मशीन लर्निंग और डेटा माइनिंग का उपयोग करते हुए प्रीडिक्टिव मेंटेनेंस: ग्रीक रेलवे पर लागू एक अग्रणी विधि

हर व्यवसाय में, प्रभावी जानकारी की प्रक्रिया से उत्पन्न ज्ञान का उत्पादन एक रणनीतिक संपत्ति और प्रतिस्पर्धात्मक लाभ का स्रोत माना जाता है। रेलवे के क्षेत्र में, बहुत सारे डेटा उत्पन्न होते हैं, जिनका मूल्यांकन करना, इष्टतम तरीके से लागू करना और सही निर्णय लेने के लिए एक तंत्र के रूप में उपयोग करना आवश्यक है, जिसका उद्देश्य संसाधनों की बचत करना और रेलवे के मौलिक सिद्धांत को बनाए रखना है, जो कि यात्रियों की सुरक्षा है। यह पेपर एक ग्रीक रेलवे कंपनी से संग्रहित निष्क्रिय डेटा का उपयोग करता है, और डेटा माइनिंग की विधि का उपयोग करके मशीन लर्निंग तकनीकों को लागू करता है ताकि रणनीतिक निर्णय समर्थन बनाया जा सके और ट्रेनों के लिए जोखिम और नियंत्रण योजना तैयार की जा सके। हम मशीन लर्निंग ओपन-सोर्स सॉफ्टवेयर (Weka) को कंपनी के रोलिंग स्टॉक के रखरखाव की पुरानी प्रक्रियाओं पर लागू करने का प्रयास करते हैं (सुपरवाइजर्स से तकनीशियनों के लिए हस्तलिखित कार्य आदेश, अनुभव के द्वारा ट्रेन इकाई की असामान्यताओं से निपटना, खराबियों की योजना और कोडिंग की कमी और रखरखाव कार्यक्रम)। Weka सॉफ्टवेयर से J48 और M5P एल्गोरिदम का उपयोग करते हुए, डेटा को रिकॉर्ड, प्रोसेस और विश्लेषण किया जाता है जो संभावित क्षति या दबावों की रोकथाम की निगरानी या खोजने में मदद कर सकता है, बिना नए रिकॉर्डिंग उपकरणों को जोड़े—ट्रेन पर निगरानी करते हुए, ट्रेन बेड़े के निदान की भविष्यवाणी करने के उद्देश्य से। यह अभिनव विधि ट्रेन प्रबंधन के प्रदर्शन के अनुकूलन के लिए एक उपकरण के रूप में उपयोग की जा सकती है ताकि योजना के कार्यान्वयन के लिए उचित जानकारी और ट्रेनों की तकनीकी क्षमता प्रदान की जा सके, ताकि रेलवे के लिए सबसे महत्वपूर्ण लक्ष्य को प्राप्त किया जा सके, जो यात्रियों की सुरक्षा है।