Việc vận hành an toàn đường sắt phần lớn được hỗ trợ bởi việc kiểm tra định kỳ và kinh nghiệm của các kỹ sư hiện trường Tuy nhiên, với số lượng lớn đầu máy toa xe, đường ray, công tắc, dây điện trên cao, thiết bị tín hiệu, vv, sự cũ kỹ, biến đổi khí hậu và tình trạng thiếu lao động, việc phát hiện sớm các dấu hiệu hỏng hóc chỉ thông qua tải bắn cá trì thông thường ngày càng trở nên khó khăn Để giải quyết những vấn đề này, các nhà khai thác đường sắt đang sử dụng AI để giới thiệu phương pháp tải bắn cá trì dự đoán kết hợp cảm biến, phân tích hình ảnh và dữ liệu hành trình

tải bắn cá trì dự đoán tòa nhà Deutsche Bahn bằng cách sử dụng bản sao kỹ thuật số

tải bắn cá trì dự đoán khác với tải bắn cá trì khắc phục, bao gồm việc sửa chữa sau khi xảy ra lỗi hoặc tải bắn cá trì theo thời gian, bao gồm việc thay thế các bộ phận theo định kỳ tải bắn cá trì dự đoán là khái niệm sử dụng dữ liệu để hiểu những thay đổi trong tình trạng của thiết bị và phương tiện, phát hiện các dấu hiệu bất thường và phản ánh chúng trong kế hoạch tải bắn cá trì AI học hỏi từ các dữ liệu như độ rung, nhiệt độ, dòng điện, âm thanh, hình ảnh, tốc độ lái xe, hoạt động phanh và số lần mở và đóng cửa, ghi lại những thay đổi nhỏ mà con người có xu hướng bỏ qua

Một trong những nhà khai thác đường sắt ở Châu Âu đang thúc đẩy các nỗ lực tải bắn cá trì dự đoán là Deutsche Bahn AG, công ty vận hành hơn 40000 chuyến tàu mỗi ngày và quản lý mạng lưới đường sắt rộng lớn trải dài khoảng 33000 km Trong những năm gần đây, chúng tôi đã nâng cao mức độ phức tạp của công việc tải bắn cá trì bằng cách sử dụng AI để phân tích các xu hướng bất thường bằng cách kết hợp các cảm biến và thiết bị kiểm tra được lắp đặt trên xe, dữ liệu kiểm tra thu được từ các nhà máy tải bắn cá trì cũng như dữ liệu giám sát đường đi và lối ra vào

Một sáng kiến như vậy là việc xây dựng bản song sinh kỹ thuật số nhằm tái tạo gần như toàn bộ cơ sở hạ tầng đường sắt và đầu máy toa xe trong không gian ảo Digitale Schiene Deutschland (DSD), bộ phận kỹ thuật số của Deutsche Bahn, đang sử dụng nền tảng phát triển 3D của NVIDIA `` NVIDIA Omniverse '' để xây dựng một bộ đôi kỹ thuật số tái tạo toàn bộ mạng lưới đường sắt trải dài khoảng 33000 km và 5700 nhà ga Trong tải bắn cá trì dự đoán, bằng cách phản ánh dữ liệu cảm biến của thiết bị cơ sở hạ tầng thực tế trong bản sao kỹ thuật số, những thay đổi về tình trạng của cơ sở hạ tầng có thể được hiển thị và phân tích cùng với bối cảnh không gian (điều gì đang xảy ra tại điểm nào trên tuyến nào) và có thể tạo kế hoạch tải bắn cá trì tối ưu dựa trên kết quả dự đoán RUL (Thời gian sử dụng hữu ích còn lại)

(Hình 1) Hình ảnh bản song sinh kỹ thuật số mà Deutsche Bahn đang xây dựng (Nguồn: Trích từ video NVIDIA)

JR East hướng tới mục tiêu kiểm tra đường ray bằng robot AI

Số hóa hoạt động tải bắn cá trì đường sắt cũng đã trở thành một chủ đề quan trọng ở Nhật Bản và JR East đang nỗ lực sử dụng AI, phân tích hình ảnh và công nghệ giám sát để kiểm tra và tải bắn cá trì thiết bị đường ray Cho đến nay, để đảm tải bắn cá giao thông đường sắt an toàn và ổn định, JR East đã cử nhân viên tuần tra các tuyến đường sắt bằng cách đi bộ hoặc bằng các phương tiện khác trong trường hợp có mưa lớn hoặc động đất, kiểm tra trực quan xem có bất kỳ sự xáo trộn nào như nền đường bị sập hoặc bùn chảy vào đường ray hay không Tuy nhiên, công việc như vậy đi kèm với nguy cơ thiệt hại thứ cấp và trong những năm gần đây, việc đảm tải bắn cá an toàn cho nhân viên đã trở thành một vấn đề mới do số lượng gấu ngày càng tăng

Do đó, JR East đang tiến hành nghiên cứu và phát triển khả năng vận hành và điều khiển rô-bốt từ xa, đồng thời phối hợp với Preferred Robotics, đã bắt đầu thử nghiệm trình diễn sử dụng rô-bốt AI kiểm tra đường ray với mục đích thiết lập một phương pháp kiểm tra có thể được thực hiện từ một địa điểm ở xa chẳng hạn như văn phòng Hai công ty bắt đầu phát triển vào tháng 4 năm 2024, tiến hành hai giai đoạn chứng minh khái niệm (PoC) và tiến hành xác minh trên tổng số sáu tuyến tàu, bao gồm cả tuyến Hachiko Robot đang được phát triển sẽ chạy tự động trên đường ray, dựa trên thông tin thu được từ camera có độ chính xác cao, LiDAR (cảm biến sử dụng tia laser để đo khoảng cách với môi trường xung quanh) và GNSS (hệ thống sử dụng vệ tinh để xác định vị trí của nó)

Trí tuệ nhân tạo học tập (mô hình phát hiện vật thể) được dùng để phát hiện chướng ngại vật và đưa ra quyết định chạy hay dừng dựa trên kết quả phát hiện Ngoài ra, AI sẽ được sử dụng để phát hiện người, phương tiện, động vật, đá rơi, vv và robot sẽ có thể xác định lộ trình di chuyển của riêng mình, tránh va chạm và bấm còi một cách tự động mà không cần sự can thiệp của con người Các hình ảnh và dữ liệu khác nhau thu được khi tàu đang chạy sẽ được lưu trữ bên trong máy bay và gửi theo thời gian thực tới nhân viên ở những địa điểm xa như văn phòng và cuối cùng con người sẽ đưa ra quyết định xem liệu có bất kỳ sự bất thường nào có thể cản trở hoạt động của tàu hay không

(Hình 2) Hình ảnh tương lai về quản lý và tải bắn cá trì cơ sở hạ tầng đường sắt nhằm sử dụng robot và AI (Nguồn: Trích từ thông cáo báo chí Preferred Robotics)

Siemens Mobility cải tiến nền tảng phát hiện cảnh báo dự đoán

Siemens Mobility là một công ty đang mở rộng hoạt động tải bắn cá trì dự đoán từ phía nhà sản xuất đường sắt Công ty xử lý mọi thứ từ đầu máy toa xe đến tín hiệu, tự động hóa đường sắt và dịch vụ tải bắn cá trì, đồng thời hỗ trợ vận hành và tải bắn cá trì cho các nhà khai thác đường sắt thông qua nền tảng kỹ thuật số của mình Trong số này, nền tảng phân tích dữ liệu "Railigent

Railigent Ví dụ: những thay đổi như thời gian mở và đóng cửa dần dần dài hơn, mức tiêu thụ điện của máy điều hòa không khí tăng nhiều hơn bình thường hoặc sự thay đổi nhiệt độ của thiết bị liên quan đến phanh khác với quy luật trước đây có thể là dấu hiệu cho thấy lỗi đang xảy ra

Mặt khác, các bánh xe được lắp vào giá chuyển hướng, vốn chiếm phần lớn trong tổng chi phí tải bắn cá trì của đoàn tàu, lại phải chịu ứng suất cơ học đáng kể Đường trơn trượt, phanh gấp và ổ trục phanh bị lỗi có thể dễ dàng gây ra hỏng hóc AI phát hiện những thay đổi nhỏ này bằng cách kết hợp nhiều dữ liệu và đề xuất nhân viên tải bắn cá trì những phương tiện hoặc bộ phận nào cần chú ý Điều này sẽ cho phép việc tải bắn cá trì dự đoán được liên kết với các cải tiến trong toàn bộ dịch vụ vận hành, thay vì trên các đơn vị thiết bị riêng lẻ

(Hình 3) Hình ảnh nền tảng phát hiện cảnh báo sớm sử dụng “Railigent X” (Nguồn: Trích từ trang web Siemens Mobility)