With continuing digitization of railways an increasing number of data is recorded but particularly in operation advanced analysis tends to be partially rudimentary. Yet, it is essential to implement sophisticated processing for all records in order to develop more purposeful and predictive vehicle maintenance strategies that adhere to the increasing requirements imposed by the homologation. Typically developing requisites are permissible track forces and lateral accelerations which are directly affected by the vehicle's condition. The present work addresses this issue by executing a case study focused on a Swiss high-speed electric multiple unit with equivalent conicity being the main parameter of interest. This geometry quantity holds high relevance in determining the running stability of track guided vehicles, respectively in assessment of comfortable and safe operation. Currently, it experiences an increasing significance in the homologation as well. Thus, wheelset maintenance is challenged to elaborately embed equivalent conicity to the other influencing factors in the re-profiling strategy.

A framework is established on how operational data can be analyzed and findings systematically be evaluated. The required records are provided by a Swiss railway operator and majorly processed by visualization as well as statistic tools while considering vehicle design and operational aspects. The subsequent proposition of strategies is accompanied by holistic balancing of vehicle needs, maintenance resources, and vehicle scheduling needs.

As a result, correlations concerning the vehicle's configuration, design, and operational properties are observed. Incorporating these observations, for example by applying advanced warning limits, enables deduction of more predictive and holistic strategies. The potentially emerging benefits are manifold and range from lower demand on engineering staff, increased mileages, to fewer unplanned servicing tasks and subsequently increased operational stability. Further, the findings emphasize the need of in depth understanding about relevant data to derive more advanced and holistic maintenance strategies.

Med fortsatt digitalisering av järnväg registreras ett ökande antal data. Men särskilt i drift är avancerad analys av dessa data ofta outvecklad och otillräcklig. Därför är det väsentligt för framgångsrik järnvägsdrift att implementera mer avancerad analys för att utveckla mer målmedvetna och förutsägande strategier för fordonsunderhåll i syfte att följa befintliga regelverk. Det här arbetet belyser denna fråga genom en fallstudie med fokus på ekvivalent konicitet i schweiziska eldrivna höghastighetståg. Koniciteten är mycket relevant för att bedöma dynamisk gångstabilitet på spårfordon och avgörande för bekväm och säker tågrörelse. Den utgör en viktig indikator i utformandet av regelverk vilket i sin tur är avgörande vid underhåll av hjulpar och för att bedöma hjulprofilers status.

Avhandlingen föreslår ett tillvägagångssätt för hur data av ekvivalent konicitet och relaterade aspekter kan analyseras och systematiskt implementeras i fordonens reprofileringsstrategi av hjulen. Dokumenten tillhandahålls av en schweizisk operatör och utvärderas huvudsakligen genom visualisering och statistiska verktyg samtidigt som design- och driftsaspekter kontinuerligt prövas. Präsentationen av strategier åtföljs av en helhetlig utvärdering av behov för såväl fordon och underhållsanläggningar som schemaläggningar av driften.

Som ett resultat av detta observeras korrelationer mellan fordonens tekniska egenskaper med design- och driftsegenskaper. Genom att inkludera dessa observationer, till exempel genom att tillämpa avancerade varningsgränser, kan mer predikativa och helhetliga strategier föreslås. De potentiella fördelarna är många och kan sträcka sig från lägre behov av ingenjörspersonal, ökad körsträcka, till färre oplanerade serviceuppgifter och leder till ökad driftstabilitet. Vidare betonar resultaten behovet av djupgående förståelse för parametrar för att härleda helhetliga underhållsstrategier.