Цифровой помощник для службы ШЧ

Введение

В работе железнодорожной компании важную роль играет обслуживание оборудования. Однако, справиться с возникающими проблемами в реальном времени может быть сложно, особенно если у сотрудников нет определенного опыта или знаний в данной сфере. Также поиск решения задачи может занимать значительное количество времени, что отрицательно скажется на работе компании.

В данном проекте мы предлагаем разработку цифрового помощника, который позволит быстро и эффективно решать возникающие проблемы с оборудованием. При вводе данных о поломке программа будет предлагать несколько вариантов решения проблем, включая способы быстрого обслуживания и ремонта.

Одним из ключевых элементов данной программы является возможность представления проблемы в 3D-модели, где будет отмечено место поломки, что подскажет сотрудникам РЖД, каким образом следует действовать в сложившейся ситуации.

Данное программное обеспечение будет относиться к категории систем поддержки принятия решения.

Программа будет адаптирована для использования на различных устройствах, включая мобильные телефоны и планшеты, что позволит сотрудникам быстро получать доступ к необходимой информации в любом месте и в любое время.

Разработка систем поддержки принятия решений (Decision Support System, DSS) помимо своей перспективности, также способствуют снижению времени обслуживания оборудования и выступают в роли обучающего ПО.

Цели проекта: разработать концепт цифрового помощника для сотрудников РЖД.

Разработка DSS позволит сократить время на поиск решений проблем и повысить эффективность оборудования. Благодаря использованию проработанного UX/UI-дизайна можно улучшить понимание сотрудниками работы с оборудованием, используя при это 3D модели и инструкции визуального обучения.

Задачи проекта:

• Подбор оптимального метода машинного обучения для использования в цифровом помощнике.
• Выбор метода построения датасета и базы данных для использования в машинном обучении (МО).
• Разработка платформы для реализации «Цифрового помощника».

Основная часть

Благодаря своей универсальности и простоте использования предпочтение метода машинного обучения было отдано модели Random Forest. Теоретическая часть алгоритма Random Forest короче и легче встраивается к различным задачам. Ввиду отсутствия большого объема теории, необходима только формула итогового классификатора:

a(x):

, (1)

Где, N – количество объектов; i – счетчик для объектов; b – решающее дерево; x – сгенерированная нами на основе данных выборка. Для создания рекомендательного датасета необходимо выполнить следующие условия:

• Сформировать тренировочный датасет в виде датафреймов Pandas.
• Обучить модель из библиотеки scikit-learn на получившемся датасете.
• Написать код на Python для дальнейших предсказаний.

В первую очередь необходимо импортировать библиотеку Pandas, предназначенную для работы с табличными данными, для того чтобы упростить процесс ввода данных. Сформированный обучающий датасет, разбив на две части датафрейм Pandas, можно использовать для тренировки на нём модели Random Forest из библиотеки scikit-learn. Написав код «Цифрового помощника» на языке Python, можно делать первые попытки к разработке DSS.

Размещение цифрового помощника будет осуществляться при помощи web-сервиса, размещение возможно как в сети Интернет, так и в Интранете.

В ходе работы над проектом был разработан предварительный дизайн и техническое задание для реализации платформы.

Рис. Стартовая страница web-портала

Для разработки web составляющей «Цифрового помощника» предлагается использование связки HTML + CSS + PHP + JS + MySQL.

Преимущества проекта:

1. Благодаря интеграции с системой учета и контроля оборудования (АСДУ), данный цифровой помощник предоставляет быстрое и высококачественное обслуживание.
2. Для удобства пользования мы предоставляем голосовой и визуальный интерфейс.
3. Данный сервис экономит время, так как автоматически определяет тип поломки и предлагает возможные варианты решения.

Уникальность вашего решения: Наша программа цифрового помощника является уникальной, потому что она сочетает в себе несколько ключевых функций и интерактивные взаимодействия, благодаря, проработанному UX/UI-дизайну, которые делает ее более удобной и эффективной для пользователей. Из-за использования интерактивных 3D-моделей, восприятие ситуации и пути решения проблемы, окажутся, более понятными для работников.

Заключение

Важным аспектом проекта является использование алгоритмов машинного обучения для более точного и быстрого определения проблем и вариантов их решения. При этом сервис будет регулярно обновляться, что позволит еще более эффективно решать возникающие проблемы. Использование «Цифрового помощника» позволит сократить расходы на ремонт оборудования и повысить качество оказанного ремонта, а также уменьшить время его простоя.

Данный инструмент будет являться основой для наращивания производительности и дальнейшего повышения конкурентоспособности компании на рынке транспортных услуг.