Encauzando los trenes sabiendo cómo "predecir y prevenir" el fallo en los equipos
Un cambio de aguja que se encontraba a 250 kilómetros del depósito más cercano estaba a punto de fallar. Podría haber producido una catástrofe,en el peor de los casos, o, al menos, varias horas de demora en la reparación de toda la red ferroviaria.
Ambos riesgos se evitaron porque los sensores de los accionamientos de aguja que cambian las vías enviaron señales eléctricas irregulares de los motores al centro de control de la red. Allí, mediante inteligencia artificial se identificó el fallo potencial que posteriormente fue corregido por el mantenimiento antes de que fallara.
Victor Borges, gerente de productos digitales de Thales para mantenimiento predictivo en la actividad de transporte terrestre, dice "En el Reino Unido, hemos apoyado a Network Rail en el diseño de un sistema que supervisa más de 40.000 dispositivos conectados en tiempo real".
Lo más importante. El viaje en tren es más seguro, más fiable y mucho más rentable para los presupuestos ferroviarios.
Los operadores ferroviarios gastan más de 80.000 euros en mantenimiento por cada kilómetro de ruta. Esto hace un total de entre 15 a 25 mil millones de euros al año. ¿Imaginad si pudieran ahorrar solo el uno por ciento de esta cantidad al año? ¡Eso representaría entre 150 y 250 millones de euros de ahorro anual!
Los operadores ferroviarios gastan más de 80.000 euros en mantenimiento por cada kilómetro de ruta. Esto hace un total de 15 a 25 mil millones de euros al año. ¿Imaginad si pudieran ahorrar solo el uno por ciento de esta cantidad al año? ¡Eso representaría entre 150 y 250 millones de euros de ahorro anual!
La infraestructura inteligente indica los problemas antes de que sucedan
La revolución del mantenimiento predictivo en el transporte terrestre "apenas está comenzando", ya que el Internet de las cosas (IoT) en las vías está avanzando con la conectividad y está creando gran cantidad de datos de alta calidad.
"Thales está pasando por su propia transformación digital y ya estamos agregando sensores y capacidades de IoT a todos nuestros nuevos productos, actualizando equipos heredados e incluso aplicándolos a sistemas de terceros". Victor Borges explica: "Los datos que provienen de esa infraestructura inteligente permiten AI para detectar posibles problemas antes de que sucedan. Y cuantos más datos recopilamos, más inteligente se vuelve la IA. . "
¿El siguiente paso? Los sensores en los propios trenes multiplicarán muchas veces la información instantánea y continua que hoy proviene principalmente de los sensores estacionarios en las vías.
Borges dice: “El sistema de control de trenes basado en comunicaciones (CBTC), de señalización metropolitana sin conductor, es un gran ejemplo de Big Data, que produce una gran variedad de datos cada segundo. Nos proporcionan mucha información sobre la salud del sistema CBTC y sobre subsistemas importantes como la comunicación. Gracias a la IA y al Machine Learning, obtenemos diagnósticos en tiempo real para un control constante del estado del tren y la vía. "
"Con la IA y el aprendizaje automático, obtenemos diagnósticos en tiempo real para un control constante del estado del tren y la vía".
Un sistema de alerta temprana, posible gracias a las tecnologías de Thales
La creación de esta red de alerta temprana para el transporte terrestre es natural para Thales, como señala Victor Borges: “Tenemos la cadena de tecnologías para convertirnos en el líder en Mantenimiento predictivo rápido y eficiente para el transporte ferroviario y de otro tipo. Además de nuestra larga experiencia y conocimientos en señalización y gestión de redes ferroviarias, podemos crear una solución óptima para el uso más eficiente de Internet de las cosas con sensores móviles y estacionarios ".
“Sabemos cómo extraer y asegurar continuamente la integridad de los datos, moverlos instantáneamente y analizarlos rápidamente para identificar posibles problemas antes de que se conviertan en fallos reales. Ahora tenemos experiencia real en Machine Learning para crear los algoritmos de IA y luego aplicarlos para comprender el significado de los datos entrantes ”.
Victor Borges agrega: “Las compañías más recientes que se integrarán en Thales completan la cadena de suministro tecnológica requerida para el mantenimiento predictivo de transporte. Gemalto está desempeñando un papel central en la veracidad y seguridad de los datos en red. Gemalto ofrece un comando incomparable en seguridad de dispositivos de hardware, así como módulos de conectividad IoT versátiles. Y Guavus tiene una capacidad líder para el análisis de Big Data ”.
¿Sherlock Holmes sobre raíles?
Entonces, ¿Mantenimiento predictivo significará que Thales está poniendo a un detective legendario como Sherlock Holmes en las vías para encontrar el riesgo de mantenimiento antes de que el equipo falle?
Víctor Borges se ríe y es más comedido en su analogía: “Prefiero decir que estamos ofreciendo a los operadores ferroviarios un sistema fiable de alerta temprana. En lugar de tener que enviar equipos de trenes para determinar qué salió mal en la vía y regresar con el equipo para arreglarlo, podemos analizar en unos segundos una fuente de posible fallo para permitir que el operador ferroviario establezca lo que debe hacerse . En todo caso, Sherlock estaba en lo correcto cuando dijo: "Cuando hayas eliminado lo imposible, lo que queda, por improbable que sea, debe ser la verdad";
Entonces, Thales está ayudando a las empresas a eliminar los problemas menos probables para identificar el más probable ”.
"Estamos ofreciendo a los operadores ferroviarios un sistema confiable de alerta temprana" Victor Borges, gerente de productos digitales de Thales para el mantenimiento predictivo en la actividad de transporte terrestre