close
Share with your friends

Data Analytics case: Prorail - Wisselstoringen voorspellen met data-analyse

Data Analytics case: spoorbeheerder Prorail

Nederland heeft een van de drukst bereden spoornetwerken ter wereld. Juist op zo’n druk spoor kan een storing op één plek stevige gevolgen hebben voor het netwerk als geheel. Spoorbeheerder ProRail wil dan ook goed grip hebben op de betrouwbaarheid van de wissels, een van de hoofdoorzaken van verstoringen. KPMG bouwde samen met Prorail een voorspellend model. In gesprek met Roel Smits.

Gerelateerde content

Commuters passing by the train standing at the platform

Minder treinvertragingen door wisselstoringen te voorkomen met voorspellend onderhoud. Dat wil heel treinreizend Nederland natuurlijk dolgraag. Maar lukt het ook?

"Voorspellend onderhoud is wel een einddoel van ProRail. Maar zover is het nu nog niet. We hebben in de eerste fase van dit project alleen onderzocht in hoeverre we kunnen voorspellen wanneer wisselstoringen optreden. ProRail staat nu voor de volgende fase: samen met onder meer de aannemers die verantwoordelijk zijn voor het onderhoud kijken hoe je ook proactief kunt ingrijpen met preventief onderhoud om het aantal storingen te verminderen."

Wat voor data kun je gebruiken om storingen te voorspellen?

"We kunnen putten uit verschillende bronnen. Een belangrijke bron is de data van de elektromotoren die de spoorwissels omzetten. Die data laat zien hoeveel Ampère er doorheen gaat en hoe lang de motor in werking is voor het omzetten. Een andere is het logboek van het besturingssysteem van de wissels. Ook de applicatie van de treinverkeersleiding levert waardevolle data op. En nog weer een andere bron is de temperatuur van het relaishuis, de kast die in de buurt van de wissel staat en de seinen en wissels aanstuurt. Weliswaar geeft de temperatuur van die kast maar een indicatie van de temperatuur van de wissels, maar het geeft niettemin wel waardevolle informatie. Overigens is ProRail recent ook een pilot gestart met temperatuursensoren die met een magneet op het spoor zijn bevestigd om betere data te krijgen."

Kun je dan niet beter een muntje opgooien?

"Zeker niet. Het is juist een vrij hoge score, uitgaande van de situatie dat een wissel zo een keer in de 7 jaar stuk gaat. Let wel, er zijn zes- tot tienduizend wissels, afhangende van hoe je een wissel precies definieert. Precisie is hoe vaak een voorspelling dat iets wel of niet gebeurt blijkt te kloppen. Daarop ligt de focus voor Prorail: als je een voorspelling doet moet deze kloppen, want dan heeft het nut om preventief onderhoud uit te voeren. De precisie ligt voor een enkele wissel zelfs op 90%. Als je elke dag een muntje opgooit dan is je precisie praktisch 0%.

Belangrijker dan die cijfers is echter dat we een goed begrip opbouwen van wat er gebeurt. Een datamodel krijgt meestal pas waarde als een data-analist er samen naar kijkt met iemand die verstand heeft van de context. In dit geval een specialist van ProRail die alles weet van wissels en in de data kan 'lezen' wat er aan de hand is. Meer algemeen: als je machine learning gaat toepassen kan dat ontaarden in een black box. En die moeten wij nu juist openmaken voor onze opdrachtgever."

Samenwerking is dus essentieel?

"Precies. ProRail realiseert zich dat overigens als geen ander. Het DataLab waarin wij werkzaam waren maakt onderdeel uit van een bredere strategie om innovatie goed van de grond te krijgen. En het is nadrukkelijk een multidisciplinaire samenwerking tussen ProRail en diverse marktpartijen. Het is daarmee ook een impuls voor verandering. Vroeger was ProRail maar beperkt bewust van het belang van data. Maar dat is veranderd. En het smaakt naar meer. Al moeten we ons natuurlijk wel blijven realiseren dat we niet alles kunnen voorspellen. Als een koperdief in de nacht toeslaat, dan kan daar geen machine learning tegenop."

Voor meer informatie over data & analytics kunt u contact opnemen met Maurice op het Veld, partner data & analytics

Neem contact met ons op

 

Wilt u een offerte van ons ontvangen?

 

loading image Offerteaanvraag (RFP)