Sztuczna inteligencja w służbach utrzymania ruchu

Predykcyjne utrzymanie ruchu staje się coraz popularniejsze. Skąd ta popularność? Jakie czynniki o tym decydują?

Predykcja, czyli „wnioskowanie w przód, przewidywanie zda-rzeń przyszłych” – taka umiejętność zawsze budziła powszechne zainteresowanie. Dla służb utrzymania ruchu niezwykle interesująca jest już nie tylko znajomość bieżącego stanu maszyn i urządzeń (to domena systemów diagnostycznych), ale stanów, które poten-cjalnie dopiero mogą zaistnieć w przyszłości, oraz podejmowanie działań wyprzedzających, aby zapobiec sytuacjom, które mogą stworzyć zagrożenie. Rozwiązania predykcyjne budowane są w oparciu o analizę wielkiej ilości danych (obszar tzw. Big Data), automatyczną selekcję korelacji pomiędzy danymi, co następnie jest wykorzystywane do budowania modeli predykcyjnych. Wdrożone modele predykcyjne analizują dane bieżące, a system, wyszukując w tych danych wzor-ców potencjalnych awarii/stanów niepożądanych, wyprzedzająco przewiduje możliwość ich wystąpienia, podając prawdopodobień-stwo oraz horyzont czasowy. Okres pełnego wdrożenia projektu nie przekracza kilku miesięcy. Doskonałym miejscem dla systemów PdM są urządzenia/instalacje, na których występują awarie o cha-rakterze „losowym” czy „nieidentyfikowalnym co do ich przyczyny” mimo zastosowania dobrego opomiarowania – czyli wszędzie tam, gdzie duża ilość danych i złożone zależności pomiędzy nimi nie są łatwe (a czasem wręcz niemożliwe) do przeanalizowania tradycyjnymi metodami...