请订阅我们的通讯,以获取TWI的最新消息及活动:

订阅>
跳到内容

跟踪风险管理软件(TRIMS)

TWI已将机器学习工具与决策支持工具(参考如下所示的第二部分)集成在一起。

(铁路)轨道风险管理软件(TRIMS)就是一个例子。

  • 该软件开发轨道段的风险概况,其中“风险”是对故障敏感性(SoF)和故障后果(CoF)的组合。
  • SoF是使用AI/机器学习技术在数据库中确定的,包括维护数据、地理信息、天气数据和人口密度
  • CoF目前使用的是Network Rail的MAC代码,但可以根据终端用户的要求进行定制
  • 由轨道段组成的轨道系统的风险简介显示在一个用户友好的风险矩阵上(见下图),该风险矩阵将支持维修人员确定高风险的轨道段,从而使他们能够将检查和维修重点放在关键的轨道段上,并采取降低风险的行动。例如安装传感器
  • 在建立了基于时间的检查制度的地方,该方法可以通过提供提前的风险估计来支持更好的准备和计划

TRIMS基于英国Innovate资助的项目;更多信息可以在这里找到//www.szfwk.com/media-and-events/press-releases/2020/optrail-project-and-twis-rail-track-risk-assessment-model

《阿凡达》 放进巴拉 资产生命周期管理经理

Ujjwal带领一个专家团队开发定制的决策支持方法和软件,使资产运营商能够根据各种标准做出最佳决策,特别是那些导致风险测量和生命周期可持续性的标准。Ujjwal和他的团队提供支持的决策类型包括何时何地进行检查,以及如何优化运行、更换、延长寿命或退役决策;这需要建立资产系统的条件,有时需要使用数据分析,包括机器学习。

Ujjwal自2005年以来一直在TWI工作,现在是TWI资产完整性管理部门资产生命周期管理团队的经理。他是一位拥有超过25年经验的风险管理专家。他是一名特许工程师(zeng),在拉夫堡大学(Loughborough University)获得工程学博士学位,主要研究基于风险的海上结构和设备生命管理方法。他在伦敦经济学院(LSE)获得风险管理硕士学位,并在印度芒格洛尔大学(Mangalore University)获得电气和电子工程工程学士学位。

Baidu