Movilidad
Inzu Group – Mantenimiento Predictivo de Elementos de Desvío Ferroviarios (SMART DIVERTER)
Movilidad
Inzu Group – Mantenimiento Predictivo de Elementos de Desvío Ferroviarios (SMART DIVERTER)
Business Case
Los desvíos son un elemento crítico en la infraestructura ferroviaria, sin duda uno de los más castigados en su uso normal. Y con el problema de que el material de construcción, el acero al manganeso, aunque noble, por un lado tiende a empezar a agrietarse en zonas no visibles, y por otro es opaco a los métodos convencionales de inspección (ultrasonidos). Se aplican nuevas técnicas de detección e IA para detectar estos problemas.
Objetivos
Desarrollar un sistema de detección e identificación automática basado en el autoaprendizaje mediante arquitecturas descentralizadas con información en tiempo real, que permita la evaluación continua para el mantenimiento predictivo y la inspección ultrasónica, con monitorización IoT federada y aprendizaje automático.
Use case
Se han utilizado data sets privados de series temporales.
Infraestructura
Edge Computing
Tecnologías utilizadas
Aprendizaje Automático o Profundo
Datos utilizados
Se han utilizado data sets privados de series temporales.
imagen
imagen
Recursos utilizados
Ha sido necesaria la participación de personal experto en desarrollo HW, FW, SW, ingeniería mecánica y de estructuras, personal experto en algoritmia e inteligencia artificial. Prácticamente todo el personal de Aingura ha estado implicado en alguna fase del desarrollo.
Dificultades y aprendizaje
Entre las múltiples problemáticas encontradas, las que más quebranto han causado han estado vinculadas con la dificultad de instalación y de alimentación eléctrica, y al ajuste de los cambios de la susceptancia con la temperatura.
KPIs (impacto en el negocio y métricas del modelo)
Reducción del 45% del coste actual de mantenimiento de los cruces ferroviarios. Reducción del 30% de las sustituciones urgentes de pasos a nivel. Más del 95% de las grietas detectadas en fases tempranas no peligrosas.
Financiación
El desarrollo se ha realizado con un 20% de aportación propia, un 30% de proyectos de cliente y un 50% de financiación pública.
Colaboradores
Múltiples: Amurrio Ferrocarril y Equipos, Tecnalia, Dasel, UPM, BSC, Inalia, Titanium.
multimedia