数字双胞胎:通过更智能的数据使用提高性能

信贷:文森特·巴斯勒

荷兰铁路系统是世界上最繁忙，最准时的铁路网络之一。尽管Covid-19在全球Covid-19产生了巨大影响，但我们仍然预计到2030年的交通流量增加了30％。而且，几乎像世界上大城市的地铁网络一样，这将是较少的交通．无需在许多路线上检查您的智能手机，火车将在几分钟之内抵达您到下一个目的地。这需要在新铁路和欧洲铁路交通管理系统（ERTMS）中进行大量投资，以及现有资产的更智能管理。在交通量增加中维持，甚至提高安全，可用性和性能的过程会带来巨大的挑战。

乘客和货运列车的增加也将导致我们资产的磨损增加。此外，（紧急）维护活动或更新的必要时间将成为稀疏，最重要的是，每个中断都会产生更大的影响，影响更多的乘客和货运代理人。这些问题需要不同的方法。在PRORAIL，我们认为将一个“数据驱动方法”成为面对这些挑战的最佳解决方案之一。我们正在转向我们的重点，展望未来，以基于新见解的预测和行为。我们可以预测故障和必要的替代品，以便我们可以采取适当的行动'（只是）吗？数字双胞胎的概念是这种数字转型的关键部分。这是一种对我们的用户目前和未来资产展示我们的见解。

使用优秀的数据来管理物流过程，驾驶火车，已经成为自然的秩序。如果指挥系统和交通管理系统的数据有误，就不会有一列火车进入轨道。不幸的是，其他资产的状况却并非如此，比如铁路、堤坝、桥梁、隧道、开关和架空电线。这些“传统系统”——由混凝土、铁、铜等材料制成——并没有设计成能够进行智能通信，从而持续了解他们的健康状况。这就是为什么我们通过安装在特殊列车上的传感器来监控这些系统的状态，改造资产上的物联网(IoT)传感器，并定期进行人工状态评估。通过提升状态监测的频率和自动化程度，获得更多相关数据和见解，更好地管理整个系统。

数据不等于信息

为了使这件事更加复杂，数据与信息不同，如果您想进行有用的预测，这尤其如此。我们越来越想知道轨道上会发生什么，而不是知道发生了什么。现在，我们在这方面没有让最终用户的东西让事情变得容易。难以从各种信息系统转动大量数据 - 这一切都基于不同的信息模型 - 进入有用的信息。

的数字双胞胎这是提供的理想方式吗PRORAIL.员工对我们资产的整体洞察力。这可以以幻想3D格式完成，也可以作为直接的地理地图，示意图概述或简单地作为资产列表。因此，我们与我们自己的集成信息模型一起工作，允许我们以这种方式构建来自源的资产数据，使其变得容易兼容。这将使面向对象的数据更易于处理，链接和集成。

通过在资产上安装传感器，ProRail可以获得更多相关数据和见解，使他们能够更好地管理整个系统。信贷:文森特·巴斯勒

高级分析更大的洞察力

此外，ProRail是侧重于高级分析，这使我们能够创造必要的见解。我们正在将所有这些大数据转换为有用的信息。例如，根据使用特殊测量列车获得的历史磨损，我们现在可以确定荷兰每条赛道的最新可能更换。我们将历史数据推断为未来，并考虑到新的变量，例如铁路交通的预期增加和列车的类型，以及气候变化。这让我们更加了解寿命，风险，预算和预期绩效。我们使用这些见解更巧妙地安排资产替代品。

我们的最终用户渴望洞察铁路资产退化鼓励我们调查不同的采集数据的新方法，例如新型物联网传感器，以及在常规乘用车上使用传感器的高频数据采集。获得相关数据有许多市场发展。我们创建的一个很好的例子是铁路照片的自动分析，以找到缺陷，例如轨道和睡眠者的小裂缝，或靠近电气接头的侵蚀。这些照片使用特殊测量列车上的摄像机进行。我们开发的算法可以检测照片中的异常，在数百万张照片中，年复一年。通过比较来自多年的图像，我们甚至可以检测这些趋势的趋势和偏差。

数据质量很重要

在过去的几年里，我们发现，如果获得的数据质量足够高，算法会更有用。把垃圾放进去意味着垃圾也会出来。在数据驱动方法中，这是一个重要的问题，但很少得到应有的关注。每个人都想要漂亮的可视化和洞察力，但这意味着数据质量也应该成为更多的优先事项。最重要的是，我们的许多终端用户想要了解我们是如何创建我们提供给他们的洞察力的。这意味着没有“黑箱算法”:一切都必须透明和可追踪。从原始数据，到我们提供的洞察力。我们在市场参与者中看到的将算法和平台“作为服务”提供的趋势并不总是符合这一要求。

的数字转型目前的目标是通过将数据转化为相关的见解，用于采取正确的决策和行动，从而支持最终用户。在地平线上，我们可以看到人工智能(AI)的崛起。我们正在逐步走向能够并且将会自己做决定的算法。现在的计算和分析能力是如此强大，它可以自动处理比一个人能处理的更多的变量。这让我们能够做出更好的模拟、预测和决策，或者让算法做出这些决策。我们未来的工作方式正在迅速改变。铁路人工智能是不可阻挡的，它将帮助我们的铁路系统在未来表现得更好。在未来的几年里，世界各地的铁路行业将会有很多关于这个话题的有趣的事情发生。