Network Rail modernisiert ältestes Schienennetz der Welt mit IoT, KI & Deep Learning

Mit 20.000 Meilen Schienen, 30.000 Brücken, Tunneln und Viadukten sowie tausenden Signalen durchläuft das älteste Schienennetz der Welt eine digitale Transformation.

London. Während der kürzlichen AI and Big Data Expo sprachen wir mit Nikolaos (Nick) Kotsis, Chief Data & Analytics Officer bei Network Rail.

Kotsis, der 2019 zu Network Rail stieß, präsentierte, wie Network Rail Daten aus verschiedenen Quellen nutzt – einschließlich über 30.000 IoT-Geräten –, um Schienen zu überwachen, potenzielle Wartungsprobleme zu erkennen, Vegetation zu managen und Predictive Maintenance durchzuführen.

„Network Rail ist eine erstaunliche Maschinerie“, sagt Kotsis. „Aber sie werden mich fragen: Warum haben wir Verspätungen? Wir haben Verspätungen, weil es eine sehr komplexe Maschine ist. Eine Strecke ist vielen Faktoren ausgesetzt, wie Wetter und Vegetation.“

„Plötzliche Wetteränderungen können die Gleise brechen. Und bis vor vielleicht fünf Jahren war die einzige Präventionsmethode Fußinspektionen. Ingenieure mussten auf dem Gleis laufen, um mögliche Risse und Defekte zu identifizieren.“

„Jetzt haben wir eine Multi-Sensor-Umgebung“, sagt er. „Wir haben sehr fortschrittliche Sensortechnologie, die die Strecke betrachtet, und ziehen dann实际的 Video von Kameras, die auf die Schienen fokussiert sind.“

„Wir erhalten fast ein halbes Petabyte Daten jede Woche“, sagt Kotsis. „Cloud-Analytics liefert nicht alle Antworten. Man muss sicherstellen, dass Daten sicher übertragen werden. Für die Verarbeitung sind Datenmenge und -qualität entscheidend. Und das macht das Data-Science-Team.“

Network Rail Intelligent Infrastructure (II) Programm

2019 startete Network Rail das Intelligent Infrastructure (II) Programm, um Daten in intelligente Informationen zu verwandeln, die verbesserte Services für Fahrgast- und Frachtkunden effektiv liefern können.

Durch Erfassung und Auswertung präziser Daten zu Network Rails Assets über das gesamte 20.000-Meilen-Netz verschiebt II die Arbeit von traditionellen Planungs- und Wartungszeitplänen zu einem proaktiven „Predict-and-Prevent“-Ansatz. Es ermöglicht Teams zu sehen, wo Assets sind, wie sie sich verhalten, wie sie sich verschlechtern und wann sie ausfallen werden.

Das Programm nutzt Daten von Sensoren, hochauflösenden Luftbildern und 3D-LiDAR, Aufnahmen von Inspektionszügen, Informationen von Zugbetreibern (private Unternehmen betreiben Personenzüge im UK), zusätzlichem Video von Drohnen und Hubschraubern und weiteren Quellen. Auf Network Rails Cloud-Plattform konsolidierte Daten werden in Microsofts Azure Cloud hochgeladen, wo KI-Algorithmen die Informationen in umsetzbare Predictive-Maintenance-Pläne umwandeln.

Die erste Version von Insight ging vor sechs Monaten in den Pilotbetrieb. Sie umfasst Strecken- und Signalgebungsfähigkeiten. Beispielsweise richtet das Tool Laufzeit-Streckendaten (eine digitale Darstellung des Streckenzustands) über die Zeit aus und warnt Wartungsteams, wenn Fehler wahrscheinlich eintreten – dies könnte 28 Tage, 90 Tage oder sogar länger vor der nötigen Reparatur sein.

KI wird Menschen nicht so bald ersetzen

„Ein letzter Punkt: Viele sprechen davon, Menschen zu ersetzen“, sagt Kotsis, „und wie KI Menschen ersetzen könnte. Irgendwann in der Zukunft denke ich, lohnt sich die Debatte. Aber ich glaube nicht, dass wir an dem Punkt sind, wo wir uns jetzt allzu sehr darum sorgen müssen.“