Technologiczny startup MainRail wdrożył pilotaż swojego nowego modułu predykcyjnego wyboczenia w sieci kolejowej na Majorce (SFM) przy wsparciu firmy budowlanej Azvi.
Moduł ten składa się z zestawu algorytmów, które pozwalają przewidzieć temperaturę, jaką osiągnie szyna na podstawie prognoz pogody na okres do 5 dni, identyfikując ryzyko deformacji toru w wyniku działania tych temperatur. Aby zatwierdzić i dostosować to opracowanie, na torze zainstalowano urządzenia IoT dostarczone przez brytyjską firmę Yeltech, które mierzą rzeczywistą temperaturę szyny.
Tak więc, podczas gdy algorytmy przewidują ryzyko wyboczenia w ciągu siedmiu dni, urządzenia IoT wysyłają w czasie rzeczywistym alerty o temperaturze szyn, co pozwala na dostosowanie i zatwierdzenie przewidywań algorytmów.
Firma kontynuuje równolegle prace nad nowymi algorytmami predykcyjnymi dla jakości torów i zużycia szyn, wykorzystując modele hybrydowe łączące wykorzystanie cyfrowych bliźniaków, historycznych danych o torach oraz algorytmów AI.
W celu opracowania tych algorytmów, oprócz danych dostępnych na odcinku ponad 3200 km, firma zamyka umowę z hiszpańskim administratorem kolei(ADIF), aby uzyskać dostęp do danych z części jego infrastruktury, z którymi można przeprowadzić pilotaż w celu walidacji algorytmów predykcyjnych.
