IA en el transporte público

Hitachi Rail necesita identificar rápidamente las causas de fallos de infraestructuras y proporcionar instrucciones efectivas de recuperación durante las interrupciones ferroviarias. Los métodos tradicionales, que dependían en gran medida de la experiencia y el conocimiento de los operadores de control, a menudo eran insuficientes para gestionar rápidamente incidentes poco frecuentes o complejos.

Para abordar este problema, se desarrolló un sistema basado en IA que utiliza la tecnología propia de recomendación con IA de Hitachi. Este sistema analiza extensos registros históricos de fallos en infraestructuras para identificar eventos pasados similares. Al extraer y presentar información de informes de fallos previos, la IA ayuda a los operadores de control a acotar posibles causas y a sugerir acciones de recuperación adecuadas. El modelo de aprendizaje utilizado fue BERT. Se utilizaron alrededor de 3000 puntos de datos históricos relacionados con fallos y problemas de funcionamiento para entrenar el modelo.

Se realizó una prueba de campo utilizando datos de JR East, un operador ferroviario en Japón, entre 2020 y 2022 para confirmar la eficacia del sistema basado en IA. Durante la fase de prueba de concepto, se demostró una reducción significativa en el tiempo de recuperación. Cuando se aplicó a incidentes pasados significativos que normalmente requieren unas dos horas para recuperarse, se redujo el tiempo de recuperación en aproximadamente un 50%, acortándolo a aproximadamente una hora. Tras estas pruebas exitosas, el sistema comenzó su funcionamiento completo.