Network Rail Moderniseert 's Werelds Oudste Spoorweg met IoT, AI en Deep Learning

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

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

Kotsis, die in 2019 bij Network Rail aan het werk ging, gaf een presentatie over hoe Network Rail data van verschillende bronnen gebruikt, inclusief meer dan 30.000 IoT-apparaten, om de rails te monitoren, potentiële onderhoudsproblemen te detecteren, vegetatie te managen en voorspellend onderhoud uit te voeren.

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

"Plotselinge veranderingen in weersomstandigheden kunnen de sporen breken. En tot misschien vijf jaar geleden was de enige manier waarop we dat konden voorkomen alleen door voetinspecties. Ingenieurs moesten op het spoor lopen om mogelijke scheuren en defecten te identificeren."

"Nu hebben we een multi-sensor omgeving," zegt hij. "We hebben een heel geavanceerde sensortechnologie die naar het spoor kijkt, en dan halen we daadwerkelijke video op van camera's die gericht zijn op de rails."

"We ontvangen bijna een half petabyte data elke week," zegt Kotsis. "Cloud analytics geeft je niet alle antwoorden. Je moet ervoor zorgen dat je data veilig overdraagt. Voor verwerking zijn de hoeveelheid en kwaliteit van de data significant. En dat is wat het data science team doet."

Network Rail Intelligent Infrastructure (II) Programma

In 2019 lanceerde Network Rail het Intelligent Infrastructure (II) programma om data om te zetten in intelligente informatie die effectief verbeterde diensten kan leveren voor passagiers- en vrachtklanten.

Door nauwkeurige data over Network Rail's assets over het gehele 20.000-mijl netwerk te vangen en te benutten, verplaatst II het werk van traditionele planning en onderhoudsschema's naar een proactieve 'voorspel en voorkom' benadering. Het stelt teams in staat te zien waar assets zijn, hoe ze zich gedragen, hoe ze degraderen en wanneer ze zullen falen.

Het programma gebruikt data vastgelegd door sensoren, high-definition luchtbeelden en 3D LiDAR, beelden van inspectietreinen, informatie van treinoperators (privébedrijven exploiteren passagierstreinen in het VK), additionele video van drones en helicopters, en andere bronnen. Data geconsolideerd door workstreams op Network Rail's cloud platform wordt geüpload naar Microsoft's Azure Cloud, waar AI-algoritmen de informatie omzetten in actionable voorspellende onderhoudsschema's.

De eerste versie van Insight ging zes maanden geleden in pilotdienst. Het omvat spoor- en seinpossibiliteiten. Bijvoorbeeld, het tool alignet run-on-run spoor data (een digitale weergave van de spoorconditie) genomen over tijd en waarschuwt onderhoudsteams wanneer fouten waarschijnlijk gaan gebeuren – dit kan 28 dagen, 90 dagen of nog langer zijn voordat de reparatie nodig is.

AI gaat niet snel mensen vervangen

"Eén laatste ding om te melden is dat veel mensen praten over het vervangen van mensen," zegt Kotsis, "en hoe AI mensen zou kunnen vervangen. Op een gegeven moment in de toekomst denk ik dat het de moeite waard is om de discussie te voeren. Maar ik denk niet dat we op het stadium zijn waar we ons te veel zorgen hoeven te maken over dit moment."