Tomás Jáudenes Picazo.
Mantenimiento predictivo: ¿Cuál es la oportunidad en el ferrocarril? Los que miran hacia el futuro en el sector ferroviario imaginan un mundo digital en el que el comportamiento de todos los componentes y subconjuntos del tren y su infraestructura son capturados y registrados. Esta modalidad puede utilizarse para modelar y predecir escenarios futuros e identificar resultados óptimos.
Uno de los aspectos más prometedores de la transformación digital de la industria ferroviaria es el mantenimiento predictivo, es decir, el uso de los datos recogidos en los equipos durante su funcionamiento para identificar los problemas de mantenimiento en tiempo real. Esto significa que las reparaciones pueden planificarse adecuadamente, con la ventaja de que los trenes no tienen que ser retirados del servicio de forma inesperada para realizar un mantenimiento rutinario de emergencia o innecesario.
Hay mucho revuelo en torno a este tema y varios casos fallidos. El auge de plataformas de IoT y otras tecnologías -algunos prometen en exceso lo que pueden lograr- ha creado la creencia de que simplemente conectando unos cuantos dispositivos se obtendrán todos los datos necesarios. Varias inversiones mal planificadas han resultado costosas y no han logrado la transformación empresarial esperada.
Esto debería hacernos tomar precauciones pero no significa que el mantenimiento predictivo esté fuera del alcance de las empresas de hoy en día. Los beneficios están ahí, pero necesitan una planificación y gestión adecuadas. Como ocurre con cualquier revolución tecnológica prometida, no hay una fórmula secreta.
¿Es el mantenimiento predictivo una buena inversión ferroviaria?
Las flotas de trenes duran mucho tiempo. Los aviones y los coches se renuevan con más regularidad para aprovechar las mejoras de eficiencia de los nuevos diseños. En el caso de los trenes y sus infraestructuras, este factor es menos importante y el objetivo estratégico suele ser mantenerlos en servicio el mayor tiempo posible, para sacar provecho de la considerable inversión inicial.
Esto significa que las tecnologías que permiten el mantenimiento predictivo, la reducción de los costes de explotación y la prolongación de la vida útil de una flota y de la infraestructura ferroviaria, tienen el potencial de ofrecer enormes recompensas financieras. Sin embargo, también significa que los trenes más antiguos actualmente en servicio, que no fueron producidos para la conectividad moderna, requieren inversiones para poder hacerlo. Por otro lado, el coste de adaptar las infraestructuras a las nuevas tecnologías es considerablemente más económico que el de los trenes. Ya hay empresas, como es el caso de PANTOhealth, que están optimizando los costes de mantenimiento de infraestructuras ferroviarias de países como Alemania, Turquía, Francia y España.
Recoger los datos para el mantenimiento predictivo
Según la experiencia de PANTOhealth en el sector ferroviario y en otros sectores, el éxito de los proyectos analíticos comienza con la aclaración de los problemas que hay que resolver y las decisiones que se necesitan para avanzar. En ese momento el proyecto debe considerar cómo identificar los datos necesarios y la mejor tecnología para capturarlos y procesarlos. Esto ayuda a dilucidar si la inversión merecerá la pena.
PANTOhealth es capaz de crear un potente programa de mantenimiento predictivo que reduce los costes de mantenimiento y prolonga la vida tanto de las infraestructuras ferroviarias como de los trenes que se mueven por ellas.
Los datos correctos significan las ideas correctas
En el caso de PANTOhealth, su software se diseñó con una amplia aportación de ingenieros de mantenimiento y otros expertos del sector. Esto ayudó a identificar exactamente los datos deseados.
Un análisis de datos bien ejecutado permite identificar la avería y el problema antes de que este suceda. A través de la recogida de datos como la temperatura, la velocidad o las vibraciones es posible detectar patrones de deterioro mucho antes de que se conviertan en un problema que el cliente pueda notar. La plataforma online de PANTOhealth mantendrá al técnico de mantenimiento informado de cual es el problema, dónde esta y cuando actuar para prevenir futuras averías.
Este enfoque no requiere modificaciones ni en los trenes ni en las infraestructuras: Simplemente se instala una cámara, sensores, y un hardware en la parte superior del tren que recogen los datos necesarios. Una vez capturados los datos correctos, PANTOhealth los combina con datos sintéticos que generan gracias al aprendizaje automático de su software para dar una solución más fiable y eficaz.
Hay que recopilar datos de buena calidad que sean indicativos del funcionamiento normal, diseñar algoritmos que reconozcan las desviaciones y ajustar los cambios a los perfiles de los problemas. Esto permite identificar rápidamente cuándo algo va mal , cómo actuar y cuándo hacerlo antes de que se produzcan averías.
Las tecnologías de captura y procesamiento de datos siguen avanzado, lo que significa que PANTOhealth tiene cada vez más datos con los que jugar. Pero las técnicas estadísticas para convertir los datos en conocimiento, que es donde reside el verdadero valor, las conocen bien. Para obtener valor, deben aplicarse a los datos adecuados, con el resultado previsto en mente, por personas que entiendan los datos y el problema que se está investigando.
