Nejvýznamnější zákazník, Rail Cargo Austria, má zařízení A1 Digital nainstalována na více než 11 000 vagonech (více než 2 000 pro Rail Cargo Hungaria). V průběhu času společnost A1 Digital shromáždila z těchto zařízení rozsáhlá data. K čemu byla užitečná? Jaké jsou hlavní poznatky a potenciály? A můžete si pronajmout několik zařízení a vyzkoušet je na svém vozovém parku? Na tyto otázky jsme se zeptali a odpověděli nám odborníci společnosti A1: Jürgen Rudolf, senior expert a konzultant pro řešení Rail Insight ve společnosti A1 Digital, Stefan Höltinger, senior data scientist a konzultant pro strojové učení, a Philipp König, produktový marketingový manažer IoT ve společnosti A1 Digital.
Jak byste v kostce shrnul vývoj železnice od analogového k digitálnímu v oblasti sledování a dohledávání nákladních vozů?
Jürgen Rudolf: Některé z nich dělají věci stejně už téměř 200 let. Vše bylo zcela analogové. V posledních letech se díky novým iniciativám vybavily a připojily prostředky k internetové síti.
Prvním krokem bylo zjistit, kde se nákladní vozy nacházejí. To nám pomohlo získat lepší odhady příjezdů ke klientům nebo vědět, kde se mé vozy nacházejí v porovnání s oblastí, kde jsou z logistických důvodů požadovány.
Druhý krok byl z pohledu údržby - vědět, jaký je přesný počet ujetých kilometrů nákladního vozu. Zejména v jednovozové dopravě byly nákladní vozy naprosto mimo dosah majitele vozu, který často ani netušil, kde se nacházejí. Sledování a dohledávání tak umožňuje zákazníkům přesně vědět, kde se jejich náklad nachází. Majitelé znají jejich kilometrový proběh, což umožňuje také lépe plánovat intervaly údržby. S větším množstvím dat lze dokonce předvídat předpokládaný čas příjezdu vozu do cílových destinací. Instalace dalších snímačů umožňuje provádět údržbu na základě stavu vozu atd. A s pomocí umělé inteligence hovoříme o prediktivní údržbě.
Pro mnoho lidí v železničních společnostech jsou internet věcí (IoT) a umělá inteligence zcela cizí slova. Jak byste popsal jeho potenciální využití pro lidi v analogovém světě železnice?
Jürgen Rudolf: Rudolf Rudolf: Dotýkáte se správného bodu. Nechceme se s našimi zákazníky bavit o technických možnostech, specifikacích atd. Chceme mluvit o doporučeních pro obchodní případy, o výhodách, které to přináší, proč to dělat a o rychlé návratnosti investic. Převádíme analogová aktiva na obchodní modely založené na datech. Protože právě to je pro ně atraktivní - optimalizace logistiky a otázek údržby. Internet věcí je nástrojem, který za tím stojí. Zařízení, které umožní železnici přispět k minimalizaci klimatických změn a snížení emisí CO2.
Společnost A1 Digital představila hardware a software pro sledování a dohledávání, ale od té doby se produkt vyvíjel. Co může vaše řešení přinést zákazníkům nyní?
Jürgen Rudolf: Jsme jednou z mála společností, které digitalizují nákladní vozy na jednom místě. Neprodáváme pouze hardware, software, konektivitu nebo cokoli jiného. Z každého z těchto dílčích segmentů vybíráme správnou volbu vhodnou pro konkrétního zákazníka, tj. nabízíme řešení. Máme platformu IoT, kde se přijímají a zpracovávají přenášená data z nákladních vozů, a také dokáže odesílat informace, jako jsou vzdálené aktualizace, úpravy konfigurace, kalibrace atd. zpět do vozu. Málokterá železniční společnost má propracované platformy pro správu majetku, kam můžeme tato data zadávat. Místo toho pracují s tabulkami v Excelu a podobnými způsoby provozu a my musíme najít způsob, jak tam naše data integrovat, nebo navrhnout modernější platformy pro zpracování dat. A to poskytujeme v celém řetězci až po analýzu dat a strojové učení. To pomáhá maximálně využít potenciál skrytý uvnitř těchto dat ve prospěch firmy. Požadavky zákazníků se mění od zákazníka k zákazníkovi, ale většinou se bavíme o prediktivní údržbě, stavu vozů nebo vibračních datech.
Stefan Höltinger: Dělat věci "postaru" pouze s Excelem není na železnici ojedinělé, ale v mnoha segmentech stále běžné. Nabízíme také naši platformu pro strojové učení, která se snadno používá prostřednictvím ovládacího panelu a umožňuje plynulý přechod od Excelu k pokročilejší analytice strojového učení. Můžete načíst data z listu Excelu a testovat různé algoritmy strojového učení, abyste dosáhli nejlepšího řešení. Výsledek můžete stále exportovat zpět do aplikace Excel, ale konečným cílem je digitalizace celého procesu.
Mezi funkce, které vaše řešení poskytuje, patří údaje o vibracích nebo otřesové senzory. Jak je to užitečné pro majitele vagonu nebo železničního dopravce?
Stefan Höltinger: Údaje o vibracích jsou klíčem k mnoha případům použití mimo sledování a trasování. Poskytují cenné informace o tom, jak se s vozem manipuluje, např. při posunu nebo nakládce a vykládce. Tyto informace mohou být velmi užitečné pro cílenější kontroly vozů a optimalizaci cyklů údržby. V závislosti na typu vozu, který používáte, a na přepravovaném zboží můžete nastavit konkrétní prahové hodnoty vibrací vozu - nebo přijatelnou úroveň vibrací. Pokud vibrace překročí prahovou hodnotu, můžete předpokládat, že je vůz poškozený, a uspořádat kontrolu. To je možné pouze po shromáždění dat z mnoha vozů a použití modelů strojového učení na každý typ nákladního vozu.
Jak funguje strojové učení v případě železničních nákladních vozů?
Stefan Höltinger: Jako první krok musíte zajistit, aby senzory, které používáte, poskytovaly užitečné údaje o vibracích pro vaši aplikaci (tj. vhodnou frekvenci a vlastnosti). Ve druhém kroku shromažďujete data z vašich jednotek po dobu několika měsíců. Poté můžete tato data použít k nalezení zajímavých vzorců -a v tom vám nejvíce pomůže strojové učení. Společně s odborníky na danou oblast pak ověříte zjištěné nárazové vzory a přiřadíte je k určitým událostem. Tímto způsobem můžete vytvořit ještě lepší předpovědi a informace do budoucna.
Můžete uvést konkrétní příklad?
Stefan Höltinger: Víte například, že určitý zákazník používá určitý typ vozu a že při nakládce a vykládce vozů na různých vlečkách zákazníka existuje obvyklá škála vibrací. Pokud pak pozorujete neviditelné vzorce otřesů, algoritmus identifikuje tyto anomálie ve vibracích, které by mohly naznačovat nesprávnou manipulaci s nakládkou a vykládkou nákladu. Pak můžete předpokládat, že vůz bude potřebovat důkladnou kontrolu, zda není poškozen.
Jak se k vašemu řešení dostala poptávka po nárazových senzorech?
Jürgen Rudolf: Původním úkolem od Rail Cargo bylo mít na palubě snímač otřesů, aby bylo možné zjistit, kde dochází k nesprávnému nakládání. Měli hodně škod, zejména u zákazníků, kteří nakládali železný šrot a snažili se s naloženým šrotem manipulovat, aby naložili další. Náklady způsobené touto nesprávnou manipulací dosahovaly milionů ročně. A oni chtěli vědět, kde k tomu dochází. 3D snímač otřesů, který toto zaznamenává, je standardní součástí našeho zařízení. Používá se také při tvrdém posunování, kdy dochází ke kontaktu nárazníků vozů při rychlostech nad povolený rozsah. Nesprávné nakládání nákladu nebo posunování je signálem, že vozy musí do dílny na kontrolu.
Další případ se týkal vagónů na cestě - zaznamenali jsme otřesy, které neměly dopad na nákladní vagón, ale pravidelně se objevovaly na přesně daném místě. To může být známkou poškození kolejí. Z těchto geolokací jsme byli schopni vytvořit tepelné mapy s místy, která vyžadují pozornost správce infrastruktury - veřejné nebo soukromé, když se to stane například na vlečce.
Drobnými, ale pravidelnými vibracemi můžeme také indikovat ploché místo na kole vozu. To vše nás tedy překvapilo - jak může být snímač otřesů užitečný pro obsluhu, majitele vozů, údržbu kolejových vozidel a kolejí a prevenci nehod.
Stefan Höltinger: Pozitivním efektem pro nové zákazníky je, že jsme již shromáždili a analyzovali mnoho dat a potenciálních řešení. Noví zákazníci tak mohou těžit z těchto zkušeností a dřívějších vylepšení řešení.
Zaujal mě potenciální přínos údržby infrastruktury. Vidíte, že jsou tato data z tepelných map sdílena s infrastrukturními společnostmi a že se věci opravují?
Jürgen Rudolf: Potenciál tu je, ale v současné době se většinou nevyužívá. Přestože provozovatel a infrastrukturní společnost patří do stejné skupiny, ti, kteří za řešení platí, s daty zacházejí jako s vlastními. Existují nejasnosti ohledně práv a povinností při sdílení dat, takže většina vlastníků dat není ochotna je sdílet pro společný prospěch. Na jednu stranu to chápu. Na druhou stranu sdílení může vést k většímu cíli: zvýšení konkurenceschopnosti železnic a jejich orientace na budoucnost, což si všichni přejeme. Byla by to skutečná výhra pro všechny.
Vraťme se k řešením, která nabízíte. Takže je to všechno v jednom - hardware, software a zpracování dat, je to tak?
Jürgen Rudolf: Ano, vybíráme optimalizovaný hardware, připojujeme jej k platformě IoT, analyzujeme data a poskytujeme uživatelské platformy. Daleko nad rámec toho vám uvedu zajímavý příklad: Rail Cargo měl odhadovaný časový limit 30-40 minut na to, aby bylo zařízení aktivováno, namontováno na vagon a číslo vagonu bylo propojeno s číslem zařízení ve všech systémech a otestováno, zda funguje správně. Na optimalizaci tohoto postupu jsme úzce spolupracovali s jedenácti dílnami Rail Cargo a mohli jsme tento časový limit zkrátit na šest minut. Vytvořili jsme také kufřík se všemi potřebnými nástroji pro jeho provedení. Téměř půlhodinová úspora času vynásobená 11 000 vagony představuje značnou úsporu času (a nákladů v řádu několika člověkoroků!).
Rail Cargo má své vlastní dílny, se kterými můžete spolupracovat. A co zákazníci, kteří potřebují pro své vozové parky smluvní dílny a chtějí si tato zařízení nechat namontovat?
Jürgen Rudolf: Vždy kombinujeme montáž se servisními intervaly vozů, místo abychom vozy naháněli a mohli je instalovat kdekoli a kdykoli. Dílenskou montáž můžeme provést prakticky kdekoli a není k tomu potřeba žádné speciální vybavení - jak jsme již řekli, stačí nám k tomu jeden kufr.
Plánovaná digitální automatizovaná spojka (DAC) bude mít napájecí vedení a sběr dat. Bude to znamenat, že zařízení, které poskytujete na nákladních vozech, bude nadbytečné?
Jürgen Rudolf: Rudolf Rudolf: Vůbec ne. DAC je opravdu skvělá evropská iniciativa. Datová sběrnice bude posílat data do lokomotivy. Ale kdo bude posílat data z konkrétního vagonu majiteli vagonu? Dopravce se může změnit a trakční společnosti také - a zajistit, abyste od všech dostávali vždy stejná data, je nemožné. Navíc při použití v provozu s jedním vagónem se vagóny odpojují a znovu připojují a složitost exponenciálně roste. Majitelé vozových parků tak budou toto digitální řešení potřebovat ještě mnoho let - snadno se montuje bez jakéhokoli kabelového připojení.
Řekněme, že jsem zákazník a chtěl bych toto řešení vyzkoušet, ale nejsem plně odhodlán ho implementovat do celého vozového parku. Existuje nějaká možnost, jak si to vyzkoušet?
Jürgen Rudolf: Budeme posílat krabici s deseti zařízeními, která se dají snadno namontovat na nákladní vůz pomocí magnetické zadní strany. Zákazník si napíše, které zařízení je na kterém vagonu, a pak získá přístup k ovládacím panelům zobrazujícím data z těchto deseti vagonů po dobu tří měsíců. To zahrnuje sledování a dohledávání a další potřeby zákazníka. Po uplynutí čtvrt roku nám zákazník zašle zařízení zpět a naši datoví analytici zpracují získané informace. Nakonec uspořádáme se zákazníkem následný workshop o našich zjištěních a ukážeme, co s těmito daty můžeme dělat.
Pokud s vámi potenciální zákazníci chtějí mluvit a diskutovat o dalším využití vašeho řešení, jak nejlépe začít?
Philipp König: König:Dobrým způsobem je navštívit stránku Rail Insight na našich webových stránkácha prostřednictvím formuláře požádat o bezplatnou nezávaznou konzultaci s jedním z našich odborníků. Těm, kteří dávají přednost sledování videí, doporučuji podívat se na záznam našeho nedávného webináře, na kterém vystoupil náš zákazník, společnost Rhaetian Railway.
