Меню


Транспорт

SNCF RÉSEAU использует машинное обучение для прогнозирования технического обслуживания железнодорожного полотна

SNCF Réseau контролирует и обслуживает около 30 000 километров железнодорожного полотна, на котором ежедневно курсирует 15 000 поездов. За последние 10 лет количество пассажиров увеличилось на 50%, и SNCF Réseau сталкивается с серьезными проблемами, из-за которых крайне важно оптимизировать техническое обслуживание железнодорожных линий и оборудования.

В 2014 году SNCF начал сотрудничество с OSIsoft, которые поставляют им программное обеспечение PI System ™, которое позволяет работникам использовать множество цифровых инструментов "в полях". Встроенные в программное обеспечение алгоритмы машинного обучения позволяют работникам детектировать возможный дефект до того как он произойдет, а так же принимать меры для своевременного технического обслуживания.

Более десяти лет назад компания SNCF Réseau инвестировала в дистанционные датчики и системы мониторинга для доставки данных о путевом оборудовании, двигателях и других активах компании. SNCF Réseau создала систему, которая передавала данные этих датчика в систему мониторинга, способную генерировать телефонные оповещения для обслуживающего персонала.

Система работала, но не идеально. Датчики не всегда были точными. В результате система генерировала огромное количество данных и предупреждений о работе оборудования и инцидентах, но железнодорожные операторы не всегда доверяли полученным предупреждениям. Система собирала данные, но не создавала доверия и понимания о происходящей ситуации, чтобы сотрудники полностью доверяли и действовали согласно мониторингу этой системы. В результате операторы часто ждали, пока возникала проблема, чтобы войти "в поле" и исправить ее, или они выполняли техническое обслуживание оборудования в соответствии с нормативным-графиком.

«Мы должны предвидеть и сократить объем технического обслуживания. Нам нужно действовать в нужное время в нужном месте, до возникновения инцидента », - сказал де Пари.

Благодаря улучшенным данным и аналитике SNCF Réseau перешел на техническое обслуживание на основе условий. Обслуживающий персонал использует данные датчиков, чтобы определить, какие характеристики оборудования ухудшаются и, скорее всего, выйдут из строя, а затем соответственно расставить приоритеты по обслуживанию.

По словам де Пари, одной из ключевых причин успеха проекта является то, что он не был нисходящей инициативой. Обслуживающий персонал сам проявил инициативу, используя инструменты, разработанные и настроенные для операторов технического обслуживания. Сегодня операторы и обслуживающие команды SNCF Réseau располагают цифровыми инструментами и портативными устройствами, которые могут предоставить им надежные данные и информацию практически в любом месте в реальном времени.

Теперь благодаря алгоритмам машинного обучения, SNCF Réseau движется в направлении прогнозирующего обслуживания, при котором аналитика позволяет операторам знать состояние оборудования "в поле" в реальном времени и прогнозировать, когда его нужно будет обслуживать, даже до того, как оно начнет ухудшаться.

Более чем десятилетние наблюдения, полученные с помощью удаленных датчиков, метеостанций, оборудования и персонала позволяет строить хорошие модели. Недавно компания стала партнером французской компании Datapred, специализирующейся на машинном обучении. Используя данные SNCF Réseau, собранные и упорядоченные системой PI System, алгоритмы Datapred объединяют кривые временных рядов для статистических аномалий, которые могут указывать и прогнозировать отказ оборудования.
Результат
Результаты не публиковались
Подпишись на новые кейсы
Оставь свой e-mail и раз в неделю мы будем высылать полезные кейсы тебе на почту
Мы не передаем данные третьим лицам, а храним их согласно №152-ФЗ
Cookies helfen uns bei der Bereitstellung unserer Inhalte und Dienste. Durch die weitere Nutzung unserer Webseite stimmst du der Verwendung von Cookies zu.
Okay
Close
Made on
Tilda