• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  • Tecnologia disruptiva para prever falhas nos trilhos dos trens e nas estações

    Crédito CC0:domínio público

    Atrasos de trem podem ser coisa do passado, graças a um sistema que prevê quando faz parte dos trilhos de um trem, equipamento de sinalização ou outros dispositivos em uma estação podem falhar. Ele faz isso usando milhares de sensores e modelagem 3-D que usa big data.

    O sistema, atualmente em desenvolvimento, também permitirá que os engenheiros usem a Realidade Aumentada (AR) por meio de um smartphone ou um Head Mounted Display (HMD) para localizar componentes com falha ou falhas de estrutura e ler instruções na tela em tempo real para ajudá-los nos reparos.

    O projeto é uma colaboração envolvendo a Universidade do Oeste da Inglaterra (UWE Bristol), Costain empresa de soluções de engenharia inteligente e start-up de tecnologia de engenharia Enable My Team (EMT), que é o líder do projeto.

    Uma rede de sensores da Internet das Coisas (IoT) será inicialmente instalada em 2019 na Estação London Bridge, que deve ser usado como um site de teste. Os sensores irão coletar dados sobre os trilhos e instalações da estação, como sistemas de ventilação, barreiras ou iluminação antes de enviá-lo para um software chamado i-RAMP (plataforma habilitada para IoT para monitoramento de ativos ferroviários e manutenção preditiva).

    O sistema, então, usará técnicas de Inteligência Artificial (AI) para analisar os dados e prever quando uma falha é provável de ocorrer e destaca quaisquer pontos de estresse ou falhas de componente em um modelo virtual 3-D da estação e dos trilhos.

    A conclusão está prevista para abril de 2020, depois disso, ele será testado com clientes selecionados por até nove meses. Cinco outras estações de trem no Reino Unido foram abordadas para servir como locais de teste para a tecnologia. A implementação do esquema está planejada para 2021.

    Professor Lukumon Oyedele, Vice-Chanceler Assistente, Inovação Digital e Empresa, que é o principal investigador do projeto na UWE Bristol, disse:"Todos os dias no Reino Unido, a produção é adversamente afetada pelas centenas de horas perdidas em atrasos de trens, frequentemente causado por caixas de sinal com defeito ou faixas interrompidas.

    O sistema permitirá que as empresas resolvam um problema antes mesmo que ele se torne um, e em um momento em que o deslocamento não é interrompido, tudo graças aos sensores IoT na estação e na pista. "

    Os sensores IoT podem transmitir uma grande variedade de dados, incluindo vibração, tensão ou pressão em uma estrutura, umidade ou temperatura. O uso de vários desses componentes permitirá que as empresas ferroviárias e gerentes de estação monitorem muitas partes de uma rede ferroviária ao mesmo tempo.

    Sandeep Jain, que é fundador e CEO da Enable My Team (EMT), disse:"i-RAMP pode trazer confiabilidade para 1,7 bilhão de viagens anuais de passageiros na ferrovia do Reino Unido, aumentando a produtividade em todo o país. Com o aprendizado de máquina e o processamento de big data, podemos prever a vegetação problemática, estruturas danificadas e sinais defeituosos, permitindo que os reparos sejam implementados antes que os problemas surjam. "

    O sistema também permitirá que os engenheiros usem a tecnologia de realidade aumentada (AR), que oferece informações sobre a localização de componentes com defeito e fornece orientação sobre como corrigi-los. Além de orientá-los para o local exato onde está o problema, também fornecerá instruções em tempo real e alertará sobre os perigos ao realizar os reparos

    O professor Oyedele disse:"Usando fones de ouvido ou telefones celulares, os engenheiros podem ver as instruções sobrepostas na junta ou circuito elétrico que estão consertando ou substituindo. Por exemplo, pode fornecer informações ou avisos sobre a presença de alta tensão em uma seção de um painel de controle, ou como desmontar um circuito elétrico em uma caixa de sinal de forma segura. "


    © Ciência https://pt.scienceaq.com