Studentoppgave:Datadrevet tilstandsovervåking av komponenter i jernbanenettet

Bruken av maskinlæring for tilstandsovervåking blir stadig viktigere i industrier med kompleks infrastruktur som jernbane. Denne masteroppgaven tar sikte på å utforske hvordan data fra jernbanenettet kan brukes til å bygge maskinlæringsmodeller for overvåking av ulike komponenters tilstand. Følgende delmål kan være relevante for å nå dette målet:

• Utføre en litteraturstudie om datadrevet tilstandsovervåking og maskinlæring i infrastruktur og kraftsystemer.
• Utforske hvordan eksisterende data fra BaneNOR kan brukes til å utvikle maskinlæringsalgoritmer som gir innsikt i komponentenes tilstand.
• Identifisere hvilke data som er mest relevante for å forutsi komponentnedbrytning eller feil, og hvordan disse kan forbehandles for maskinlæringsmodeller.
• Velge én eller flere komponenttyper (f.eks. transformatorer, brytere eller kabler) for detaljert tilstandsovervåking.
• Utvikle og teste maskinlæringsmodeller som analyserer disse dataene og gir tilstandsvurderinger for de valgte komponentene i jernbanenettet.
• Validere modellene med reelle data og foreslå hvordan metodene kan integreres i BaneNORs eksisterende overvåkingssystemer.
• Dokumentere resultatene i masteroppgaven.

Det er gjort arbeid på denne oppgaven allerede: Prediktiv Analyse av Data fra BaneNOR - en mulighetsstudie