سید ابوالفضل بهره دار کارشناس اقتصادی: اخیراً با مشارکت مکینزی گزارشی توسط اتحادیه بین‌المللی راه‌آهن‌ها (UIC) تهیه و منتشرشده است که در آن نشان داده شده است بهره‌گیری هر چه بیشتر از هوش مصنوعی (AI) می‌تواند مزایای قابل‌توجهی را برای شرکت‌های ریلی در سرتاسر جهان به همراه داشته باشد.
دراین‌بین مدیران زیرساخت‌های ریلی در راه‌آهن از طریق هوش مصنوعی در بخش‌هایی نظیر نگهداری و تعمیرات پیش‌بینی کننده به اولویت‌بندی دارایی‌های حیاتی خویش و شیوه انجام عملیات بر روی آن‌ها پرداخته‌اند. بهره‌گیری از هوش مصنوعی (AI) در راه‌آهن به‌ویژه در سال‌های اخیر به دلیل کاهش هزینه‌های مرتبط با ذخیره‌سازی و پردازش داده‌ها، گسترش سریع در مواردی نظیر در دسترس بودن داده‌ها و بهبود تکنیک‌های ذخیره‌سازی و نیز مدل‌سازی داده‌ها، شتاب بیشتری به خود گرفته است.
به‌طور خاص هوش مصنوعی تحلیل یاز طریق پردازش داده‌های تاریخی به‌منظور انجام پیش‌بینی‌های عددی کار مورداستفاده قرار می‌گیرد و این در حالی است که هوش مصنوعی مولد، ماشین‌ها را قادر می‌سازد تا خروجی جدیدی شبیه به محتوای تولیدشده توسط انسان را ایجاد نماید. هوش مصنوعی مولد در پایان سال 2022 و درست در همان زمانی که برنامه‌هایی مانند چت جی بی تی در دسترس عموم قرار گرفت، به یک نقطه عطف کامل رسید که می‌توانست منشأ تحول در بسیاری از زمینه‌ها گردد. یک‌سوم از پاسخ‌دهندگان به نظرسنجی جهانی سالانه مک کینزی در مورد وضعیت هوش مصنوعی در سال 2023 گفتند که سازمان‌های آن‌ها به‌طور مرتب از هوش مصنوعی مولد در حداقل یک کار تجاری استفاده می‌کند، درحالی‌که 60 درصد از کسانی که هوش مصنوعی تحلیلی را پذیرفته‌اند، گفتند که درحال‌توسعه موارد استفاده از هوش مصنوعی مولد هستند.
از سوی دیگر صنعت راه‌آهن در گذشته به دلیل محدودیت در دسترس بودن و کیفیت داده‌ها، الزامات قانونی و عدم استانداردسازی با چالش‌هایی در پذیرش فناوری دیجیتال روبرو بوده است، هوش مصنوعی تحلیلی و مولد، فرصتی را برای بخش ریلی فراهم می‌کند تا به‌تدریج دیجیتالی شدن را در تمامی بخش‌های خود از طریق استقرار هوش مصنوعی تجربه نماید. بر اساس گزارش‌ها، سفر به‌سوی شرکت‌های ریلی مجهز به هوش مصنوعی، گزارشی است که توسط اتحادیه بین‌المللی راه‌آهن (UIC) با مشارکت مک‌کینزی تهیه شده است و در آن بیش از 100 مورداستفادهٔ بالقوه از هوش مصنوعی در بخش ریلی وجود دارد و مورد استناد قرار گرفته است.
بر اساس تحقیقاتی که شامل بررسی 11 شرکت ریلی در سراسر اروپا، آسیا و مصاحبه‌های عمیق با مدیران ارشد اجرایی 15 شرکت پیشرو و سازندگان تجهیزات اصلی قطار (OEMS) بوده است. همچنین این گزارش‌ها می‌گویند که اجرای هوش مصنوعی بر 20 مورداستفاده کلیدی از استفاده از هوش مصنوعی تحلیلی در این صنعت تمرکز دارد. برای بهبود سروقت بودن قطارها، تعامل با مشتری، ایمنی و عملکرد عملیاتی شبکه ریلی استفاده از هوش مصنوعی در صنعت حمل‌ونقل ریلی را رونق بخشیده است. در اینجا از میان 11 شرکتی که مورد بررسی قرارگرفته‌اند، 38٪ در حال شروع نخستین پیاده‌سازی‌های هوش مصنوعی در مقیاس بزرگ هستند و می‌کوشند توانایی‌های داخلی خود را از طریق به‌کارگیری هوش مصنوعی تقویت کنند.
با این پیشرفت‌ها، 25٪از شرکت‌ها در حال پیاده‌سازی چندین کاربرد هوش مصنوعی در مقیاس بزرگ هستند، درحالی‌که 13٪از شرکت‌های ریلی چندین پروژه آزمایشی در دست اجرا دارند و 25٪نیز در مراحل ابتدایی توسعه شرکت‌های خود بر اساس هوش مصنوعی قرار دارند و هنوز هیچ پروژه آزمایشی را شروع نکرده‌اند.
موارد استفاده‌ای که توسط بهره‌برداران صنعت ریلی در مقیاس بزرگ اجرا شده است، شامل بهینه‌سازی تیم‌های تخصصی و شیفت‌های کاری هستند، جایی که 40٪ از شرکت‌های مورد بررسی قرار گرفته از هوش مصنوعی برای تخصیص مؤثرتر کارکنان به وظایف و پیاده‌سازی برنامه‌ها استفاده کرده‌اند و به‌این‌ترتیب هزینه‌های نیروی کار را کاهش داده‌اند.
کاهش مصرف انرژی نیز یکی دیگر از اولویت‌هایی است که با استفاده از سیستم‌های دستیار راهبر قطار که نرم‌افزارهای مبتنی بر هوش مصنوعی را ارائه می‌دهند، امکان‌پذیر شده است. انتظار می‌رود سیستم‌هایی مانند اکو ریل که توسط شرکت و یا ریل کانادا به کار گرفته‌شده، مصرف انرژی را تا حدود 10 تا 15 درصد کاهش دهند. سایر موارد استفاده از هوش مصنوعی در صنعت حمل‌ونقل ریلی همچنان در مراحل آزمایشی هستند، از آن دسته می‌توان به استفاده از این فناوری برای نگهداری و تعمیرات و نیز پیش‌بینی شرایط ناوگان اشاره می‌شود که اکنون توسط 50٪ از بهره‌برداران مورد بررسی قرار گرفته، پذیرفته‌شده است.
این مصاحبه‌ها تحقیق اتحادیه بین‌المللی راه‌آهن را تأیید کردند که نگهداری و تعمیرات آینده‌نگر موجب افزایش 15٪ در قابلیت اطمینان، کاهش 20٪ در هزینه‌های نگهداری و کاهش 30٪ در خرابی قطارها شده است. حدود 30٪ از شرکت‌های ریلی گفتند که در حال استفاده از الگوریتم‌های زمان‌بندی خدمات ریلی هستند، که تقاضای مشتریان را ارزیابی و مسیرهای اولویت‌دار قطار را تعیین می‌کنند و در نتیجه خروجی بهینه را در محدوده‌هایی مانند ظرفیت ایستگاه، دسترسی کارکنان و سودآوری خدمات مشخص می‌کنند.
تمام مدیران بخش زیرساخت در شرکت‌های ریلی بزرگ که برای این گزارش مورد مصاحبه قرارگرفته‌اند، اکنون از نگهداری پیش بینانه برای اولویت‌بندی کارها با توجه به مهم‌ترین دارایی‌ها و تسهیلات با بالاترین احتمال خرابی استفاده می‌کنند. این مورداستفاده از هوش مصنوعی اخیراً بسیار به کار گرفته‌شده است و راه‌حل‌های پیشرفته‌تر اکنون از داده‌های داخلی و خارجی برای شناسایی چرخه بهینه نگهداری و تعمیرات را در شرایط بهره‌برداری ارائه نموده است. با تغییر نحوه برنامه‌ریزی و ارائه خدمات در صنعت حمل‌ونقل ریلی، هوش مصنوعی می‌تواند سالانه بین 13 تا 22 میلیارد دلار سود در سراسر جهان برای بهره‌برداران صنعت حمل‌ونقل ریلی به ارمغان بیاورد.
به‌عنوان‌مثال راه‌آهن فدرال اتریش (ÖBB) داده‌های داخلی را از طریق اسکن شبکه ریلی ترکیب می‌کند تا بتواند از طریق آن بخش‌های کنار خط آهن را مورد نظارت قرار داده و مخاطرات ایمنی در شبکه ریلی را شناسایی نمایند. اتحادیه بین‌المللی راه‌آهن‌ها (UIC) بر اساس مشاهدات میدانی نتیجه‌گیری می‌کند که نگهداری و تعمیرات پیش‌بینانه برای زیرساخت‌ها می‌تواند معمولاً زمان خرابی‌های غیرمنتظره را 15-25٪ کاهش دهد و علاوه بر آن هزینه‌های نگهداری را 15-30٪ کاهش دهد. از طرفی استفاده از هوش مصنوعی در صنعت ریلی می‌تواند توانایی تشخیص خرابی‌ها را 100٪ یا بیشتر افزایش دهد و نهایتاً آنکه تأخیرهای هر قطار را 20٪ کاهش دهد. برخی دیگر از کاربردهای جهان شمول صنعت ریلی مدیریت جریان مسافر برای بهینه‌سازی جریان مسافری در ایستگاه‌ها، و جلوگیری از بروز تنگناها و بهبود امنیت شبکه ریلی است.
مدیران زیرساخت همچنین از یادگیری عمیق به‌عنوان یکی از ابعاد هوش مصنوعی استفاده می‌کنند تا بهترین استفاده از ظرفیت شبکه ریلی را با در نظر گرفتن نیازهای بهره‌برداران، الزامات نگهداری و تعمیرات و عوامل خارجی را شناسایی کنند. دراین‌بین راه‌آهن آلمان (DB) از هوش مصنوعی برای شناسایی نحله‌ها و نقاط عطف آینده و تقاضای بازار مسافری در ایستگاه‌ها و خدمات ریلی بلندمدت استفاده می‌کند که این امر اجازه می‌دهد تا قطارهای با ظرفیت بالا برای رفع گلوگاه و ایجاد موازنه‌های پیشرو و کنترل ازدحام از طریق اعزام فوق‌العاده به کار گرفته شوند.
همچنین بررسی و مصاحبه از مدیران زیرساخت ریلی که برای گزارش مورد مصاحبه قرارگرفته‌اند، 60٪ در مدیریت ترافیک با توجه به هوش مصنوعی به در نظر گرفتن زمان واقعی در برنامه‌های زمان‌بندی با استفاده از هوش مصنوعی استفاده تأکید کرده‌اند، این سامانه‌ها مسیرهای بسیار کارآمد را شناسایی نموده و ارائه خدمات را هماهنگ می‌نمایند و در نتیجه اختلالات را کاهش می‌دهند. با تغییر نحوه برنامه‌ریزی و ارائه خدمات، هوش مصنوعی به توسعه گزارش کمک نمود و امکانی را ایجاد نموده که سالانه بین 13 تا 22 میلیارد دلار از مزایای اقتصادی در سراسر جهان به بخش ریلی روانه سازد.
بر اساس ساختار هزینه در شرکت‌های راه‌آهن اروپایی، برای یک شرکت با درآمد سالیانه 5 میلیارد یورو، هوش مصنوعی می‌تواند سالانه مقدار 700 میلیون یورو ارزش‌افزوده ایجاد کند. این مهم شامل کاهش هزینه‌های پرسنلی، نگهداری و تعمیرات و هزینه‌های پرسنلی شرکت همراه با افزایش درآمد از طریق استفاده از هوش مصنوعی برای مدیریت درآمد مسافران، مانند قیمت‌گذاری پویا، و بهینه‌سازی استفاده از ظرفیت شبکه می‌شود.
بیشترین صرفه‌جویی‌ها از استفاده از هوش مصنوعی در نگهداری پیش‌بینی کننده زیرساخت، با کاهش هزینه‌ها 25٪، دنباله دارد که شامل نگهداری پیش‌بینی کننده وسایل نقلیه (20٪) و بهبود کارایی انرژی (15٪) می‌شود. برای به دست آوردن این حجم از ارزش، نتایج مطالعات نشان می‌دهد که لازم است همه ذینفعان به‌جای توسعه فناوری صرفاً برای استفاده از منافع فناوری، توسعه موارد استفاده از هوش مصنوعی را که یک نیاز مشخص و وسیع را برآورده می‌سازد، در اولویت قرار دهند. در کنار فناوری، استراتژی مدیریت داده‌ها، استقرار موفقیت‌آمیز هوش مصنوعی در راه‌آهن به وجود مهارت‌ها و ایفای نقش‌های خاص هوش مصنوعی و همچنین یک نقشه راه استراتژیک برای پیاده‌سازی در سطح وسیع نیاز دارد.
