
Das IAMS (Intelligent Asset Management System) ist ein Instandhaltungsmanagementsystem für Schieneninfrastruktursysteme. Die hier angewandte Methodik ist aber auch auf andere Instandhaltungsprobleme übertragbar. Ziel ist es, Entscheidungsprozesse zu unterstützen und zu vereinfachen. Das IAMS liefert Unterstützung von den Daten bis zur Entscheidung. Am Anfang stehen selbst generierte Daten wie zum Beispiel Ergebnisse von Systemparametermessungen oder Inspektionen, aber auch externe Daten wie das Wetter oder Pläne und Prognosen der Systemnutzung. Diese Daten werden dem IAMS übergeben.
Im IAMS werden die Daten zunächst ausgewertet, das heißt der aktuelle Zustand wird diagnostiziert und die zukünftige Zustandsentwicklung prognostiziert. Es gibt zwei grundlegende Arten der Datenauswertung: datenbasiert und basierend auf Expertenwissen. Bei der datenbasierten Analyse wird automatisiert untersucht, welche Messwerte in der Vergangenheit mit welchen Zuständen verknüpft waren und wie sich die Messwerte weiterentwickelt haben. Aus diesen historischen Zusammenhängen werden Regeln für die Diagnose und Prognose abgeleitet. Bei der auf Expertenwissen basierenden Datenanalyse werden durch einen Experten Regeln für den Zusammenhang zwischen Messwert und Zustand vorgegeben. Diese Regeln basieren meist auf Experimenten. Beide Methoden haben Vor- und Nachteile. Die Entscheidung, wie die Daten ausgewertet werden sollten, hängt auch von der Verfügbarkeit und Qualität historischer Daten und dem vorhandenen Expertenwissen ab. In vielen Fällen ist eine Kombination beider Verfahren sinnvoll.
Die Generierung der für die Planung notwendigen Informationen erfolgt basierend auf dem Wissen über den aktuellen und zukünftigen Zustand von Systemkomponenten. In der präskriptiven Datenanalyse wird untersucht, welche Instandhaltungsaufgaben nötig sind, um das System in einem gewünschten Zustand zu halten, und welche Kosten und Risiken zu erwarten sind. Dabei kommen insbesondere die Analyse der Lebenszykluskosten (LCC) und die der Zuverlässigkeit, Verfügbarkeit, Instandhaltbarkeit und Sicherheit (RAMS) ins Spiel.
Die Generierung der für die Planung notwendigen Informationen erfolgt basierend auf dem Wissen über den aktuellen und zukünftigen Zustand von Systemkomponenten. In der präskriptiven Datenanalyse wird untersucht, welche Instandhaltungsaufgaben nötig sind, um das System in einem gewünschten Zustand zu halten, und welche Kosten und Risiken zu erwarten sind. Dabei kommen insbesondere die Analyse der Lebenszykluskosten (LCC) und die der Zuverlässigkeit, Verfügbarkeit, Instandhaltbarkeit und Sicherheit (RAMS) ins Spiel.
Diese gewonnenen Informationen sind die Grundlage für verschiedenste Entscheidungen auf den unterschiedlichen Ebenen der Instandhaltungsplanung: Langfristig müssen Instandhaltungsstrategien und Erneuerungen festgelegt werden. Mittelfristig werden nötige Instandhaltungsmaßnahmen gruppiert und zeitlich grob eingeordnet. Kurzfristig werden detaillierte Instandhaltungspläne erstellt. Dabei müssen diverse Rahmenbedingungen berücksichtig werden, wie zum Beispiel Budgets, verfügbare Instandhaltungsteams, Sicherheitsanforderungen oder Fahr-/Produktionspläne.
Bereits in der Vergangenheit hat das Fraunhofer IVI verschiedene Konzepte und Tools entwickelt, um den Entscheidungsprozess in der Bahn- und Straßeninstandhaltung zu unterstützen und zu automatisieren. Dies sind Tools zur: