Аварии на торговых путях обходятся мировой экономике в миллиарды долларов. Даже незначительная поломка транспорта в дороге может привести к срыву поставок, стать причиной гигантской пробки, пожара или токсичных выбросов. 

Разработка и внедрение системы прогнозирования нагрузки на системы требует сбора качественных данных, разработки подходящих моделей машинного обучения и интеграции.

Rubius разработала систему контроля подвижного состава на базе искусственного интеллекта, который прогнозирует неисправности вагонов-цистерн на железной дороге и помогает их предотвратить.

Заказчик системы прогнозирования поломок

Заказчик системы — нефтехимический завод из Сибири. У компании тысячи вагонов-цистерн, в которых она транспортирует продукцию по России и за рубеж. Наш ИИ знает об этих вагонах всё: модель, грузоподъёмность и объём, количество поломок-ремонтов, что, когда и куда в них перевозилось. Вся информация поступает из АСУ ТП, ERP, CRM и систем РЖД. 

Как работает система ИИ

• перед выходом на линию анализирует состояние цистерны в процентах износа и предстоящий рейс: время отправки, маршрут, грузополучателя и смену, которая будет загружать вагон,
• на основе этой информации прогнозирует вероятность поломок, их причины и возможное время возникновения,
• даёт рекомендации по ремонту и эксплуатации, чтобы предотвратить возможные неисправности,
• ведёт статистику по всему парку вагонов – подсчитывает общее количество, свободные цистерны, затраты на ремонт и выходы из строя,
• оповещает о критическом износе и приближении сроков технического обслуживания.

Результат

Искусственный интеллект помог заказчику сократить количество отказов техники в пути на 30%, увеличить долю плановых ремонтов на 83% и снизить затраты на ТОиР в 9 раз. 

Также система прогнозирования надежности для вагонов-цистерн может устанавливать зависимость неисправностей от конкретных сотрудников и грузополучателей, определять, насколько нужно заполнять цистерну, чтобы она дольше служила, и выявлять направления железных дорог, где вагоны ломаются чаще всего.