ОАО «РЖД» завершило на станции Челябинск – Главный исследование по возможности применения искусственных нейронных сетей
Внедрение технологии искусственного интеллекта (ИИ) на сортировочной станции позволит на 20% снизить среднее время простоя вагонов, что является источником существенного экономического эффекта для ОАО «Российские железные дороги». Об этом заявил директор по информационным технологиям ОАО «РЖД» Евгений Чаркин на прошедшей сегодня в онлайн-формате конференции Big Data Conference & AI.
Евгений Чаркин рассказал участникам конференции об итогах исследования по изучению возможности применения искусственных нейронных сетей для неалгометрического решения задач планирования работы станций и возможности создания на их основе прототипа интеллектуального сервиса поддержки принятия решений о порядке роспуска составов с сортировочной горки. Этот проект реализовывался на станции Челябинск – Главный с 2019 года.
По итогам работ проверен ряд гипотез и создан первичный прототип рекомендательной модели. В частности, доказано, что задача определения оптимального порядка роспуска составов является математически решаемой. Созданная модель имеет «хорошую предсказательную силу», рассказал Евгений Чаркин. «Утрируя, можно сказать, что полученная модель понимает, что происходит на сортировочной станции, так как ее предсказания в целом соответствуют изменению оперативной обстановки, количественной характеристикой которой является среднее время простоя для поездов», - сказал он.
Следование рекомендациям модели потенциально позволит более чем на 20% снизить среднее время простоя вагонов относительного этого показателя для исторической выборки данных. Это является источником крайне существенного экономического эффекта для компании, отметил Евгений Чаркин.
Сейчас модель придает наиболее высокую значимость 4 признакам: номер пути, на который отправляется вагон, специализация пути, станция назначения вагона и имеющиеся нитки вариантного графика. Евгений Чаркин предполагает, что, обучая модель на большем количестве признаков и увеличивая глубину выборки для этого обучения, можно добиться еще большего улучшения качества модели.
Снижение на 20% времени простоя вагонов на сортировочной станции может означать такое же увеличение пропускной способности участка, предположил Евгений Чаркин, говоря о возможных дальнейших направлениях работы. При этом он отметил, что внедрение подобных технологий искусственного интеллекта сократит необходимый объем инвестиций в техническое развитие производственных мощностей сортировочных станций. Высвобождаемые средства могут быть направлены на другие критичные направления, от которых, в том числе, зависит качество клиентского сервиса.
Big Data - большие данные, Artificial intelligence - искусственный интеллект.
