artikler

Sporveien kjører sensordata ut i nettskyen. Nå går startskuddet for en ny æra

Infrastruktur, sporvekslere og sensorer i vognene kan leses av i tilnærmet sanntid.

Amazon Web Services og Apache Spark inngår i et pilotprosjekt for å analysere sensordata fra kollektivtransportens infrastruktur i Oslo. Dette er starten på en ny æra, mener Sporveien.
Amazon Web Services og Apache Spark inngår i et pilotprosjekt for å analysere sensordata fra kollektivtransportens infrastruktur i Oslo. Dette er starten på en ny æra, mener Sporveien.

Kollektivtransporten er i ferd med å bli mye mer digitalisert. Datafangst fra sensorer og analyse av enorme mengder data inngår i planene.

Sporveien oppretter også en egen digitaliseringsenhet, og har lyst ut en rekke ledige stillinger. De har også begynt å se på stordataanalyse og såkalt prediktivt vedlikehold.

– Det er den retningen det går i innenfor sektoren vår. Bruk av data kommer til å bli en veldig store del av virkeligheten for oss. Det vil gjelde infrastruktur og sporvekslere, men i økende grad også sensorer i vognene, sier Sporveiens konserndirektør for strategi Anders Rygh til digi.no.

Amazon Web Services og åpen kildekode

T-banen har signalanlegg med egne infrastruktursensorer. Nylig har de fått utplassert flere sensorer i sporvekslerne. EY (tidligere Ernst & Young) har bistått med å sende store mengder data opp i nettskyen for analyse.

Etter det vi får oppgitt er det samlet snakk om et tusentalls sensorer. Verktøyet som har fått jobben med å tygge dataene og skape verdifull innsikt er Apache Spark, et big data-prosesseringsrammeverk i åpen kildekode. Amazon Web Services er brukt som skyplattform.

Smartere vedlikehold

Dette er ledd i et pilotprosjekt hvor målet er å drive tilstandsbasert og såkalt prediktivt vedlikehold i sanntid.

Med andre ord: Automatiserte systemer som kan overvåke infrastrukturen og melde ifra om slitasje og feil – gjerne før feilen oppstår. Med millioner av passasjerer sier det seg selv at det er lurt å fange opp svakhet og vedlikeholdsbehov før det blir en stoppende feil, og deler av kollektivnettet må stenge.

Formålet kan være å redusere antall innstilte avganger på T-banen, noe som vil komme Oslos befolkning til gode. På sikt kan det kanskje også bidra til å redusere kostnader.

Det kan skje ved å gjøre vedlikehold smartere. Infrastruktur, men også punktligheten blir kontinuerlig avlest og analysert. Dataene kan bli brukt både til planlegging, logistikk, samt for å finne rotårsak til forsinkelser.

– Pilotprosjektet har undersøkt potensialet. Det er fortsatt en lang vei å gå, men det er klart at vi er inne i en æra med omstilling for denne sektoren, sier strategidirektøren.

Sporveien skal i tiden fremover evaluere arbeidet før de eventuelt konkluderer med en bredere utrulling.

– Men at det går i denne retningen er det nok liten tvil om, sier Rygh.

Sensorer ombord

Et naturlig neste skritt er å se på datasensorer også ombord i vognene. Det blir bygget inn mer intelligens i T-banevognene etter hvert som signalnettet skal oppdateres, noe som er et stort prosjekt.

T-banen skal bli selvkjørende: Helt nytt signalanlegg (TU.no)

Også ved innkjøp av nye trikker, planlagt til hovedstaden i 2020, vil det være naturlig å innføre flere sensorer.

– Vi skal se på bruk av sanntidsdata til å optimalisere vedlikehold, men også den daglige optimaliseringen og logistikk for å øke effektiviteten. Det handler om optimalisering av tilgang på knappe ressurser både innen infrastruktur, vogner og personell, avslutter Sporveiens konserndirektør for strategi.

Powered by Labrador CMS