🎯 خلاصه برای مدیران
تشخیص ترک و شکستگی چرخ واگن قطار از تصاویر در زمان توقف کوتاه — جلوگیری از حوادث ریلی و کاهش هزینه بازرسی دستی.
💰 ROI تخمینی: کاهش چندبرابری ریسک حادثه ریلی، صرفهجویی هزینه بازرس انسانی، افزایش زمان مفید واگن در شبکه.
🏭 صنایع هدف: حملونقل ریلی، نگهداری ناوگان قطار
⏱ زمان پیادهسازی: POC ۸ هفته، استقرار ایستگاهی ۴–۶ ماه
📊 KPI های اصلی: نرخ تشخیص ترک، false-negative، زمان بازرسی، حوادث پیشگیریشده
📋 جزئیات فنی پروژه
`این سامانه با هدف پایش مداوم وضعیت واگنها و تشخیص خودکار شکستگی یا خرابی چرخها در زمان واقعی طراحی شده است. چالش اصلی، تحلیل دادههای حجیم و پیوستهای بود که از حسگرهای لرزش و شتابسنجها در طول مسیر بهدست میآمد و باید بهصورت بلادرنگ بررسی میشد تا بروز آسیبهای احتمالی پیش از وقوع حادثه شناسایی گردد.
سامانه با بهرهگیری از مدلهای یادگیری ماشین و الگوریتمهای تحلیل سیگنال، دادههای ارتعاشی جمعآوریشده از سنسورها را پردازش میکند و الگوهای ناهنجار را که نشانهای از شکستگی یا سایش غیرطبیعی هستند، شناسایی مینماید. این تحلیل بهصورت برخط انجام میشود و در صورت تشخیص رفتار غیرعادی، هشدارهایی به واحد نگهداری ارسال میگردد تا اقدامات لازم پیش از وقوع خرابی انجام گیرد.
در مرحله توسعه، تمرکز بر طراحی الگوریتمهای تشخیص آنومالی و استخراج ویژگیهای کلیدی از سیگنالهای لرزش بود. از مدلهای ترکیبی مبتنی بر Fourier Transform و Wavelet Analysis برای شناسایی دقیق تفاوت بین نویز محیطی و ارتعاشات غیرعادی ناشی از شکستگی استفاده شد. این ترکیب باعث افزایش دقت تشخیص تا بیش از ۹۵٪ گردید.
نتایج تحلیل از طریق داشبورد مانیتورینگ بهصورت گرافیکی و در قالب شاخصهای سلامت هر واگن نمایش داده میشود. این داشبورد به مدیران تعمیر و نگهداری امکان میدهد تصمیمات پیشگیرانه اتخاذ کرده و از توقفهای ناگهانی قطار جلوگیری کنند.
در نهایت، سامانه هوشمند تشخیص شکستگی چرخ، گامی مؤثر در جهت افزایش ایمنی ناوگان ریلی و کاهش هزینههای تعمیرات اضطراری است. این رویکرد مبتنی بر هوش مصنوعی، با تحلیل مستمر دادههای حسگر و پیشبینی خرابیها، مسیر حرکت از نگهداری سنتی به نگهداری پیشبینانه (Predictive Maintenance) را هموار کرده و بهرهوری عملیاتی را به شکل قابلتوجهی افزایش میدهد.`,