Vláda TMR státu Queensland: Chytřejší investice do silniční sítě v celém státě díky řešení ADVICE, které využívá technologii SAP

Obdélníkový obrázek stavebního dělníka, který se na staveništi dívá na desky s papíry, s dvěma grafickými prvky Joule v pozadí
Logo Ministerstva dopravy a hlavních silnic (TMR) státu Queensland

Ministerstvo dopravy a hlavních silnic (TMR) státu Queensland

Ministerstvo dopravy a hlavních silnic (TMR) čelí složité výzvě v podobě investic do oprav vozovek a povrchových úprav v rámci rozsáhlé silniční sítě v Queenslandu. Starší systémy ztěžují správné zacházení, ve správný čas a na správném místě. S více než 33 000 km silnic a dvacetiletým plánovacím horizontem ovlivňuje každé investiční rozhodnutí bezpečnost, náklady, budoucí stav a hodnotu veřejného majetku. Nástroj pro výpočet znehodnocení aktiv, oceňování a investic (ADVICE) je cloudová platforma založená na umělé inteligenci, která simuluje miliony scénářů a optimalizuje investice v celém státě.

 

OdvětvíVelikost společnostiRegion
Státní správa9 000Queensland, Austrálie 

Příležitost

Údržba rozsáhlé silniční sítě bez ztráty času, zvýšení nákladů nebo ohrožení bezpečnosti

Starší systém správy vozovek v Queenslandu bránil optimalizaci oprav v hodnotě 500 milionů dolarů ročně. Silnice byly rozděleny do širokých skupin, křivky opotřebení byly zastaralé, údaje o životním prostředí byly pouze základní a modelování scénářů nebylo vhodné pro daný účel. Analýza trvala hodiny či dny a nebylo možné provést optimalizaci v rámci celého státu, protože výpočty musely být prováděny po jednotlivých okresech nebo silničních sítích.

placeholder
Hlavní inženýr (analýza sítí a moderace) TMR
Od zavedení ADVICE se výrazně zlepšilo programování prací. Systém navrhuje optimální postupy údržby v souladu s cíli a zároveň minimalizuje provozní náklady vozidla. Ruční čištění dat se výrazně omezuje; analýza se zefektivňuje. Činíme jasnější, obhajitelná rozhodnutí s mnohem menším úsilím a optimalizujeme programy v rámci rozpočtu.

Řešení

Podpora celostátní optimalizace aktiv pomocí SAP AI Core

Projekt ADVICE využívá SAP Business Technology Platform a SAP AI Core, nasazené jako cloudové řešení k optimalizaci strategií správy aktiv. TMR byl inovován integrací pokročilého modelování s environmentálními datovými sadami se škálovatelnou architekturou SAP, což inženýrům umožňuje simulovat tisíce strategií a vyhodnotit miliony možností během minut/hodin. Tento přístup kombinoval křivky prediktivního zhoršení s podrobnými faktory udržitelnosti, což poskytlo nebývalou přesnost a rychlost. Automatizací komplexní analýzy a začleněním inteligence do pracovních postupů řešilo řešení výzvu časově náročného manuálního plánování a posílených rozhodnutí založených na datech pro dlouhodobou odolnost infrastruktury.

Nové definování správy aktiv v celém státě

ADVICE nově definuje správu aktiv koordinací jednoho z komplexních optimalizačních problémů Austrálie na platformě SAP BTP. SAP AI Core je motorem inovací, který automatizuje a škáluje komplexní optimalizaci – od předzpracování dat přes spuštění řešitele až po následné zpracování – a zároveň se integruje s rozhraním Fiori/UI5, čímž zajišťuje jednotné uživatelské prostředí. SAP Datasphere a HANA Cloud spravují velkoobjemová data, Integration Suite a Data Intelligence koordinují pipeline a SAP Analytics Cloud (SAC) poskytuje analýzy. Řešení analyzuje ~30 000 km uzavřených silnic, 300 000 segmentů a 5 000 možností úpravy na segment, což vede k přibližně 30 milionům plánů. Optimalizační proces zohledňuje 100 nejlepších opatření a vyhodnocuje jejich kombinace z hlediska rozpočtu a výkonnosti v horizontu 20–30 let. Statisticky robustní validace, modelování scénářů a dimenzování správného měřítka služeb BTP jsou základem škálovatelné optimalizační platformy.

placeholder
Manažer (systémy správy aktiv) TMR
V návaznosti na stávající sofistikovaný, strukturovaný a na důkazech založený přístup TMR k plánování investic, umožnilo řešení ADVICE transformaci technologií. Díky větší flexibilitě, pokročilým optimalizačním funkcím a umělé inteligenci SAP AI v cloudu testujeme miliony možností v řádu hodin a činíme ostřejší a rychlejší rozhodnutí pro silnice Queenslandu.

Výsledek

Dosažení měřitelného dopadu a platforma pro budoucí inovace

Celostátní, cílená optimalizace

Umožnění investice na správném místě, ve správný čas a s vhodným přístupem – reinvestice ≥2 % ročního rozpočtu na údržbu vozovek (≈9,5 milionu dolarů/rok) do údržby s vysokou prioritou, která maximalizuje životnost majetku, snižuje náklady na životní cyklus a přináší lepší výsledky pro místní komunity.

Automatizované, rychlé zpracování

Zkrácené doby celostátní analýzy scénářů z 11 hodin na 4 hodiny, což umožňuje podnikovým uživatelům rychleji poskytovat přehledy (distrikty lze dokončit v řádu minut). TMR zaznamenal o 80 % rychlejší výsledky, protože týmy nyní připravují a kontrolují výsledky rychleji, s menším počtem chyb. Rozhodnutí jsou přijímána rychle a lze je snadno přezkoumat, což pomáhá TMR reagovat a plánovat efektivněji.

Zlepšená kvalita dat, spolehlivost, efektivita a auditovatelnost

Automatizované kontroly kvality dat snižovaly manuální náročnost a počty chyb, zatímco celostátní nastavení studie, kontrola kvality dat a doba hlášení byla zkrácena z 5–7 dnů na pouhý 1 den – což podporovalo přesnější, včasnější a auditovatelné rozhodování. Díky řešení ADVICE se přesnost společnosti TMR zvýšila až desetinásobně, což umožnilo přijímat mnohem preciznější a cílenější investiční rozhodnutí. Financování silnic jde přesně tam, kde je to potřeba, což zvyšuje bezpečnost a hodnotu pro komunity v Queenslandu.

placeholder
Ředitel (Správa majetku dopravního systému) TMR
Řešení ADVICE výrazně zlepšilo naše schopnosti v oblasti správy silniční sítě – díky němu dokážeme z rozsáhlých dat získat hlubší poznatky, činit promyšlenější rozhodnutí a dosahovat lepších výsledků pro obyvatele Queenslandu. Poskytuje nám jasnost a důvěru, abychom upřednostňovali to, co je nejdůležitější, a udržovali odolnější síť pro budoucnost.
twitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixel
twitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixel