Wie Data Science in der Mobilitätsbranche zum Game Changer wird
Bessere Fahrzeugauslastung, mehr Effizienz, weniger Verspätungen und insgesamt eine höhere Servicequalität und Kundenzufriedenheit – die anhaltende Nachfrage nach einem komfortableren Beförderungserlebnis kann einen enormen Druck auf den Betrieb und die Wartung von Transportmitteln ausüben, was wiederum die digitalen Systeme hinter diesen Lösungen immer komplexer werden lässt. Um diese ausgedehnte digitale Infrastruktur zu verwalten, müssen riesige Datenmengen gesammelt, analysiert und genutzt werden. Mit anderen Worten: Data Science wird mehr und mehr zum Game Changer im gesamten Mobilitätssektor, und Alstom ist auf diesem Gebiet ganz vorne mit dabei.
Bevor er zu Alstom kam, hatte Nenad mehrere F&E- und Führungspositionen in Start-ups, Blue-Chip-Unternehmen sowie als Forscher und Dozent inne. Er verfügt über mehr als 20 Jahre Erfahrung in den Bereichen Algorithmenentwicklung, maschinelles Lernen und KI. Nenad begann seine Reise bei Alstom als Senior Data Scientist in Melbourne, FL, USA. In seiner derzeitigen Position in Saint Ouen, Frankreich, leitet Nenad die Data Science Teams von Alstom, die für die Entwicklung von Algorithmen für maschinelles Lernen und KI für alle Mobilitätslösungen verantwortlich sind.
In seiner Freizeit interessiert sich Nenad für Kunst, liest Science-Fiction, philosophische und historische Bücher und spielt Tennis. Nicht zuletzt vermittelt er Mädchen und jungen Frauen Mathematik- und Informatikkenntnisse, sei es in seiner eigenen Familie oder in Schulen und bei öffentlichen Veranstaltungen, und ermutigt sie, technische Studiengänge zu verfolgen.
Verbinden Sie sich mit Nenad on LinkedIn
„Data Science ist eine der wichtigsten Säulen der digitalen Strategie von Alstom“, sagt Nenad Mijatovic, der Leiter des Bereichs Data Science bei Alstom. Er und sein Team sind für die Entwicklung fortschrittlicher statistischer und maschineller Lernlösungen verantwortlich, die Entscheidungen über Wartung und Betrieb unterstützen. „Wir verwenden Daten als Input und liefern dann als Output Business-Erkenntnisse“, sagt Nenad Mijatovic. Er ist überzeugt, dass die Data Science zum wichtigsten Tool wird, um bestehende Probleme zu lösen und in der gesamten Branche neue Business Cases zu definieren.
Ein konkretes Beispiel ist die Optimierung von Odometrieprozessen: Zugsicherungssysteme verlassen sich auf die geschätzten Zugpositionsdaten der fahrzeugseitigen Odometrie- und Signalsysteme. Anomalien in der Odometrie könnten eine Umstellung auf manuellen Betrieb oder in einigen Fällen sogar Zugstopps auslösen. Um Anomalien zu erkennen und solche Situationen zu verhindern, müssen Systemexperten Terabytes von Borddaten überprüfen, die in der gesamten Flotte gesammelt werden. „Dies ist ein sehr zeitaufwändiger Prozess, der durch fortschrittliche Algorithmen und Datenanalyse ersetzt werden kann“, erklärt Nenad Mijatovic.
„Zum ersten Mal stehen unseren Plattformleitern, Maintainern und Domain-Experten Lösungen zur Verfügung, die es ihnen ermöglichen, eine große Menge an Daten zu verarbeiten und automatisch Probleme zu erkennen, zu klassifizieren und Maßnahmen vorzuschlagen.“
4 zentrale Lösungen für Data-Science-Herausforderungen
- Alstom hat mithilfe zielgerichteter Workshops eine engagierte Gruppe datenbasiert arbeitender Spezialisten aufgebaut.
- Die Qualität der Daten wird dabei durch neu entwickelte Methodiken und Software verbessert, die sicherstellt, dass nur „gute“ Daten in die Algorithmen von Alstom einfließen können.
- Alstom hat zudem eine auf Data-Science-Methoden und -Technologien basierende Arbeitsweise entwickelt, um schnell eine exzellente Ergebnisqualität zu gewährleisten.
- Das Paradigma des maschinellen Lernens wurde übernommen und angepasst, um den gesamten Lebenszyklus der Modelle zu unterstützen.
Was ist das Besondere an dem Ansatz von Alstom?
„Der Ansatz von Alstom im Bereich der Data Science ist inklusiv und unterscheidet sich damit von dem der meisten anderen Mobilitätsunternehmen“, sagt Mijatovic. Das Data-Science-Team arbeitet eng mit Fachleuten und Kunden zusammen, um zunächst das Problem zu verstehen und dann mithilfe verschiedener wissenschaftlicher Techniken ein Modell zu entwickeln. „Wir konvergieren iterativ zum besten Modell, bevor wir es in Produktion geben. Schließlich überwachen wir die Leistung des Modells in der Produktion genau, um sicherzustellen, dass es sich innerhalb der vorgegebenen Performance-Grenzen bewegt“, erklärt Nenad Mijatovic.
Die Vorteile dieses Ansatzes liegen auf der Hand: Data Science unterstützt durch Zustandsüberwachung und prädiktive Analytik eine bessere Instandhaltung, ermöglicht durch eine intelligente Ursachenanalyse; eine schnellere Fehlerbehebung sichert durch Simulationen, digitale Zwillinge und Reinforcement-Learning-Techniken einen effizienten Betrieb und verbessert durch die Erkennung von beschädigten oder fehlerhaften Schienenfahrzeugen oder Gleisanlagen das Transporterlebnis für die Kunden.
„Wir arbeiten eng mit unseren Experten und Kunden zusammen, um das Problem zu verstehen, es zu beobachten und dann ein Modell zu entwickeln, wobei wir verschiedene wissenschaftliche Techniken anwenden und uns iterativ dem besten Modell annähern, bevor wir es in Produktion geben.“
Die 3 Komponenten der Data Science bei Alstom
-
Umweltfreundliche Mobilität
Die Gesellschaft in eine CO2-arme Zukunft führen
Betreiber müssen ihre Fahrzeuge ständig aufladen, reinigen und warten, was bedeutet, dass ein Mitarbeiter im Laufe eines Tages Tausende von Kilometern zurücklegen kann, um diese Aufgaben zu erfüllen. Mit den Flottenüberwachungs- und -verwaltungslösungen von Alstom können Sie über ein System für das Fahrzeugmanagement genau nachvollziehen, wo sich die Züge befinden. Durch die Optimierung von Zeit und Route werden Ressourcen eingespart, was die Kosten für die Betreiber erheblich senkt und zu einer nachhaltigen Entwicklung beiträgt. -
Inklusive und gesündere Mobilität
Schafft Lösungen, die das Fahrgasterlebnis verbessern
Da der öffentliche Nahverkehr eine der bequemsten Möglichkeiten ist, sich in der Stadt fortzubewegen, gilt es vor allem während der Covid-19-Pandemie sicherzustellen, dass Verkehrsmittel sicher und nicht überfüllt sind, um eine gesündere Mobilität zu gewährleisten. Regelmäßige Hygienemaßnahmen und zugänglichere Verkehrsmittel, die Social Distancing ermöglichen, bieten den Fahrgästen eine sicherere und bequemere Beförderung.
-
Intelligente Mobilität
Macht Mobilität einfach und komfortabel.
Data Science verbessert erfolgreich die Art und Weise, wie Züge von A nach B fahren und optimiert Fahrpläne, um sicherzustellen, dass der ÖPNV pünktlich und zuverlässig ist. Die Fahrgäste sollten mehr Vertrauen haben und mehr Effizienz erwarten, wenn sie den Schienenverkehr nutzen.
Wie die Datenwissenschaft nachhaltige Innovationen vorantreiben kann
Das Fachwissen von Alstom in der Datenwissenschaft ist ein entscheidender Vorteil in der Branche: Kürzlich hat Alstom einen Vertrag mit dem Labor für nachhaltige Innovation von MerConcept bekannt gegeben, um deren Datenanalyse durch den Einsatz von Datenwissenschaft für nachhaltige Mobilität unter schwierigen Umweltbedingungen zu optimieren. Die Partnerschaft umfasst eine tiefgreifende Datenanalyse, gefolgt von der Entwicklung von Optimierungsalgorithmen zur Verbesserung der Geschwindigkeit von Offshore-Rennbooten in einem wettbewerbsorientierten Umfeld. MerConcept wurde 2006 von dem Segler François Gabart gegründet und hat es sich zur Aufgabe gemacht, die Fortschritte im Bereich der Nachhaltigkeit im Segelsport hervorzuheben und dazu beizutragen, die Innovationen und fortschrittlichen Technologien zu präsentieren, die heute im Offshore-Rennsport eingesetzt werden.
„Wir arbeiten eng mit unseren Experten und Kunden zusammen, um das Problem zu verstehen, es zu beobachten und dann ein Modell zu entwickeln, wobei wir verschiedene wissenschaftliche Techniken anwenden und uns iterativ dem besten Modell annähern, bevor wir es in Produktion geben.“
Was kommt als nächstes?
Die aktuellen Data-Science-Technologien und -Tools sind gut durchdacht und ausgereift, um die Zukunft auf Grundlage der Vergangenheit vorherzusagen. „Für viele Probleme haben wir jedoch noch zu wenig hochwertige Datenpunkte, um auf der Basis zuverlässige Methoden entwickeln zu können“, sagt Nenad Mijatovic. „Ich denke daher, dass die Zukunft für uns als Data-Science-Experten bei Alstom darin besteht, neue Methoden zu erforschen, die mit wenigen Datenpunkten oder in manchen Fällen sogar ganz ohne sie funktionieren.“
Sind Sie an einer Mitarbeit in unseren Data Science Teams interessiert? Wir haben zahlreiche Stellen weltweit zu besetzen! Lernen Sie Nenad in diesem Video kennen und nutzen Sie den unten stehenden Link, um nach unseren offenen Stellen zu suchen.
