Les vis intelligentes de Strainlabs détectent les températures trop élevées, par exemple dans les essieux et les roulements de roues. Elles viendront compléter la plateforme du système Railway Metrics and Dynamics, qui utilise différents types de capteurs pour prédire les défaillances des trains ou des voies.

Les deux entreprises ont conclu un accord de coopération qui rend les prévisions de Railway Metrics and Dynamics encore plus fiables. Les deux entreprises suédoises Railway Metrics and Dynamics et Strainlabs ont conclu un accord de coopération qui renforce les possibilités de prédire les défaillances des trains. Strainlabs a mis au point des vis de l'Internet des objets, qui mesurent la température dans la vis et le degré de serrage de celle-ci.

Ainsi, la vis IoT peut détecter si elle n'est pas assez serrée ou si la température est sur le point de devenir trop élevée. Railway Metrics and Dynamics a développé une plateforme système pour l'analyse et la surveillance de l'infrastructure en temps réel ? un système de systèmes qui inclut des données provenant de différents types de capteurs, par exemple des capteurs de poids, des capteurs de verrouillage de remorque et des capteurs de pantographe.

Le cœur du système est le capteur monté sur aimant Performance Monitoring Unit (PMU), qui enregistre les vibrations qui se produisent lorsqu'un train se déplace sur la voie. Grâce à l'apprentissage automatique et à l'intelligence artificielle, l'unité de surveillance des performances peut, en analysant les changements dans le modèle de vibration, détecter si un défaut est sur le point de se produire.

détecter si un défaut est sur le point de se produire, par exemple, dans une roue de train ou sur la voie. Grâce au nouvel accord de coopération entre les deux entreprises, la solution système de Railway Metrics and Dynamics devient encore plus performante lorsque des vis IoT sont installées dans la boîte d'essieu des trains qui sont également équipés d'unités de gestion de la maintenance. Les vis envoient leurs informations aux PMU proches, où les informations provenant des vis sont analysées en même temps que les données des PMU.