Cloud-Datenplattform
Die Vorhersage von nahezu Echtzeit-Besetzungen von Passagierzügen durch den Einsatz fortschrittlicher Maschinenlernmodelle
Geschäftlicher Kontext
Im Jahr 2020 wollte die nationale Eisenbahngesellschaft Belgiens (NMBS/SNCB) die Kosten eines von einem Drittanbieter entwickelten und gehosteten prädiktiven Dienstes senken. Das Management war der Ansicht, dass maschinelles Lernen eine größere Rolle in der Zukunft des Unternehmens spielen könnte, und entschied sich daher, das Know-how zur Entwicklung und Durchführung von Projekten im Bereich maschinelles Lernen intern zu sichern.
Vor dem Projekt war die Erfahrung der NMBS mit maschinellem Lernen und verwandten Cloud-Diensten begrenzt.
Umfang & Ziele
Beratung der NMBS bei der Entwicklung und Durchführung von Projekten im Bereich maschinelles Lernen unter Verwendung moderner Technologien, die in der Lage sind, Echtzeitvorhersagen zu treffen.
Internalisierung des extern gehosteten Dienstes und Verbesserung der Leistungsindikatoren.
Wichtige Ergebnisse
Innerhalb eines Monats wurde ein Proof of Concept geliefert, der bessere Ergebnisse als der bestehende Dienst erzielte. Seitdem haben wir ein kleines Team von Analysten mit wenig Programmiererfahrung durch schrittweise Einführung in die Komplexität des maschinellen Lernens transformiert. Im Co-Creation-Modus arbeiteten wir an der Merkmalsentwicklung, der Bereitstellung von Modellen und der Überwachung der Modellleistung.
Das Modell läuft auf Microsoft Azure ML, reagiert auf alle Streaming-Eingaben und liefert täglich Zehntausende von Vorhersagen, die an (potenzielle) Passagiere übermittelt werden. Es war der erste intern entwickelte Anwendungsfall für maschinelles Lernen bei der NMBS, der in der Produktion realisiert wurde.
Auswirkungen
Die Kosten des Dienstes wurden um über 85 % gesenkt. Referenzfall für maschinelles Lernen, das mit Tests implementiert und in einen CI/CD-Workflow integriert wurde. Dieser Fall wird als Referenz für zukünftige ML-Initiativen dienen.
Das Personal wurde in Programmierprinzipien und Cloud-Bereitstellung geschult und hat die Fähigkeiten aufgebaut, das Projekt voranzutreiben.
