Como Hitachi usa IA para detectar defectos en lineas aereas ferroviarias en tiempo casi real

La division ferroviaria de Hitachi construye la infraestructura que mantiene en funcionamiento las redes de trenes, incluyendo sistemas para monitorizar las lineas aereas que alimentan los trenes electricos. Mantener esas lineas en buen estado es un desafio constante y costoso. Tradicionalmente, los operadores de redes ferroviarias mantenian la infraestructura a pie, observando desde trenes en movimiento o enviando trenes de medicion especiales que circulaban con poca frecuencia y solo podian detectar ciertos tipos de fallos. Cuando una linea se rompia, el resultado eran retrasos no planificados y costes de interrupcion. 'Nos propusimos innovar y transformar el mantenimiento ferroviario tradicional, aprovechando las flotas de trenes existentes y dotandolas de tecnologia de IA de ultima generacion', dijo Andreas Herman, Arquitecto Lider de Datos e IA en Hitachi.

La solucion de Hitachi fue instalar camaras en los trenes existentes y subir las grabaciones a la nube para su analisis, pero esto cre un nuevo problema. Las camaras captaban imagenes a lo largo de 40.000 km de lineas aereas, una distancia equivalente a una vuelta completa al mundo. Procesar y analizar ese volumen de datos de video de forma eficiente, rentable y con capacidad para generar alertas en tiempo casi real requeria una plataforma que los almacenes de datos en la nube tradicionales no podian proporcionar.

Hitachi eligio la Plataforma Lakehouse de Databricks en Azure. Delta Lake se convirtio en el formato de almacenamiento predeterminado para todos los pipelines de datos. MLflow gestiona la experimentacion, el entrenamiento, el despliegue y el seguimiento de modelos. Databricks SQL impulsa los paneles de monitoreo con estadisticas sobre alertas en produccion y rendimiento de modelos. Los espacios de trabajo y notebooks compartidos permiten al equipo colaborar en el codigo, reutilizar modelos y trabajar de forma mas eficiente con un equipo menor.

El sistema ahora ingesta datos de video de los trenes, los procesa a traves de modelos de IA y genera alertas automaticas sobre defectos o desplazamientos de lineas aereas. Se envia a un operario a la zona para repararlo antes de que cause una interrupcion del servicio. Lo que antes tardaba dias, ingenieros desplazandose a los emplazamientos para buscar fallos, ahora ocurre en tiempo casi real, de forma remota. 'Nuestros clientes ahora pueden ser mucho mas proactivos en lugar de reactivos', dijo Avinash Kumar, Cientifico de Datos en Hitachi. 'Los propietarios de redes ferroviarias a los que apoyamos pueden identificar problemas mucho mas rapidamente para evitar costosas interrupciones en sus servicios.'

Hitachi ha descubierto miles de riesgos en equipos y desplazamientos de lineas a traves del sistema, resueltos proactivamente antes de causar averias. Los ahorros estimados para los clientes de Hitachi ascienden a millones de libras. El equipo de ingenieria ahora opera con menos personas enfocadas en la infraestructura de datos y mas en resolver problemas para los clientes.