From preventive to prescriptive: algunas ideas para optimizar el mantenimiento de infraestructura

Saioa Arrizabalaga Unai Alvarado 24 de enero de 2023

0

0

0

0

18 min. de lectura

Saioa Arrizabalaga
Directora del grupo, Análisis de datos y gestión de la información
Centro Tecnológico Ceit-IK4

Unai Alvarado
Director de grupo, Ferrocarril
Centro Tecnológico Ceit-IK4

ABSTRACT

El artículo trata de aportar algunas ideas para la optimización de las actividades del mantenimiento de la infraestructura ferroviaria, haciendo especial énfasis a los activos de vía que, por su naturaleza (activos lineales, discretos, etc.) hacen que su mantenimiento tenga un carácter especial.

Los principales objetivos del artículo son:

• Describir brevemente las variables a considerar a la hora de gestionar el mantenimiento de infraestructura y sus interrelaciones
• Describir las pegas que presentan las estrategias actuales de mantenimiento de infraestructura que, desafortunadamente, suponen una práctica habitual en muchos operadores, en cuanto:
  • Colección de datos
  • Análisis de datos
  • Visualización de información
  • Reacción y toma de decisiones

• Reflexionar sobre la evolución natural de la gestión del mantenimiento en sus diferentes fases (reactivo, preventivo, basado en la condición, predictivo y prescriptivo). También describir las características de cada uno de los estadios
• Presentar MainRail, como herramienta para la optimización de la gestión del mantenimiento de infraestructura ferroviaria, y justificar los beneficios que aportan sus distintos módulos:
  • ASSETS. Digitalización y gestión de activos de infraestructura
  • HEALTH. Monitorización del estado de los distintos activos
  • MAINTENANCE. Planificación y gestión de las actividades de mantenimiento
  • PREDICTIVE. Predicción de la evolución del estado de los activos, combinado modelos basados en datos y modelos físicos de degradación de componentes
  • DASHBOARD. Gestión de cuatro indicadores clave para la gestión del mantenimiento: análisis de riesgos, disponibilidad de servicio, costes de mantenimiento y vida remanente de los activos

La contribución propuesta se enmarca en el área Técnica/Tecnológica, en concreto en los siguientes puntos:

• Innovación en la planificación del mantenimiento y en la manera de gestionar los activos de infraestructura
• Mantenimiento 4.0: big data, Smart data y gestión de las predicciones
• Logística del mantenimiento: optimización de la planificación de las actividades de mantenimiento

1. INTRODUCCIÓN

Ceit-IK4 es un centro de investigación sin ánimo de lucro, creado por iniciativa de la Universidad de Navarra en 1982, y cuya tarea principal consiste en llevar a cabo proyectos industriales de investigación aplicada bajo contrato, en estrecha colaboración con los departamentos de I+D de la empresas.

Ceit-IK4 es miembro asociado de la JU Shift2Rail, participando activamente en los programas IP2 (señalización y control) e IP5 (mercancías), siendo el tercer centro tecnológico europeo desde un punto de vista presupuestario. Las principales figuras de Ceit-IK4 en relación con su actividad en el sector ferroviario se resumen en la Figura 1.

El mantenimiento en el sector ferroviario tiene un carácter predominantemente preventivo. Las decisiones de mantenimiento se basan principalmente en inspecciones periódicas que determinan el estado de los componentes con respecto a unos valores umbrales. Cuando los umbrales de aviso son superados, y antes de llegar a rebasar el umbral de seguridad, se realizan las tareas de mantenimiento correspondientes [1].

No obstante, la degradación de la infraestructura depende de las condiciones de operación de la flota de vehículos, del estado de los vehículos, y del propio estado de la infraestructura, y no suele presentar una evolución lineal como se considera en muchos casos [2] [3] [4] [5] [6]. Por este motivo, asignar un tiempo fijo entre inspecciones (i.e. mantenimiento preventivo), supone aceptar posibles situaciones de riesgo (ruptura de componente y descarrilamiento) o gasto innecesario.

Definir la estrategia de mantenimiento óptima no es una tarea sencilla. Como en cualquier proceso de mantenimiento, resulta vital mantener el balance entre distintas variables que afectan a:

1. La planificación del mantenimiento (doing the right things)
2. La ejecución del mantenimiento (doing things right)

Muchas veces, los esfuerzos se concentran en la fase de planificación, a modo inicial, para pasar a la fase de ejecución en el estado estacionario. No obstante, el día a día de la operativa lleva a los gestores de mantenimiento a ser reactivos frente al mantenimiento, resultando muy difícil reajustar la planificación del mantenimiento teniendo en cuenta las siguientes variables.

• Safety. La seguridad es un parámetro clave, que lleva habitualmente a sobredimensionar las operaciones de mantenimiento mediante actividades preventivas.
• Availability. La disponibilidad de los servicios es clave para mantener su calidad. Las operaciones de mantenimiento se han de realizar fuera de los horarios de operación, para no incurrir en penalizaciones debido a paradas en la línea, limitaciones de velocidad, etc.
• Riding Comfort. La degradación de componentes (tanto en vehículos como en infraestructura) puede comprometer el confort de los usuarios, disminuyendo de este modo la calidad de servicio.
• Environmental friendliness. Aspectos como la eficiencia energética, la propagación de vibraciones a edificios e instalaciones anejas y la emisión de ruidos son cuestiones relevantes, en las que el estado de los activos tiene un impacto importante.
• Life Cycle Costs. Los costes asociados al ciclo de vida del sistema ferroviario pueden sufrir enormes variaciones en función del tipo de planificación que se realice. Este es un aspecto clave, que junto con los costes asociados a riesgos potenciales y los asociados a la indisponibilidad han de ser abordados conjuntamente [7].

2. DIFICULTADES EN LA GESTIÓN DEL MANTENIMIENTO DE INFRAESTRUCTURA

El sistema ferroviario se enfrenta a importantes dificultades a la hora de gestionar eficiente el mantenimiento de los distintos activos. El principal motivo es, además una cuestión de cultura histórica y de “tradición” a la hora de considerar las operaciones, la inmensa cantidad de activos y componentes a gestionar, su amplia variedad y su dispersión geográfica.

La siguiente figura muestra, de una forma simplificada, los principales bloques que componen un sistema de gestión del mantenimiento ideal. Dicho sistema se alimenta de una serie de datos de entrada; dichos datos son reconciliados y almacenados, para ser analizados y transformados en información útil. Finalmente, la información se visualiza de una manera adecuada para su posterior interpretación y así favorecer la toma de decisiones que optimicen las operaciones.

No obstante, la arquitectura de la figura anterior suele distar bastante de los sistemas de mantenimiento utilizados por muchos operadores de infraestructura, operadores integrales (e.g. metro, tranvía, etc.) y gestores de mantenimiento.

Por una parte, la manera actual de administrar los datos de entrada dista de ser la óptima para una correcta gestión del mantenimiento, debido a la cantidad de fuentes de datos, su heterogeneidad, y la ausencia de directrices o “best practices” que permitan la estandarización de interfaces:

• Auscultaciones. Normalmente son datos en múltiples formatos digitales que contienen diversos KPIs sobre algunos activos (p.e. parámetros de calidad de vía provenientes de dispositivos auscultadores de geometría de vía, etc.). El formato de dichos datos es variable en función del fabricante del equipo que los suministra, y generalmente suelen ser traducidos a ficheros Excel para su tratamiento posterior.
• Sensores. Existen multitud de sensores distintos que permiten conocer distintos parámetros, en tiempo real, de múltiples activos (p.e. temperatura de los rodamientos en caja de grasa, dispositivos de visión para evaluar el estado del contacto pantógrafo-catenaria, etc.). Cada sensor puede utilizarse para monitorizar un parámetro concreto de un componente determinado, pero no existen soluciones completas que permitan implementar sistemas de adquisición de datos de una forma sencilla, poco intrusiva y de bajo coste.
• Inspecciones visuales. Actualmente se determina la condición de una ingente cantidad de activos en base a inspecciones visuales (p.e. aparición de grietas en carril, estado de apoyos en traviesas, drenajes en túneles, etc.). Hay que considerar que la mayor parte de estas inspecciones (al menos las referentes a infraestructura) se realizan por operarios de mantenimiento durante la noche. Además, no existen criterios formales que favorezcan la clasificación de posibles daños en los componentes, con lo que los resultados son relativamente subjetivos.
• Informes de tareas de mantenimiento. Además de las inspecciones visuales, el resultado de otras tareas de mantenimiento puede considerarse como dato de entrada para un sistema de gestión de mantenimiento. Normalmente, estos informes no obedecen a ninguna estructura estándar ni procedimiento formal, y suelen ser documentos (en formato digital o incluso papel) que no pueden tratarse de una forma eficiente.

De lo anterior se desprende que un sistema de gestión de mantenimiento se alimenta de datos de una manera que dista enormemente de ser la óptima: su naturaleza es muy diferente, no existen procedimientos formales ni interfaces que permitan la consolidación de los mismos, y tampoco soluciones completas que permitan sistemas cost-effective.

En cualquier caso, los gestores de mantenimiento utilizan datos de entrada. No obstante, la manera de procesarlos dista mucho de la arquitectura de la Figura 1.

• Al no existir unicidad en los interfaces de las distintas fuentes de datos, su almacenamiento suele ser ecléctico: multitud de ficheros electrónicos de auscultación en distintos formatos, información proveniente de multitud de sensores, e información de inspecciones y tareas de mantenimiento en formato electrónico y papel. Todo ello almacenado en distintos servidores y PCs (alojados en distintas redes) y en cajoneras y sobre mesas de multitud de despachos en diversas localizaciones geográficas.
• El análisis de los datos es realizado por expertos en mantenimiento, pero no viene determinado por ningún mecanismo formal, y por supuesto tampoco con el objeto de optimizar las variables descritas anteriormente (sección 2).
• La visualización de los datos y la información no suele favorecer la toma de decisiones, ya que no existen mecanismos que analicen todos los datos de entrada y extraigan los KPIs relevantes para optimizar la toma de decisiones.

3. FASES DE MANTENIMIENTO Y EVOLUCIÓN

Existen cinco fases o niveles en la gestión del mantenimiento, cuya evolución está siendo propiciada principalmente por la evolución tecnológica asociada a la digitalización (e.g. IoT, SmartData, machine learning, etc.). Estas fases se muestran en la siguiente figura:

• Reactive. Este primer nivel hace referencia a lo que se denomina mantenimiento correctivo. Cualquier acción de mantenimiento no planificada que tiene como objeto la reparación y/o sustitución de un activo se engloba en este primer nivel. Generalmente, las acciones de mantenimiento correctivo se suelen dar “demasiado tarde”. El hecho de que las ventanas temporales disponibles para realizar acciones de mantenimiento en la infraestructura son muy limitadas (normalmente por la noche, cuando no hay trenes en circulación) hace que éstas estén ocupadas por acciones que han sido previamente planificadas. Por lo tanto, muchas de las acciones correctivas tienen lugar fuera de estas ventanas, con lo que su repercusión económica es mayor. Restricciones de velocidad e incluso cortes en la línea son eventos nada deseables para los gestores de infraestructura y/o operadores, por lo que los esfuerzos en la gestión del mantenimiento intentan minimizar las acciones en este nivel.
• Preventive. Para reducir el riesgo de acciones correctivas en el nivel anterior, se establecen planes de mantenimiento preventivo. Generalmente basados en directrices por parte del dueño/gestor de la infraestructura y la experiencia del gestor de mantenimiento, se establecen planes de mantenimiento preventivo a diferentes niveles:
  • Plan general de mantenimiento, con carácter generalmente anual, donde se establece una planificación de alto nivel de las distintas acciones de mantenimiento
  • Plan semestral/mensual, donde se van concretando las acciones recogidas en el plan anual.
  • Plan semanal, donde se distribuyen las acciones de mantenimiento preventivo de una manera más detallada, y se gestionan las acciones de correctivo más relevantes.

Aunque este nivel es sustancialmente mejor que el reactivo, está lejos de ser óptimo: el hecho a no atender al estado de los componentes hace que éstos sufran sobremantenimiento (mantenimiento/sustitución no siendo necesaria) o infra-mantenimiento (mantenimiento/sustitución cuando es demasiado tarde). Generalmente estos planes van más por el lado del sobre-mantenimiento, y en consecuencia su coste económico es elevado y está lejos del óptimo, si bien es cierto que la seguridad tiende a garantizarse.

• Condition-based. En un nivel superior se encuentra el mantenimiento basado en la condición (Condition-Based Maintenance, CBM), donde las acciones de mantenimiento se gestionan en base al estado de los activos. Se trata de una evolución del mantenimiento preventivo, donde las distintas acciones de mantenimiento previamente planificadas se agendan antes o después en el tiempo en base a un control del estado de los activos. Este tipo de mantenimiento es posible gracias a un conjunto de tecnologías habilitadoras (Sensores de bajo coste, IoT, bigdata, etc.). La reducción del coste de dichas tecnologías y su estado de madurez (debido a que llevan tiempo utilizándose en otros sectores industriales) hacen que la tendencia, sobre todo en lo que respecta a material rodante, gire entorno a la monitorización del estado de los activos gracias a la utilización de sensores. No obstante, debido a las características lineales de los activos de infraestructura, el despliegue de sensores a lo largo de toda la red resulta un reto desde el punto de vista tecnológico, además de ser económicamente poco atractivo, al menos por el momento.
• Predictive. En un nivel superior se encuentra el mantenimiento predictivo, donde problemas futuros en el estado de los activos son detectados con la antelación suficiente como para optimizar la gestión de las actividades de mantenimiento. Existen actualmente dos aproximaciones tecnológicas al mantenimiento predictivo.
  • Data-driven. Esta aproximación es una evolución del nivel anterior (mantenimiento basado en la condición). El despliegue de sensores que permiten la monitorización continua (incluso a veces en tiempo real) del estado de los activos permite disponer de una gran cantidad de datos (Big data). Si estos datos son de calidad, pueden desarrollarse algoritmos que los conviertan en información útil (Smart data), y con ello observar tendencias en el estado de los activos. Gracias a análisis estadístico y a técnicas como machine learning pueden identificarse tendencias para anticiparse a situaciones futuras. No obstante, esta aproximación tiene un inconveniente en el caso de la infraestructura, debido a la mala calidad de los datos disponibles y a su escasez, lo que imposibilita poder realizar este tipo de análisis con un nivel de confiabilidad suficiente.
  • Model-driven. En este caso, las predicciones no se basan en datos, sino en modelos. Dichos modelos pueden ser de muy diversa índole (analíticos, numéricos, etc.), pero su objetivo es modelizar matemáticamente la realidad. Las mejoras en las prestaciones de computación han permitido desarrollar modelos de degradación de componentes basados en leyes físicas. Dichos modelos emulan con un nivel de confiabilidad muy alto (>95%) la evolución real de la degradación de componentes. Por lo tanto, esta es una aproximación deseable para poder realizar predicciones sobre la evolución del estado de los activos teniendo en cuenta la escasez de datos disponible.

• Prescriptive. Finalmente, el último nivel de mantenimiento se basa en realizar prescripciones en base a las predicciones realizadas. Es decir, no solo permite anticiparnos al estado futuro de los activos, sino que nos permite optimizar la planificación de las acciones de mantenimiento de manera que su impacto en la operativa se optimice desde el punto de vista del coste y la seguridad. La automatización total del mantenimiento solo puede ser una realidad si se tiene en cuenta la formalización de los procesos de mantenimiento. Dicha formalización permite una posterior procedimentación de los procesos, condición necesaria para su total automatización:
  • Digitalización de los activos de infraestructura
  • Modos de fallo de cada activo
  • Mecanismos de degradación de cada activo
  • KPIs asociados al estado de salud de cada activo y a su degradación
  • Niveles (thesholds) asociados a dichos KPIs y acciones de mantenimiento asociadas a cada KPI y su correspondiente threshold
  • Impacto de las acciones de mantenimiento en KPIs
  • Gestión automatizada de los recursos
  • Análisis de riesgos/seguridad
  • Análisis de costes
  • Algoritmos de optimización

4. MainRailMT. GESTIÓN INTEGRAL DEL MANTENIMIENTO DE INFRAESTRUCTURA

La pregunta entonces es: ¿cómo se podría abordar la gestión integral del mantenimiento de infraestructura teniendo en cuenta los cinco niveles anteriormente descritos? Desde un punto de vista óptimo, maximizando la seguridad y minimizando los costes, y priorizando los niveles altos. La consecuencia es que el segundo nivel (preventivo) deja de ser algo fijo y se convierte en un preventivo dinámico, Smart preventive.

Las características deseables de una herramienta que optimizara la gestión integral de todos los aspectos relacionados con el mantenimiento de infraestructura se resumen a continuación:

1. Visualización del estado de la infraestructura. La monitorización del estado de los activos (en tiempo real mediante el uso de sensores o mediante medidas offline, i.e. auscultaciones, inspecciones visuales, etc.) necesita de la reconciliación y procesamiento de datos de distintas fuentes de entrada para convertirlos en KPIs que describan el estado de los activos. Por otra parte, tener mecanismos que permitan visualizar, de una manera global, el estado general de la infraestructura es de vital importancia para tener en todo momento controlado su estado, al menos de una forma cualitativa.

2. Inventario de activos. Para una gestión óptima del mantenimiento de los activos ferroviarios, es necesario inventariarlos digitalmente. De nada sirve tener la herramienta más sofisticada posible, si los componentes sobre los que se sustenta no están perfectamente organizados digitalmente. Sería conveniente que dicho inventario contemplara:

• Identificación de cada componente/activo mediante un código único para permitir su trazabilidad.
• Localización geográfica en entorno GIS de todos los activos.
• Antigüedad del activo (i.e. fecha de compra e instalación), datos del proveedor y del instalador.
• Histórico de estado. Esta cuestión es de vital importancia. Es necesario contar con un archivo histórico del estado de los activos, donde se refleje la evolución temporal de los KPIs que reflejan su estado de salud.
• Capacidad de almacenar y gestionar otra documentación relevante asociada al activo (p.e. planos de fabricación, datasheets, detalles constructivos, etc).

3. Formalización de los procesos de mantenimiento. Para optimizar la toma de decisiones en relación con las operaciones de mantenimiento y para habilitar capacidades prescriptivas, se hace necesario realizar los procesos relacionados con las mismas. Por ejemplo, tendría que existir un procedimiento formal y universal para relacionar el tamaño y posición de una grieta en una soldadura de carril con la acción de mantenimiento correspondiente, así como su impacto en los KPIs asociados.

4. Análisis KPIs. En relación con el estado de los componentes, sería necesario que la herramienta tradujera los datos de entrada en información relevante, mediante los KPIs asociados a cada activo. Además, sería necesario analizar dichos KPIs frente a valores umbrales, así como observar su evolución histórica (y previsión futura).

5. Predicción de la vida de los activos. Mediante la utilización de modelos físicos de degradación de componentes, la predicción de la vida remanente de los activos y la evolución de su degradación permitiría tomar decisiones sobre las correspondientes acciones de mantenimiento con un menor nivel de incertidumbre. Además, este análisis permitiría evaluar la vida remanente de los componentes, y así poder determinar cuándo es más conveniente seguir realizando acciones de mantenimiento o sustituirlo directamente por estar cerca del fin de su vida útil.

6. Optimización y planificación estratégica. Una herramienta SW para la gestión del mantenimiento tendría que facilitar la planificación estratégica de las operaciones en el medio-largo plazo (entre 6 meses y 5 años), pero también optimizar el calendario de actividades en el corto plazo (i.e. con carácter semanal). Dicha optimización podría tener distintas funciones objetivo, pero trataría en todo caso de balancear recursos (componentes, repuestos, herramientas, maquinaria, mano de obra, etc.), operaciones de los vehículos por la infraestructura y tiempo de ejecución.

7. Gestión del riesgo. No todas las acciones de mantenimiento tienen el mismo nivel de criticidad. Además, no todos los posibles fallos de componentes presentan la misma evolución temporal y potenciales consecuencias. Por lo tanto, a la hora de tomar decisiones relacionadas con el mantenimiento se debería tener en cuenta la probabilidad de que existan fallos potencialmente peligrosos en la infraestructura como consecuencia del estado de degradación de los componentes y las correspondientes inacciones para su solución.

8. Integrable con otros sistemas IT. Una herramienta de estas características tendría que permitir su integración, a nivel de interfaces, con otros sistemas IT de los potenciales usuarios, tales como ERPs, equipos de auscultación, etc.

9. Visualización. Otro aspecto importantísimo de cara a facilitar la toma de decisiones en las operaciones de mantenimiento está relacionado con la visualización de la información. Las pantallas de la herramienta han de mostrar la información relevante de una manera sencilla e intuitiva, además de permitir las customizaciones necesarias para satisfacer las necesidades de los usuarios de las mismas.

10. Gestión de informes y trazabilidad. Para que exista una trazabilidad completa de todo el ciclo de vida de los activos, es necesario que se den mecanismos de generación automática de informes, que recojan la información descrita en los puntos anteriores.

MainRailMT [8]

Nace para dar respuesta a estas cuestiones. Se trata de una plataforma SW para la gestión integral del mantenimiento de infraestructura ferroviaria. Incluye las peculiaridades propias de la gestión de activos lineales (e.g. vía, catenaria) pero también permite una gestión integral de activos de infraestructura e instalaciones (electrificación, señalización, comunicaciones, etc.). La plataforma es modular y escalable, y está formada por 5 módulos (Figura 4), cuyas principales características se describen a continuación.

MainRail ASSETS

Este módulo constituye el inventario de activos digitales sobre los que se centra el foco del mantenimiento. Los activos pueden ser discretos y/o lineales. Las características principales de ASSETS son:

• Digitalización de la infraestructura
• Inventorio digital de todos los activos (activos lineales y discretos de vía, electrificación, señalización, instalaciones, etc.)
• Características y documentación asociada, así como cualquier característica relevante para cada activo
• Localización de activos (lineal - KP y GIS)
• Integración con otros sistemas IT (base de datos, ERP, GMAO, etc.)
• Generación automática de informes para una trazabilidad total

MainRail HEALTH

Este módulo monitoriza el estado de salud de los distintos componentes. Es un módulo totalmente customizable, donde los KPIs se analizan y visualizan en función de la naturaleza del componente. Las características principales de HEALTH son:

• Visión global del estado de salud de la infraestructura, en base a un análisis multi-paramétrico (customizable) y navegación a lo través del mapa de la explotación
• Visión global del estado de salud de los activos, en base a generación y tratamiento de KPIs asociados
• Reconciliación y digitalización de información (auscultaciones de vía, medidas, sensores, inspecciones, etc.)
• Generación automática de informes para una trazabilidad total

MainRail MAINTENANCE

Este módulo permite la planificación de las actividades de mantenimiento. Las características principales de MAINTENANCE son:

• Gestión integral de las actividades de mantenimiento
• Calendario y diagrama GANTT para la planificación de actividades y gestión de los recursos (personas, suministros, equipamiento, etc.)
• Motor de optimización para la secuenciación y agendado de las distintas actividades
• Formalización de los procesos de mantenimiento para la ayuda en la toma de decisiones
• Integración con bases de datos externas
• Generación automática de informes para una trazabilidad total

MainRail PREDICT

Este módulo se corresponde con la funcionalidad predictiva de MainRail. Las predicciones acerca del estado de los activos no se basan puramente en analítica de datos, sino en una combinación de ésta con el modelado de la degradación de los componentes según leyes físicas. Sus principales características son:

• Análisis predictivo de la evolución de los KPIs asociados a los activos, en intervalos de tiempo configurables
• Predicciones basadas en modelos físicos de degradación de componentes, combinados con análisis de datos
• El motor de predicción se configura para las condiciones particulares de la explotación (características de la infraestructura, vehículos y operaciones)
• Ayuda a la toma de decisiones en base a análisis "WHAT-IF"
• Análisis del impacto de decisiones acerca de la planificación de mantenimiento en el estado de la infraestructura
• Integración de módulo meteorológico
• Generación automática de informes para una trazabilidad total

MainRail DASHBOARD

Este módulo aglutina la información contenida en los demás, y genera cuatro indicadores globales para la ayuda en la toma de decisiones:

• Riesgos potenciales
• Indisponibilidad de servicio
• Costes
• Vida remanente de los activos

Por otra parte, el módulo DASHBOARD presenta las siguientes características:

• Visualización del estado de la infraestructura en base a los cuatro indicadores anteriores, para distintos intervalos temporales (pasado y futuro)
• Análisis de escenarios "WHAT-IF"
• Gestión de alarmas/warnings con localización GIS

5. REFERENCIAS

[1]. Predictive Maintenance Sensor Rich but Uncertain Information Quality Environment Case Study in Railroad _IBM Research, Hongfei Li - 2012

[2]. Parameter Estimation for Rail Degradation Model International Journal of Performability Engineering . Jan2009, Vol. 5 Issue 2, p119-130. 12p Chattopadhyay, G.; Kumar, S

[3]. Failure modeling and maintenance optimization for a railway line Per Hokstad, SINTEF 2005

[4]. Influence of rail flexibility in a wheel/rail wear prediction model, Javier F Aceituno Journal of Rail and Rapid Transit 2015

[5]. Evaluation of dynamic and impact wheel load factors and their application in design processes Brandon J Van Dyk Aceituno Journal of Rail and Rapid Transit 2015
Facts and Figures25+ years of experience20+ ongoing projects9 ongoing PhD thesis#1 Research Center SPAIN#3 Research Center EU Activitiesin therailwaysectorAppliedResearchUSE A GOOD PICTURE

[6]. A full-scale physical model test apparatus for investigating the dynamic performance of the slab track system of a high-speed railway Journal of Rail and Rapid Transit, Xuecheng Bian February 2016

[7]. EN 60300-3. Gestión de la confiabilidad. Parte 3-3: Guía de aplicación. Cálculo del coste del ciclo de vida.

[8] http://www.mainrailsolutions.com