Я понял ваш вопрос: вагон может ехать повернутым на 180 градусов, условно "задом-наперед", как определить последовательность колесных пар в таком случае?
Отличный вопрос, это определяется по предыдущим наблюдениям за ободом и гребнями по всем колесным парам. Даже на одном вагоне КП изнашиваются неодинаково. Сравниваются оба направления вагона с историческими данными, определяется направление, которое дало минимальное отклонение.
Если более подробно, то:
на прошлых данных глубиной в 5 значений строится медиана
текущие данные КТИ сравниваем с медианой каждого показателя для случая прямой тележки
текущие данные КТИ сравниваем с медианой каждого показателя для случая обратной тележки
выбираем вариант тележки (прямая / обратная), который дал минимальную суммарную погрешность
В ПГК сформированы центры компетенций для самостоятельной реализации сложных и нетиповых цифровых продуктов (разработчики, аналитики, архитекторы, DS, DE, DevOps, Scrum и другие).
Решение о способе реализации того или иного продукта принимается на Архитектурном комитете по итогам проработки всех архитектурных развилок и альтернатив по достаточно большому количеству параметров (TCO, покрытие функционала, соответствие целевой архитектуре и еще десятку других).
Данный цифровой продукт - полностью разработка ПГК, модуль планирования ремонтов сейчас в реализации, планируем завершить внутренними ресурсами.
вагон номер XXXX, колесная пара номер 1, состояние X;
вагон номер XXXX, колесная пара номер 2, состояние Y;
Далее, так как нам известен номер (нашего) вагона и порядковый номер колесной пары в этом вагоне (по которой было проведено измерение), и мы знаем какие детали установлены на наши вагоны, то уже в наших информационных системах происходит привязка данных с датчиков к конкретным КП для принятия управленческих решений.
Отличный вопрос! Вообще, для распознавания номеров вагонов можно использовать CNN - сверточные нейронные сети, и такие технологии активно применяются в отрасли. Но в данном случае все проще: есть данные измерений всех колес поезда, есть информация о том, какой это поезд и есть информация, из каких конкретно вагонов он состоит - на уровне информационных систем происходит сопоставление этих данных и привязка конкретного измерения к конкретному вагону и даже колесу.
Верно, цифровой продукт дает рекомендации сотрудникам, а уже дальше все рекомендации отрабатываются. По рекомендациям системы реализуется определенный, заранее запланированных перечень задач, приводящий к экономическому эффекту. Достижение эффекта от подобных цифровых продуктов возможно только при условии, что продукт "вписан" в реальные бизнес-процессы компании и что продуктом реально пользуются.
Что касается случаев подмены колесной пары, то происходит следующее: новая колесная пара будет немного отличаться от предыдущей. По каждой колесной паре постоянно происходят замеры датчиками и постоянное построение временных рядов со всеми характеристиками, и в случае подмены колесной пары на таком временном ряду будет видно резкое увеличение или уменьшение какого-нибудь показателя, например толщины гребня. В реальности - небольшое изменение сразу нескольких показателей. По таким паттернам мы сразу сможем понять, что колесную пару подменили.
Мы получаем сырые данные с датчиков уже из информационных систем РЖД, то есть непосредственно с оборудованием не взаимодействуем. На своей стороне мы реализуем получение, обогащение, обработку и хранение этих данных, разработку пользовательского интерфейса и бэкенда продукта, построение моделей, выявляющих отклонения, а также настройку оповещений, отчетности и интеграций с другими цифровыми сервисами и продуктами компании.
Мы планируем подготовить несколько статей про цифровые продукты и цифровую платформу, где детальнее осветим такие вопросы, как выбранная архитектура, используемый стек и применяемые ML-модели.
Забегая вперед, могу сказать, что целевой стек цифрового продукта следующий: Angular - фронт, Python - бэк, Posgresql - БД. Плюс Kubernetes, GraphQL, Airflow. Business Oriented Architecture на сервисах.
Продукт приносит эффект около 100 млн рублей ежегодно. Основные бизнес драйверы - это сокращение необоснованной отцепки вагонов в ремонт и сокращение затрат на порожние рейсы.
Помимо толщины и высоты гребня эти датчики определяют ширину и толщину обода колеса, его диаметр, расстояние между внутренними гранями колес, наличие дефектов на поверхности катания.
Другой существующий тип датчиков представляет из себя рамки, создающие 3D модель вагона целиком, выявляя все дефекты и неисправности.
И наконец, для коммерческой приемки вагонов мы создали отдельное мобильное приложение - "Мобильный репортер ПГК".
Информация с этих и многих других источников объединяется в единый цифровой профиль вагона и используется в цифровых продуктах и сервисах.
Насколько я знаю, иногда встречались случаи подмены колесных пар (случайные или преднамеренные). В случае подмены колесной пары, при последующих измерениях на графиках возникнет скачек в тех или иных характеристиках колеса, а система выдаст предупреждение о таком нештатном событии. Поэтому заниматься подменой колесных пар стало бессмысленно.
Спасибо за вопрос. Датчики ставит РЖД, и датчиков на сети много. Сам датчик представляет из себя лазер и измерительную камеру. Луч лазера направляется на деталь, отражается и попадает на измерительную камеру. Например, такой луч можно направить на колесо вагона. То есть, когда рядом c датчиком, установленным около ж/д пути, проезжает поезд, система лазером "сканирует" колесо по различным параметрам, создавая его виртуальную 3D модель. Данные из этой модели мы используем в наших цифровых продуктах.
На месте специалист разберется, проведя оффлайн замеры тех параметров, которые предложит система.
Над вашими предложениями также подумаем,
Спасибо!
Я понял ваш вопрос: вагон может ехать повернутым на 180 градусов, условно "задом-наперед", как определить последовательность колесных пар в таком случае?
Отличный вопрос, это определяется по предыдущим наблюдениям за ободом и гребнями по всем колесным парам. Даже на одном вагоне КП изнашиваются неодинаково. Сравниваются оба направления вагона с историческими данными, определяется направление, которое дало минимальное отклонение.
Если более подробно, то:
на прошлых данных глубиной в 5 значений строится медиана
текущие данные КТИ сравниваем с медианой каждого показателя для случая прямой тележки
текущие данные КТИ сравниваем с медианой каждого показателя для случая обратной тележки
выбираем вариант тележки (прямая / обратная), который дал минимальную суммарную погрешность
Надеюсь, я не запутал вас.
Добрый день,
Спасибо за ваш вопрос!
В ПГК сформированы центры компетенций для самостоятельной реализации сложных и нетиповых цифровых продуктов (разработчики, аналитики, архитекторы, DS, DE, DevOps, Scrum и другие).
Решение о способе реализации того или иного продукта принимается на Архитектурном комитете по итогам проработки всех архитектурных развилок и альтернатив по достаточно большому количеству параметров (TCO, покрытие функционала, соответствие целевой архитектуре и еще десятку других).
Данный цифровой продукт - полностью разработка ПГК, модуль планирования ремонтов сейчас в реализации, планируем завершить внутренними ресурсами.
Добрый день! Спасибо за ваш вопрос.
Сами датчики не считывают номера колесных пар.
Датчики говорят нам:
вагон номер XXXX, колесная пара номер 1, состояние X;
вагон номер XXXX, колесная пара номер 2, состояние Y;
Далее, так как нам известен номер (нашего) вагона и порядковый номер колесной пары в этом вагоне (по которой было проведено измерение), и мы знаем какие детали установлены на наши вагоны, то уже в наших информационных системах происходит привязка данных с датчиков к конкретным КП для принятия управленческих решений.
Абсолютно верно!
Мы не дочка РЖД, а полностью частная компания.
Добрый день,
Отличный вопрос! Вообще, для распознавания номеров вагонов можно использовать CNN - сверточные нейронные сети, и такие технологии активно применяются в отрасли. Но в данном случае все проще: есть данные измерений всех колес поезда, есть информация о том, какой это поезд и есть информация, из каких конкретно вагонов он состоит - на уровне информационных систем происходит сопоставление этих данных и привязка конкретного измерения к конкретному вагону и даже колесу.
Добрый день!
Все верно, у нас довольно оцифрованная отрасль) Датчики подключены к системам РЖД по кабелю.
Добрый день,
Верно, цифровой продукт дает рекомендации сотрудникам, а уже дальше все рекомендации отрабатываются. По рекомендациям системы реализуется определенный, заранее запланированных перечень задач, приводящий к экономическому эффекту. Достижение эффекта от подобных цифровых продуктов возможно только при условии, что продукт "вписан" в реальные бизнес-процессы компании и что продуктом реально пользуются.
Что касается случаев подмены колесной пары, то происходит следующее: новая колесная пара будет немного отличаться от предыдущей. По каждой колесной паре постоянно происходят замеры датчиками и постоянное построение временных рядов со всеми характеристиками, и в случае подмены колесной пары на таком временном ряду будет видно резкое увеличение или уменьшение какого-нибудь показателя, например толщины гребня. В реальности - небольшое изменение сразу нескольких показателей. По таким паттернам мы сразу сможем понять, что колесную пару подменили.
Спасибо, будем стараться.
Мы получаем сырые данные с датчиков уже из информационных систем РЖД, то есть непосредственно с оборудованием не взаимодействуем. На своей стороне мы реализуем получение, обогащение, обработку и хранение этих данных, разработку пользовательского интерфейса и бэкенда продукта, построение моделей, выявляющих отклонения, а также настройку оповещений, отчетности и интеграций с другими цифровыми сервисами и продуктами компании.
Добрый день!
Мы планируем подготовить несколько статей про цифровые продукты и цифровую платформу, где детальнее осветим такие вопросы, как выбранная архитектура, используемый стек и применяемые ML-модели.
Забегая вперед, могу сказать, что целевой стек цифрового продукта следующий: Angular - фронт, Python - бэк, Posgresql - БД. Плюс Kubernetes, GraphQL, Airflow. Business Oriented Architecture на сервисах.
Продукт приносит эффект около 100 млн рублей ежегодно. Основные бизнес драйверы - это сокращение необоснованной отцепки вагонов в ремонт и сокращение затрат на порожние рейсы.
Добрый день!
Доступ к этим данным предоставляется на коммерческих неуникальных условиях.
Добрый день!
А вы талантливый человек. Отличный стих :)
Добрый день!
Помимо толщины и высоты гребня эти датчики определяют ширину и толщину обода колеса, его диаметр, расстояние между внутренними гранями колес, наличие дефектов на поверхности катания.
Другой существующий тип датчиков представляет из себя рамки, создающие 3D модель вагона целиком, выявляя все дефекты и неисправности.
И наконец, для коммерческой приемки вагонов мы создали отдельное мобильное приложение - "Мобильный репортер ПГК".
Информация с этих и многих других источников объединяется в единый цифровой профиль вагона и используется в цифровых продуктах и сервисах.
Добрый день!
Насколько я знаю, иногда встречались случаи подмены колесных пар (случайные или преднамеренные). В случае подмены колесной пары, при последующих измерениях на графиках возникнет скачек в тех или иных характеристиках колеса, а система выдаст предупреждение о таком нештатном событии. Поэтому заниматься подменой колесных пар стало бессмысленно.
Добрый день!
Спасибо за вопрос. Датчики ставит РЖД, и датчиков на сети много. Сам датчик представляет из себя лазер и измерительную камеру. Луч лазера направляется на деталь, отражается и попадает на измерительную камеру. Например, такой луч можно направить на колесо вагона. То есть, когда рядом c датчиком, установленным около ж/д пути, проезжает поезд, система лазером "сканирует" колесо по различным параметрам, создавая его виртуальную 3D модель. Данные из этой модели мы используем в наших цифровых продуктах.
Добрый день!
Так и есть. Номер вагона, вместе с сотней других показателей, действительно используется как входная информация в цифровых продуктах и ML-моделях.