SBB AG | Automatisierte Datenextraktion aus Inspektionsberichten

© Fraunhofer Austria
Die Datenverarbeitungspipeline überführt unterschiedliche Dokumentformate in eine Datenbank.
© Fraunhofer Austria
Die Datenextraktionsmethode und die Systemlandschaft.

Umsetzung einer digitalen, datenbasierter Instandhaltung von Leistungstransformatoren

Datenbasierte Instandhaltung als Schritt in die Zukunft! Die SBB AG betreibt rund 200 Leistungstransformatoren mit einer Einsatzdauer von rund 50 Jahren. Regelmäßige Öl-Inspektionen garantieren eine hohe Betriebssicherheit – dabei entstanden über die Jahre eine Vielzahl an physischen Dokumenten, wodurch keine datenbasierte Auswertung der Entwicklung möglich ist.

Aufbauend auf eine Machbarkeitsanalyse, in der die vorhandene Datenqualität und die vorhandenen Datentypen und -formate analysiert wurden, hat das Team aus Expertinnen und Experten von Fraunhofer Austria ein individuell an die Anforderungen der SBB AG abgestimmtes Konzept zur Digitalisierung eingescannter, historischer Isolieröl-Prüfprotokolle entwickelt. In der zweiten Projektetappe wurde eine Datenverarbeitungspipeline entwickelt, die die unterschiedlichen Dokumentformate (Pdf, Excel) und darin enthaltene wichtige Parameter zu den Isolieröleigenschaften der Leistungstransformatoren vereinheitlicht und auch zukünftig in eine auf die IT-Systeme der SBB AG abgestimmte Datenbank speichert. Die Implementierung mittels Docker Container ermöglicht eine schnelle Anbindung an die Systemlandschaft der SBB AG.

 

Projekt-Statement

„Dank vertiefter Expertise in den erforderlichen Bereichen und exzellenter Team-Zusammensetzung konnte eine schlüssige, in unsere Prozesse integrierbare, Gesamtlösung ausgearbeitet werden. Zum Erfolg wesentlich beigetragen hat auch die proaktive, agile und angenehme Zusammenarbeit.“

Francesco Fusaro, Senior Digital Business Developer, SBB AG, Infrastruktur, Energie

Fact Box

PROJEKT: Potentialanalyse zur Nutzung von Inspektionsberichten für Predictive Maintenance – Machbarkeitsanalyse und Implementierung einer Datenverarbeitungspipeline 
PROJEKTDAUER: 4 Monate
METHODEN: Datenerhebung und -analyse, Erstellung einer Datenlandkarte, Erstellung einer technischen und wirtschaftlichen Machbarkeitsanalyse, Machine Learning, Optical Character Recognition (OCR)
projektergebnisse: Datenbank mit allen extrahierten und geprüften Daten relevanter Protokolle, Datenverarbeitungspipeline zur automatisierten Datenextraktion und Implementierung