概要
Alstom社は、輸送業界では世界的に有名な会社で、列車、信号、保守サービス、および統合輸送システムを提供しています。また、TGVとユーロスター高速鉄道を生産しています。 拠点は105か所あり、34000人以上の従業員が働いており、純利益は€475ミリオンです。
SimPlan AG社は、自動車およびロジスティクス分野を専門とするドイツの大手シミュレーションサービスプロバイダーで、売り上げは€14ミリオン程です。
Alstom社は、未来へのモビリティの課題を解決するためには、イノベーションが重要であると考え、SimPlan社と共同で、列車の保守管理のデジタル意思決定支援システム開発に合意しました。
このプロジェクトは、EU H2020プログラムの一環として、欧州委員会の資金提供による、EU最適化プロジェクトの一環です。OPTIMIZEDは、さまざまな産業分野で策定される計画を最適化するツールを開発することを目的としたヨーロッパ主導の大規模なプロジェクトです。プロジェクトの鍵は、シミュレーションとデジタルツインで、それらの助けを借りて作られました。デジタルツインとは、現実のシステムとその動作を、シミュレーションでモデル（仮想的に表現）化したものです。この種のシミュレーションモデルは、常に多数のデータソースで更新され、その物理的対象分の動作をモデル上で疑似的に再現することができます。
問題
Alstom社は、イギリスの運用数が多く、かつ複雑なウエストコースト本線（WCML）のペンドリーノ列車全体を維持管理しています。メンテナンスにおけるスケジューリングおよび管理は、対象の列車５６台とメンテナンス拠点５か所の様々な側面を考慮する必要があります。
- 運行列車とキャパシティに関するルートと時刻表のデイリー運行要件
- メンテナンス体制：列車点検とメンテナンスの頻度とパラメータ（走行距離など）
- 事故や故障の場合の保守
- 保守キャパシティ：格納庫には保守または修理に十分なリソースがあるか
必要以上に早めに保守サービスされた列車は、メンテナンス会社に不必要な費用を引き起こします。その一方で遅いメンテナンスは予期せぬ故障や追加の高価な修理が必要な場合があります。よって包括的なディジタル・ツールはメンテナンスを有効に管理するのを支援するために必要でした。
ソリューション
様々な条件で、多くのパラメータを取り込むには、シミュレーションが必要であり、固定データによる単純なシミュレーションでは不十分です。その理由は、列車には時刻表があり、列車の状況は常に変化するためで、数日先の列車の位置を予測するのはシミュレーションが必要です。最新のデータを使用することでより深い洞察が可能になるため、開発者はシステムのデジタルツイン化をすることにしました。毎日の運行データの更新により、モデルを正確に表示することが可能になりました。
AnyLogicシミュレーションソフトは、シミュレーションに最適なモデリング手法を一つ選択、または複数の手法の併用が可能です。このモデルの開発者はエージェントベースモデリングアプローチを選択しました。これにより、鉄道ネットワークと運行全体を把握することが可能になりました。
- 列車
- 格納庫と駅
- メンテナンス体制
- 運行スケジュールの図表
AnyLogicを使用すると、開発者はフォーマットを変更せずにさまざまなソースからのデータを処理できます。車両、駅、拠点、およびそれらの制約に関するシステムデータはExcelで提供されますが、列車のスケジュール表はCSVファイルで、毎日基準が割り当てられています。
Alstom社が通常使用するメンテナンススケジューラは、ヒューリスティックスケジューリングアルゴリズムが基本で、開発者はAnyLogicの鉄道シミュレーションソフトウェアに組み込みました。シミュレーションとスケジューラを直接接続することは、必要なときにいつでもより速い結果を得るのに同時に再実行できることを意味するので、これは大きな利点になります。
モデルは、インタラクティブでユーザーに親しみやすいAnyLogicユーザーインターフェイスを搭載しています。AnyLogicのGIS機能により、モデル内のGISマップを表示および管理することができます。この機能を使用して、開発者はOpenRailwayMapからのデータで鉄道列車の動きをビジュアル化しました。このマップでは、ユーザーはすべての列車の運行状況を見ることができます。また、項目をクリックし、包括的な情報を取得することが可能です。
- 累積労働時間に関する統計
- 予防保全および修理の詳細
- スケジュールによるメンテナンスで列車の停止合計時間
Javaに基づいて開発されたAnyLogicは、自由に分配できるスタンド・アロンのJAVAアプリケーションを作成することが可能です。これにより、モデルの最適化や、顧客や幹部へのモデルデモなどが可能となりました。
本シミュレーションモデルは、さらなる開発が計画されます。例えば、検知器を備え列車はモデルにデータを送信し、より現実近い環境をモデル上で再現します。スケジューラはまた、予測的レールスケジューリングおよびスケジューリング方針のさらなる最適化のための確率論的方法および機械学習機能によってアップグレードされるでしょう。
成果
デジタルツインは、WCML鉄道全体の動作を表します。それはユーザーが与えられた制約条件に最適な解決策を見つけることで無駄な鉄道経費を節約することを可能にします。ユーザーは次のことが理解できます。
- 与えられたパラメータ内のシステムパフォーマンスを理解し、ボトルネックを見つけます。
- デジタル環境で列車をよりコスト効率よく（列車の保守管理体制、スケジュール設定戦略、格納庫のキャパシティを変更）サービスするためのさまざまな方法を探ります。
- シナリオを比較し、KPIを評価し、確かな情報の判断を下します。
緊急事態や予期せぬ出来事が発生した場合、Alstom社は入力データを変更することで新規に効果的な解決策を素早く見つけることができます。さまざまなwhat-ifシナリオを実行して、起こり得る出来事を予測し、事前に解決策を見つけることも可能です。
顧客から全体的な変更が提案された場合（時刻表の改定、追加列車またはルート）、メンテナンス会社はそれらがメンテナンスに影響するかどうかを確認し、新しい解決策を提案でき、さらに、モデルは顧客に提示する際の優れた事例を紹介するツールとなります。
鉄道ネットワークのデジタルツインは、次のような車両メンテナンスの他の次のステージのための貴重な鉄道シミュレーションおよび意思決定支援ツールです。
- 提案をサポートするためにデータとシミュレーションで信頼できる評価を作ることができます。モデルはコミュニケーション用の強力な視覚的なツールです。
- 立案および設計段階では、保守会社はプロジェクトの変更に柔軟に対応し、制限を考慮することができます。
- 会社はモデル製作に基づいてプロジェクのフォーキャストを作成できます。
鉄道ネットワークデジタルツインへの投資は、現在、及び長期間にわたり、意思決定に非常に役立つことが証明されています。