AI controleert klemmen op het spoor: “Veilig én een stuk efficiënter”

Kans op ontsporing

De klemmen houden de dwarsligger en de spoorstaaf bij elkaar. Wanneer deze niet goed liggen, is er kans op ontsporing. Zeker in bochten komt er meer kracht op de staven te staan. Hoewel het spoor voorheen ook gecontroleerd werd op verkeerd liggende klemmen, wordt sinds de zomer van 2021 grootschalige gerichte controle gedaan om de veiligheid te waarborgen.

Tergende klus

“Rond diezelfde tijd is het veiligheidsteam voor deze klemmen naar ons toegekomen”, vertelt Leah Bekkering, Product Owner Beeldherkenning bij de afdeling Asset Management Informatie. "De controle op deze klemmen is namelijk een flinke klus, je zit eindeloos naar beeldschermen te kijken. Dat is tijdrovend, vermoeiend en bovendien is een menselijke beoordeling vaak subjectief. De andere optie is niet veel beter: dan moet je midden in het spoor staan om het goed te kunnen zien en dat is niet toegestaan."

"Met beeldherkenning kunnen we nu zien welke klemmen niet voldoen aan de normen. Deze AI-technologie kijkt onder meer naar de pootjes: die moeten tenminste voor de helft overlappen met de spoorstaaf, niet gebroken zijn en niet missen. Als hij niet voldoet, moet hij dus vervangen worden", aldus Leah.

Menselijke controle

Dit systeem heeft begin dit jaar een mijlpaal bereikt. “De eerste landelijke controle is afgerond: 1 miljoen klemmen zijn door de computer gehaald. Waar de computer twijfelt, wordt er een menselijke controle gedaan en kunnen we gerichte herstelacties ondernemen. Het model is zeker over waar het wél goed is, de onzekerheden worden nagekeken. Dat is zo’n 8 procent van het totaal, dus dat wordt handmatig gecontroleerd. Alsnog wel wat werk, maar veel minder dan eerst. Nu hebben we allerlei risicolocaties van 2022 heel duidelijk in kaart. Bovendien zijn we verbeteringen aan het toepassen om, zonder minder veilig te worden, die 8 procent te verlagen.”

Hele keten betrokken

“Nu is het idee dat we elk halfjaar of jaar deze controle opnieuw laten uitvoeren. Dat scheelt heel veel werk”, vertelt Leah. “Het succes van dit project is dat we met de hele keten heel goed hebben samengewerkt. We hebben informatie uit de techniek gecombineerd met de kennis van datamensen. Verder hebben wij met de inspecteurs gekeken wat zij verlangen. Ze hebben ons ook geholpen met bijvoorbeeld de ballast op de klemmen: wanneer kun je het als expert wel of niet beoordelen.”

Het tastbare resultaat is volgens Leah het bijzondere aan dit project: “Dit systeem is heel efficiënt: in één uur checkt het algoritme 3,5 kilometer. Een mens bekijkt hoogstens een paar honderd meter in dezelfde tijd. Het systeem wordt niet moe, en geeft altijd een consequent antwoord. En als je wilt, kun je altijd de rekenkracht omhoog schroeven om de computer nog sneller te maken.”

“De ontwikkeling van dit soort oplossingen binnen ProRail is al een tijdje gaande. Dit voorbeeld toont aan dat we echt in staat zijn toegevoegde waarde te leveren met dit soort nieuwe technieken. Het is heel fijn dat we de veiligheid hebben verbeterd en beter grip krijgen op de conditie van het spoor systeem. Nu we dit hebben aangetoond gaan we op een soortgelijke manier ook andere spoorobjecten controleren met foto’s.”