechanical components as well
When looking at the mechanical components, you can from a door already get a lot of information when you know how much power the door is requiring in order to be closed/opened. In addition, you’ll need to monitor environmental conditions like temperature.
Data: Power door and temperature
environment
From the component, the right variables should be searched to see on what variables the component is depending. Dynamic in door’s power Organizational learning Data for prediction Doors relevant Real problem or software bug TrainTracer It happens so often in TrainTracer that I don’t know whether it’s true or not. Log file, analysis
Stickers Control before error Emergency handles, two outputs time Safety issues doors Network connection
MPU to network There is indeed a network connection between the vehicle and its environment. There is a 3g network next to the track, which makes that for example the program TrainTracer is getting real time data from the vehicle by the MPU.
Network: network
conditions Network conditions do have implications for sending of data to a main server.
Good base Disadvantage TrainTracer Too many errors Download limitations Reason? Part of the tool More questions? MPU RIOM Readable faults from DCU Error codes
generated DCU It is already converted to some way, for sure. For example, error codes (like number 23) are created by the software. The information that is sent to
Data: error code
125 the train’s system is determined
by the CAN-implementation.
IOS?
Define data need beforehand MPU errors Data at assembler Start door cycles Log other things
USB-ports There is space to log other things as well from the system. The thing is that the CAN protocol for us is prescribed by Alstom, so that makes it difficult. Those things should be handled with Alstom. It could maybe be done with USB-ports. Not permanently
Test project The thing with USB is that this is not meant to do it
permanently. 48 USB-ports in the vehicle makes that there may occur errors, the USB interface is designed and tested as a local maintenance interface port only.
Security layers WIFI network
separation In case of a WIFI network, you should indeed separate the network with the WIFI connection of the user. You should really take care that someone cannot break into the network.
Network: send data over
network (physical) separation between data about the state of the components and the security protocol.
Concept Alstom Save money with prediction Quick win S3/M4?
Longer in service Refurbished? Yes, but no doors Refurbish doors,
start from scratch Because when you say like “we are going to refurbish the doors” of the S1/S2 metro, you can think of making an improvement with the monitoring system as well.
Fleet: consideration
costs/benefits Refurbishment of vehicles is a consideration between the costs of doing it and the profits of using it for the rest of the lifecycle of the vehicle. Contract CAN bus Starting pilot Reading data Storage Fine 250 errors
Cyclic buffer There is space for events and there is space for other information. It is a so-called
126 cyclic buffer: the newest fault is
overwriting the old fault. Challenge: time
logging Metro de Lille:
synchronization There is a challenge with the time synchronization of the DCU. I heard that at metro de Lille they are putting it in the network and there they use a particular system in order to synchronize the times of the systems with each other.
Data: time synchronization