2024 ist für One Big Circle ein bedeutender Schritt nach vorn bei der Verbesserung der depotbasierten Zugüberwachungsmöglichkeiten. Das 12-monatige Projekt zielt darauf ab, ein tragbares System zu entwickeln, das für jeden Partnerbetreiber individuell angepasst werden kann und bis Ende 2024 auf breiter Basis kommerziell verfügbar sein soll. Nach seiner erfolgreichen Bewerbung im FOAK-Wettbewerb (First of a Kind), der vom Verkehrsministerium finanziert und von Innovate UK KTN durchgeführt wird, wird das in Bristol ansässige KMU sein DepotMATE-Projekt (Multi-sensor Automated Train Examination) weiterführen. Diese Initiative soll die herkömmlichen Methoden zur Prüfung von rollendem Material verändern und eine sicherere und effizientere Lösung bieten.
DepotMATE zielt darauf ab, die Herausforderungen bei der Inspektion von rollendem Material in Bahnhöfen zu bewältigen, die häufig in gefährlichen Umgebungen durchgeführt werden und manuelle Eingriffe erfordern. Das Projekt, das in Zusammenarbeit mit Transport for London (TfL), Colas Rail und East Midlands Railway (EMR) durchgeführt wird, konzentriert sich auf die Entwicklung eines leichtgewichtigen, multisensorischen Inspektionssystems. Dieser innovative Ansatz wird Ferninspektionen erleichtern, indem er kritische thermografische, akustische und Videodaten von rollendem Material erfasst und so den Bedarf an manuellen Inspektionen am Gleis deutlich reduziert.
Durch die Integration von DepotMATE in die AIVR-Plattform (Automated Intelligent Video Review) von One Big Circle können Depotmitarbeiter und Flottenmanager auf Echtzeit-Einsichten und -Bilder zugreifen und so die Sicherheit und Effizienz von Wartungsarbeiten verbessern. Mark Coney, Head of Fleet Engineering bei EMR, betonte das Potenzial des Projekts zur Verbesserung der Flottendienste und seine Skalierbarkeit für breitere Anwendungen.
Die mit DepotMATE entwickelten KI-Modelle werden die Erkennung von Fehlern und Problemen, wie z. B. überhitzten Radlagern, automatisieren und den Inspektionsprozess rationalisieren. Es wird erwartet, dass diese Technologie vorausschauende Wartungsentscheidungen unterstützt und so zum sicheren und effizienten Betrieb von Schienenfahrzeugen beiträgt.
