Movilidad

Inzu Group – Mantenimiento Predictivo de Elementos de Desvío Ferroviarios (SMART DIVERTER)

Inzu Group

Movilidad

Inzu Group

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

Scroll al inicio