Il cliente più importante, Rail Cargo Austria, ha installato i dispositivi di A1 Digital su oltre 11.000 vagoni (più di 2.000 per Rail Cargo Hungaria). Nel corso del tempo, A1 Digital ha raccolto una grande quantità di dati dai dispositivi: a cosa sono serviti? Quali sono le principali conoscenze e potenzialità? È possibile noleggiare alcuni dispositivi per provarli sulla propria flotta? Abbiamo posto le domande e gli esperti di A1 Jürgen Rudolf, esperto senior e consulente per le soluzioni Rail Insight di A1 Digital, Stefan Höltinger, scienziato senior dei dati e consulente per l'apprendimento automatico, e Philipp König, Product Marketing Manager IoT di A1 Digital, hanno risposto.
Come riassumerebbe in poche parole l'evoluzione delle ferrovie dall'analogico al digitale nell'ambito della tracciabilità dei carri merci?
Jürgen Rudolf: Le aziende ferroviarie non sono le più progressiste del pianeta e alcune fanno le cose allo stesso modo da quasi 200 anni. Tutto era totalmente analogico. Negli ultimi anni, nuove iniziative hanno attrezzato e collegato gli asset alla rete Internet.
Il primo passo è stato quello di sapere dove si trovavano i vostri carri merci. Questo ci ha aiutato a ottenere stime migliori per gli arrivi ai clienti o a sapere dove si trovano i miei vagoni rispetto all'area in cui vengono richiesti per motivi logistici.
Il secondo passo consisteva nel conoscere l'esatto chilometraggio del vagone merci dal punto di vista della manutenzione. Soprattutto nel traffico a carro singolo, i carri merci erano assolutamente fuori dalla portata del proprietario del carro, che spesso non aveva idea di dove si trovassero. La tracciabilità e la rintracciabilità consentono ai clienti di sapere con precisione dove si trova il loro carico. I proprietari conoscono il loro chilometraggio, il che consente anche una migliore pianificazione degli intervalli di manutenzione. Con un maggior numero di dati, possiamo persino prevedere l'orario stimato di arrivo del carro a destinazione. L'installazione di ulteriori sensori consente una manutenzione basata sulle condizioni e così via. E con l'aiuto dell'intelligenza artificiale, si parla di manutenzione predittiva.
Per molte persone nelle aziende ferroviarie, l'Internet delle cose (IoT) e l'IA sono parole completamente sconosciute. Come descriverebbe il suo potenziale utilizzo per chi lavora nel mondo analogico delle ferrovie?
Jürgen Rudolf: Lei ha toccato il punto giusto. Non vogliamo parlare con i nostri clienti di possibilità tecniche, specifiche, ecc. Vogliamo parlare di raccomandazioni per i casi aziendali, dei vantaggi che portano, del perché farlo e del rapido ritorno sugli investimenti. Trasferiamo gli asset analogici a modelli di business basati sui dati. Perché è questo che li attrae: ottimizzare la logistica e la manutenzione. L'IoT è lo strumento alla base di tutto questo. Un dispositivo che consentirà alle ferrovie di contribuire a ridurre al minimo i cambiamenti climatici e a diminuire le emissioni di CO2.
A1 Digital ha introdotto l'hardware e il software per il tracciamento e la rintracciabilità, ma da allora il prodotto si è evoluto. Cosa può offrire oggi la vostra soluzione ai clienti?
Jürgen Rudolf: Siamo una delle poche aziende che si occupano della digitalizzazione dei carri merci in un'unica soluzione. Non vendiamo semplicemente hardware, software, connettività o altro. Selezioniamo la scelta giusta da ciascuno di questi segmenti parziali adatti a un cliente specifico, ossia offriamo soluzioni. Abbiamo la piattaforma IoT, che riceve ed elabora i dati trasmessi dai carri merci e può anche inviare informazioni, come aggiornamenti remoti, regolazioni della configurazione, calibrazione, ecc. Non molte aziende ferroviarie dispongono di sofisticate piattaforme di gestione degli asset in cui inserire questi dati. Lavorano invece su fogli Excel e modalità operative simili, e noi dobbiamo trovare il modo di integrare i nostri dati lì o proporre piattaforme più moderne per l'elaborazione dei dati. E noi forniamo questo servizio lungo tutta la catena fino all'analisi dei dati e all'apprendimento automatico. Questo aiuta a massimizzare il potenziale nascosto in questi dati a vantaggio dell'azienda. Le richieste dei clienti cambiano da cliente a cliente, ma principalmente parliamo di manutenzione predittiva, condizioni dei carri o dati sulle vibrazioni.
Stefan Höltinger: Fare le cose alla "vecchia maniera" con il solo Excel non è un'esclusiva del settore ferroviario, ma è ancora comune in molti segmenti. Noi offriamo anche la nostra piattaforma di machine learning, che è facile da usare tramite il dashboard e consente una transizione agevole da Excel a analisi di machine learning più avanzate. È possibile caricare i dati da un foglio Excel e testare vari algoritmi di apprendimento automatico per ottenere la soluzione migliore. È sempre possibile esportare il risultato in Excel, ma l'obiettivo finale è digitalizzare l'intero processo.
Tra le caratteristiche della vostra soluzione vi sono i dati sulle vibrazioni o i sensori d'urto. In che modo questo è utile per il proprietario del carro o per il trasportatore di merci su rotaia?
Stefan Höltinger: I dati sulle vibrazioni sono la chiave per molti casi d'uso che vanno oltre il tracciamento e la localizzazione. Forniscono informazioni preziose sulle modalità di movimentazione del carro, ad esempio durante le manovre o le operazioni di carico e scarico. Queste informazioni possono essere molto utili per ispezioni più mirate dei carri e per ottimizzare i cicli di manutenzione. A seconda del tipo di carro utilizzato e delle merci trasportate, è possibile impostare soglie specifiche per le vibrazioni del carro o un livello di accettazione delle vibrazioni. Se la vibrazione supera la soglia, si può ritenere che il carro sia danneggiato e organizzare un'ispezione. Questo è possibile solo dopo aver raccolto dati da molti carri e aver applicato modelli di apprendimento automatico a ciascun tipo di carro merci.
Come funziona l'apprendimento automatico nel caso dei vagoni merci ferroviari?
Stefan Höltinger: Come primo passo, dovete assicurarvi che i sensori che state utilizzando forniscano dati sulle vibrazioni utili per la vostra applicazione (ad esempio, frequenza e caratteristiche appropriate). Nella seconda fase, si raccolgono i dati dalle unità per diversi mesi. Poi si possono utilizzare questi dati per trovare schemi interessanti - ed è qui che l'apprendimento automatico è di grande aiuto. Insieme agli esperti del settore, convalidate i modelli di shock identificati e li assegnate a determinati eventi. In questo modo è possibile sviluppare previsioni e informazioni ancora migliori per il futuro.
Può farci un esempio specifico?
Stefan Höltinger: Certo. Ad esempio, si sa che un cliente specifico utilizza un particolare tipo di vagone e che esiste una scala di vibrazioni abituale quando i vagoni vengono caricati e scaricati presso i binari dei diversi clienti. Se poi si osservano schemi di vibrazioni non visti, l'algoritmo identifica tali anomalie, che potrebbero indicare una gestione impropria delle operazioni di carico e scarico del carico. A quel punto si può ipotizzare che il carro debba essere sottoposto a un controllo approfondito per verificare la presenza di eventuali danni.
Come è nata la richiesta di sensori d'urto per arrivare alla vostra soluzione?
Jürgen Rudolf: Il compito iniziale di Rail Cargo è stato quello di avere un sensore di shock a bordo per sapere dove avvengono i carichi impropri. Si sono verificati molti danni, soprattutto con i clienti che caricavano rottami di ferro, cercando di manomettere i rottami caricati per caricarne altri. I costi causati da questa manipolazione impropria raggiungevano i milioni all'anno. E volevano sapere dove avveniva. Il sensore d'urto 3D che registra questo fenomeno è una parte standard del nostro dispositivo. Viene utilizzato anche durante le manovre difficili, quando i respingenti dei carri entrano in contatto a velocità superiori a quelle consentite. Un carico o una manovra non corretti indicano che i carri devono essere portati in officina per essere ispezionati.
Un altro caso è stato quello dei carri in movimento: abbiamo registrato urti che non hanno colpito il carro merci, ma sono apparsi regolarmente nel punto esatto. Questo può essere un'indicazione di danni ai binari. Grazie a queste geolocalizzazioni, siamo stati in grado di creare mappe di calore con i punti che richiedono l'attenzione del gestore dell'infrastruttura, pubblica o privata, ad esempio quando si verificano su un binario di raccordo.
Possiamo anche indicare un punto piatto sulla ruota del carro con vibrazioni minuscole ma regolari. Tutto questo ci ha sorpreso: come un sensore d'urto possa essere utile per gli operatori, i proprietari dei carri, la manutenzione del materiale rotabile e dei binari e la prevenzione degli incidenti.
Stefan Höltinger: Un effetto positivo per i nuovi clienti è che abbiamo già raccolto e analizzato molti dati e potenziali soluzioni. In questo modo, i nuovi clienti beneficiano di questa esperienza e dei miglioramenti apportati in passato alla soluzione.
Il potenziale vantaggio della manutenzione delle infrastrutture è ciò che ha attirato la mia attenzione. I dati delle mappe di calore vengono condivisi con le società di infrastrutture e le cose vengono sistemate?
Jürgen Rudolf: Il potenziale c'è, ma al momento non viene sfruttato. Sebbene l'operatore e la società di infrastrutture appartengano allo stesso gruppo, coloro che pagano le soluzioni trattano i dati come se fossero propri. Ci sono incertezze sui diritti e i doveri della condivisione dei dati, quindi la maggior parte dei proprietari dei dati non è disposta a condividerli per un beneficio comune. Da un lato lo capisco. D'altra parte, la condivisione può portare a un obiettivo più grande: rendere le ferrovie più competitive e orientate al futuro, come tutti vogliamo. Sarebbe un vero vantaggio per tutti.
Torniamo alle soluzioni che fornite. Quindi è tutto in uno: hardware, software ed elaborazione dati, giusto?
Jürgen Rudolf: Sì, selezioniamo l'hardware ottimizzato, lo colleghiamo alla piattaforma IoT, analizziamo i dati e forniamo piattaforme utente. Al di là di questo, le faccio un esempio interessante: Rail Cargo aveva un tempo stimato di 30-40 minuti per l'attivazione di un dispositivo, il suo montaggio su un vagone e il collegamento del numero del vagone con il numero del dispositivo in tutti i sistemi e la verifica del corretto funzionamento. In stretta collaborazione con undici officine Rail Cargo abbiamo ottimizzato questa procedura e siamo riusciti ad accorciare il tempo limite a sei minuti. Abbiamo anche creato una valigia con tutti gli strumenti necessari per farlo. Quasi mezz'ora di tempo risparmiato, moltiplicato per 11.000 vagoni, rappresenta un notevole risparmio di tempo (e di costi di diversi anni-persona!).
Rail Cargo ha le sue officine interne con cui si può collaborare. Che ne dite di clienti che hanno bisogno di contrattare le officine per le loro flotte e che vogliono far montare questi dispositivi?
Jürgen Rudolf: Combiniamo sempre il montaggio con gli intervalli di manutenzione dei carri, invece di inseguire i carri per installarlo ovunque e in qualsiasi momento. Possiamo effettuare il montaggio in officina praticamente ovunque e non è necessaria alcuna attrezzatura speciale: come abbiamo detto, tutto ciò che dobbiamo consegnare è una valigia.
Il previsto accoppiamento digitale automatizzato (DAC) avrà una linea elettrica e una raccolta dati. Ciò significa che il dispositivo che fornite sui vagoni merci sarà ridondante?
Jürgen Rudolf: Non è affatto così. Il DAC è una grande iniziativa europea. Il bus dati invierà i dati alla locomotiva. Ma chi invierà i dati da una specifica automotrice al proprietario del vagone? Lo spedizioniere potrebbe cambiare, così come le società di trazione, e garantire che tutti ricevano sempre gli stessi dati è impossibile. Inoltre, se utilizzati nel traffico a carro singolo, i carri vengono disaccoppiati e ricollegati di nuovo, e le complessità aumentano in modo esponenziale. Pertanto, i proprietari di flotte avranno ancora bisogno di questa soluzione digitale per molti anni, facile da montare senza alcuna connessione cablata.
Supponiamo che io sia un cliente e che voglia provare questa soluzione, ma che non sia completamente intenzionato a implementarla in tutto il mio parco carri. C'è un modo per fare una prova?
Jürgen Rudolf: Sì, la chiamiamo Rail Insight Trial Box: invieremo una scatola con dieci dispositivi facili da montare su un carro merci grazie a un retro magnetico. Il cliente scriverà quale dispositivo si trova su quale carro e poi avrà accesso a dashboard che mostrano i dati di questi dieci carri per tre mesi. Questo include il tracciamento e la rintracciabilità e altre esigenze del cliente. Dopo il trimestre dell'anno, il cliente ci rispedisce i dispositivi e i nostri analisti dei dati elaborano le informazioni raccolte. Alla fine, terremo un post-workshop con il cliente sui nostri risultati e mostreremo cosa possiamo fare con questi dati.
Se i potenziali clienti sono interessati a parlare con voi e a discutere dell'utilizzo della vostra soluzione, qual è il modo migliore per iniziare?
Philipp König: Un buon modo è visitare la pagina Rail Insight sul nostro sito webe richiedere una consulenza gratuita e non vincolante con uno dei nostri esperti attraverso il modulo. Per chi preferisce guardare i video, consiglio di guardare la registrazione del nostro recente webinar con un nostro cliente, la Ferrovia Retica.
