ProRail DataLab: voorspellen is voorkomen

In februari van dit jaar is het ProRail DataLab geopend. Met big data technologie verkent het ProRail Datalab nieuwe technieken om oplossingen te ontwikkelen om op het gebied van storingen, sensoring en tracking & tracing. Hierin werken het Datalab samen met Universiteiten, kennisinstellingen zoals TNO, aannemers, ingenieursbureaus en diverse startups.
Meettrein bij Zutphen
Data verzamelen met de meettrein

Spoorlopers

Als eerste is een prototype gemaakt van een voorspellend model voor het voorspellen van hot spots waar spoorlopers te verwachten zijn. Dit gaf veelbelovende inzichten en daarom wordt deze nu samen met de inspecteurs in het veld getest.

 Wissels

De afgelopen maanden is ook hard gewerkt aan een voorspellend model voor wisselstoringen. Hierbij worden Big data technieken zoals machinelearning toegepast op alle beschikbare data. Het model is inmiddels al in staat om van alle wissels 20% van de storingen aan te zien komen. Dit is al veel beter dan wat de experts nu zelf kunnen, maar toch nog onvoldoende nauwkeurig, omdat de monteur op dit moment vier van de vijf keer toch voor niets zou uitrukken. Daarom maken we nu een nog preciezer model voor een groep wissels die vaker stoort dan gemiddeld. Daarmee is het eerste succes al behaald: voor één specifiek wissel kan nu met meer dan 90% zekerheid voorspeld worden wanneer dit gaat storen. Voor een groep van zeven wissels kunnen we inmiddels meer dan 50% van de storingen aan zien komen. Dit voorspellende model wordt nu in zogenoemde ‘sprints’ verder ontwikkeld en besproken met de onderhoudsaannemers en vanaf juni willen we het eerste prototype beproeven in de praktijk, samen met de ProRail Meldkamer Spoor, het coördinatiepunt voor infrastructuur-storingen.