UK Network Rail gebruikt IoT, AI en deep learning om 's werelds oudste spoorwegsysteem te verbeteren

Met 20.000 mijl aan rails, 30.000 bruggen, tunnels en viaducten en duizenden seinen ondergaat het oudste spoorwegnet ter wereld een digitale transformatie.

Londen . Tijdens de recente AI en Big Data Expo spraken we met Nikolaos (Nick) Kotsis, Chief Data &Analytics Officer bij Network Rail.

Kotsis, die in 2019 bij Network Rail kwam werken, gaf een presentatie over hoe Network Rail gegevens uit verschillende bronnen, waaronder meer dan 30.000 IoT-apparaten, gebruikt om de rails te bewaken, potentiële onderhoudsproblemen op te sporen, vegetatie te beheren en voorspellend onderhoud uit te voeren.

"Network Rail is een geweldige machine." zegt Kotsis, “Maar weet je, ze zullen me de vraag stellen:waarom hebben we vertragingen? We hebben vertragingen omdat het een zeer complexe machine is. Een baan staat open voor veel factoren, zoals het weer en de vegetatie.”

“Plotselinge veranderingen in de weersomstandigheden kunnen de sporen breken. En tot misschien vijf jaar geleden konden we dat alleen voorkomen door inspecties te voet. Ingenieurs moesten over de baan lopen om mogelijke scheuren en defecten te identificeren.”

"Nu hebben we een omgeving met meerdere sensoren", zegt hij. We hebben een zeer geavanceerde sensortechnologie die naar het spoor kijkt, en dan halen we daadwerkelijke video's van camera's die op de rails zijn gericht.”

“We ontvangen wekelijks bijna een halve petabyte aan data”, zegt Kotsis. “Cloud analytics geeft je niet alle antwoorden. U moet ervoor zorgen dat u gegevens veilig overdraagt. Voor de verwerking zijn de hoeveelheid en kwaliteit van de gegevens van belang. En dit is wat het data science-team doet.”

Programma Netwerkspoor Intelligente Infrastructuur (II)

In 2019 lanceerde Network Rail het Intelligent Infrastructure (II)-programma om gegevens om te zetten in intelligente informatie die op effectieve wijze verbeterde diensten kan leveren aan passagiers en vrachtklanten.

Door nauwkeurige gegevens over de bedrijfsmiddelen van Network Rail over het hele netwerk van 20.000 mijl vast te leggen en te exploiteren, verschuift II het werk van traditionele plannings- en onderhoudsschema's naar een proactieve 'voorspellen en voorkomen'-aanpak. Hiermee kunnen teams zien waar activa zich bevinden, hoe ze zich gedragen, hoe ze degraderen en wanneer ze zullen falen.

Het programma maakt gebruik van gegevens die zijn vastgelegd door zijn sensoren, high-definition luchtbeelden en 3D LiDAR, beelden van inspectietreinen, informatie van de treinoperators (particuliere bedrijven bedienen de passagierstreinen in het VK), aanvullende video van drones en helikopters en andere bronnen . Gegevens die worden geconsolideerd door werkstromen op het cloudplatform van Network Rail worden geüpload naar Microsoft's Azure Cloud, waar AI-algoritmen de informatie omzetten in bruikbare voorspellende onderhoudsschema's.

De eerste versie van Insight ging zes maanden geleden in de pilot. Het bevat spoor- en signaleringsmogelijkheden. De tool lijnt bijvoorbeeld run-on-run trackgegevens (een digitale weergave van de trackconditie) uit die in de loop van de tijd zijn genomen en waarschuwt onderhoudsteams wanneer fouten waarschijnlijk zullen optreden - dit kan 28 dagen, 90 dagen of zelfs langer zijn voordat de reparatie is nodig.

AI zal de mens niet snel vervangen

"Een laatste ding om te vermelden is dat veel mensen praten over het vervangen van mensen", zegt Kotsis, "en hoe AI mensen zou kunnen vervangen. Op een bepaald moment in de toekomst denk ik dat het de moeite waard is om het debat te voeren. Maar ik denk niet dat we ons in het stadium bevinden waarin we ons al te veel zorgen hoeven te maken over dit moment."