Тесное взаимодействие науки и производства может дать значительный результат в области цифровизации

Совещание прошло под председательством первого заместителя начальника Свердловской железной дороги Владимира Геруса. Университет представляли: проректор по научной работе Сергей Бушуев, доценты кафедры «Информационные технологии и защита информации» (ИТиЗИ) Юрий Чернышов и кафедры «Естественно-научные дисциплины» (ЕНД) Александр Мартыненко. В обсуждении перспективных направлений цифровизации участвовали также заместитель начальника СвЖД по взаимодействию с органами власти Алексей Гребенкин, начальник службы корпоративной информатизации Игорь Есарев, начальник Екатеринбургского информационно-вычислительного центра Герман Хасанов и другие.

Александр Мартыненко, выступая на совещании, предложил представителям СвЖД и Свердловской пригородной компании в качестве пилотного актуальный для них проект. А именно решение задачи прогнозирования пассажиропотоков, максимизации дохода в условиях конкуренции на основе технологии Big Data. Он представил свою модель и отметил, что точность прогнозирования зависит от возможности получения первичных наборов данных о пассажиропотоках из систем регионального общественного транспорта – электричек, пригородных поездов и автобусов. При этом автор проекта предложил железнодорожникам сформировать потребности в анализе, моделировании и прогнозировании количественных характеристик пассажиропотоков.

Сергей Бушуев, говоря о задачах развития цифровых компетенций, описал сегодняшнюю ситуацию как весьма полярную: на одном полюсе специалисты-железнодорожники, на другом – специалисты в области машинного обучения и обработки данных. Между тем время требует, чтобы между двумя этими полюсами было максимально полное взаимопроникновение. Процесс взаимный: железнодорожникам предстоит освоить сложный математический аппарат, изобилующий такими терминами, как «регрессия и классификация», «деревья принятия решений», узнать об обработке естественного языка (Natural Language Processing, NLP), задачах компьютерного зрения (Computer Vision, CV), нейронных сетях. В свою очередь, по мнению Сергея Валентиновича, специалистам в области машинного обучения и обработки данных предстоит достаточно погрузиться в производственную тематику, чтобы предложить реальные инструменты работы. К примеру, чтобы провести анализ параметров движения на основе большого объёма данных (BigData-анализ), недостаточно владеть инструментами работы с данными, такими как Python, – необходимо иметь общее представление о системе управления локомотивом, знать структуру систем КЛУБ, САУТ, особенности работы датчиков и системы регистрации параметров поездки, систему сбора и хранения этих данных, форматы самих данных. Именно поэтому для генерации и проверки первоначальных гипотез необходимо более глубокое понимание цифровых технологий специалистами в предметной области – это повысит точность постановки задач и ускорит создание инновационных решений.

Доцент кафедры ИТиЗИ, кандидат физико-математических наук Юрий Чернышов рассказал о том, как в университете реализуется современное направление в образовании – ML&DS (Machine Learning – машинное обучение и DS, Data Science – наука об анализе данных):

– Студенты активно участвуют в соревнованиях – хакатонах по компетенциям World AI&Data Challenge, в еженедельных семинарах в УрГУПС по большим данным и ML, в различных проектах – СМЦОД, CyberThymus, SOAR, два из которых вошли в топ-100 среди тысяч проектов в программе КЛИК. Студенты и преподавательский состав УрГУПС обладают всеми необходимыми знаниями и инструментами, чтобы решать самые сложные задачи, которые ставит производство.

Юрий Чернышов также отметил необходимость более тесного взаимодействия научного сообщества с теми, кто эксплуатирует технику, знает реалии инфраструктуры железных дорог. Тогда получится сформировать двустороннюю команду с конкретными целями и сроками, совместно определить перспективные проекты для их проработки и внедрения, а также провести необходимые научно-исследовательские опытно-конструкторские работы. Если проект окажется перспективным – начать его внедрение. Зачастую решение лежит на поверхности, но из-за того, что эксплуатанты не обладают тем понятийным аппаратом, которым пользуются специалисты в области ML&BD, проблема может годами оставаться нерешённой.

– УрГУПС может и должен стать профильным центром компетенций в направлении ML&BD, – сказал Юрий Юрьевич.

Подытоживая мероприятие, эксперты Свердловской магистрали отметили продуктивность встречи с представителями научного сообщества и предложили для поиска и реализации прорывных направлений в сфере цифровой трансформации применительно к производству решить несколько конкретных задач. В частности, определение порядка дальнейших действий для получения наборов первичных данных, для построения дата-сетов и постановки задач студентам в рамках курсовых, дипломных проектов и хакатонов. С привлечением аспирантов и преподавателей. По итогам встречи представитель УрГУПС Александр Мартыненко включён в состав рабочей группы по проекту запуска двухсистемной «Ласточки» на Красноуфимск – для оценки эффективности предложенной им математической модели на реальных данных.

Владимир Андреев "Уральская магистраль"

Источник: vk.com

Комментарии: