Network Rail Modernisasi Kereta Tua di Dunia dengan IoT, AI, dan Deep Learning
Dengan 20.000 mil rel, 30.000 jembatan, terowongan dan viaduk, dan ribuan sinyal, jaringan kereta tua di dunia sedang melalui transformasi digital.
London. Selama AI and Big Data Expo terbaru, kami berbicara dengan Nikolaos (Nick) Kotsis, Chief Data & Analytics Officer di Network Rail.
Kotsis, yang bergabung dengan Network Rail pada 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 predictive maintenance.
“Network Rail adalah mesin yang luar biasa,” kata Kotsis, “Tetapi, Anda tahu, mereka akan bertanya padanya: mengapa kita memiliki keterlambatan? Kami memiliki keterlambatan karena itu adalah mesin yang sangat kompleks. Lintasan terbuka pada banyak faktor, seperti cuaca dan vegetasi.”
“Perubahan tiba-tiba pada kondisi cuaca dapat merusak rel. Dan hingga mungkin lima tahun yang lalu, satu-satunya cara kita dapat mencegahnya adalah hanya melalui inspeksi kaki. Insinyur harus berjalan di rel untuk mengidentifikasi retak dan kerusakan yang mungkin terjadi.”
“Sekarang kami memiliki lingkungan multi-sensor,” katanya. “Kami memiliki teknologi sensor yang sangat canggih yang melihat rel, dan kemudian kami menarik video aktual dari kamera yang fokus pada rel.”
“Kami menerima hampir setengah petabyte data setiap minggu,” kata Kotsis. “Analitik cloud tidak memberikan semua jawaban. Anda perlu memastikan bahwa Anda mentransfer data dengan aman. Untuk pemrosesan, jumlah dan kualitas data sangat signifikan. Dan inilah yang dilakukan oleh tim ilmu data.”
Network Rail Intelligent Infrastructure (II) Programme
Pada 2019, Network Rail meluncurkan program Intelligent Infrastructure (II) untuk mengubah data menjadi informasi cerdas yang dapat secara efektif menyediakan layanan yang ditingkatkan untuk pelanggan penumpang dan barang.
Dengan menangkap dan mengeksploitasi data yang akurat tentang aset Network Rail di seluruh jaringan 20.000 mil, II memindahkan pekerjaan dari jadwal perencanaan dan pemeliharaan tradisional ke pendekatan proaktif ‘predict and prevent’. Ini akan memungkinkan tim untuk melihat di mana aset berada, bagaimana mereka berperilaku, bagaimana mereka menurun, dan kapan mereka akan gagal.
Program menggunakan data yang ditangkap oleh sensornya, citra udara high-definition dan 3D LiDAR, film 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 workstream pada platform cloud Network Rail diunggah ke Microsoft Azure Cloud, di mana algoritma AI mengubah informasi menjadi jadwal pemeliharaan prediktif yang dapat ditindaklanjuti.
Versi pertama Insight memasuki layanan pilot enam bulan yang lalu. Ini mencakup kemampuan rel dan sinyal. Sebagai contoh, alat menyelaraskan data rel run-on-run (representasi digital dari kondisi rel) yang diambil seiring waktu dan memperingatkan tim pemeliharaan ketika kemungkinan kesalahan akan 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 banyak orang berbicara tentang menggantikan manusia,” kata Kotsis, “dan bagaimana AI dapat menggantikan manusia. Pada titik tertentu di masa depan, saya pikir layak untuk membahasnya. Tetapi saya tidak berpikir kita berada di tahap di mana kita perlu terlalu khawatir tentang momen ini.”
