通过自动化事件诊断建议增强列车维护技术人员的能力
机器学习
2024-08-21 v1 机器学习
摘要
列车运行事件目前由列车维护技术人员逐一手动诊断。为了协助维护团队提高响应速度和任务优先级排序，开发了一种学习机器并在生产环境中部署，以便在列车事件被报告后立即通过手机、平板电脑或笔记本电脑向列车技术人员提供诊断建议。反馈循环允许将指定列车维护专家的实际诊断纳入考虑，以优化学习机器。通过将问题建模为离散集合分类任务，提出了特征工程方法来从车载铁路车辆生成的轨迹中提取物理上合理的事件集合。这些事件集合随后输入一个原创的集成分类器，按潜在技术原因对事件进行分类。最后，使用真实运行数据对所得模型进行训练和验证，并部署在云平台上。未来工作将探索如何利用提取的事件集合，通过协助人类专家创建预测性维护警报来避免事件发生。
引用
@article{arxiv.2408.10288,
title = {Augmenting train maintenance technicians with automated incident diagnostic suggestions},
author = {Georges Tod and Jean Bruggeman and Evert Bevernage and Pieter Moelans and Walter Eeckhout and Jean-Luc Glineur},
journal= {arXiv preprint arXiv:2408.10288},
year = {2024}
}