Dan Arvidsson, nyanställd data scientist för SNC-Lavalin & Atkins i Stockholm fick redan under sin första vecka på nya arbetsplatsen, sin livs utmaning och drömuppdrag. Att ta fram algoritmer som Network Rail kan använda i sin förvaltning för hela det brittiska järnvägssystemet. Målet är att bygga ett nytt system inom Digital Asset Management som kan samla in, transformera och analysera data för att skapa proaktiva beslut om kommande infrastrukturunderhållet.
I den allt mer digitaliserade järnvägen här och i Europa står Asset Management högt på tapeten. Den snabba digitaliseringen har gett infrastrukturägarna och entreprenörerna en stor mängd data. Data som i det första stadiet behöver samlas in på rätt sätt men också transformeras till någonting användbart, det är här Dan Arvidsson, 29 åringen från Anundsjö kommer in i bilden, med sitt uppdrag kors över Nordsjön. Tillsammans med brittiska Atkins, som numera ingår i SNC-Lavalin koncernen, och kunden Network Rail är hans roll ytterst komplex i att skapa algoritmer för att transformera data till beslutsunderlag.
– För två månader sen visste jag knappt ingenting om Rolling Stock och järnvägen. Bara att det var en intressant bransch för framtiden där man satsar stort på infrastruktur i Sverige och Europa.
Nu arbetar jag som enda svenska i en projektgrupp, för en av de största kunderna i Europa.
Den ödmjuka statistikern och matematikern har fort hamnat i hetluften i ett av Networks Rails viktigaste uppdrag, ett bättre sätt att fatta beslut kring underhållet av det brittiska järnvägssystemet. Han har tillbringat en vecka i England för att lära känna teamet och kunden och har fler besök inbokade. I teamet Dan ingår i nu som enda svensk, arbetar man nu på 3-4 sträckor i England med några specifika spår, där flera olika mätvagnar samlar in data från sensorer. All det data som registreras vill man kunna analysera för att få en bättre kunskap om tillståndet för järnvägsspårets olika delar.
I första stadiet handlar det om att mäta skillnader i spåren över tid. Mätvagnen färdas därför kontinuerligt över sträckorna och mäter spårets läge med hjälp av sensorer med motsvarande GPS koordinater. På grund av mätfel och hastighetskillnader uppstår föroreningar, förvrängningar och artefakter, i data. Dans uppgift är att bygga en algoritm som ska kunna omtolka dessa föroreningar samt lokalisera förvrängningen i tid och rum mellan olika mättillfällen. Det komplexa för Dan som matematiker är att försöka justera rådata med algoritmer som kan hantera både global förskjutningar samt kunna dynamiskt, sträcka eller komprimera signalerna lokalt för att ”lägga signalerna i linje” mellan varje mättillfälle.
Dan gör sina beräkningar och formler från scratch. Vilket inte förenklas med tanke på att kunden dessutom har tagit data från vissa sträckor under en 10 års period, med olika kvalité och mätvagnar. En verksamhetsnära insikt är att digitaliseringen kan ge fördelar i att kunna tolka och hantera mer data vilket i framtiden kan ge större kunskap och värden, men det finns även stora utmaningar inom informationsinhämtning och informationshanteringen för att nå värdet i automation och systematik.
