Vereinigtes KönigreichLogistik und Verkehr2024 – laufendNetwork Rail
Daten- und Machine-Learning-Werkzeug insight für die Gleisinstandhaltung
Mit Network Rails Werkzeug insight erfassen Ingenieure Gleisdaten 50 % schneller und erkennen Fehler bis zu ein Jahr im Voraus
Ausgangslage
Gleis-, Wetter- und Inspektionsdaten lagen in getrennten Systemen. Datenquellen wie Gleisgeometrie und Ultraschallprüfungen der Schienen zusammenzuführen, konnte Monate dauern. Die Instandhaltung erfolgte häufig erst als Reaktion auf Probleme.
Vorgehen
Das Programm Intelligent Infrastructure entwickelte insight gemeinsam mit Microsoft-Ingenieuren auf Basis von Azure Data Factory, Databricks, Machine Learning und Power BI. Das Werkzeug führt Datenströme in einer Ansicht zusammen und nutzt maschinelles Lernen, um die Verschlechterung des Gleiszustands vorherzusagen und Instandhaltungsarbeiten zu planen.
Kennzahlen
Erkenntnis
Die Zusammenführung getrennter Anlagendaten ermöglichte es den Ingenieuren, von der Fehlerbehebung zur Arbeitsplanung überzugehen. Notfallbedingte Geschwindigkeitsbeschränkungen auf stark befahrenen Streckenabschnitten können etwa 250.000 Pfund kosten. Solche Kosten soll die Planung vermeiden.
Kategorien
- Größe
- Großunternehmen
- Branche
- Logistik und Verkehr
- Unternehmensfunktion
- Produktion und Qualität
- Innovationsart
- Prozessinnovation
- KI-Technologie
- Prädiktive Analytik und ML
- Einführung
- Gemeinsame Entwicklung mit Partnern
- Nachweis
- Fallstudie des Anbieters
Quellen
Quellenzusammenfassungen
Microsoft erläutert, wie Network Rail seine Anlagendaten in einem Azure-basierten Werkzeug zusammenführte. Microsoft berichtet von schnellerer Datenanalyse und früherer Fehlererkennung.
Ausführliche Angaben finden Sie in den Originalquellen.
