Voorspellen van infrastoringen Laurens Koppenol & Paul van der Voort

1. September 2017 Paul van der Voort – programma manager
Laurens Koppenol – lead datascientist

2. Sector uitdagingen
Big data & het spoor
2
ProRail DataLab
Focus:
• Storingen voorspellen
• Tracking & tracing
• IoT sensoring
Spoorsector
Mogelijkheden

3. IoT Sensoring
3
EBI switch

4. Tracking & tracing
4
Testcontainer Kijfhoek
GPS data vervoerdersRFID tags & readers
Smart camera’s
Combineren diverse locatiebronnen
(treinen, wagens, containers)

5. Infrastoringen voorspellen
Infra storingen
Derden
Wissels
Treindetectie
Spoor: ligging + defecten
Overweg
Energievoorziening
Infra
storingen
Derden storingen Wisselstoringen Spoorligging
Spoorstaafdefecten
PROJECTEN
5
Treindetectie

6. DataLab = samenwerkingsverband
6
Stuurgroep
Innovatie ICT AM VLAMAM
Sensoring
Big data
Track&trace
Deta-vast 1 jr.
Dascience bureaus Wetenschap Spoorsector

7. DataLab werkwijze
Systeem
begrijpen
Data
achterhalen
Data
bewerken
Analyseren
Model
maken
7
Predictive modelling cyclus:
Scrum principes:
• Scrum team
• Sprints
• Standups en
scrumboard
• Sprint demo’s

8. September 2017 Paul van der Voort – programma manager
Laurens Koppenol – lead datascientist
Projecten

9. 9
Derdenstoringen

10. • Mensen of dieren langs het spoor
• Niet alleen gevaarlijk;
Zeer groot aantal treinvertragingen
• Diverse maatregelen, waaronder;
– Surveillance
– Hekken
– Cameratoezicht
Kan dit voorkomen worden door
voorspellen van derdenstoringen?
10
Bron: RTL Nieuws
Derdenstoringen - Probleem

11. 11
Derdenstoringen – Aanpak
Risico bepaling per locatie per dag
1. In kaart brengen invloedsfactoren
2. Invloedsfactoren gebruiken voor voorspelling
3. Acteren adhv voorspelling

12. Derdenstoringen – Aanpak
12
Mensen:
• Omwonenden
• Scholen, sportvelden
• GGZ instellingen
• Evenementen
Moment:
• Weer
• Weekdag, tijdstip
• Vakanties
Dieren:
• Aanwezige dieren
• Type gebied
Inrichting spoor:
• Stations
• Overwegen
• Kunstwerken
• Afscherming
Mensen/ dieren op het spoor
Bjisturingsproces

13. 13
Derdenstoringen – Status

14. 14
Derdenstoringen – Status

15. • Aanvulling dieren
Text mining & andere modellen
15
Derdenstoringen – Status

16. • Aanvulling dieren
Upgrades dashboard
16
Derdenstoringen – Status

17. 17
Uitdagingen bij overige projecten
!

18. Infra gegevens met objectnaam A440BT
SAP equipments gegevens met objectnaam A440BT
WGM$A440B/CT SGRA$A440A/BT ?
Wat is juiste sectieID (PPLG$Elementnaam)
One switch or section has different naming in different systems.
Uitdaging - Koppelen diverse systemen

19. 19
Uitdaging - pattern recognition
Het wissel loopt
door zijn frictie
Motor current
• Recognising patterns in normal and abnormal conditions
• Clustering of switches with similar patterns.
Oplopende omlooptijd

20. 20
Uitdaging - correction of shifted data
Track
• Detection of measurement deviation
• Automatic correction by shifting curves tot the opimal fit (blocks of 50m track)

21. 21
Uitdaging - detection of maintenance
Sudden deterioration (negative trend breach) Maintenance
Sudden improvement
+ maintenance window
= maintenance

22. 22
Wisselstoringen

23. 23
Wisselstoringen voorspellen
Telegraaf, 3 juni 2017

24. 24
• Omlooptijd (TROTS, Astris)
• Mislukte omlopen (TROTS, A.)
• Motorstroom (POSS, Flex)
• …
• Weer
• Onderhoud
• Wisseltype / hoekverhouding
• …
Wisselstoringen – ingrediënten
• Storingsmeldingen (SAP)
• Foutmeldingen (PRL)
• …
Conditie
Storing
Invloeden
>5000 wissels
enkele storingen per dag

25. 25
Wisselstoringen - tussenresultaten
Random Sprint 3 Sprint 6 Sprint 8
Groep
wissels
> 5000
wissels
2000
wissels
1 Wissel Enkele
clusters van
5-10 wissels
Precision <1% 20 % 90% 50%
Recall 20 % 60% 20%
Prototype
Dashboard:
Voorspellende waarde
(voorspelperiode 1-14 dagen):

26. 26paul.vandervoort@prorail.nl
Vragen?

27. Big data platform
27
Platform
Hadoop
cloud
Open
source
Use
Modelling
Data-
prepping
DashboardFeature
selection