De la deschiderea primei linii de la Tokyo la Yokohama, în 1872, până la trenurile de glonț Shinkansen de astăzi, evoluția căii ferate japoneze a fost un triumf de ambiție și o realizare de pionierat în domeniul tehnologiei și ingineriei. Serviciile de transport feroviar de călători în Japonia au devenit un cuvânt de spus pentru eficiență, iar rețeaua care depășește 27.000 km rămâne una dintre cele mai utilizate, punctuale și subvenționate din lume. Asigurarea faptului că operațiunile și întreținerea se desfășoară în timp util este esențială pentru acest succes. În ultimii ani, însă, operatorii precum East Japan Railway Company sau JR East s-au confruntat cu provocări multiple, inclusiv infrastructura îmbătrânită, lipsa specialiștilor în întreținerea trenurilor datorită scăderii populației din Japonia și creșterea costurilor, alături de bugetele în scădere.
Pentru a contribui la îmbunătățirea eficienței și siguranței trenurilor pentru cei șase miliarde de pasageri care folosesc serviciile JR East în fiecare an, compania s-a adresat Centrului de Cercetare Palo Alto (PARC), o companie deschisă de inovare cu sediul în Silicon Valley, care s-a axat pe analiza predictivă, (IIoT).
O întreținere tradițională bazată pe timp, TBM, și practicile de întreținere defectuoasă și reparativă sau planificată, pot fi costisitoare, predispuse la erori umane sau pot duce la nefuncționări sau accidente. Companiile feroviare se orientează, în mod evident, în favoarea întreținerii bazate pe condiții, CBM , în care se efectuează întreținerea mașinilor atunci când este nevoie.
Specialiștii folosesc o analogie a unei mașini pentru a ilustra conceptul de CBM. O mașină are nevoie de o schimbare de ulei la fiecare șase până la 12 luni sau 5.000-10.000 de mile. Modelele mai noi au senzori care îi spun proprietarului atunci când serviciul va fi oprit în funcție de timpul mediu de utilizare, însă este posibil să nu se ia în considerare factori precum încărcăturile grele sau utilizarea frecventă. Cel mai rău lucru care se poate întâmpla, desigur, este că mașina nu mai funcționează, dar extrapolează acest lucru la un activ complex, cum ar fi un tren, iar problema imediat devine mult mai semnificativă.
Traficul din sistemul de metrou din Tokyo este intens, mai ales în timpul orelor de vârf, iar dacă un tren nu mai funcționează, întregul sistem se înfundă sau, în cele mai extreme cazuri, accidentele pot duce la pierderea de vieți omenești, iar operatorii sunt responsabili. Prin urmare, companiile feroviare se îndepărtează de TBM la această paradigmă mai previzibilă în care echipele de lucru pot primi notificări cu o săptămână sau chiar cu o lună înainte de eșecul activelor, permițându-le să pregătească orare și resurse pentru a evita scoaterea din funcțiune a unui tren important și perturbarea sistemului. Analiza predictivă este de asemenea extrem de valoroasă în ceea ce privește planificarea pe termen lung. Punerea la dispoziția operatorilor a unor date privind durata de viață utilă rămasă a unui activ cu una sau chiar șase luni înainte de a fi retrasă le permite acestora să planifice, de exemplu, o cheltuială majoră de capital.
JR East a strâns o cantitate semnificativă de date de laborator și din teren, dar se străduia să o înțeleagă. Astfel, a implementat suita de tehnologie MOXI, care utilizează algoritmi bazați pe modele care permit o precizie de 90% sau mai mare și rate scăzute de alarmă falsă și, în unele cazuri, necesită doar seturi de date minime. Deci, acest lucru a fost de o importanță imensă pentru JR East, deoarece compania se mândrește că este la timp, tot timpul. Într-o chestiune de cinci luni, echipa a fost capabilă să demonstreze prima dovadă a conceptului de CBM predictiv care lucrează pentru sistemul de uși de tren cu o precizie de 95% sau mai mare în clasificarea diferitelor tipuri de defecte și datorită algoritmilor au scăzut ratele de alarme false. Consolele au fost de asemenea dezvoltate pentru a permite inginerilor JR East să vizualizeze și să înțeleagă mai bine datele obținute. Echipa și consultanțoii lucrează acum cu echipele Centrului Tehnic JR East pentru a testa și implementa aceste soluții pe linia de cale ferată Yamaman. Au construit, de asemenea, o soluție computerizată de analiză care analizează automat imaginile realizate de trenurile Solus care operează căile ferate peste noapte, date pe care algoritmii le înțeleg și identifică diferite tipuri de defecte. Tehnologia MOXI de la PARC a fost implementată și în fabrici inteligente, precum și în sistemele critice de aerospațiale și energetice. Succesul său este într-o mare măsură din capacitatea sa de a obține analize extrem de precise. Implementarea globală a PARC se extinde în Australia, unde încorporează în prezent senzori de fibră optică în podurile feroviare deținute de Rail Track Corporation din Victoria (VicTrack) și utilizează radar și analize optice pentru a înțelege datele obținute. O mulțime de poduri au fost construite în anii 1950 și 1960 și au fost proiectate cu o durată de viață de 100 de ani, dar au început să-și arate vârsta. Până în prezent, Victoria a reușit să evite problemele pe care le-am văzut în alte părți ale lumii, inclusiv în Statele Unite.
