- Ein enormes Einsparpotential im Bahnbetrieb liegt in der Instandhaltung. Studien sprechen hier von 20%.
- Herkömmlich werden Zugkomponenten wie Türen, Klimaanlagen, Klapptritte und Toiletten nach starren Zyklen gewartet oder ersetzt.
- Dies geschieht unabhängig von der tatsächlichen Notwendigkeit.
- Störungen werden nicht rechtzeitig erkannt und führen zu teuren Ausfällen oder Betriebsunterbrechungen
VELA liefert Ihnen die notwendigen Daten zur Optimierung!
Anwendungsbeispiel Motorstromüberwachung an Türen von Elektro-Triebwagen der DB Baureihe 424
Energiebedarf:
Bordnetz 24V; 1,7 mA
Temperaturbereich:
-30°C bis +75°C
±1 Kelvin Messgenauigkeit
±1 Kelvin Messgenauigkeit
Funkreichweite:
ca. 40m bei 868 MHz (im Zug verbaut)
Motorstrom:
±20A; galvanisch getrennt 2,4kV;
50mA Messgenauigkeit; 10Hz Sampling
50mA Messgenauigkeit; 10Hz Sampling
Energiebedarf:
Bordnetz 24V; 113 mA
16 Sensoren und ein Datensammler
belasten das Bordnetz des Zuges mit
insgesamt nur ca. 3 Watt.
16 Sensoren und ein Datensammler
belasten das Bordnetz des Zuges mit
insgesamt nur ca. 3 Watt.
Temperaturbereich:
-30°C bis +75°C
Funkreichweite:
ca. 40m bei 868 MHz (im Zug verbaut)
ca. 60m bei WiFi
ca. 60m bei WiFi
Speicherkapazität:
ca. 3 Mio. Datensätze hoher Auflösung
= 6 Jahre
= 6 Jahre
Besonderheiten:
- fernwartungsfähig mit Autoupdate
- lokaler Datenabruf zusätzlich möglich
- genaue Uhrzeit mit Abgleich aus Internet
- Management der Sensoren
Verbaubeispiel am Türmotor
Beispieldaten Stromaufnahme des Türmotors
Unsere möglichen Leistungen für Sie
- Entwicklung der Sensoren für Ihre Anforderungen
- Montage und Inbetriebnahme
- Analyse der erfassten Daten
- Bestimmung der Grenzwerte des Normalbetriebs
- Regelbestimmung des Informationsflusses (auch Alarmregeln)
- Technische Realisierung der Informationsflüsse
- Permanente Überwachung des gesamten Systems
- Wartung des kompletten Systems
- Sie erhalten in definierten Zyklen Zustandsdaten Ihrer Systeme.
- Wir alarmieren Sie automatisch bei normabweichenden Systemzuständen.
- Durch die regelmäßige Auswertung der gesamten Datenmenge finden wir Korrelationen zu beispielsweise Umweltdaten, die sonst nicht erkannt werden können.
