Amtrak xây dựng nền tảng dữ liệu cho cuộc chuyển đổi lớn nhất trong 50 năm qua

Amtrak vận hành mạng lưới đường sắt chở khách lớn nhất tại Hoa Kỳ, với 21.000 dặm đường ray kết nối các cộng đồng trên khắp cả nước. Tổ chức này hiện đang thực hiện cuộc chuyển đổi vật chất lớn nhất trong nửa thế kỷ qua, giới thiệu hai đội tàu hoàn toàn mới, đồng thời xây dựng lại các đường hầm, cầu và sân ga, một số trong đó đã có tuổi đời hơn 150 năm. Để tương xứng với quy mô của cuộc chuyển đổi vật chất này, Amtrak đang xây dựng một nền tảng trí tuệ kỹ thuật số kết nối tất cả các tài sản mới này vào một lớp quản trị thống nhất. Đội ngũ gọi đây là Rail Intelligence, và nó chạy trên nền tảng Databricks.

Dữ liệu bị phân mảnh và cơ hội chỉ có một lần trong thế hệ

Bối cảnh dữ liệu của Amtrak đã không bắt kịp tốc độ của quá trình chuyển đổi. Dữ liệu đo từ xa (telemetry) của đội tàu nằm ở một hệ thống riêng. Nền tảng đặt vé, một hệ thống máy tính lớn (mainframe) 40 năm tuổi có tên là Arrow, lại nằm ở một hệ thống khác. Dữ liệu dự án vốn nằm trong các bảng tính. Các chỉ số từ thiết bị dò tìm dọc đường ray lại nằm ở một nơi hoàn toàn khác. Các đội ngũ kỹ thuật chỉ phản ứng với các sự cố thiết bị sau khi chúng đã xảy ra. Các nhà phân tích không thể kết nối tình trạng đội tàu với lịch trình nhân viên và nhu cầu hành khách.

Trong khi đó, các tài sản mới đang nhanh chóng được đưa vào vận hành. NextGen Acela, đoàn tàu nhanh nhất nước Mỹ với tốc độ 186 dặm/giờ, hiện đã đi vào hoạt động với 28 đoàn tàu trên Hành lang Đông Bắc. 83 đoàn tàu Airo do Siemens chế tạo đang được triển khai trên 14 hành lang. Mỗi đoàn tàu hiện đại này mang theo hơn 100 cảm biến, tạo ra hàng ngàn điểm dữ liệu mỗi chuyến đi. Nếu không có một nền tảng thống nhất, dữ liệu đó sẽ chỉ tạo ra các "ốc đảo" dữ liệu mới nhanh hơn tốc độ loại bỏ các hệ thống cũ.

Một nền tảng cho mọi tín hiệu từ mọi đoàn tàu

Amtrak đã chọn Databricks làm nền tảng dữ liệu chiến lược của mình. Đây không phải là giải pháp đơn lẻ cho một trường hợp sử dụng duy nhất, mà là nền tảng cho khả năng mở rộng của tổ chức khi trải qua cuộc chuyển đổi quy mô lớn này. Thông qua Lakeflow Connect và truyền phát dữ liệu thời gian thực (real-time streaming), các tín hiệu từ khắp doanh nghiệp hiện đang đổ về một môi trường quản trị thống nhất: IoT đội tàu, thiết bị dò tìm dọc đường ray, hệ thống điều phối, dữ liệu không gian địa lý, nền tảng đặt vé Sqills S3 Passenger mới và các hệ thống công nghệ vận hành.

Các sự kiện thô được đưa vào Delta Lake, được làm sạch và chuẩn hóa thông qua kiến trúc medallion, và trở thành các sản phẩm dữ liệu đáng tin cậy được quản trị bởi Unity Catalog với đầy đủ nguồn gốc (lineage), kiểm soát truy cập theo miền và các hợp đồng chất lượng dữ liệu. Trên nền tảng này, các mô hình ML thực hiện phát hiện bất thường, quy trình thị giác máy tính để phát hiện lỗi và chấm điểm xác suất chậm trễ, được quản lý thông qua MLflow và triển khai qua Model Serving.

Nguyên tắc rất đơn giản: một nền tảng, mọi tín hiệu từ mọi đoàn tàu, thời gian thực, được quản trị và đáng tin cậy.

Bảo trì dự đoán, sẵn sàng vận hành và các quyết định vốn thông minh hơn

Nền tảng này cung cấp sức mạnh cho năm sản phẩm trí tuệ, mỗi sản phẩm gắn liền với một kết quả vận hành cụ thể.

Fleet Health Intelligence truyền phát dữ liệu đo từ xa liên tục từ các đoàn tàu Acela và Airo, đồng thời đưa ra các cảnh báo dự đoán cho các vấn đề như lỗi cửa, sai lệch nhiệt độ vòng bi và bất thường ở toa công suất. Các đội ngũ kỹ thuật giờ đây nhận được các tín hiệu dự đoán thay vì phải phản ứng với các vấn đề sau khi chúng đã xảy ra.

Safety Intelligence tự động hóa việc giám sát chất lượng chuyến đi và phân tích xu hướng sự cố, đồng thời chủ động xác định các rủi ro an toàn thực phẩm trong các toa ăn uống thông qua dữ liệu cảm biến tủ lạnh.

Operational Readiness sử dụng chấm điểm dựa trên ML để hợp nhất tình trạng sẵn sàng của đội tàu, lịch trình nhân viên và các khung thời gian bảo trì thành một bức tranh vận hành thời gian thực duy nhất. Mục tiêu là: đúng tàu, đúng nhân viên, đúng hành lang, cho mọi chuyến khởi hành, mỗi ngày.

Reservations Intelligence hỗ trợ quá trình chuyển đổi từ hệ thống Arrow cũ sang Sqills S3 Passenger, một nền tảng đám mây gốc (cloud-native). Các sự kiện đặt vé, hạng vé và tín hiệu hệ số tải được truyền trực tiếp vào lakehouse thông qua Lakeflow Connect.

Capital Prioritization tập hợp dữ liệu kiểm tra dọc đường ray, điểm bất thường từ ML và dữ liệu đo từ xa của đội tàu thành điểm số tình trạng thống nhất, giúp chương trình vốn hàng năm trị giá 5,5 tỷ USD của Amtrak được đưa ra dựa trên dữ liệu tài sản trực tiếp thay vì các đánh giá thủ công định kỳ.

Từ khả năng quan sát đến sự tích lũy giá trị

Mức độ trưởng thành về trí tuệ của Amtrak đang tiến triển theo từng giai đoạn. Nền tảng hiện đã hoạt động và được quản trị, với tính năng phát hiện bất thường bằng ML đang chạy trên nhiều đội tàu. Giai đoạn tiếp theo là dự đoán hoàn toàn, với các mô hình xác suất chậm trễ, dự đoán doanh thu và chấm điểm vốn. Tầm nhìn dài hạn bao gồm các quy trình làm việc đại lý (agentic workflows) và truy vấn ngôn ngữ tự nhiên thông qua Genie, cho phép các nhà vận hành đặt câu hỏi về dữ liệu mà không cần viết mã.

Amtrak cũng đang xây dựng lớp trải nghiệm Databricks Apps để đóng vai trò là điểm truy cập duy nhất cho các nhà phát triển, nhà phân tích và giám đốc điều hành nhằm khám phá các sản phẩm dữ liệu, xem nguồn gốc từ Unity Catalog và tương tác với nền tảng thông qua Genie được nhúng. Mục tiêu là làm cho dữ liệu bớt trừu tượng hơn và tăng khả năng tự phục vụ trên toàn tổ chức.

Bản chất tích lũy của phương pháp này chính là yếu tố kết nối mọi thứ lại với nhau. Mỗi đoàn tàu mới đi vào hoạt động sẽ bổ sung dữ liệu đo từ xa giúp cải thiện mọi mô hình. Mỗi dự án vốn hoàn thành sẽ bổ sung dữ liệu tình trạng. Mỗi lượt đặt vé của hành khách sẽ bổ sung một tín hiệu nhu cầu. Nền tảng càng trở nên giá trị hơn với mỗi tài sản được kết nối vào đó, bởi vì một hệ thống đường sắt hiểu rõ chính mình là hệ thống đường sắt chạy đúng giờ.