Velký pražský úklid. Systém od VARS zastřeší data o telematice. A dokáže předvídat poruchy
Pokud systém dokáže predikovat poruchy, je jich v konečném důsledku méně. To řidiči poznají. Zároveň systém přináší lepší plánování, které znamená i efektivnější hospodaření a úspory na straně správce komunikací.
Dostat víc jak 150 tisíc telematických zařízení rozmístěných po Praze do jednoho „seznamu“. To je cíl projektu Pasportizace telematického majetku, který nyní realizuje VARS BRNO u pražského správce komunikací TSK Praha. „Nad samotnou evidencí zařízení tvoříme chytrý systém s principy umělé inteligence, který bude schopný sledovat životní cyklus jednotlivých zařízení a řídit plánování revizí, oprav, nebo výměny,“ vysvětluje technický ředitel VARS BRNO David Novák, v čem je projekt výjimečný.
Jak vůbec ze strany TSK Praha vznikla potřeba pasportizace majetku?
Praha jako zdaleka největší české město má logicky největší počet telematických zařízení. Ta jsou od různých dodavatelů a z různé doby – často ještě té, kdy nebylo běžné mít dokumentaci digitálně. V praxi to znamená, že při jakémkoliv nakládání s takovým majetkem je velmi těžké dohledat ať už záruční podmínky, technickou dokumentaci. Při objemu řádově kolem 150 tisíc zařízení je jakákoliv správa takového majetku komplikovaná a neefektivní.
Co vůbec těch 150 tisíc zařízení zahrnuje?
Jsou to ty viditelné části telematiky – semafory, řízení tunelů, světelné tabule – a zároveň pak čidla, řadiče řídící jednotlivé křižovatky a v třetí úrovni i napájecí a komunikační infrastruktura, například komunikační linky vedené obvykle tunely metra. My jich v prvním kroku do pasportizace zahrneme čtyři tisíce, které typově pokrývají všechna možná zařízení. Zbývající pak doplní už samotné TSK.
Je Praha v tomto výjimečná?
Rozsahem ano, ale jinak podobný problém řeší, nebo by měli řešit, všichni správci infrastruktury. Vidíme, že poslední dobou si to uvědomují a začínají se tím zabývat.
Jak ta jejich konkrétní potřeba vypadá?
Představte si obrovský objem zařízení, z nichž každé má nějaký návod, záruční list, nasmlouvaný servis. U některých zařízení jsou podklady elektronické, jindy papírové, u některých dokumentace chybí. Čím víc takových zařízení je, což je nepochybný trend, tím hůř se v tom správcům orientuje. Nějaké zařízení má poruchu a oni najednou řeší, na co mají nárok, jestli je nasmlouvaný servis, jestli je u něj nějaká smluvní lhůta na zásah nebo odstranění poruchy. Toto všechno dostáváme do jednoho systému.
Jak je náročné dát takové podklady dohromady?
Znamená to až detektivní práci. Některé podklady jsou elektronicky, jiné se doslova válí po skříních a je potřeba je najít a zdigitalizovat. V některých případech chybí, protože třeba dodavatel dokumentaci nepředal. Každopádně je třeba zdůraznit, že samotné shromáždění podkladů není principem toho projektu.
Co jím tedy je?
Ten projekt má především inovační potenciál, tak byl i napsán. Naším úkolem je vytvořit nad samotným seznamem telematického majetku systém, který dokáže sledovat parametry typu záruka, životnost, servis. A ještě nad ním pak procesy, které aktivně řídí hospodaření s majetkem, dokáží predikovat pravděpodobnost poruchy, navrhovat preventivní servis nebo výměnu zařízení. S tím jsme také projekt vyhráli, protože právě tuto nadstavbu zadavatel nejvíc ocenil.
Jak se dá něco takového sledovat?
Základem jsou historická data o tom, jaká je životnost jednotlivých zařízení, jaká je jejich poruchovost v čase. Pokud vezmu nějaký velmi jednoduchý příklad, tak jestliže budeme vědět, že životnost určitého zařízení je pět let, tak správce ví, že pokud má takových zařízení sto a během roku dovrší pět let, bude třeba do nich investovat a může si takové investice mnohem efektivněji plánovat.
Dobře, to se týká dané životnosti zařízení. Ale jak dokáže systém predikovat poruchy?
Ten systém je napojen na maximum informací, které lze nějakým objektivním způsobem získat. Opět to řeknu na příkladu řadiče světelné signalizace na křižovatce, což je vlastně počítač. Tam jsme třeba schopní sledovat napěťové stavy na řadiči a napojit je na diagnostiku. Z těchto veličin jsme schopni detekovat anomálie, které mohou signalizovat, že dojde k poruše. Zároveň můžeme na základě zkušeností s obdobnými poruchami z minulosti predikovat, kdy k oné poruše dojde. Jestliže systém takové riziko vyhodnotí, dokáže správce upozornit a navrhnout mu vhodný postup.
Důležité zároveň je, že systém dokáže porovnávat data z různých telematických zařízení a dávat je do souvislostí. Tím může odhalit i příčiny anomálií nebo poruch, které čistě z pohledu dat nejsou detekovatelné. Například v Praze se řešil problém s poruchovými komponenty světelné signalizace. Dlouho se nedařilo najít příčinu, a nakonec se ukázalo, že ty „vadné“ byly nejvíc vystaveny slunečnímu záření. Typově i takovéto souvislosti může náš systém pomoci odhalit.
Jak ten projekt probíhá ze strany VARS? V jakých krocích?
V první fázi jsme museli pochopit, jaká ta zařízení jsou, z čeho se skládají, jaké informace k nim jsou a kde jsou uložené. To byla neuvěřitelně mravenčí a zdlouhavá práce, kterou už máme hotovou. V dalším kroku jsme navrhli a zprovoznili tu část, která sleduje jednotlivá zařízení a data, která z nich přicházejí. Nad nimi nyní tvoříme analytické a vizualizační nástroje pro komfortní obsluhu. Postupně se bude systém sám plnit informacemi o kontrolách, prohlídkách a opravách. A až bude existovat historie takových úkonů, můžeme si hrát s predikcí.
Jak dlouhá ta historie musí být?
Obecně, abychom měli dostatek dat, by to měl být minimálně jeden životní cyklus každého zařízení, aby to bylo dokonalé. Řádově jsou to jednotky let, po kterých se tato investice začne zúročovat. Čím víc dat v systému bude, tím budou predikce přesnější.
Jak moc takový systém vyžaduje „spolupráci“ lidského faktoru?
Manuálně tam budou muset být zadávána data o údržbě, opravách a výměnách. Ale i tam počítáme s tím, že vznikne pracovní klient pro pracovníky v terénu, který pro ně bude jakýmsi průvodcem řešení toho problému, obsahuje dokumentaci a navrhne jim typický postup, pokud v tom systému bude zadaný. Zároveň ten pracovník přímo z terénu bude moci označit úkol jako splněný. Teoreticky dokážeme náš systém napojit i na systémy třetích stran, například výrobce.
Má takový systém nějaké výhody i pro koncového uživatele komunikací – tedy řidiče?
Pokud systém dokáže predikovat poruchy, je jich v konečném důsledku méně. To řidiči poznají. Zároveň systém přináší lepší plánování, které znamená i efektivnější hospodaření a úspory na straně správce komunikací. Ten rozpočet pak může využít třeba na další rozvoj telematiky, která má přispět k bezpečnější a plynulejší dopravě. Projekt počítá i s rozhraním pro veřejnost, která bude moci hlásit třeba poruchy.