A feasibility study and cost-benefit analysis of predictive maintenance's implementation for the HUPAC Wagons Fleet

This thesis presents an innovative project carried out at HUPAC within the Fleet Management department, focusing on the implementation of advanced sensor systems on freight wagons to improve operational efficiency and enable condition-based maintenance strategies, providing the basis for a predictive approach to maintenance. This study explores the integration of real-time sensor data to anticipate and prevent failures, filling a gap in current maintenance practices, which are mostly reactive and often lead to inefficiencies. The main objective is to evaluate the possible advantages of equipping the wagon fleet with sensors in order to shift the maintenance policy toward a predictive approach. The project involves both technical and economic analyses to assess potential improvements in maintenance accuracy and cost-effectiveness compared to traditional approaches. A cost-benefit model has been developed to assess the economic viability of the proposed solution, considering expected reductions in maintenance costs and improved safety. As part of the study, several Use Cases derived from real-world operational situations have been identified and analysed using a failure mode approach to demonstrate how sensor-based monitoring can provide relevant advantages for wagon operations. The adoption of this technology is expected to have a significant impact on the department where I carried out the project, which is Fleet Management, responsible for managing wagon maintenance. Introducing monitoring technologies would enable more efficient resource allocation, reduced downtime and optimized maintenance planning, representing a significant step forward in digitalizing the wagon fleet.

La tesi presenta un progetto innovativo realizzato presso HUPAC, all’interno del reparto Fleet Management, focalizzato sull’implementazione di sistemi di sensori avanzati sui vagoni merci, al fine di migliorare l’efficienza operativa e introdurre strategie di manutenzione basate sulle condizioni (Condition-Based), ponendo le basi per un approccio predittivo alla manutenzione. Lo studio analizza l’integrazione di dati provenienti dai sensori in tempo reale per anticipare e prevenire guasti, colmando una lacuna nelle attuali tecniche di manutenzione, che risultano prevalentemente reattive e spesso portano a inefficienze. L’obiettivo principale è valutare i possibili vantaggi derivanti dall’equipaggiamento della flotta di carri con sensori, al fine di orientare la politica di manutenzione verso un approccio predittivo. Il progetto comprende un’analisi tecnica ed economica per stimare i potenziali miglioramenti in termini di accuratezza delle attività di manutenzione e di efficienza economica rispetto agli approcci tradizionali. È stato sviluppato un modello di analisi costi-benefici per valutare la sostenibilità economica del progetto proposto, tenendo in considerazione le riduzioni attese dei costi di manutenzione e il miglioramento della sicurezza. Nell’ambito dello studio sono stati inoltre individuati e analizzati diversi Use Case, derivanti da situazioni operative reali, utilizzando un approccio basato sull’analisi delle modalità di guasto, per dimostrare come il monitoraggio tramite i sensori possa offrire vantaggi concreti nella gestione dei vagoni. L’adozione di tale tecnologia è destinata a generare un impatto significativo sul reparto in cui il progetto è stato svolto, Fleet Management, responsabile della manutenzione della flotta. L’introduzione dei sistemi di monitoraggio consentirebbe una gestione più efficiente delle risorse, la riduzione dei tempi di fermo dei vagoni e una pianificazione più efficace delle attività manutentive, rappresentando un passo importante nel processo di digitalizzazione della flotta.