Treiberbasiertes Türstörungsmonitoring: Wie Big Data Türstörungen bei der Bahn vermeidet

Conference Day - 16. Februar
 
09:30
10:15
 
Technologie / Innovation
 
Konferenzraum 1.801

Türstörungen bei der Bahn sind ein großes Ärgernis: Für den Fahrgast, weil er sich eine andere Türe suchen muss, und für die Bahn, weil diese zu unzufriedenen Kunden, zu Abfahrtsverzögerungen und zu Reparaturkosten führen.
Sensoren in modernen Reisezugwagen generieren eine Vielzahl von Daten im Betrieb und erfassen auch mögliche Störungen. Zusätzlich stehen Informationen aus den IT-Systemen, mit denen Betrieb und Instandhaltung der Wagen gesteuert werden, zur Verfügung. Zusammen mit den Schweizerischen Bundesbahnen haben wir eine Lösung entwickelt, mit deren Hilfe wir die Daten auswerten, Trends und Muster erkennen und damit die Zahl der Türstörungen, welche heute 30% der gesamten Störungen im Personenverkehr ausmachen, signifikant reduzieren können.
Im Rahmen unseres Vortrags stellen wir unser Projektvorgehen und die Lieferobjekte vor:
• Wir zeigen die Projektziele und den Nutzen des geplanten Business Case auf
• Wir stellen das agile Projektvorgehen für den Aufbau des Datenlabors vor: Der Produkt Owner erstellt, priorisiert und erläutert die Anforderungen, die er an das Ergebnis der Datenauswertung stellt.
• Wir zeigen, wie wir die vorliegenden Daten dahingehend analysiert haben, um die gestellten Anforderungen abdecken zu können.
• Wir präsentieren die dazu entwickelte und implementierte IT-Architektur: Datenintegration auf SAP HANA (native) für SAP Daten via SLT und für Non-SAP Daten aus Hadoop via Scoop; Datenanalyse via SAP HANA SQL und R Entwicklungen, Visualisierung mit SAP Lumira
• Wir demonstrieren das Datenlabor als „single point of truth“: Auf einem Dashboard erhält der Nutzer eine Visualisierung der Treiber und Ursachen der Türstörungen der bestehenden Flotte.
• Wir zeigen, wie der Nutzer mit Hilfe dieser Informationen vorausschauend mögliche Türstörungen erkennen kann, sodass diese behoben werden können ohne Kunden und Betrieb zu beeinträchtigen, und wie letztlich weitergehende gezielte Maßnahmen abgeleitet werden können, um zukünftig Türstörungen zu vermeiden.
Zum Abschluss präsentieren wir über den Anwendungsfall „Türstörung“ hinausgehend Trends, Innovationen und Best Practices, aus denen sich weitere Instandhaltungs- und Instandsetzungs-Business Cases und Big Data-Projekte ableiten lassen, unter Einbeziehung der im Türstörungsprojekt bewährten Big-Data-Referenzarchitektur und einem strukturierten Projektvorgehen.

Ulrich Gantenbein

Q-PERIOR, Deutschland

Ulrich Gantenbein ist Associate Partner bei Q_PERIOR, Business- und IT-Beratung, in Bern und Zürich, wo er den Geschäftsbereich Business Intelligence leitet. Sein fachlicher Fokus liegt branchenübergreifend im Design und der Implementierung von anspruchsvollen Lösungsarchitekturen in den Bereichen BI und EPM, insbesondere auch mit SAP HANA. Vor seinem Einstieg bei Q_PERIOR war der Betriebswirt (lic.rer.pol.) zuletzt als Leiter BI für Deloitte Consulting Schweiz tätig. Dem ging eine Beschäftigung bei SAP (Schweiz) als BI und EPM Solution Architect voraus.