西门子交通帮助铁路运营商避免停机和计划外的维护
通常，铁路客户的满意度主要取决于一个问题：火车准时运行吗？ 可能导致列车延误的因素包括业界所谓的“钢轨伤损”，即轨道材料和其他基础设施部件的扭曲、应力和断裂。铁路系统运营商一直在寻找有效的方法来发现和纠正此类问题。
西门子交通数据服务架构团队负责人 Friedrich Gloeckner 说道：“检测并主动修复钢轨伤损 – 这正是我们想要帮助客户解决的问题。”160 多年来，作为交通解决方案领域的领导者，该公司不断寻找机会对其核心业务线的产品进行创新：机车车辆、铁路自动化和电气化、交钥匙系统、智能交通系统以及相关服务。
以前，需要检查人员沿着轨道行走检查，或查看从检查列车上拍摄的视频片段，来人工评估钢轨是否有伤损，但这两种方法都昂贵、耗时且容易出错。现在，有一种新方法：Video Track Inspector。该视频分析应用程序是西门子交通和 Strukton Rail 公司的联合项目，Strukton Rail 是一家专门从事铁路基础设施建设和维护的荷兰公司。新的解决方案仍然使用安装在列车上的高清摄像机，但它用机器学习算法取代了人工审查，这些算法可以分析图像、识别和定位缺陷点以及提出工单。
Video Track Inspector 是适用于铁路行业的重要解决方案，也是西门子交通的 Railigent Application Suite 套件中托管的数百个应用程序之一，该套件是一个开放的生态系统，用于在 Amazon Web Services（AWS）上集成铁路数据、开展监控和运行分析应用程序。Gloeckner 说道：“我们开发 Railigent 是为了帮助我们的客户避免计划外维护，实现高达 100% 的机车车辆和基础设施组件可用性。如果没有可在 AWS 上访问的现代 IT 基础设施和云服务，我们就不可能实现这个目标。
我们的 AWS 数据湖使数据科学家和软件开发人员以及大约 250 名非技术员工能够创建自定义应用程序和报告，帮助最大限度地提高数据的价值。”
– 西门子交通 Data Services Architecture 部门担任 Team Leader 的 Friedrich Gloeckner
-
西门子交通
-
优势
-
使用的 AWS 服务
-
西门子交通
-
160 多年来，西门子交通一直是交通解决方案领域领导者，该公司是 Siemens AG 旗下的独立管理公司，在机车车辆、铁路自动化和电气化、交钥匙系统、智能交通系统以及相关服务等核心领域不断创新其产品组合。
-
优势
-
- 将维护成本和能耗降低 10–15%
- 将计划外停机时间减少 30–50%
- 减少了 30％ 以上的非必要维修转移次数
- 开放生态系统支持领先铁路专家提供的第三方应用程序
-
使用的 AWS 服务
将火车迁移到云端
Gloeckner 的经验之谈。西门子交通最初部署的本地解决方案具有与 Railigent 类似的分析功能，但遇到了与孤立数据、劳动密集型数据集成和开发流程以及上市时间缓慢相关的诸多障碍。
据 Gloeckner 所说，在 AWS 上开发和实施 Railigent 的最有吸引力的原因之一是有机会集中管理数据。作为 Railigent 的全新云架构的一部分，西门子交通实施了一个数据湖，该数据湖使用 Amazon Simple Storage Service（Amazon S3）获取持久性数据集目录，使用 AWS Glue 进行数据转换，使用 Amazon Athena 进行无服务器交互式查询。它还依赖 AWS Lambda 实现无服务器编排功能，依靠 Amazon Elastic MapReduce（Amazon EMR）对无限量数据进行快速、经济的处理和分析。
Gloeckner 说道：“对我们来说，AWS 的主要吸引力在于能够使用诸如 Amazon EMR 之类服务，这使我们能够按需运行任何种类、任何规模、即用即付的 Hadoop 集群。减轻此类运营工作是我们的终极需求，因为我们已经切身体验到，在我们自己的数据中心运行、更新和扩展复杂的解决方案（例如 Hadoop）是多么复杂。”
在 AWS 上运行还有助于优化不同 IoT 数据的使用，这些数据由 Railigent 从全球成千上万个铁路资产上的数十万个传感器和其他设备中提取。Gloeckner 说道：“在我们的 AWS 数据湖中，我们可以将大型非结构化数据集存储在 Amazon S3 中，并使用 Amazon Athena 读时模式功能，为特定的新应用场景创建虚拟表。Amazon EMR、Amazon S3 和 Amazon Athena 等云服务为我们在处理数据方面提供了比本地甚至其他公共云提供商更大的灵活性。”
在 AWS 上使数据民主化以寻找新的客户价值
当然，如果这些功能不能同时帮助西门子交通更快地响应客户需求，并在提取的数据中找到更多价值，它们就无关紧要了。Gloeckner 说道：“当 Railigent 的前身在本地运行时，来自不同来源的数据是孤立的，因此构建应用程序以利用这些数据需要复杂的自定义提取、转换和加载 [ETL] 作业以及来自分析专家的帮助。这使得我们很难充分利用所有数据，而且我们无法轻松地向开发人员提供工具箱和可重复使用的应用程序组件。”
现在，该公司可以集中处理数据准备任务，同时让众多的团队能够使用数据。Gloeckner 说道：“在 AWS 上，我们使用一个小型的集中式团队进行数据 ETL、结构化和丰富化，然后我们将数据提供给非技术员工开展实验和基于此进行构建。我们的 AWS 数据湖使数据科学家和软件开发人员以及大约 250 名非技术员工能够创建自定义应用程序和报告，帮助最大限度地提高数据的价值。此数据民主化是我们的 AWS 数据湖最重要的优势之一。”
这种数据民主化可以更快地响应客户请求，例如，将报告生成时间缩短一半。Gloeckner 说道：“在我们迁移到 AWS 之前，我们必须重新考虑每份自定义 BI 报告的身份验证、授权、提取和 ETL 操作，即便如此，我们也只能提供快照，而无法提供实时结果。现在，在 AWS 上，这些问题已经得到一次性解决，并根据全球西门子安全和监管规则进行了审查，因此报告开发人员可以重复使用这些组件。借助我们的 AWS 数据湖，我们只需要两到三周即可创建针对实时数据的报告，而以前即使是创建静态报告也需要一个月或更长时间。”
据 Gloeckner 所说，平均而言，Railigent 客户的维护成本和能耗已经减少了 10％ 至 15％，计划外维护减少了 30％ 至 50％，非必要的维修转移次数减少了 30％ 以上。而且该公司才刚刚开始探索 AWS 的潜能。“我们很高兴让 AWS 来处理无差别的繁重工作，例如运营基础设施和构建服务，使我们得以专注于对我们的业务真正重要的事情。在 AWS 上运行的好处在于它提供了许多可能性。实际上，我们可以在云端取得的成就远不限于此。”