AID4Train (Artificial Intelligence-based Diagnostics for Train and Industry 4.0) è un sistema evoluto di diagnostica per migliorare la ricerca guasti a bordo treno. La soluzione è basata su Intelligenza artificiale e risponde a un problema ferroviario, ma è estendibile anche alla diagnostica industriale secondo i parametri di Industria 4.0. Il progetto è stato sviluppato dalla startup Critiware, già fornitore tecnologico di Hitachi Rail in Italia, nell’ambito del bando di ricerca e innovazione di MediTech.
L’esigenza: fare diagnostica con l'intelligenza artificiale
Hitachi Rail aveva un problema specifico da risolvere: individuare in modo rapido e preciso la causa di guasto primaria a bordo treno. «Finora era stato lungo e complicato risalire all’origine del malfunzionamento, perché il fattore principale impatta altri componenti, che generano ulteriori anomalie che complicano la ricerca. Un sistema esperto automatico, invece, grazie anche al machine learning, correla i dati storici ed è in grado di individuare velocemente altre relazioni non note. Di conseguenza, si trova in fretta la causa primaria, si interviene prima e si riducono i fermi macchina», spiega Gaetano D’Andria, capoprogetto AID4Train per Hitachi Rail.
Nella società giapponese la diagnostica era un processo manuale, costoso e “time consuming” per l’elevata quantità ed eterogeneità di dati, senza procedure automatiche di analisi. Il progetto ha fornito, invece, un supporto digitale alla “Root cause analysis”, che era ancora gestita manualmente dagli esperti di dominio. Il nuovo strumento sarà utilizzato in due fasi: prima nell’ingegneria della manutenzione per addestrare il sistema e poi nella manutenzione vera e propria, con trasferimento delle relative competenze 4.0.
La soluzione di diagnostica basata su AI
Il progetto è durato un anno e ha coinvolto una mezza dozzina di ingegneri di Critiware. Il sistema fornisce una modellizzazione degli eventi che gli esperti di dominio incontrano e delle connessioni che intercettano, creando una database modellizzato di relazioni note. A queste si aggiungono inferenze e correlazioni nuove che il sistema compie in automatico e che accelerano l’individuazione della causa primaria di guasto.
In pratica, sulla base delle anomalie riscontrate il sistema confronta e analizza i dati di diagnostica storici, ma coglie anche ulteriori connessioni non ancora note. Questi meccanismi integrati di analisi quindi riescono a individuare velocemente e con una buona approssimazione le cause di guasto sul treno.
«Il progetto nasce da una partnership di lunga data con Hitachi, che ci ha sottoposto una esigenza industriale. Come inferire in modo più automatico nuova conoscenza e supportare le analisi diagnostiche per accorciare i tempi di manutenzione e velocizzare il ripristino del servizio. Il sistema è estendibile ad altri settori. Tutti i processi industriali sono multi-sensori e multi-componenti e richiedono soluzioni di data analytics per prendere decisioni», commenta Raffaele della Corte, Project Manager di Critiware.
Nel progetto, in particolare, i dati vengono collezionati a bordo treno e poi scaricati per analisi off-line. Vengono poi dati in pasto al sistema basato su intelligenza artificiale e valorizzati per una manutenzione sia programmata sia correttiva in tempo reale.
Hitachi Rail: le prospettive future di AID4Train
AID4Train è stato perfezionato negli ultimi due mesi, è stato sottoposto a test presso Critiware e nelle sedi operative di Hitachi ed entrerà in funzione nei prossimi mesi.
«Per noi è l’inizio di un nuovo percorso che ci permetterà di crescere nell’analisi dei dati e di affinare tutti i meccanismi di Root Analysis, che stiamo sviluppando. Il risultato atteso è che, in caso di guasto nell’esercizio del treno, i tempi per intercettarlo siano più ridotti. E che si riducano anche i tempi di riparazione. Intanto, si creano meno interruzioni nella funzionalità del treno e quindi nel servizio al cliente. L'impatto è positivo a livello sociale e ambientale», conclude D’Andria.
