Cloud Computing, Transport/Travel — April 12, 2019 at 7:38 am

Mentenanța trenurilor a fost eficientizată la secundă cu ajutorul Google Cloud Platform

by

talgoProducătorul feroviar spaniol Talgo revoluționează întreținerea trenurilor cu Google Cloud Platform prin streamingul datelor către senzori în timp real și prin aplicarea machine learning pentru a evita problemele, fără a opri serviciul.

Talgo are 80 de trenuri în Spania, 36 în Arabia Saudită și mai mult de 30 de trenuri programate pentru livrare până în 2021, inclusiv vehicule pentru proiectul High Speed 2 al Regatului Unit folosind monitorizarea în timp real și încă 90 de trenuri care utilizează monitorizarea alarmei de evenimente. Contractele mai recente pentru trenuri includ așteptări și standarde mult mai mari privind întreținerea, așteptări ce vor fi satisfăcute cu ajutorul celor mai noi tehnologii.

Pentru a respecta aceste standarde noi, Talgo a mărit considerabil volumul de date pe care le poate colecta, stoca și analiza din fiecare tren. Anterior, Talgo colecta 1MB de date pe zi din fiecare tren, iar trenurile trimiteau notificări de alarmă în caz de probleme. Acum, compania transmite de 2 000 de ori peste acea cantitate de informații: 2 GB zilnic de la fiecare vehicul, inclusiv date de la 2.000 de senzori la fiecare secundă, în timp aproape real. Nu numai că datele monitorizează trenurile în acțiune, dar se și alimentează în modele de învățare automată cu precizie ridicată, care prevăd necesitățile de întreținere, astfel încât Talgo le poate rezolva fără a întrerupe serviciile.

Tehnologiile Cloud sunt esențiale pentru orice model de întreținere predictivă de la această scară, conform Talgo. Astăzi, companiile care nu utilizează cloud pur și simplu nu pot face față provocărilor impuse de sectorul de fiabilitate și disponibilitate ridicată, alături de costurile reduse de întreținere.

Folosind datele senzorilor din trenuri, echipele de întreținere pot să analizeze operațiunile și să anticipeze problemele înainte de apariția acestora, reducând în mod semnificativ timpul pe care trenurile trebuie să îl piardă pentru a efectua verificări de rutină sau reparații majore. Talgo primește 2.000 de semnale pe secundă din fiecare tren în timp real, incluzând informații despre tensiune, hidraulică, accelerație și temperatură, precum și despre imaginea vizuală a mecanicului. În plus, trenurile trimit fișiere batch la fiecare patru minute, generate atunci când o combinație de semnale creează o alarmă pentru atenția echipelor de întreținere. Fiecare tren Talgo generează 2 GB de date pe zi, iar cu mai mult de 100 de trenuri în funcțiune în mai multe țări, compania a fost convinsă că infrastructura locală ar necesita o investiție prohibitivă mare în echipamente. În schimb, Talgo a căutat o infrastructură de cloud extrem de scalabilă, gata să se conecteze la trenurile sale și să ingereze, proceseze și stocheze date pentru modelele de învățare automată, ajungând astfel la Google Cloud Platform (GCP).

În arhitectura creată de Talgo pentru streaming în timp real, fiecare tren trimite 2.000 de evenimente pe secundă printr-un VPN și un gateway către o UDP Bridge găzduită pe o instanță Compute Engine. Aceasta transmite date prin Cloud Pub / Sub unui UDP Decode pe App Engine, care prezintă datele pentru analiză pe tablouri de bord, precum și conectarea la Cloud Datastore.

O arhitectură separată colectează informații pentru analiza istorică. Ajunse la o stație sau un depou, trenurile își încarcă întreaga lor bază de date de 2 GB o dată pe zi în Cloud Storage Bucket, unde se transformă în funcții Cloud gata pentru stocare în BigQuery. Aceste date sunt completate de alarmele și evenimentele pe care trenurile le trimit la fiecare patru minute, care se încarcă în Cloud Storage și sunt plasate în Cloud Pub / Sub înainte de transformări în Cloud Dataflow și livrare la BigQuery, gata de utilizare de către analiști și în modelele ML.

Talgo își propune să utilizeze tehnologia cloud pentru trecerea de la întreținerea preventivă la întreținerea bazată pe condiții, pe baza previziunilor de învățare a mașinilor. Una dintre rețelele neuronale pe care le dezvoltă poate prezice eșecul într-un rulment cu una până la două săptămâni înainte de a se produce. Astfel, se analizează predictiv temperatura lagărului pe baza datelor de la senzori și dacă prezicerea = este greșită cu o anumită marjă, se poate stabili în prealabil că rulmentul va ceda. În curând, compania va completa sursele de date ale trenurilor la bord cu instalații pe șine, care vor efectua măsurători din exteriorul trenurilor în timp ce trec la viteze de aproximativ 300 de kilometri pe oră.

Noul echipament de control automat “TALVI” folosește camere cu viziune artificială pentru a detecta dacă ceva este slăbit sau rupt în zona inferioară a trenului. Se poate vedea dacă grosimea suprafețelor de contact se încadrează în limitele acceptabile și se inspectează întregul ansamblu de rulare pe măsură ce trece prin zona camerelor. Această tehnologie va însemna că, în loc să fie nevoie să meargă la depou în fiecare săptămână, un tren poate merge la fiecare trei săptămâni pentru revizia vizuală. Este nevoie de șase ore pentru a inspecta un tren de mare viteză, astfel încât se vor economisi mai mult de 200 de ore de inspecție a unui tren, în fiecare an.