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:

Dokumentere resultatene i masteroppgaven.

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 Bane NORs eksisterende overvåkingssystemer.

Det er gjort arbeid på denne oppgaven allerede:

• Prediktiv Analyse av Data fra Bane NOR – en mulighetsstudie<br>