物联网:机器学习应用于MBTA通勤铁路

资料来源:马萨诸塞州海湾交通管理局

当你提到物联网对于一个经验丰富的铁路老手来说，你预计会得到一个白眼和很多怀疑的回报。毕竟，我们所处的行业在采用任何新技术形式方面历来都比较缓慢，我们为什么要急于求成呢?毕竟，铁路的基本功能几十年来基本没有改变。俗话说得好，“没坏就不要修”。当我第一次接触到支持预测分析和任何级别的人工智能(AI)部署在铁路上的理论时，我就是这样想的。

麻萨诸塞湾运输管理局(优先铁路运营理事会负责管理美国第五大通勤铁路运营。MBTA每天在14条不同的线路上运营500列火车，使用超过100辆柴油电力机车混合车队，MBTA积极寻找新的创新方法来预测我们的车队可用性和生命周期，同时也试图了解如何最好地识别可能给服务交付带来风险的差距。由于一些车队显示出老化的迹象(机车的年龄在5到30年之间)，我们正在制定一个计划，随着时间的推移，将更新车队。但是，随着对服务需求的不断增长，我们必须利用一切可用的工具来帮助提高期望，并为乘客提供尽可能好的服务。

时间快进到2018年春天，当时MBTA启动了一项试点计划，利用预测分析并将其与我们的分析相结合机车舰队，利用内燃机车最基本的元素之一——润滑油。当你检查机油的功能时，你可以看到它就像发动机的“血液”，因为没有机油，发动机就不能运转。石油取样已经存在很多年了。我们运行机油取样指标，并将数据视为发动机健康状况的滞后指标。这些信息存储在一个文件中，通常在其使用寿命结束时存储。以往的石油报告只关注铜、铁、铅、锡、铝、钙和钠等单个元素。关键预警阈值有高有低，但我们把它们放在各自的“筒仓”中看待。当我们在过去遇到故障时，我们会回到维护历史，并提取最后一个油样，寻找超出范围的值。我们要做的是理解这个不起眼的石油样本实际上是一个分子“黑匣子”记录器，它有一个强大的故事要讲述，以百万分之一(ppm)为单位。

的优先把这些数据作为一项长期的任务，通过迁移学习来实际监测我们火车头车队的内部健康状况。我们的目标是找到最佳中的最佳，并识别出我们所谓的“高飞”单元，以及在未来30-60天内有故障或长期损坏风险的单元。利用基于OEM规范、行业标准和过去故障“特征”的预测分析，我们能够发现这些数据可以作为领先指标，打破传统的油品采样周期。一旦我们把每个火车头的几个样本串在一起，我们就开始看到每个火车头背后的进步的健康故事。一些机车能够呈现“症状”，类似于一个人每年体检的血液检查。我们能够查看最主要的症状，并建立简单的工作指示，以验证条件和捕捉故障(如CCOP，燃油泄漏，轴承磨损和污染)，以免它们成为实际的道路故障线。在我们的案例中，一条道路故障可能会导致这样的情况:我们需要为每辆受影响的列车寻找替代交通工具，运送超过1000名乘客，然后被迫忍受随之而来的延误带来的连锁反应。

这种新工艺增加了整个船队的油样采样频率，并标准化了每隔10天抽取一次油样的流程。利用我们自己的内部测试设备，我们投入时间和人员来简化输入和吞吐量，以便定期获得样本数据。一旦我们开始按照时间顺序将几个有价值的样本数据组合在一起，我们就可以将指标可视化，并为火车头附加实际评级。

资料来源:马萨诸塞湾交通局- MBTA石油分析

随着研究的进展，我们开始密切关注道路故障线以及故障前的石油数据。从那里，我们可以匹配不同的趋势，或“代理”，在整个火车头车队。通过深入挖掘，我们可以根据油样数据(其中有单个或多个问题)识别出可能的故障，然后根据油趋势的强度与其他故障机车的匹配，我们可以期望机车继续运行多久。在此基础上，我们现在能够对每辆火车头进行评估，并采取有意义的措施，防止高峰时段的列车(以及大约一千名乘客)被困在单一的轨道干线上。

资料来源:马萨诸塞湾交通管理局- MBTA机车油样本处于危险状态

这种级别的分析在MBTA之前的铁路系统中是不可能实现的。人工处理和分析如此庞大的数据会消耗我们的资源。通过保持开放的心态，并认识到理解物联网所带来的价值，我们已经能够在后台运行数千小时的分析，以及我们在内部捕获的信息。这个新的路线图允许我们以限制整体风险暴露的方式规划电力使用，但也可以作为未来车队规划和资本车队更换或大修的领先指标。

随着行业扩展以适应这种类型的流程，我们需要依靠我们的供应商来响应这一号召。令人难以置信的是，预测分析在其他行业已经存在了很多年。为什么铁路行业花了这么长时间才接受，甚至尝试这种方法?我不知道。对于MBTA来说，我们与值得信赖的供应商和供应商建立了良好的关系，并愿意让数据和分析为自己说话。现在，我们的项目(被称为“project Velocity”)已经进行了两年多，我们已经看到了在发动机发生灾难性故障之前发现小问题所带来的经济收益。我们正在帮助提高乘客和利益相关者对该系统的信任。这些数据使我们能够根据真实数据推进重大改革项目，这超出了以前使用的有根据的猜测。

创造一个完整的、单一的真相版本至关重要。我们的团队需要能够快速访问数据，以便我们能够快速做出基于证据的决策。它可能在我们的桌子上，在平板电脑上或手机上，但我们可以在任何地方看到信息。

我们的内部实验室团队在几分钟或几小时内处理样品。在过去，我们会采集样本，打包，送到实验室，等两到十天，结果就出来了。现在，我们知道是几分钟还是几小时。一个机组可能会来进行一个预定的92天的服务-我们可以提取样本，把它送到实验室，得到的结果可能是火车头有活跃的燃油泄漏或漏水，或可能两者都有。修复完成后，我们再次取样以确认结果。

专注于物联网的预测分析的实施一直是MBTA的成功案例。该计划将长期存在，现在是我们长期舰队规划战略的一部分。在问题变得更大之前发现问题的能力是如此强大的工具。我们需要推动我们的供应商响应号召，响应成功案例，例如MBTA的Project Velocity，这样整个行业就可以将新技术应用到我们的车队中。今天，我们不仅仅是主机/高效能发动机油。我们还研究了牵引电机支承轴承油和冷却液。我们的最终目标是让我们的舰队拥有最大的使用寿命。