德国列车误点了,大数据分析来救援

简介:

德国人过去引以为傲的精准,反映在列车极为准时上,可惜这个传统逐渐失守,但德国人决定找回过去的荣耀,过去 2 年来,西门子(Siemens)的工程师努力应用大数据资料分析协助预防性维修,来让列车恢复准点。

根据欧盟报告,德国的列车准点率逐渐“掉漆”,2014 年只有 78.3% 德国长途列车准点,准点的定义是在表定时间误差 6 分钟的时间内抵达,这个糟糕的准点率不仅大幅退步,更是排名垫底,在 23 个欧盟国家内只赢过 2 个国家,立陶宛的 74.8% 准点率以及葡萄牙的 77% 准点率。

就在德国准点率掉漆的同时,德国综合机电大厂西门子,却在西班牙创造准点率标竿,西门子与西班牙国家铁路(Renfe)的合资公司,在西班牙所管理 的列车行程中,每 2,300 趟只有一趟延迟超过 5 分钟,准点率高达 99.98%,不仅高于西班牙全国平均 89.9%,更高于欧盟之中的佼佼者芬兰的 95.4%。

西班牙国家铁路对准点率的信心,反应在误点赔偿上,要是从马德里到巴塞隆纳的高速列车延迟超过 15 分钟,可以全额退费赔偿。

这个准点率标竿来自于物联网与大数据的概念,西门子列车上如今有无数感测器可以传递信息给西门子做分析,西门子把慕尼黑附近阿拉克(Allach) 的火车头工厂改造成为数据中心,有 30 位软件专家分析西门子列车感测器传来的大量资料,以大数据分析事先预测零部件该更换的时间,在实际损坏之前,于例行维修中预先更换,确保行驶中不会发生故 障,也就防止因机械故障造成的误点。

一辆列车延迟,会导致后续车班大乱,以伦敦地铁来说,要是早上 7 点有列车故障,到 12 点车班都还会受到影响,因此能预先维修防止故障对铁路运输来说相当重要。

预先维修改变产业营运方式

预先维修并非新观念,在工厂生产线领域早在 15 年前就开始应用,因为工厂生产线若是运转中因零件长久耗损而故障停摆,产线整个停下来修理,那可损失大了,因此很早就发展预先维修。

随着网络链接性提升,预先维修的观念逐渐扩展至消费性产品与服务领域,其中,航空产业又是新观念的领航者,两大航空引擎商劳斯莱斯(Rolls- Royce)与奇异(GE)英雄所见略同,认为卖引擎不只是银货两讫就好,预先维修的观念,让引擎制造商还能以时间为单位收取维护服务费用,在服务期限内 保证客户的引擎不发生故障。

预先维修也改变了铁路业的商业模式,过去铁路业者要自行准备预算来修复故障车辆与系统,如今,西门子将预先维修当做服务销售,卖给铁路营运者“可用性”,保证列车在需要时不故障一定可用。

这种概念也延伸到汽车业,过去定期回厂检修时,若发现车主的耗件已经损耗 7 成,往往就直接更换,因为这个耗件大概无法撑到明年回厂检修。但是,其实该耗件或许还能安全地开上半年没问题,提早更换不但花钱,也造成浪费;如今,奥迪 (Audi)就引进了预先维修概念,汽车车身上装有感测器,能把资料传给经销商,若从资料中察觉有耗件即将损坏,就立即安排在最适当时间回厂换修,如此一 来,一方面可确保不会开到一半故障,一方面可把耗件使用到最长时间,节省消费者的金钱。

同样的概念也早已应用于电梯产业,蒂森克虏伯(ThyssenKrupp)于 2015 年开始于其全球 120 万辆电梯中安装加速度、声音与震动感测器,透过回传的资料,可以准确预估电梯 10~20 天内需要维修,此时蒂森克虏伯可提前通知客户,告知有零件耗损风险,需要预先维修,由于提前通知,利于安排在客户最方便的时间进行。而由于有必要才维修, 也减少了维修次数,目前电梯平均每年定期维修 5~6 次,加装感测器之后,只需要 3 次,1 年可为蒂森克虏伯节省高达数亿欧元。

物联网与大数据分析应用,不仅可望让德国列车恢复准时,也已经改变许多产业的营运方式。

本文转自d1net(转载)

相关文章
|
14天前
|
存储 消息中间件 监控
【Flume】Flume在大数据分析领域的应用
【4月更文挑战第4天】【Flume】Flume在大数据分析领域的应用
|
27天前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
1月前
|
存储 消息中间件 大数据
Go语言在大数据处理中的实际应用与案例分析
【2月更文挑战第22天】本文深入探讨了Go语言在大数据处理中的实际应用,通过案例分析展示了Go语言在处理大数据时的优势和实践效果。文章首先介绍了大数据处理的挑战与需求,然后详细分析了Go语言在大数据处理中的适用性和核心技术,最后通过具体案例展示了Go语言在大数据处理中的实际应用。
|
1月前
|
数据采集 运维 数据挖掘
API电商接口大数据分析与数据挖掘 (商品详情店铺)
API接口、数据分析以及数据挖掘在商品详情和店铺相关的应用中,各自扮演着重要的角色。以下是关于它们各自的功能以及如何在商品详情和店铺分析中协同工作的简要说明。
|
3月前
|
关系型数据库 MySQL Serverless
高顿教育:大数据抽数分析业务引入polardb mysql serverless
高顿教育通过使用polardb serverless形态进行数据汇总,然后统一进行数据同步到数仓,业务有明显高低峰期,灵活的弹性伸缩能力,大大降低了客户使用成本。
|
3月前
|
机器学习/深度学习 数据采集 算法
大数据分析技术与方法探究
在当今信息化时代,数据量的增长速度远快于人类的处理能力。因此,如何高效地利用大数据,成为了企业和机构关注的焦点。本文将从大数据分析的技术和方法两个方面进行探究,为各行业提供更好的数据应用方向。
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据分析的技术和方法:从深度学习到机器学习
大数据时代的到来,让数据分析成为了企业和组织中不可或缺的一环。如何高效地处理庞大的数据集并且从中发现潜在的价值是每个数据分析师都需要掌握的技能。本文将介绍大数据分析的技术和方法,包括深度学习、机器学习、数据挖掘等方面的应用,以及如何通过这些技术和方法来解决实际问题。
47 2
|
3月前
|
机器学习/深度学习 人工智能 运维
大数据分析:探索信息世界的钥匙
在当今信息爆炸的时代,大数据分析成为挖掘宝藏般的技术和方法。本文将介绍大数据分析的基本概念、技术与方法,并探讨其在商业、科学和社会领域中的广泛应用。从数据收集和预处理到模型构建和结果解读,大数据分析为我们揭示了信息世界的钥匙,为决策者提供了有力的支持。
|
2月前
|
API
GEE案例分析——利用sentinel-3数据计算空气污染指数(Air Pollution Index,简称API)
GEE案例分析——利用sentinel-3数据计算空气污染指数(Air Pollution Index,简称API)
104 0
|
数据采集 数据可视化 算法
电商API接口的大数据分析与挖掘技巧
随着电商行业的快速发展,电商平台上的交易数据量也越来越大。如何对这些数据进行分析和挖掘,从中获取有价值的信息,已经成为电商企业和开发者关注的重点。本文将介绍电商API接口的大数据分析与挖掘技巧。