Raudtee tehniliste rikete vähendamise võimalused suurandmete analüüsiga Edelaraudtee AS näitel

Edelaraudtee AS-il on täna probleem tööjõus. Töötajate keskmine vanus läheneb pensionieale ja uusi töötajaid jaamakorraldajateks tööle enam ei meelita. Sellest tulenevalt ehitatakse raudtee taristud süsteemselt ringi nn kaugjuhtimise ehk tsentraliseeritud liiklusjuhtimise suunas. Selleks läbitakse jaama ja jaamavahede ümberehitus relee juhtimiselt PLC juhtimisele. PLC juhtimisele üleminekul oli Edelaraudteel valida, kas osta sisse „võtmed kätte“ lahendus mõnelt tuntud tarnija spetsiaalselt raudteele disainitud lahendus või lahendada kõik seatud eesmärgid kohandades selleks majanduslikult ja samal ajal jätkusuutlikult tööstusele mõeldud komponente, mis omavad sama turva- ja ohutusklassi kui seda nõuavad erinevad raudtee nõuded ja reeglistikud. Rohkem automatiseerides ja digitaliseerides saavutab ettevõte jätkusuutliku arengu, ent sellega koos kaasneb risk küberohule. Küberoht on kriitiline valdkond uut tüüpi taristu arhitektuuri välja töötamisel. Käesolev lõputöö puudutas küberohte põgusalt, kuid valdkonna digitaliseerimise arenguga tõuseb antud teemakäsitlus seda jõudsamalt esile. Automatiseerimine ja digitaliseerimine annab taristust selgema ülevaate tehniliste rikete tegelikust sisust. Esialgu võib jääda mulje, et taristu rikkeid on rohkem kui varasemal perioodil, aga tegelikkuses on digitaalse info põhjal kasvanud teadlikkus, mis taristul tegelikult toimub. Nüüd alles saab hakata probleeme vähendama. Täna tehakse Edelaraudtee näitel kogutavate andmetega kahte tegevust: • hetkeolukorra hindamine • järelanalüütika Hetkeolukorda on juba praegu võimalik visualiseerida dispetšerjuhtimise seinale. Selle tulemusena on raudteejuhtimine kogu taristu lõikes kontrollitav ja kergesti hoomatav. Järelanalüütikat juba toimunud sündmustele annab tõese informatsiooni tegelikult toimunud sündmusest. Eesmärk on selle läbi kasvatada taristu läbilaskevõimet, tõsta teenuse kvaliteeti ja vähendada tekkivaid ohte. Edelaraudtee on seadnud suurema eesmärgi ennetada võimalikke tekkivaid tuleviku rikkeid kasutades selleks masinõpet. Masinõppe eesmärk on hinnata kasutatavate taristuseadmete käitumismustreid ja samuti rikkeid põhjustanud taristuseadmete iseärasusi. Seda võib nimetada ka tehisintellekti algvormiks. Lõputöö kirjutamise hetkel on väljatöötamisel prototüüp rööbasahela pingete mõõtmiseks, mis annab tagasiside Edelaraudtee põhiteenuse toimimise kohta. Lisades prototüübi väljatöötamisele masinõppe saavutabki ettevõtte peaeesmärgi ennetada põhiteenuse tehnilisi rikkeid. Töö tulemusena on autoril veendumus võimalusel alustada valdkonna spetsiifilise andmekaeve ettevõtte käivitamisega.

Today, Edelaraudtee AS has a problem in the workforce. The average age of employees is approaching retirement age and new employees are no longer attracted to work at current layout of infrastructure company. As a result, railway infrastructure is being systematically built in the direction of centralized traffic management. To do situation, the conversion of the station and station gaps from relay control to PLC control is performed. When switching to PLC management, Edelaraudtee had to choose between purchasing a turnkey solution from a well-known supplier, a solution specifically designed for railways, or solving all the set goals by adapting industrially and sustainably industrial components with the same safety and security class as required by different railways. requirements and rules. By automating and digitizing more, the company will achieve sustainable development, but with it comes a risk of cyber threats. Cyber threat is a critical area in the development of new types of infrastructure architecture. This dissertation briefly touched upon cyber threats, but with the development of digitalisation in the field, this approach becomes more pronounced. Automation and digitalisation provide a clearer picture of the actual content of technical failures. At first glance, there may be an impression that there are more infrastructure failures than in the previous period, but based on digital information, there has been an increase in awareness of what is actually happening on the infrastructure. Only after awareness can the problems be reduced. Today, the data collected on the example of Edelaraudtee are used in two activities: • assessment of the current situation • ex-post analytics It is already possible to visualize the current situation on the dispatcher control wall. As a result, railway management is controllable and easily visible throughout the infrastructure. Following the analysis of events that have already taken place gives true information about them. The aim is to increase infrastructure capacity, improve service quality and reduce emerging risks. Edelaraudtee has set a greater goal to prevent possible future failures by using machine learning. The purpose of machine learning is to assess the behavioral patterns of the infrastructure equipment used as well as the characteristics of the infrastructure equipment that caused the failure. It can also call it the original form of artificial intelligence. At the time of writing this dissertation, a prototype for measuring track circuit stresses is being developed, which will provide feedback on the operation of the basic service of Edelaraudtee. By adding machine learning to the development of a prototype, the company's main goal is to prevent technical failures of the basic service. As a result of the work, the author is convinced to start a field-specific data mining company by starting a business.