IoT op het spoor: slimme treinen voorkomen vertraging

Enkele tijd geleden las ik een interessant artikel in de Volkskrant, over de manieren waarop de NS het Internet of Things probeert te integreren in haar werkzaamheden. Het mag geen verrassing meer heten dat de trein, en bij extensie de NS, één van onze favorietste klaagonderwerpen is. Te laat op je werk? Sorry, de trein was weer eens vertraagd. Een afspraak gemist? Werkzaamheden aan het spoor. Met de slimme trein is dit straks historie.

Het geluid van de befaamde ding-dong op stations of het geflits van de +5 minuten op het vertrekbord leiden vaak al tot een unaniem geslaak van zuchten. En nu het herfstseizoen alweer even onderweg is en alle reiziger records op het punt staan gebroken te worden, met naar verwachting bijna 40 miljoen reizigers per maand, beseft ook onze vaderlandse spoorvervoerder maar al te goed dat onnodige uitval of vertraging hun toch al wankele reputatie geen goed zal doen.

Sensoren in de slimme trein

In een poging om vertrouwen te herwinnen, is de NS daarom gestart met de uitrol én prominente promotie van haar slimme toepassingen. De nieuw in treinen geïntegreerde technologie is vooral bedoeld om oponthoud zoveel mogelijk te verminderen en treinen rijdende te houden. Zo zijn er reeds 300 treinen uitgerust met sensoren, die tijdig melding kunnen maken van defecte deuren, oververhitte remmen of lege toiletreservoirs.

De gedachte achter deze investering is niet lastig te doorgronden. Zoals de vlootanalist van de vervoerder het zelf zo mooi omschreef, hebben treinen vaak de irritante neiging om stil te vallen op plekken waar je dat net niet kan gebruiken. Het zou dus prachtig zijn als er sneller herkend kan worden wanneer een cruciaal treinonderdeel het dreigt te begeven, zodat dit verholpen kan worden voordat het tot een verstoring van de dienstregeling leidt.

Internet of Trains en voorspellende algoritmes

Het Internet of Things speelt hier een centrale rol in. Op het hoofdkantoor van de NS worden iedere seconde talloze gegevens ontvangen van de verbonden treinen, die hiermee constant in de gaten gehouden kunnen worden – ongeacht waar ze rijden. Deze gegevens over de technische staat van de trein omvatten onder meer informatie over de remmen, de motor, de filters, de deuren – en worden via duizenden sensoren naar een centrale server gestuurd.

Alle gegevens worden hier bewaard voor analyse en latere bewerking – bijvoorbeeld voor het leerproces van algoritmes die voorspellen wanneer een trein aan onderhoud toe is -, en de meest urgente meldingen komen direct op het bordje van de verantwoordelijke personen terecht.

De speciaal eraan gekoppelde software maakt een inschatting van de urgentie: zo kan het aangeven of de trein nog operationeel kan blijven, en zo ja hoe lang. Is het een kwestie van weken, dagen, of soms slechts uren? De juiste reparatiecrew kan met de juiste instructies op pad gestuurd worden, terwijl een vervangende trein klaargezet kan worden op een station dat daarvoor het meest geschikt is.

Big Data

Met de introductie van 4G, enkele jaren geleden, waren er al vergevorderde plannen om dit project in gang te zetten en iedere trein feitelijk een ‘computer op wielen’ te maken. Iedere trein levert iedere seconde zo’n vijfduizend tot twintigduizend datapunten, die via de snelle mobiele verbinding verstuurd worden naar de technici van de NS.

Als je denkt dat dit al een hoop data is, eenmaal vermenigvuldigd met de 300 treinen die op dit moment verbonden zijn, dan doe je er goed aan om te beseffen dat dit de komende jaren nog flink zal stijgen. Er rijden inmiddels meer dan 700 treinen op het spoor, en het plan is om deze in de nabije toekomst allemaal met het netwerk te verbinden. Zo zullen er iedere dag weer honderden miljarden stukjes data verstuurd en ontvangen moeten worden.

Dit vereist een enorm datacentrum, een opslagplek voor al deze gegevens. Het is weliswaar mogelijk om deze data te wissen, maar de NS heeft grotere plannen – en wil de data inzetten om onder andere voorspellend onderhoud mogelijk te maken en historische patronen over treinprestaties bloot te leggen. Er kan veel geld bespaard worden én hinder voor reizigers vermeden worden als dit als een goed geoliede machine fungeert.

Werken met Big Data, dus. En de spoorgigant heeft al de vruchten van deze aanpak mogen plukken: zo wees de data uit dat een filter, dat voorheen iedere drie maanden vervangen werd, zonder problemen veel langer mee kunnen gaan. Toch een forse besparing als dit niet iedere keer opnieuw vervangen hoeft te worden. Ook was het makkelijker om patronen te herkennen toen een aantal locomotieven soortgelijke kuren kregen. De data wees uit dat al deze locomotieven recentelijk onderhouden waren bij dezelfde uitvoerder, waarna bleek dat deze een ander soort vet dan normaal gebruikt had.

Onderhoudsgemak van de slimme trein

Niet alleen prettig voor de portemonnee van de NS en de tevredenheid van reizigers, maar ook voor monteurs. In het verleden was erg onduidelijk wat het probleem precies was, en werd afgegaan op vage probleemomschrijvingen van machinisten of onduidelijke en inconsistente meetdata. Daardoor wisten monteurs vaak niet eens waar ze moesten beginnen met zoeken.

Nu kunnen ze snel een laptop openklappen en vrijwel direct zien waar het probleem zit. Slimme software maakt het daarnaast mogelijk om direct de beste aanpak te bepalen, aan de hand van werkinstructies die reeds ingevoerd zijn en waarvan de computer besloten heeft dat ze het meest passend zijn voor dit specifieke probleem. In sommige gevallen is het niet eens meer nodig om van de werkplek af te komen, en kan een machinist telefonisch door het probleem heen gepraat worden.

IoT bij ProRail

Een groot aantal storingen kan verholpen worden dankzij het Internet of Things. Dat is de positieve boodschap. Helaas laten treinproblemen zich niet altijd zo makkelijk oplossen. Weliswaar kunnen nu problemen aan de trein zelf ondervangen worden, maar wat resteert zijn de vertrouwde wissel- of seinstoringen of problemen op of om de rails, die we allemaal wel eens voorbij hebben horen komen in de NS-bingo van omroepberichten.

Eerlijk is eerlijk, in Nederland vallen dergelijke zaken niet onder het beheer van de NS – al wordt deze er wel vaak om vergruisd. Het is ProRail, de spoorbeheerder, die zich bezighoudt met het spoor zelf. En alhoewel deze nog niet zo ver zijn als de NS, zijn ook hier ambitieuze plannen om IoT toe te passen in de dagelijkse activiteiten.

Onlangs vierden zij een succesvolle proef waarbij computers schade registreren aan de rails. Met camera’s onder treinen kon de rails gefotografeerd worden, waarna specialistische software automatisch kleine haarscheurtjes of breuken kon herkennen. Handig om te weten én erg accuraat. Foto’s waar mogelijke schade op te zien was, werden zo direct doorgestuurd naar inspecteurs, die beter konden beoordelen of er iets aan gedaan moest worden.

Als vervolg op deze proef worden nu plannen gesmeed om onder reguliere treinen – dus ook die van de NS – sensoren aan te brengen die dergelijke mankementen registreren. Zeker in het geval van de NS zou dit niet eens een heel ingewikkeld verhaal zijn: de sensoren en verbindingen zijn immers al aanwezig. Het zou slechts een extra aantal datapunten in een netwerk van slim treinvervoer zijn.

Ook wissels zijn inmiddels door de spoorbeheerder met het internet verbonden: dankzij enkele duizenden temperatuursensoren kan tijdig gesignaleerd worden wanneer een spoorstaaf of wissel oververhit dreigt te raken. Plannen om seinen en spoorwegovergangen van sensoren te voorzien zijn eveneens in een vergevorderd stadium.

Op het juiste spoor

Het ideale plaatje is dat dit alles ervoor zorgt dat we treinreizen niet langer gaan zien als een noodzakelijk kwaad, waarbij vertragingen meer regel dan uitzondering zijn. In plaats daarvan kan het een computergestuurd, slim geheel worden – waar treinen, wissels en belangrijke stukken spoor constant gemonitord worden en bij de eerste tekenen van verminderde prestatie uitgebreid geanalyseerd kunnen worden. De slimme trein gaat dit mogelijk maken.

Daar kunnen zelfs de befaamde blaadjes op het spoor niet langer tegenop.