Monitorización en tiempo real y mantenimiento predictivo utilizando Machine Learning.
José Antonio Marcos Alberca Carriazo
Jefe de Ingeniería de Sistemas Inteligentes de Mantenimiento
INTRODUCCIÓN
Talgo en sus 77 años de historia, siempre ha estado a la vanguardia tecnológica incorporando nuevos avances para la mejora de fiabilidad y mantenibilidad de los sus trenes en comparación con las políticas de mantenimiento standard que se realiza en trenes de tipo convencional.
Entre estas nuevas tecnologías para la optimización de los costes de mantenimiento y mejora de la seguridad y fiabilidad de los trenes, se encuentran la aplicación de diferentes procesos y metodologías modernas de Ingeniería de mantenimiento, así como el uso de las tecnologías de información, para tele mantenimiento, equipamiento sofisticado equipamiento de mantenimiento predictivo y maquinas auxiliares para la mejora de la mantenibilidad de material rodante.
Todas estas tecnologías se han visto dinamizadas por la llegada del Internet of things, y la industria 4.0 que ha hecho mucho más asequible y alcanzable tecnología punta a nivel industrial.
SMART MAINTENNANCE ENGINEERING EN TALGO
Actualmente, el mantenimiento de trenes de alta velocidad, requiere de una alta tecnificación en los procesos de mantenimiento como en las técnicas de Ingenieríade mantenimiento, para lograr los estándares de seguridad, calidad y fiabilidad que se le exigen, bajo unos indicadores de mantenibilidad óptimos que puedan hacer posible dichas operaciones.
Mantenimeinto basado en RCM y CBM
El proceso de optimización de la basa en 2 pilares fundamentales, gestión de los activos de mantenimiento se RCM y CBM. El objetivo fundamental desde Mantenimiento en el diseño de un tren para los requerimientos tan exigentes de explotación a los que va estar sometido durante su vida útil, es la optimización de sus costes de mantenimiento. Para ello se dotará al tren desde su diseño conceptual de la máxima sensorización posible, necesario para poder crear los indicadores de salud de los sistemas críticos y poder realizar mantenimiento basado en la condición y estado de salud de dichos activos. Actualmente cada tren lleva más de 2000 sensores, los cuales pueden llegar a transmitir información en tiempo real, a través del sistema de comunicación embarcado.
Esta información se envía el análisis de la diagnosis de los diferentes sistemas electrónicos embarcados en el tren, los cuales muestran los estados y averías más significativas, de forma que analizando la evolución de estos estados se pueden determinar los sistemas y equipos que en un futuro próximo deberán de ser reparados o reemplazados para no que se produzca el fallo de los mismos.
Para los sistemas y equipos en los cuales no se pueda realizar CBM, se realizara un análisis RCM para obtener los modos de fallo funcionales y sus correspondientes causas raíces, para definir las políticas de mantenimiento correspondientes para poder mitigar los posibles modos de fallo funcionales.
INTERNET OF TRAINS
El estado de desarrollo de las nuevas tecnologías de IoT han posibilitado una gran expansión y tecnificación de los procesos industriales, dando como resultado una tecnología punta y asequible para ser utilizada.
En esta línea, Talgo ha apostado por la industria 4.0 trabajando conjuntamente en nuevos desarrollos basados en la plataforma Google Cloud, de forma que se puedan utilizar toda esta tecnología para el desarrollo de la plataforma IoT Talgo.
El reto que supone la explotación de trenes de alta velocidad con velocidades superiores a los 300 km/h y con una exigencia cada vez mas elevada en lo que se refiere a los estándares de confort, fiabilidad y seguridad, ha supuesto que las políticas de mantenimiento sean cada vez mucho mas exigentes. El mantenimiento basado en RCM, y basado en la condición requiere de un desarrollo tecnológico que posibilite obtener información continua, fiable y detallada de los distintos sistemas que integran el tren, de forma que cada vez mas sistemas y equipos están interconectados a través de equipos electrónicos que reciben las señales y datos de los miles de sensores que componen un tren, de forma que esta información está disponible para su envío y posterior análisis y tratamiento.
El envío de eventos, variables de entorno y alarmas del tren, se realiza en streaming , tiempo real, y de forma segura y encriptada, de forma que una vez que se suben a la nube, allí son tratados y filtrados por los motores que la plataforma cloud permite.
Una vez los datos son procesado en Cloud, los datos pueden ser consultados, analizados y enviados a través de las distintas App que se conectan a la plataforma Cloud.
Dentro de las aplicaciones más relevantes que Talgo ha desarrollado para el análisis y tratamiento de datos y que sirven como base para la mejora continua y toma de decisiones de cara a un mantenimiento predictivo y/o basado en la condición , son las siguientes:
Sistemas de monitorización en tiempo real. TSmart.
Con esta herramienta de tele diagnosis nos permite conocer en tiempo real la localización y el estado de las principales variables de los equipos, de forma que ante cualquier fallo el sistema envía la información a través de cloud, y operador de telefonía, a los teléfonos o direcciones de correo electrónico establecidas previamente, con toda la información necesaria para efectuar las acciones oportunas.
Además el sistema indica la posición exacta del tren en cada momento para poder obtener una mejor información acerca del estado en el que se encuentra en el momento de la avería.
A través del envío de datos en streaming desde el tren se pueden llegar a enviar mas de 10.000 variables/seg. Requiriendo para ello un sistema robusto y eficiente ETL, para la ingesta, almacenamiento y procesamiento de los datos, utilizando Google CloudPlatform.
Con la monitorización en tiempo real es posible visualizar online el estado de los principales equipos e instalaciones del tren a través de diversas pantallas a tal fin desarrolladas en l aplicación TSmart.
Machine learning y mantenimeinto predictivo
En el mantenimiento actual de trenes de alta velocidad, se hace necesario contar con herramientas de diagnosis que nos puedan indicar el avance y evolución de determinados indicadores de estado de salud de los principales equipos críticos para la mantenibilidad y fiabilidad del tren.
Talgo está apostando por este tipo de tecnología que permite mediante una monitorización correcta y el análisis de los datos enviados por el tren, poder tratar los datos de forma que se puedan determinar con un grado de certidumbre adecuado el tiempo hasta el fallo de distintos equipos o sistemas, siendo determinante para la realización de un mantenimiento predictivo basado en la condición adecuado.
Un ejemplo con rodamientos en base a mismos.aso de éxito corresponde a la predicción del fallo dela monitorización contínua de la temperatura de los mismos.
En este caso se ha obtenido una red neuronal que en base da la monitorización de las temperaturas de los restantes rodamientos del mismo eje, junto con la temperatura exterior y la velocidad del tren, es capaz de predecirla temperatura de cualquiera de los rodamientos, de forma que si esta temperatura (calculada) difiere un determinado valor de la temperatura (medida), se lanzarían a alarma de discrepancia de temperatura, de forma que se puede determinar con tiempo suficiente la evolución al fallo del rodamiento evitando la rotura del mismo antes de que este se produzca. El tiempo objetivo para ello es el suficiente para poder programar las tareas de mantenimiento para su sustitución dentro de los pasos programados por taller, estando dentro aún del RUL “remaining use full life”.
SISTEMAS AUTOMÁTICOS DE INSPECCIÓN DE TRENES. TALVI
El actual mantenimiento de trenes de alta velocidad, requiere de elevados estándares de fiabilidad, disponibilidad y mantenibilidad. Para ello Talgo en aras de una continua mejora continua y vanguardia tecnológica está desarrollando e integrando una nueva tecnología orientada a la inspección automática de trenes basado en visión artificial y escáner 3D.
Estos equipos son capaces de realizar una inspección del tren a velocidad de servicio comercial de hasta 300 km/h, con una precisión y rapidez de análisis mediante machine learning que los hace altamente fiables, seguros y altamente rentables en su utilización.
Esta plataforma llamada TALVI, integra diferentes equipos para realizar inspecciones automáticas de distintas partes del tren.
Las ventajas que ofrecen los equipos TALVI de inspección en vía general:
- Mejora de la seguridad en la Operación
- Aumento de la disponibilidad de la flota
- Aumento de la fiabilidad de la flota
- Ahorro de costes en programación de tareas y repuestos
- Realización de las inspecciones en las condiciones reales de explotación.
- Repetitividad y seguimiento preciso en la medida
.jpg)