AI赋能的资产管理，帮助亚特兰大都市区快速运输局预测资产运行状况，提高安全性与效率

亚特兰大都市区快速运输局 (MARTA) 希望将资产管理系统从人工模式升级为预测模式,来提高隧道通风系统资产的效率、安全性和可靠性。 MARTA使用IBM Maximo APM – Predictive Maintenance Insights 解决方案作为试点项目，对隧道通风系统的资产维护流程进行升级。这个试点项目证明了该解决方案在成本和效率方面的节省潜力，目前，该解决方案已全面投入生产使用。

成果

• 利用机器学习分析多个数据集，改进资产状况评估。
• 更准确地评估资产维护需求，以延长资产的使用生命。
• 使用仪表板整合信息，提供资产绩效的集中视图。

探索预测性维护

作为美国十大公共交通运输机构之一，MARTA 对于快速发展的亚特兰大都市区的经济活力至关重要。该机构为 170 万民众提供服务，每年运输 50 多万人次的乘客，拥有 5000 多名员工。

该机构的基础设施同样令人印象深刻：拥有超过 338 班车次和 38 个车站提供轨道交通服务，另外通过 550 辆公共汽车在 101 条路线上提供公交服务。MARTA 需要监管 600 万平方英尺相关设施的资产，包括行政大楼、轨道交通站点、轨道调车场和配套设备。

管理这些资产是一项重要任务，也是MARTA的高优先级事项。资产维护不仅要考虑安全和法规因素，还与客户满意度和经济因素密切相关：一小时的服务中断可能会让 MARTA 损失数十万美元，更不用说对未来客流量的潜在流失影响。

事实上，MARTA 在运输资产管理方面处于领先地位。最近，MARTA 成为北美第一家获得 ISO 55000 认证的公共交通运输机构，这项国际标准旨在证明机构的资产得到有效维护，而且系统运行状况非常安全。

该认证也是获得联邦资金的一个重要考虑因素。每年，联邦政府的代表都会对该机构进行审计，以确保资产的维护符合标准。“这表明我们将纳税人的钱管理得很好，”设施维护总监 Remy Saintil 说道，“我们希望确保所有资产都发挥最大能力，而且系统安全可靠。”

在过去几年里，业界已从基于计划的维护模式转变为预测性维护模式。MARTA 的设施团队对于使用创新技术来推动增长、提高效率和节省成本表现出强烈兴趣，他们希望进行试点，看看预测性维护能否提高其性命攸关的系统可靠性。

“我不知道还有没有其他交通运输机构开展这种涉足 AI 领域的创新工作，反正我们目前正在实施这个项目。”— Remy Saintil，亚特兰大都市区快速运输局（MARTA）设施维护总监

试点项目的演变

这个项目是从一个陌生电话开始的。一位 IBM 代表向Saintil介绍了 IBM 在预测性维护和 AI 方面的能力。Saintil 说：“这让我产生了兴趣，想看看 IBM 能为我们机构节省多少成本，提高多少效率。”

利用部署在 IBM Cloud 上的 IBM Maximo APM – Predictive Maintenance Insights 解决方案，MARTA 启动了一个概念验证 (POC) 项目，旨在提高隧道通风系统的资产可靠性。该解决方案使用机器学习来发现资产数据、使用情况和环境中的模式，并将它们与已知问题关联起来，以帮助预测故障。

MARTA 选择将试点项目的重点限于隧道通风系统有几个原因。该系统使用大型风扇和鼓风机，为地铁隧道进行排烟通风，从安全和法规角度而言，该系统都至关重要。这是一个复杂的系统，包含超过 500 个组件，并且涉及多个利益相关方，这使它成为率先试点的理想选择，如果试点成功，则可以扩展到其他系统。

项目团队从 MARTA 企业资产管理系统中采集与预防性维护相关的历史信息（如工单、服务请求、维修记录、数据警报和天气数据），并开始使用这些信息生成模型。例如，如果 MARTA 能够将维护周期延长一两个月，那么技术人员就可以利用这段时间开展其他工作。

“它展示了某些资产的生存曲线，并揭示了我们以前遗漏的许多洞察。”Saintil 说道。“我们能够进行预测；且通过仪表板，不需要执行这样或那样的搜索就可以一站式地看到所有数据。”

从试点开始，这个项目不断发展。随着 MARTA 接近完成 ISO 55000 认证，项目团队能够应用从试点中获得的信息，帮助制定运输资产管理计划，这是联邦政府对运输组织的强制性要求。

Saintil 和他的团队扩展了试点项目，以包括该计划所需的一些信息，如资产库存、状况评估、绩效衡量和决策支持工具等。

扩大部署范围

在隧道通风系统中完成预测性维护解决方案的试点部署后，MARTA 开始将该解决方案全面投入生产环境。团队期望从解决方案实施中获得的收益之一，是能够在需要时解决资产维护问题，而不是依赖于制造商的建议，因为这往往导致过度维护。

他们还希望获得更准确的状况评级。过去，这在很大程度上依靠主观判断，基于对设备的目视检查。通过预测性维护试点项目，MARTA 能够使用机器学习来生成更客观的状况评级，这也是联邦机构要求做到的，并且按照要求每年都会进行审计。“它就像是真人在操作一样，且每天都执行任务，”Saintil 说，“我每天都可以获得最新的状况评分。”

MARTA 还可以使用部署在 IBM Cloud 上的 IBM Maximo APM – Predictive Maintenance Insights调整预防性维护计划，这本身就是一种节省成本的措施。技术人员不需要开展众多预防性维护检查，从而可以省出更多时间去处理其他问题和进行改进。

除了当前的项目外，MARTA 还希望解决整个资产生命周期运行状况的绩效管理问题：监控报告流程，以预测未来的绩效和风险；检查历史证据；分析绩效；以及执行根本原因分析。具备这些能力后，如果资产出现问题，MARTA 就能够更轻松地进行根本原因分析，并回过头来查看系统中的数据。这还可以帮助 MARTA 更好地规划资本预算。

最终，Saintil 希望扩展该项目，不仅涵盖隧道通风系统等性命攸关的系统，还要包含运营关键型资产和运营支持资产。“在公共交通资产管理方面，我们的技术处于领先地位。当我们和其他运输机构的同事交流时，他们总会惊叹：‘哇，我们从来没听说过有人这样做。’不仅如此，IBM 和 Watson 的声誉以及我们在这个领域的合作，也起到了壮大声势的作用。这是一种真正的创新。”

关于亚特兰大都市区快速运输局 (MARTA)

MARTA 是美国 10 大运输机构之一，为佐治亚州亚特兰大市及其周边地区的 170 万民众提供服务。该机构提供轨道交通服务，覆盖 38 个车站、超过 338班车次；此外，它还通过 550 多辆公共汽车提供公交服务，覆盖 101 条路线，总运营里程达到 1,439 英里。MARTA 致力于保障乘客的乘车安全和满意度，不断改善服务，帮助促进其所服务地区的经济发展。该机构拥有超过 5000 名员工。