UK Network Rail menggunakan IoT, AI, dan pembelajaran mendalam untuk meningkatkan sistem perkeretaapian tertua di dunia
Dengan rel sepanjang 20.000 mil, 30.000 jembatan, terowongan dan jembatan, serta ribuan sinyal, jaringan kereta api tertua di dunia sedang mengalami transformasi digital.
London . Selama AI dan Big Data Expo baru-baru ini, kami berbicara dengan Nikolaos (Nick) Kotsis, Chief Data &Analytics Officer di Network Rail.
Kotsis, yang bergabung dengan Network Rail pada tahun 2019, memberikan presentasi tentang bagaimana Network Rail menggunakan data dari berbagai sumber, termasuk lebih dari 30.000 perangkat IoT, untuk memantau rel, mendeteksi potensi masalah pemeliharaan, mengelola vegetasi, dan melakukan pemeliharaan prediktif.
“Network Rail adalah mesin yang luar biasa.” kata Kotsis, “Tapi, tahukah Anda, mereka akan bertanya kepada saya:mengapa kita mengalami penundaan? Kami mengalami penundaan karena ini adalah mesin yang sangat kompleks. Lintasan terbuka untuk banyak faktor, seperti cuaca dan vegetasi.”
“Perubahan mendadak pada kondisi cuaca dapat merusak lintasan. Dan sampai mungkin lima tahun yang lalu, satu-satunya cara kita bisa mencegahnya hanya dengan Inspeksi berjalan kaki. Insinyur harus berjalan di trek untuk mengidentifikasi kemungkinan retakan dan cacat.”
"Sekarang kami memiliki lingkungan multi-sensor," katanya. Kami memiliki teknologi sensor yang sangat canggih yang melihat lintasan, dan kemudian kami menurunkan video kamera yang sebenarnya yang berfokus pada rel.”
“Kami menerima hampir setengah petabyte data setiap minggunya,” kata Kotsis. “Analisis cloud tidak memberi Anda semua jawaban. Anda perlu memastikan bahwa Anda mentransfer data dengan aman. Untuk pengolahan, jumlah dan kualitas data yang signifikan. Dan inilah yang dilakukan tim ilmu data.”
Program Infrastruktur Jaringan Rel Cerdas (II)
Pada tahun 2019, Network Rail meluncurkan program Intelligent Infrastructure (II) untuk mengubah data menjadi informasi cerdas yang dapat secara efektif memberikan peningkatan layanan bagi pelanggan penumpang dan barang.
Dengan menangkap dan memanfaatkan data akurat pada aset Network Rail di seluruh jaringan sepanjang 20.000 mil, II mengalihkan pekerjaan dari jadwal perencanaan dan pemeliharaan tradisional ke pendekatan proaktif 'memprediksi dan mencegah'. Ini akan memungkinkan tim untuk melihat di mana aset berada, bagaimana mereka berperilaku, bagaimana mereka menurun, dan kapan mereka akan gagal.
Program ini menggunakan data yang ditangkap oleh sensornya, citra udara definisi tinggi dan LiDAR 3D, rekaman dari kereta inspeksi, informasi dari operator kereta (perusahaan swasta mengoperasikan kereta penumpang di Inggris), video tambahan dari drone dan helikopter, dan sumber lainnya . Data yang dikonsolidasikan oleh alur kerja pada platform cloud Network Rail diunggah ke Azure Cloud Microsoft, tempat algoritme AI mengubah informasi menjadi jadwal pemeliharaan prediktif yang dapat ditindaklanjuti.
Versi pertama Insight memasuki layanan percontohan enam bulan lalu. Ini menggabungkan kemampuan track dan signaling. Misalnya, alat ini menyelaraskan data lintasan run-on-run (representasi digital dari kondisi lintasan) yang diambil dari waktu ke waktu dan memperingatkan tim pemeliharaan ketika kesalahan mungkin terjadi – ini bisa 28 hari, 90 hari, atau bahkan lebih lama sebelum perbaikan diperlukan.
AI tidak akan segera menggantikan manusia
“Satu hal terakhir yang perlu disebutkan adalah bahwa banyak orang berbicara tentang menggantikan manusia,” kata Kotsis, “dan bagaimana AI dapat menggantikan manusia. Di beberapa titik di masa depan, saya pikir itu layak untuk diperdebatkan. Tapi saya tidak berpikir kita berada pada tahap di mana kita perlu terlalu khawatir tentang momen ini.”
