A Kawasaki Geological Engineering helyi önkormányzatok és nemzeti kormányok megbízásából végez útburkolat-vizsgálatokat saját fejlesztésű technológiáival, az úttest alatti üregek észlelése céljából – áll a Fujitsu hazai hivatalos blogjának legfrissebb bejegyzésében.
Ez meglehetősen időigényes munka. A vállalat a Fujitsu mesterségesintelligencia-megoldásával, a Zinrai mélytanulási rendszerrel elemzi a korábban manuálisan feldolgozott óriási adattömeget. A kialakult üregek jellemző mintáit megtanuló és elemző mesterséges intelligencia (MI) objektívabbá teszi a folyamatot, és 90%-kal csökkenti a rendellenességek észleléséhez, illetve több mint 50%-kal az összes elemzés elvégzéséhez szükséges időt.
A jobb műszerek több adatot, de egyben magasabb elemzési költséget is jelentenek
A geológiai vizsgálatok végzésében élen járó Kawasaki Geological Engineering nemzeti kormányok, helyi önkormányzatok és más útkezelésért felelős szervezetek megbízásából vizsgálja az utak felszíne alatti rétegek állapotát.
Az utak alatti üregek a legrosszabb esetben akár katasztrofális helyzet kialakulásához is vezethetnek. Ennek szélsőséges példája volt az az óriási víznyelő, amely 2016 novemberében nyílt meg a japán Kyusyu térségben, a JR Hakata vasútállomás közelében. Az üregek kialakulásának sokféle oka lehet, de az illetékes japán minisztérium elsősorban a rossz állapotú csatornavezetékeket tartja értük felelősnek. Az üregek nem mindig észrevehetők az általában jól karbantartott japán utakon. De egyedül 2015-ben 3300 helyen észlelték az utak megsüllyedését Japánban.
A Kawasaki Geological Engineering mobil mérnökei országszerte a vállalat által a felszín alatti üregek észlelésére kifejlesztett technológiákkal vizsgálják az utakat.
Toshihiko Sakagami, a Kawasaki Geological Engineering vezérigazgatója elmondta: „A hagyományos módszerekkel csak 1,5 méter mélységig vizsgálódhatunk, de az elöregedő csatornavezetékek által okozott üregek ennél mélyebben alakulnak ki. A technológiánkat és szakértelmünket bevetve erre a problémára kifejlesztett radarrendszer 3-5 méter mélységben is változatlan hatékonysággal észleli a visszaverődő jeleket.”
A vizsgálati mélység több mint kétszeresére emelése az adattömeg nagymértékű megnövekedéséhez vezetett. Kinyomtatva az adatok 1000 és 2000 közötti A3-as oldalt töltenek meg az út minden 100 kilométerére vetítve. Az üregek jelenlétének megállapításához egy 5-6 fős csapat kb. egyhavi munkája szükséges – ennyi idő kell az adatok és a radarhullámokról kinyomtatott képek manuális átvizsgálásához. A szakemberek először a potenciális anomáliákat azonosítják, és ezután határolják be a ténylegesen kialakult üregeket. A fejlesztéssel így időigényesebbé és költségesebbé vált a vállalat munkája. Jelentős időt fordítottak a problémák megoldására és az emberi hibák előfordulásának minimumra szorítására.
Pontosabb és hatékonyabb elemzések a nulla hibatoleranciájú helyeken
Az adatok értelmezéséhez nagy szakértelemre van szükség. Ha a jeladatok nem egészen egyértelműek, a kezdők néha nem veszik észre az üregeket. Ezért tapasztalt szakemberekre van szükség az elvégzett munka ellenőrzésére és a hibák kiszűrésére. A vizsgált utak biztonsága érdekében a Kawasaki Geological Engineering nagy figyelmet fordít az adatok elemzésére.
A vállalat szerencsére sok olyan tapasztalt dolgozóval rendelkezik, akik könnyen el tudják végezni ezt a feladatot. Ám Toshihiko Sakagami elmondása szerint: „Az élőmunkaigényt és más tényezőket figyelembe véve nyilvánvaló volt, hogy sokáig nem fogunk tudni így dolgozni. Ezért kezdtük el vizsgálni a mesterséges intelligencia alkalmazásának lehetőségét. Egyes mérnökeink jártasak volt az MI terén, ezért elég jól fel tudtuk mérni, hogyan alkalmazhatnánk a mesterséges intelligenciát a tapasztalt kollégák által végzett ellenőrző munka kiváltására. Problémát jelentett, hogy erre a feladatra nem létezett kereskedelmi alkalmazás, így nem tudtuk bevezetni a technológiát.”
A mesterséges intelligencia 90%-kal mérsékli a rendelleneségek észleléséhez szükséges időt, és 50%-kal a mérnökök elemzésre fordított idejét.
A vállalat tudta, hogy egyedül nem lesz képes gyorsan bevezetni az MI-t, ezért ajánlatot kért egyik meglévő partnerétől, a Fujitsu Traffic and Road Data Service Ltd.-től a Zinrai mélytanulási technológia alkalmazására. A tárgyalások során kiderült, hogy ők kevesebb mint egy hónap alatt be tudnák vezetni a technológiát, és ez a gyorsaság döntő tényező volt a kiválasztásukban. A Kawasaki Geological Engineering azt javasolta a Fujitsunak, hogy a mesterséges intelligencia alkalmazását korlátozzák a potenciálisan üreget jelző anomáliák azonosítására, tehát a vállalat mérnökei által meghozott végső döntés előtti szakaszra. A két cég közötti szoros kommunikációnak köszönhetően sikerült hatékonyan felgyorsítaniuk a mélytanulási folyamatot.
„Az volt az előfeltételünk, hogy minden anomáliát észleljenek, egyet se hagyjanak figyelmen kívül” – ismertette a vállalat fő célját Toshihiko Sakagami. Ebből a feltételből kiindulva kevesebb mint egy hónap alatt lezajlott az MI-fejlesztés, és a technológia betanításához összegyűjtött nagy adatvolument azonnal betöltötték a Zinrai mélytanulási rendszerbe. További adatok betöltésével és finomhangolással sikerült 90%-kal mérsékelniük az elsődleges észlelési időt. A rendszer találati pontossága közel 100%. Az eredmények vizuális ellenőrzésére fordított időt is figyelembe véve a szakemberek összesen feleannyi időt töltenek a felszín alatti üregek felderítésével, mint korábban.
„Az igazat megvallva először szkeptikusak voltak a mérnökeink, de aztán lenyűgözték őket az MI képességei” – mesélte Shigeharu Yamada, a Kawasaki Geological Engineering ügyvezető igazgatója, majd gyorsan hozzáfűzte: „Ez azonban nem jelenti azt, hogy feleslegessé válnak az emberek. Szakmérnökökre mindig is szükség lesz. Ami a működésünket illeti, az MI és a mérnöki munka továbbfejlesztése ugyanannak az éremnek a két oldala. A legfontosabb, hogy jól tudjuk alkalmazni a mesterséges intelligenciát.”
„A Zinrai mélytanulási technológiával objektívan tudjuk elemezni az adatokat. Ha az anomáliák észlelésén túl az üregek azonosításának pontosságát is sikerül javítanunk, hamarosan akár 80%-kal is mérsékelhetjük az elemzési időt. A rendszerbevezetés fokozta a hatékonyságot, kevesebb mint felére mérsékelte az elemzés időigényét, és lefaragta a költségeket. „Ennek köszönhetően sokkal több megbízást tudunk vállalni” – mutatott rá Shigeharu Yamada.
A Kawasaki Geological Engineering máris új ötletek megvalósításán dolgozik. Normál esetben speciális járműveket küldenek ki a mérések elvégzésére. Fontolóra vették azonban, hogy a jövőben a helyi önkormányzatok által a napi útellenőrzésekhez használt járműveket szerelik fel érzékelőkkel, ami jelentősen megkönnyítené az elemzés folyamatát. Az adatok rendszeres, napi ellenőrzése nyomán sokkal hamarabb észlelni lehetne a veszélyes üregek kialakulását.
„Geológiai szakemberként nem csupán az üregeket, hanem a kialakulásukhoz vezető okokat is vizsgáljuk. Az okokat ismerve a jövőben maguknak az üregeknek a kialakulását is megelőzhetnénk. Büszkék vagyunk a munkánkra” – jelentette ki Toshihiko Sakagami. Saját technológiáit a Zinrai mélytanulási rendszerrel ötvözve a Kawasaki Geological Engineering tovább folytatja a mindenki számára biztonságosabb társadalom megvalósítás érdekében végzett munkáját.
