ProRail heeft de afgelopen maanden in het DataLab hard gewerkt aan een voorspellend model voor wisselstoringen. Het model is inmiddels al in staat om van alle wissels twintig procent van de storingen aan te zien komen. In het DataLab wordt met big data-technieken geëxperimenteerd om verstoringen te voorspellen, zoals wissels, spoorstaafdefecten, verzakkingen in het spoor en ook overlast door spoorlopers.
De voorspelling van de wisselstoringen is volgens ProRail al veel beter dan wat experts op dit moment zelf kunnen, maar toch nog onvoldoende nauwkeurig, omdat de monteur op dit moment vier van de vijf keer toch voor niets zou uitrukken.
Rekenmodel
Daarom werken de deskundigen in het DataLab aan een nog preciezer model voor een groep wissels die vaker stoort dan gemiddeld. Daarmee is het eerste succes al behaald: voor één specifiek wissel kan nu met meer dan negentig zekerheid voorspeld worden wanneer dit gaat storen.
Voor een groep van zeven wissels kunnen de experts inmiddels meer dan vijftig procent van de storingen aan zien komen. Dit voorspellende model wordt nu in zogenoemde ‘sprints’ verder ontwikkeld en besproken met de onderhoudsaannemers en vanaf juni willen we het eerste prototype beproeven in de praktijk, samen met de ProRail Meldkamer Spoor, het coördinatiepunt voor infrastructuur-storingen.
DataLab
Het DataLab is in februari van dit jaar geopend. Met big data-technologie worden in het lab nieuwe technieken verkend om oplossingen te ontwikkelen om op het gebied van storingen, sensoring en track and tracing. Op dit moment zitten er slimme koppen van verschillende ProRail-afdelingen, universiteiten, TNO en startups in het DataLab. ProRail heeft ook partijen als spooraannemers en ingenieursbureaus uitgenodigd om data te delen en samen te werken aan voorspellende modellen.
In het DataLab wordt volgens de scrum-methode gewerkt, geïnspireerd door de rugbysport In deze methode wordt gewerkt in multidisciplinaire teams die in korte sprints, met een lengte van één tot vier weken werken aan het maken van een product.
