Arcadis crea perfiles de averías
Predicción en tiempo real de fallos en las agujas de cambio
HISTORIA DEL PROYECTO
El reto
Molestos retrasos del tren debido a fallos en las agujas de cambio
La solución
Solución de predicción digital
El impacto
Llegar a casa a tiempo
40%
de averías detectadas antes de que se produzcan
El reto
Las averías imprevistas de las agujas de cambio en las vías presentan un gran inconveniente para todas las partes afectadas. Para los pasajeros, estos fallos son una causa importante de retrasos. Para los operadores ferroviarios, generan muchos costes adicionales en un contexto en el que los operadores adoptan cada vez más estrategias de excelencia operativa dirigidas a intentar hacer más con menos dinero. Sin embargo, los recortes sistemáticos en los costes pueden dar lugar a mayores gastos a largo plazo. Por este motivo, es importante que las organizaciones que hacen un uso intensivo de sus activos recalibren para optimizar continuamente sus procesos.
La solución
Para los operadores ferroviarios, la reparación de agujas averiadas puede ser una tarea costosa y, por ello, Arcadis y Asset Rail desarrollaron una avanzada herramienta que permite predecir esas averías. Con los resultados generados por la herramienta, Asset Rail puede reparar piezas que necesitan mantenimiento, como agujas sospechosas o agujas que están a punto de fallar. De este modo, Asset Rail puede evitar las averías que provocan esos retrasos tan importantes para los pasajeros del tren.
-
MÁS INFORMACIÓN
Los averías comunes en las agujas se pueden predecir midiendo y analizando las corrientes eléctricas del motor que controla las agujas. Para ello, se desarrolló un modelo "entrenado" con datos heredados. Estos datos se obtuvieron de una serie concreta de agujas durante un periodo de ocho años. Los datos se analizaron posteriormente junto con datos técnicos, utilizando diversas técnicas de análisis de datos y otras de aprendizaje automático. Junto con Asset Rail, Arcadis utilizó estos perfiles de averías para crear un modelo predictivo que compara continuamente el perfil actual con los datos recopilados previamente.
Podemos predecir el 40% de las averías unos días antes de que se produzcan.
El impacto
De las diez agujas en las que probamos el modelo, pudimos predecir el 40 % de las averías unos días antes de que se produjeran. Con ello, el mantenimiento preventivo de los equipos se puede llevar a cabo de forma oportuna. Ahora que las agujas funcionan correctamente, se producen muchos menos retrasos en las vías, lo que es positivo tanto para los pasajeros como para los operadores ferroviarios.
