在地处慕尼黑郊外的Allach机车厂,常常进行与列车相关的数据分析。自2014年开始,西门子交通数据服务中心落户于此。在这里,专家们携手铁路服务中心,通过分析与交通有关的复杂数据流,帮助客户优化其运营。
西门子交通数据服务中心(MDS)负责人Gerhard Kreß被列车所包围——既有真实的列车,也有虚拟的列车。他面前的显示器上,是一张列车示意图。在MDS的开放式办公室内,挂着一张白板,白板上用红笔和蓝笔写满了描述列车运行的公式和方程。向窗外望去,Kreß能看到慕尼黑郊外Allach工业区鳞次栉比的屋顶,在这里,西门子正在建造Vectron型机车。自2015年10月起,这里也是维修和保养机车的地方——与铁路服务中心相距仅三节火车车厢。通向列车维修车间的,不只是两条轨道,还有两个世界:虚拟世界和现实世界。
数字化转型
来自欧洲及其他非欧盟国家的机车、高铁和当地列车的数据流汇聚在MDS。通过分析这些数据,MDS的20位程序员、数据库专家和项目执行经理,为铁路领域开发数据驱动型服务,在实时列车监测、磨损和组件故障预测以及复杂列车问题分析等方面遥遥领先。
Kreß说,“在列车驶入服务中心之前,我们已经知道需要做些什么。”这最大限度地提高了列车的可利用率。Kreß补充说:“我们是在2014年年中才开始组建这支团队。开始并不容易,我们急需数据分析专家。”
数字化转型为铁路技术发展定下了基调。传统上,列车保养包括了定期在运行中心对列车进行检查、解决显而易见的问题,以及维护机器,数字技术在这些领域开启了通往更高层次服务的大门。远程或本地采集的传感器数据、报错消息和日志文件,为MDS员工提供了前所未有的详尽的列车信息。
数十亿个数据点
事实上,数字技术为专家提供的远不只是关于诸如速度、制动性能和里程等标准变量的信息,也提供了诸如压缩机表现、所挂车厢重量以及自动控制过程状态等其他信息。不仅如此,轨道质量、梯度和坡度,以及运行期间的天气条件等信息,也与铁路网络中的列车发车频次一并记录下来。Kreß说,“未来的交通业务里,单单列车并非决定因素。对于客户而言,关键在于列车的生命周期成本及其高效使用。只有借助从列车、基础设施和运行中得来的捆绑数据,才能取得成功。”
所有这一切形成了一片名副其实的数据汪洋。一个100节车厢的车队每年可产生约1,000到2,000亿个数据点。这只是开端。通过分析这些数据,Kreß和他的团队在探寻有意义的规律模式。譬如,运用由此获得的知识,MDS可以优化运营维护。例如,在高速运转下,变速箱轴承会发生严重磨损,MDS可以提前至少三天预测出问题,从而能避免发生故障,提高列车可利用率,节省费用。
高速且可靠
实现这种举措的背后,是MDS团队开发的能够分析交通系统数据的预测模型。数据分析首先利用常规机器学习算法,来评估各种类型列车提供的传感器和基础设施数据。这个过程要求深刻理解不同系统之间的深层关系。这些信息可以从列车工程师、列车制造商以及在Allach新成立的铁路服务中心的员工等处获得。
从西班牙国家铁路公司(Renfe)运营的往返于马德里和巴塞罗那之间的高铁线路,便可以看出这项服务是多么有效。在这条线路上,Renfe面对的竞争来自一条航空路线。这条线路火车要用两个半小时,而飞机只用1小时20分钟。然而,Renfe保证,如果火车晚点15分钟或更长时间,将向乘客全额退款。为了保证这种高度可靠性,Renfe与西门子联手创办一家合资企业,对列车进行高级数据分析。其结果是,约2,300次列车运行服务中,仅发生了一次与技术问题有关的重大延误。
譬如,在机车挂上车厢的状态下,虽然报错显示制动失灵,但可能这是正常情况。有了这样的知识,模型便可以区分重要因素和次要因素,并识别因果链。得益于这种方法,短短一年之后,Kreß和他的团队已经在运用具有高度可靠性的预测模型。
从大数据到针对性解决方案
交通数据服务中心还有一个优越性:它不仅能利用不同铁路车队提供的数据,而且可以运用不同运行条件的相关信息——不论这些车队是在德国、西班牙,还是在俄罗斯。所有这一切都可以帮助提高列车的可靠性。对于小规模运营商,这也是有利的,因为它们可以利用MDS服务来降低风险。Kreß说:“故障和磨损预测、错误诊断,以及精心制定的维护周期计划等,这些只是开始。在未来,铁路服务中心将能够下载列车的完整数据库——就像现在对飞机所做的那样,以便审核数据,排查异常。”
总而言之,归功于数据分析,MDS为其客户创造了非凡的附加值。这也为西门子交通集团带来决定性竞争优势,而对于西门子来说,它代表着其在数字化企业转型的路上又迈出重要一步。然而,实现这一点的根本原因在于数十年来西门子已经积累了深厚的关于列车及其维护的知识——位于Allach的铁路服务中心每天都要运用这些技术专长。Kreß指出,“作为一个独立的机构,MDS当然没有那么大的力量。最终,得有人拿起工具来干活。”