mantenimiento predictivo en instalaciones de túnel ... · 4. sin analítica avanzada ni...

Mantenimiento predictivo en instalaciones de túnel mediante

analítica de datos y machine learning Servicio COMMITÁrea de Ingeniería y Mantenimiento

Raúl Rico jraul.rico@metromadrid.es

CLAVES2

Detección automática de singularidades

Mejora de la planificación del mantenimiento

preventivo

Optimización de recursos de

mantenimiento

Análisis detallados del estado y

evolución de las instalaciones

Metro de Madrid es una empresa públicaintegrada en el Consorcio Regional de Transportede Madrid, y cuya administración tutelarcorresponde a la Comunidad de Madrid.

Con 294* kilómetros de red, 301 estaciones, 512ascensores, 1660 escaleras mecánicas y 570millones de viajeros, Metro de Madrid es elprincipal transporte público de la comunidad deMadrid. (*datos 2015)

Nuestro principal reto es ser siempre la opciónde movilidad socialmente más rentable, y máscercana a las expectativas de los clientes.

3 Metro de MadridEn números…

Uno de nuestros mayores retos es mejorar laeficiencia de los procesos de mantenimiento,tanto de las instalaciones como de los vehículos.

Encuadrado dentro de la Dirección de Ingenieríay Mantenimiento, el Centro COMMIT es elencargado de la monitorización y control remotode cientos de miles de equipos.

En COMMIT se reciben y procesan todas losavisos de incidencias en el equipamiento deinstalaciones que reporta el personal deoperación.

Pero dentro de COMMIT disponemos tambiénde una herramienta muy especial…

Metro de MadridCOMMIT3

Tren de la Serie 2000 reacondicionado para la instalación de equipos de medida:

• Desgaste, ángulo de desgaste, descentramiento, altura, tensión y corriente de catenaria.Dinámica de interacción con el pantógrafo.

• Video inspección y termografía de catenaria

• Desgaste de carril. Desgaste ondulatorio.

• Geometría de vía y dinámica de circulación.

• Niveles de señales de los sistemas de radiocomunicaciones y señalización .

Metro de MadridVehículo Auscultador Instalaciones3

Metro de MadridVehículo Auscultador Instalaciones3

Perfil de CarrilDinámica de vía

APR

Termografía

Pantografos sensorizados

Sist. Catenaria

ATP/ATO

Desgaste ondulatorio

Geometría de víaGeometría de víaGeometría de vía

Comunicaciones

1. La ventana de trabajos de mantenimientonocturnos es de apenas 3 horas. La auscultaciónno puede reducir aun más ese escaso periodo:es necesario medir en horario de prestación deservicio.

2. El VAI circula por toda la red, tanto gáliboestrecho como ancho, y diferentes tensiones dealimentación (600Vcc y 1500Vcc), registrandocada vez una línea diferente.

3. En total, disponemos de 588 Km de víaprincipal, que se monitorizan semestralmente,más depósitos y vías secundarias, que seregistran bajo demanda.

4. Durante la realización de estas auscultacioneslas condiciones operativas son muy próximas alas de explotación comercial, (velocidad y modosde circulación, etc.).

5. Tras la auscultación, el vehículo regresa aalguno de los depósitos de nuestra red, dondetransfiere todos los datos registrados a nuestrosrepositorios de información de auscultación.

6. En ese momento comienzan los procesos devalidación y análisis de todos los parámetrosregistrados, que horas después estarán adisposición del personal de mantenimiento.

VAI: Auscultación de túnelCondicionantes operativos4

1. Gran volumen de datos. Las auscultacionesgeneran muchos Gb de información que incluyedecenas de parámetros numéricos, video e imagen.

2. Herramientas software genéricas y de escasapotencia. El software proporcionado por losfabricantes de los sistemas de medida o es básico, ono se adecua a las necesidades particulares delcliente, o no se integra en los sistemas de gestión demantenimiento.

3. Escasez de recursos. Con esas herramientasbásicas, el personal de mantenimiento no puedeanalizar semejante volumen de información en lostiempos adecuados. Es necesario automatizar partede los análisis.

4. Sin analítica avanzada ni predictiva. Los análisismás avanzados que incluyen información deotras fuentes y tecnologías de Machine Learningno se pueden llevar a cabo con las herramientastípicas.

5. Ausencia de referencias de ubicación precisas.No disponer de señal GPS complica el análisis dela evolución del estado de la instalación, (solo sedispone de un sistema básico de odómetros obalizaje).

Para dar respuesta a estas problemáticas, Metroha desarrollado una app propia utilizando elentorno de desarrollo de MATLAB: BigVAI

Análisis del estado de la infraestructuraProblemáticas…5

• Gestión de histórico de mediciones.

• Integración de datos de otras fuentes yequipos de medida, manuales o no.

• Alineación automática entre mediciones.

• Evaluación automática de la calidad de lasmediciones, identificando aquellas zonas conproblemas en los datos de auscultación.

• Representaciones gráficas personalizables deparámetros por punto kilométrico. Exportaciónde datos gráficos.

• Obtención de relaciones entre parámetros dediferentes sistemas de medida (catenaria – vía)

BigVAIFuncionalidades básicas5

• Detección automática de defectos: zonasfuera de umbral para parámetros degeometría o desgaste, de variaciones.

• Integración con sistemas de gestión demantenimiento: posibilidad de tramitardirectamente desde la app actuaciones depreventivo /correctivo.

• Supervisión del estado y ciclo de vida de losdefectos directamente desde la app(Seguimiento, Actuación, Corregido, etc).Recepción de feedback de trabajos encampo.

BigVAIFuncionalidades de gestión5

Entre otras:

• Análisis estadísticos por vía, para la mejora de lainstalación: Histogramas de desgaste ydescentramiento de catenaria, tasas de desgastede catenaria y carril, etc.

• Análisis del estado superficial de hilo de contactode la catenaria (curvas Abbott-Firestone).Relación con dispersión de la fuerza de contacto.

• Detección automática de elementos singularesde la infraestructura, como aisladores,diagonales, etc.

• Calculo de indicadores de estado deinfraestructura definidos en normas

BigVAIFuncionalidades analíticas avanzadas5

BigVAIFuncionalidades predictivas5

• Detección de comportamientos dinámicosanómalos en seccionadores.

• Modelo de evolución de los defectos dedesgaste de catenaria, para estimar fechasde actuación preventiva y poder optimizarla planificación de los trabajos.

BigVAIFuncionalidades prescriptivas5• Modelos neuronales para maximizar la mejora en el comportamiento dinámico del pantógrafo

tras la realización de trabajos de sustitución de catenaria

• Optimización de trabajos: estimación de evolución de desgaste, y agrupación automática porfechas límite y Km.

BigVAIBeneficios5Además de las funcionalidades adicionales yacitadas que aporta respecto a las herramientascomerciales, los ahorros pueden estimarse en:

• Reducción de los tiempos de validación decada auscultación en más de un 80%.

• Reducción de tiempos de análisis de más deun 50%.

Al ser un desarrollo interno, permite unacontinua evolución basada en nuevos requisitos yel know-how corporativo.

MATLAB Compiler permite además desplegar laapp con suma facilidad, poniendo al alcance denuestro personal técnico las citadasfuncionalidades analíticas sin necesidad deconocer el detalle del entorno de MATLAB.

La integración de MATLAB con todo tipo defuentes de datos y herramientas de presentacióny visualización ofrece grandes posibilidades dedesarrollo y mejora continua de nuestra app.

BigVAIPróximos pasos5• Desarrollo de nuevos modelos de desgaste

de catenaria desde un estado inicial de hilonuevo, en función de la geometría, lainteracción dinámica y los consumos delmaterial móvil

• Optimización de los modelos de dinámica depantógrafo.

• Nuevos desarrollos para la mejora de laplanificación de trabajos de mantenimiento.

• Nuevos indicadores macroscópicos de estadode las instalaciones.

¡Muchas gracias por su atención!