Applications of machine learning and data mining in damage provision and maintenance of operation for Greek railway rolling stock

Abstract

Recently, important advancements in the international financial development and the introduction of new technologies in the business sector have arisen new challenges in the management of data and information, through computer science, having accumulated huge number of various kinds of data. Thus, it is commonly accepted, that any kind of organization or modern business it is currently highly dependent on technology. The use of new technologies provides new businesses with an important competitive advantage, whereas the lack of new technologies could be fatal for a business and even lead to its closure. Every business making use of advanced technologies, collection of stored and processed and explicit data is capable to predict malfunctions and avoid failures of the equipment used. The use of data from the production and the equipping of businesses can improve the effectiveness of the production and the arrangement of the maintenance. The adoption of explicit data and digital technologies in the maintenance or the function of the equipment can increase the production and decrease the cost of maintenance. The future and the success of each business are defined by its capacity to evaluate and make use of its ultimate source, which is business knowledge. In every business the production of knowledge from the process of efficient information is identified as strategic qualification and source of competitive advantage. In the current changing environment, the businesses must improve and innovate in fast pace throughout the whole spectrum of their activities. One of the most important responsibilities of the executives of a business is the sound decision-making. It is of great importance the development of information, processed by the administration of the business, from selected data with the use of appropriate tools in order to make fast, valid and precise decisions. The transportation companies are very critical for the economy and the prosperity of every country since they significantly contribute to all the services offered that derive from the state. The services offered to the citizen must constantly be improved and upgraded with primary aim the safe transportation of passengers and products. In the Railway sector a huge balk of data is produced that needs to be evaluated, exploited and used as a mechanism which will lead to the most sensible decision-making, aiming at saving resources and maintaining the fundamental principle of Railways which is the safety of passengers and products. The safety is the comparative advantage of Railways that the administration of every business must enforce, making the optimum decisions. The transport companies are based on the effective and ongoing development of data along with the systems which provide them that is information systems. Railway companies use applications of machine learning and mining data for the optimum development of data and mining useful conclusions, in order for the business to collect and use the best information for the programming of the strategic movements in order to accomplish its major aim the safety of passengers and trains. The maintenance of the Rolling stock is a sector of importance of transport companies whose purpose is the achievement of safe and reliable function of the railway system. It is internationally the most expensive sector of the railways, at the same time though it is the most vulnerable one, since its negligent performance leads to consequences from reducing credibility to causing fatal destruction as huge material damage even casualties. In the present dissertation is presented the technology of machine learning and the mining data as well as their contribution to transport. Innovative applications are mentioned that are used in railways networks and specifically in railway companies. In the referring dissertation the problems of the Greek Railways are arisen and the modern requirements for the maintenance and the restoration of malfunctions of the Rolling stock are recorded. An innovative method of improving the management of the circulation of rails is developed with the aid of the rapidly improved sector of machine learning and mining data aiming at the prediction, diagnosis and dealing with malfunctions that immobilize a train on the main passenger’s rail. A holistic approach and utilization of stored – inactive data of the Greek Railways is carried out in order to make strategically based decisions and the establishment of a new plan of rails maintenance aiming at the realization of predictive maintenance, getting away from the defined kilometres of the preventive maintenance. The method suggested can be applied as an innovative mechanism for the extraction of specialized information, without the addition of new recording machines – monitoring the trains. At the same time, it is suggested the addition of a new application creating a complete system of business intelligence into the present system of information with modular architecture concerning the administrations of Rolling Stock, in collaboration with the administrations of Information of the Greek Railways and all the procedures are described that are demanded for the planning and its implementation. In the meanwhile, the benefits of business intelligence are presented with the collaboration of the techniques of machine learning and mining data in the Greek Railway companies that use obsolete procedures of maintenance. To sum up, they are mentioned the conclusions, the motives and the future perspectives that the new technologies offer for the creation of innovative applications on railway companies and can be used as a tool for the improvement of the procedures of making decisions from the executives in order to achieve the goal of major importance of the railways which is the safety of passengers and trains.

Τα τελευταία χρόνια, σημαντικές εξελίξεις στο παγκόσμιο οικονομικό γίγνεσθαι και στην εμφάνιση νέων τεχνολογιών στον τομέα των επιχειρήσεων, έχουν εγείρει νέες προκλήσεις για τη διαχείριση δεδομένων και πληροφορίας έχοντας ως μέσο την πληροφορική, αφού έχουν συσσωρεύσει τεράστιο πλήθος πολυειδών δεδομένων. Είναι έτσι, κοινώς αποδεκτό, πως κάθε μορφής οργανισμός ή σύγχρονη επιχείρηση σήμερα εξαρτάται σε μεγάλο βαθμό από την τεχνολογία. Η χρήση των νέων τεχνολογιών δίνει σε όλες τις επιχειρήσεις σημαντικό ανταγωνιστικό πλεονέκτημα, ενώ αντίθετα η έλλειψη των νέων τεχνολογιών μπορεί να αποβεί μοιραία για μια επιχείρηση και να αποφέρει ακόμα και την λήξη της. Κάθε επιχείρηση αξιοποιώντας προηγμένες τεχνολογίες, συλλογές αποθηκευμένων και επεξεργασμένων δεδομένων και αναλυτικά στοιχεία, είναι σε θέση να προβλέψει δυσλειτουργίες και να αποτρέψει αστοχίες του εξοπλισμού που χρησιμοποιεί. Η χρήση δεδομένων από την παραγωγή και τον εξοπλισμό των επιχειρήσεων μπορεί να βελτιώσει την αποδοτικότητα της παραγωγής και τον προγραμματισμό της συντήρησης. Η υιοθέτηση αναλυτικών δεδομένων και ψηφιακών τεχνολογιών στη συντήρηση και τη λειτουργία του εξοπλισμού μπορεί να αυξήσει την παραγωγή και να μειώσει το κόστος συντήρησης του. Το μέλλον και η επιτυχία κάθε επιχείρησης καθορίζονται από την ικανότητα της, να αξιολογεί και να αξιοποιεί τον πλέον πολύτιμο πόρο της, που είναι η επιχειρηματική γνώση. Σε κάθε επιχείρηση η παραγωγή γνώσης από την επεξεργασία αποδοτικών πληροφοριών αναγνωρίζεται ως στρατηγικό προσόν και πηγή ανταγωνιστικού πλεονεκτήματος. Στο σημερινό συνεχώς μεταβαλλόμενο περιβάλλον οι επιχειρήσεις πρέπει να βελτιώνονται και να καινοτομούν με ταχύτατους ρυθμούς σε όλο το φάσμα των δραστηριοτήτων τους. Από τις σημαντικότερες ευθύνες των διοικητικών στελεχών μιας επιχείρησης είναι η ορθή λήψη αποφάσεων. Για την γρήγορη λήψη έγκυρών και με ακρίβεια αποφάσεων είναι πολύ σημαντική η δημιουργία των πληροφοριών που θα επεξεργαστεί η διοίκηση από επιλεγμένα δεδομένα με τη χρήση των κατάλληλων εργαλείων. Οι Εταιρείες συγκοινωνιακού έργου είναι πολύ σημαντικές για την οικονομία και την πρόοδο κάθε χώρας αφού συμβάλουν σημαντικά σε όλες τις παρεχόμενες υπηρεσίες που απορρέουν από το κράτος. Οι παρεχόμενες υπηρεσίες προς τον πολίτη πρέπει συνεχώς να βελτιώνονται και να αναβαθμίζονται με πρωταρχικό στόχο την ασφαλή μεταφορά επιβατών και εμπορευμάτων. Στον τομέα των σιδηροδρόμων παράγεται τεράστιος όγκος δεδομένων, ο οποίος είναι ανάγκη να αξιολογηθεί, να αξιοποιηθεί με το βέλτιστο τρόπο και να χρησιμοποιηθεί ως μηχανισμός, ο οποίος θα οδηγήσει στη λήψη ορθότερων αποφάσεων, στοχεύοντας στην εξοικονόμηση πόρων και διατηρώντας την θεμελιώδη αρχή του σιδηρόδρομου που είναι η ασφάλεια των επιβατών και εμπορευμάτων. Η ασφάλεια είναι το συγκριτικό πλεονέκτημα του σιδηρόδρομου που πρέπει η διοίκηση κάθε επιχείρησης να ενισχύει, λαμβάνοντας τις βέλτιστες αποφάσεις. Εταιρείες συγκοινωνιακού έργου βασίζονται όλο και περισσότερο στην αποτελεσματική εκμετάλλευση των πληροφοριών καθώς και στα συστήματα που την παρέχουν, δηλαδή τα πληροφοριακά συστήματα. Σιδηροδρομικές επιχειρήσεις χρησιμοποιούν εφαρμογές μηχανικής μάθησης και εξόρυξης δεδομένων για την βέλτιστη αξιοποίηση δεδομένων και εξαγωγή χρήσιμων συμπερασμάτων, ώστε η επιχείρηση να έχει στα χέρια της την καλύτερη πληροφορία για τον προγραμματισμό των στρατηγικών της κινήσεων και να επιτευχθεί ο μεγίστης σημασίας στόχος της ασφάλειας επιβατών και συρμών. Η συντήρηση τροχαίου υλικού αποτελεί ένα σημαντικό τμήμα των εταιρειών σιδηροδρομικού έργου που σκοπό έχει την επίτευξη ασφαλούς και αξιόπιστης λειτουργίας του σιδηροδρομικού συστήματος. Αποτελεί διεθνώς το πιο οικονομικά δαπανηρό, τμήμα της λειτουργίας των σιδηροδρόμων, παράλληλα όμως, είναι και το πιο ευάλωτο καθώς η μη επιμελής εκτέλεση της, έχει συνέπειες από την μείωση της αξιοπιστίας έως και την πρόκληση ολέθριων καταστροφών όπως μεγάλες υλικές ζημιές έως και, απώλειες ανθρώπινων ζωών. Στη παρούσα διατριβή παρουσιάζεται η τεχνολογία της μηχανικής μάθησης και της εξόρυξης δεδομένων και η συμβολή τους στις μεταφορές. Αναφέρονται καινοτόμες εφαρμογές που χρησιμοποιούνται σε σιδηροδρομικά δίκτυα και ειδικά στις σιδηροδρομικές επιχειρήσεις. Στην εν λόγω διατριβή αναδεικνύονται τα προβλήματα του ελληνικού σιδηροδρόμου και πραγματοποιείται καταγραφή των σύγχρονων απαιτήσεων για την συντήρηση και την αποκατάσταση βλαβών του σιδηροδρομικού τροχαίου υλικού. Αναπτύσσεται καινοτόμος μέθοδος βελτιστοποίησης στη διαχείριση κυκλοφορίας των συρμών, από το ταχύτατα αναπτυσσόμενο πεδίο της μηχανικής μάθησης και της εξόρυξης δεδομένων με σκοπό την πρόβλεψη, διάγνωση και αντιμετώπιση των βλαβών που ακινητοποιούν ένα συρμό στην κύρια επιβατική τροχιά. Πραγματοποιείται ολιστική προσέγγιση και αξιοποίηση αποθηκευμένων – ανενεργών δεδομένων ελληνικής σιδηροδρομικής εταιρείας, για την δημιουργία στρατηγικής υποστήριξης αποφάσεων και κατάρτισης νέου σχεδίου συντήρησης των συρμών με στόχο την υλοποίηση της προβλεπτικής συντήρησης, ξεφεύγοντας από τα οριοθετημένα χιλιόμετρα της προληπτικής συντήρησης. Η προτεινόμενη μέθοδος μπορεί να εφαρμοστεί ως καινοτόμος μηχανισμός για την παροχή εξειδικευμένων πληροφοριών, χωρίς την προσθήκη νέων συσκευών καταγραφής — παρακολούθησης στα τρένα. Παράλληλα προτείνεται η προσθήκη νέας εφαρμογής δημιουργώντας ένα ολοκληρωμένο σύστημα επιχειρηματικής ευφυΐας σε υπάρχον πληροφοριακό σύστημα με αρθρωτή αρχιτεκτονική που αφορά τις διευθύνσεις Τροχαίου Υλικού, σε συνεργασία με τις διευθύνσεις Πληροφορικής στον Ελληνικό Σιδηρόδρομο και περιγράφονται όλες οι διαδικασίες που απαιτούνται για τον σχεδιασμό και την υλοποίηση της. Ταυτόχρονα παρουσιάζονται τα οφέλη της επιχειρηματικής ευφυΐας με την συμμετοχή των τεχνικών της μηχανικής μάθησης και της εξόρυξης δεδομένων σε ελληνικές σιδηροδρομικές επιχειρήσεις που χρησιμοποιούν παρωχημένες διαδικασίες συντήρησης. Τέλος, παρατίθενται τα συμπεράσματα, τα κίνητρα και οι μελλοντικές προοπτικές που παρέχουν οι νέες τεχνολογίες για τη δημιουργία καινοτόμων εφαρμογών σε σιδηροδρομικές εταιρείες και μπορούν να χρησιμοποιηθούν ως εργαλείο για τη βελτιστοποίηση των διαδικασιών λήψης αποφάσεων από τις διοικήσεις ώστε να επιτευχθεί ο μεγίστης σημασίας στόχος των σιδηροδρόμων που είναι η ασφάλεια επιβατών και συρμών.