Stokastisk tilstandsmodellering av stikkrenner i jernbanen ved bruk av multi-fase Markovmodeller

Abstract

Denne oppgaven omhandler stokastisk tilstandsmodellering av stikkrenner i jernbanen, og har til hensikt å være et bidrag i arbeidet med Bane NORs kontinuerlig forbedring av vedlikeholdsrutiner av stikkrenner. Dette gjennom å lage en Markovmodell som modellerer degraderingsforløpet, men som også tar hensyn til inspeksjoner, vedlikeholdsbeslutninger, ugunstige værsituasjoner samt beredskap og aksjoner. Vedlikehold av stikkrenner oppleves i dag som ressurskrevende, og det brukes mye tid på å inspisere stikkrenner som er i en akseptabel tilstand. Når det er sagt, så er gjenslamming og tette stikkrenner et gjentakende problem, noe som utgjør risiko for driftsforstyrrelser, og i verste fall avsporing, ved store mengder nedbør og/eller snøsmelting. Det er dermed hensiktsmessig om stikkrenner blir inspisert og vedlikeholdt ut i fra tilstand snarere enn dagens kalenderbaserte praksis. Dette gjelder også beredskap som ikke reflekterer faktisk eller forventet tilstand i stikkrenner, men er basert på forhåndsdefinerte terskelverdier.

For å dytte inspeksjons og vedlikeholdsrutiner av stikkrenner i retning av tilstandsbasert vedlikehold er det i denne oppgaven først identifisert forhold som påvirker stikkrennen positivt eller negativt. Det er sett på hydrologiske forhold som har betydning for dimensjonering av stikkrenner, og hvilke faktorer i nedbørsfeltet som gir opphav til forverret tilstand og økt risiko. Videre er det sett på beredskap og vedlikehold i Bane NOR, og hvilke beredskaps- og vedlikeholdsstrategier stikkrenner påvirkes av. Det gis også en teoretisk innføring i stokastisk tilstandsmodellering ved bruk av Markovkjeder.

Informasjonen og funnene fra litteraturen er brukt gjennom en inkrementell modellutviklingsprosess hvor det utvikles en tidskontinuerlig, multi-fase Markovmodell. Hvert inkrement demonstrerer hvordan ulike forhold og diskrete hendelser som nedbør, inspeksjon og vedlikehold samt beredskap kan inkluderes i tilstandsmodellen. Det vises også hvordan sikkerhetskritiske hendelser som eksempelvis en avsporing kan inkluderes. Det siste inkrementet av modellen brukes i et case for optimalisering av inspeksjonsintervall, og basert på caset finnes det et nytt optimalt intervall. Det undersøkes også hvordan ulike vedlikeholdsbeslutninger påvirker resultatet. Det er i oppgaven ikke brukt empiriske data vedrørende tilstand og vedlikehold, og mange av parameterne representerer dermed en skjønnsmessig vurdering. Likevel indikerer resultatene potensialet som ligger i bruk av Markovkjeder for å fatte driftsmessige beslutninger som er forankret i god risiko- og pålitelighetsforståelse.

This master’s thesis presents the work on stochastic state modelling of hydraulic culverts in the Norwegian railway sector. The overall purpose of the work has been to deliver a contribution to the Norwegian National Rail Administration’s (Bane NOR) work on continuous improvement of maintenance decisions and strategies. This has been done through the development of a Markov chain that does not only model the different states of culverts and how they deteriorate over time, but includes different information and discrete events such as inspections, maintenance, unfavourable weather together with readiness response. Maintenance of culverts in the railway infrastructure is resource-demanding as there are a large number of culverts, and most of them are in an acceptable condition when being inspected. That being said, culverts being partly or fully clogged with sludge is a repeating problem, and pose a risk for operational disturbances and worst-case scenarios such as derailment in the presence of heavy rainfalls and snow melting. By this reasoning, it would be beneficial if the culverts were being inspected and maintained as a consequence of their actual or expected state, rather than today’s calendar-based approach.

To push the inspection and maintenance regime in the direction of condition-based maintenance, it is through this thesis identified different conditions that affect the state of a culvert in both positive and negative direction. Hydrological conditions have been considered that are important for the sizing of culverts, and which factors in the precipitation field that accelerates the deterioration and the associated increase in risk. Furthermore, maintenance and readiness response is considered, and how they affect a culvert’s state. The reader is also introduced to the basic theory of stochastic state modelling by utilising Markov chains.

The relevant information obtained through the literature study is used through an incremental development process in which a time-continuous, multi-phase Markov model is presented. Every increment demonstrates how different conditions such as rainfall, inspection, maintenance and response readiness can be included in the state model. It is also discussed how safety-critical events such as derailments can be included. The last increment of the Markov model is used in a case to optimise the inspection interval. A new optimal interval is found. A sensitivity analysis with changing maintenance decisions is also carried out. It is through the work with this thesis not been used empirical data regarding condition nor maintenance of culverts and many of the parameters in the model are based on discretionary assessment. However, the results indicate the potential that Markov chains pose concerning risk and reliability-centred asset management and decision support.