OV Expo '22

OV Innovatieprijs: Slim algoritme van Lynxx voorspelt en voorkomt storingen

Wisselstoringen voorspellen met een algoritme. Foto: Unsplash/Mike Enerio

Iedereen maakt het weleens mee. Onderweg naar het station zien dat je trein op het laatste moment uitvalt door een wisselstoring. In de toekomst zou dit een stuk minder voorkomen, als het aan data-science bedrijf Lynxx ligt. Met slimme zelflerende algoritmes kunnen heel veel storingen voorspeld worden. Dit bespaart niet alleen veel ongemak voor de reiziger, maar ook heel veel kosten. Deze innovatie is genomineerd voor de OV Innovatieprijs die wordt uitgereikt op de OV Expo ’22 op 6 oktober in Houten. Bekijk de andere genomineerden en stem hier.

“Het idee is simpel”, begint Melvin Meijer, CEO van data-bedrijf Lynxx te vertellen. “We hebben in het land heel veel assets liggen die onderhoud nodig hebben. Spoor is daar een voorbeeld van. Wanneer moet dit dan vervangen of onderhouden worden? Door goed te meten en allemaal verschillende parameters in te voeren, kun je voorspellen wanneer een stuk spoor vervangen moet worden.”

Voorkomen beter dan genezen

Dit simpele idee kan echt overal toegepast worden. Lynxx is een bedrijf met haar wortels in het openbaar vervoer, maar in principe kan het voor alle productiebedrijven nuttig zijn. Wanneer is een machine aan vervanging toe? Daarmee voorkom je storingen en hoge kosten die een storing met zich meebrengt. Als een trein uitvalt door een wisselstoring, dan geeft dat veel reizigersoverlast. Dan moeten bussen geregeld worden, reizigers moeten worden gecompenseerd en op het laatste moment moet personeel geregeld worden om het spoor te repareren. “Voor dit soort dingen is een storing voorkomen veel goedkoper dan de storing zelf.”

Lynxx heeft samen met ProRail een proef uitgevoerd met onderhoud van wissels. De proef is momenteel klaar, maar zal in de toekomst ongetwijfeld weer voortgezet worden. De proef met wissels ging vooral over de korte termijn: het algoritme probeert te voorspellen wanneer een wisselstoring plaatsvindt. “De wissel wordt aangestuurd met stroom. Wij meten hoeveel stroom er door die wissel gebruikt wordt. We kunnen dan zien hoeveel weerstand de wissel oproept. Daar kun je een patroon in zien vergeleken met wat je historisch verwacht. Het algoritme bepaalt op basis van de dataset een grens en als de kwaliteit van die wissel onder die grens ligt, dan is het aannemelijk dat de wissel binnenkort kapot gaat.”

“Op wissels binnen de proef kunnen we met deze methode met twintig procent zekerheid zeggen dat een wissel in de komende twee weken reparatie nodig heeft. Dat klinkt laag, toch is het al nuttig. Een controle kost weinig personeel. Als je met tien man langs tien risicovolle wissels gaat en daarmee voorkom je twee storingen, dan bespaar je heel veel geld en ongemak voor de reiziger.” De werkzaamheden kunnen dan makkelijk buiten de dienstregeling worden ingepland, bijvoorbeeld.

Onderhoud van spoorstaven

Niet alleen op de korte termijn is Lynxx bezig. Ook op lange termijn werkt het databedrijf momenteel samen met ProRail om de spoorstaven in de gaten te houden. “Op lange termijn is het vooral van belang om te kijken naar de waarde van het spoor. ProRail heeft namelijk vervangingsplannen tot vijftien jaar in de toekomst.”

Met behulp van samen met ProRail en partners ontwikkelde algoritmes kan een antwoord gegeven worden op de vraag: “Hoeveel moeten we reserveren over de komende vijf, tien of vijftien jaar voor de vervanging van de spoorstaven? Voor wissels wilden wij uitval beperken, de spoorstaven zijn meer voor de planbaarheid.”

Leren voor een toets

Hoe werkt zo’n algoritme dan? Meijer vergelijkt het met leren voor een toets. “We hebben verschillende parameters. We weten bijvoorbeeld de dikte van de spoorstaven over de tijd heen. Ook hebben we allerlei omgevingsfactoren, dus of de staaf in een bocht of op een recht stuk ligt. Ook weten we de soort ondergrond en hoeveel treinen over de spoorstaven denderen. Al die variabelen staan in de database. Daarnaast weten we bij hoeveel slijtage een spoorstaaf vervangen moet worden. We trainen het algoritme op historische slijtage in vergelijkbare omstandigheden, om zo te bepalen hoe snel de huidige spoorstaven het kritische niveau zullen bereiken.”

Daar zit nog een stap extra. Om ervoor te zorgen dat het algoritme echt accuraat is en zich niet blind staart op één dataset, gebruikt ProRail ook een onafhankelijke dataset. Het algoritme leert dan begrijpen wanneer een spoorstaaf aan vervanging toe is. “Ik vergelijk het met leren voor een toets: je kan precies leren wat de vragen zijn en dan kan je de toets heel goed maken, maar dan begrijp je het nog niet. Wat wij doen is dat we een andere set vragen voorleggen en kijken: als je die ook kan maken, dan heb je blijkbaar goed geleerd.”

De toekomst van voorspellen

Het algoritme van de spoorstaven wordt nu in samenwerking met ProRail landelijk toegepast, maar daar houdt het voor Lynxx zeker niet op. “Het idee is natuurlijk heel erg uitbreidbaar. Denk aan treinstellen, bovenleidingen en overgangen. Al dat soort dingen. We zien dat in de maakindustrie dit ook langzaam het opkomen is. Dat je gaat voorspellen wanneer machines eruit liggen en dat de productie zou stoppen. Daar zit eigenlijk het equivalent. Dat kan natuurlijk ook voor bussen, trams en ander openbaar vervoer. We zien het veel groter worden dan het nu is.”

“Steeds meer data is beschikbaar en bereikbaar.” Dat begrijpen en daar meer uithalen is precies wat Lynxx in de toekomst wil. De nominatie voor de OV Innovatieprijs helpt daar natuurlijk bij. “We zijn heel erg van de innovatie dus we worden wel warm van de nominatie. Dit is de toekomst. We willen uiteindelijk natuurlijk een betere reisbeleving tegen lagere kosten. Meer inzicht en minder risico. Dat zouden we allemaal moeten willen.”

Op de OV Expo ’22 wordt de felbegeerde OV Innovatieprijs uitgereikt. Meld je hier (veelal) gratis aan.

Lees ook:

Auteur: Sander Van Vliet

Reageren op dit artikel is niet mogelijk.