SMRT借助AI与数据分析技术预测轨道故障并提升维护效率

news2026/4/16 1:06:15
保障新加坡铁路网络安全、平稳运行是一项艰巨任务尤其是工程师每晚只有三小时的窗口期来修复轨道故障。如今铁路运营商SMRT拥有了一套全新的AI赋能工具——Jarvis。这套系统被SMRT员工幽默地称为Just Another Really Intelligent System另一套超级智能系统由SMRT旗下工程与技术创新部门Strides Technologies与科技巨头甲骨文Oracle联合开发。该平台于2026年4月14日在甲骨文AI世界巡回新加坡站正式发布依托甲骨文云基础设施OCI企业级AI及甲骨文自主AI数据库整合了超过30年的运营、工程及故障模式数据。这些海量数据此前以文本、图表、流程图等形式分散存储于多个系统中现在已通过生成式AI聊天界面向维护团队开放访问该界面由大语言模型和向量搜索技术驱动帮助工作人员做出更加精准的决策。该系统能够借助机器学习算法支持预测性维护加快故障排除速度并有助于提升SMRT的故障间平均公里数MKBF指标——这是衡量铁路服务可靠性的行业通用标准。在新加坡陆路交通管理局设定了100万列车公里的严格MKBF目标公共交通运营商必须持续达标以确保乘客出行受到最小影响。在与甲骨文东南亚及南亚新兴经济体高级副总裁兼区域董事总经理Chin Ying Loong的对话中SMRT集团首席执行官倪勋平表示Jarvis最大的优势之一在于能够将文字和图形信息转化为精确的地理位置数据。假设你知道某些故障一直在发生现在需要将其精确定位到永久轨道上哪台转辙机出了问题。他说。转辙机是用于控制和切换铁路轨道的机械装置。有了Jarvis技术人员无需在数百公里的轨道上逐一排查就能直接锁定故障设备的精确位置。他们可以在当晚的维护窗口内直接前往那台转辙机处理问题倪勋平说这大大提升了工作效率和生产力同时也节约了成本。尽管AI的应用日益广泛倪勋平强调这项技术旨在提升SMRT逾万名员工的工作效能而非取代他们。即便在这个AI时代SMRT仍在持续招聘我们依然需要工程师他说对我们而言AI真正的意义在于赋能组织、提升员工能力。目前Jarvis正处于第一阶段部署已有超过50名SMRT工程师积极参与其中部分工程师负责分析现有数据另一部分则参与智能体的编程工作。倪勋平指出管理一个涵盖信号、电力系统及铁路轨道的复杂机车网络需要一种持续改善的改善Kaizen文化。这对工程师来说也是极具挑战性的任务但我们始终秉持不断改进、善用工具的文化他说。Chin补充道铁路运营商依赖及时、准确的数据才能每天为数百万通勤者提供安全、可靠、准点的服务。Jarvis运行于OCI之上充分展示了甲骨文如何将AI引入企业数据所在之处从而提升效率和运营响应能力。展望未来倪勋平表示SMRT希望与面临类似挑战的其他铁路运营商分享这一经验。他们同样拥有大量数据通过我们与甲骨文共同开发的模型我们很乐意与其他运营商共享他说。QAQ1Jarvis系统是什么主要用来做什么AJarvis是由SMRT旗下Strides Technologies与甲骨文联合开发的智能分析平台全称Just Another Really Intelligent System。它整合了SMRT超过30年的运营与工程数据通过生成式AI聊天界面和大语言模型帮助维护团队快速定位轨道故障位置支持预测性维护从而提升故障修复效率和铁路服务可靠性。Q2Jarvis是如何帮助工程师定位故障的AJarvis能够将原本分散在文本、图表和流程图中的历史故障数据转化为精确的地理位置信息。当出现已知类型的故障时工程师无需在数百公里的轨道上逐段排查而是可以直接通过系统锁定具体的故障设备位置在每晚有限的三小时维护窗口内迅速前往现场处理大幅提升工作效率并节约成本。Q3Jarvis会不会导致SMRT裁减工程师A不会。SMRT集团首席执行官倪勋平明确表示Jarvis的目的是提升员工的工作效能而非取代人力。即便在AI广泛应用的当下SMRT仍在持续招聘工程师。目前已有超过50名工程师参与Jarvis的第一阶段部署分别承担数据分析和智能体编程等工作。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2521683.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…