Samen met KPMG ontwikkelde ProRail een langetermijnroadmap waarin data en AI structureel zijn verankerd in onderhoud en planning. De kern is de verschuiving van reactief en tijdsgebaseerd onderhoud naar predictive en prescriptive maintenance. Niet repareren als iets uitvalt, maar voorspellen wanneer ingrijpen nodig is en daar gericht op sturen.
De onderhoudsaanpak is sterk datagedreven en gericht op maximale assetbeschikbaarheid tegen voorspelbare kosten. Een concreet voorbeeld is de videoschouwtrein, die twee keer per jaar het volledige spoorwegnet vastlegt met high-resolution camera’s. Deze beelden worden samen met omgevings- en procesdata verwerkt op een Azure-gebaseerd big-data platform, dat samen met KPMG is ontworpen en ontwikkeld.
Binnen dit platform worden AI-modellen ingezet om assets automatisch te herkennen en te beoordelen. Met computer vision worden bijvoorbeeld dwarsliggers geïdentificeerd en geanalyseerd op conditie en degradatie. Waar fysieke sensoren ontbreken of te kostbaar zijn, past ProRail soft sensoring toe. Dat zijn virtuele sensoren die met machine-learningmodellen op basis van bestaande data de conditie van assets voorspellen, zonder extra hardware.
Om deze modellen betrouwbaar in productie te gebruiken, is een MLOps-aanpak ingericht. De volledige levenscyclus van modellen wordt beheerd, van training en validatie tot uitrol en monitoring. Hierdoor blijven modellen schaalbaar, reproduceerbaar en geschikt voor structurele inzet in operationele besluitvorming.
Digital twins en slimme planningsalgoritmes vertalen deze inzichten vervolgens naar concrete onderhouds- en capaciteitsbeslissingen. Data wordt daarmee niet alleen analyse, maar een stuurinstrument.
Parallel hieraan worden medewerkers actief betrokken bij nieuwe werkwijzen. Digitalisering is geen IT-project, maar een organisatiebrede ontwikkeling waarin leren en continu verbeteren centraal staan.
