Saltar al contenido
TRENES.ONLINE

Mantenimiento Predictivo ejemplo Metro Madrid

10 abril 2020

Metro Madrid aplica Mantenimiento Predictivo desde 2006 con notables reducciones de costes de operativos.

metromadrid

El Metro de Madrid generó ahorros anuales por casi EUR 12 millones con la implementación de técnicas de monitoreo de condición y mantenimiento predictivo en el sector de infraestructuras.

Según José Raúl Rico responsable de mantenimiento avanzado y ciencia de datos del Metro de Madrid en una conferencia de 2017, el metro de la capital española desarrolla desde 2006 iniciativas de mantenimiento predictivo con los resultados económicos antes mencionados.

Según Rico las claves del mantenimiento predictivo son:

  • Análisis detallados del estado y evolución de las instalaciones
  • Detección automática de singularidades 
  • Mejora de la planificación del mantenimiento preventivo 
  • Optimización de recursos de mantenimiento 

Monitoreo de Condición

El monitoreo de condición es el proceso de auscultar de forma sistemática uno o más parámetros en los equipos o sistemas, con el fin de identificar cambios significativos que son evidencia de fallos potenciales, fallos funcionales o de tendencias de desvío de los patrones esperables. El monitoreo de condición es una parte fundamental del mantenimiento predictivo. Es el que permite generar los datos necesarios para poder analizar el comportamiento de los equipos a lo largo del tiempo. Pudiéndose así planificar acciones e intervenciones de mantenimiento antes de que produzcan consecuencias mayores e impactos económicos no deseados.

Mantenimiento Predictivo

El mantenimiento predictivo se ha acuñado como nombre de un conjunto de técnicas muy variadas que tienen como objetivo fundamental analizar los datos del comportamiento físico actual de los equipos, recogidos durante la fase de monitoreo de condición, para predecir su comportamiento futuro. 

Para la eficaz práctica del mantenimiento predictivo es necesario tener la capacidad de procesar y analizar con algoritmos definidos las enormes cantidades de datos generados por los sensores y dispositivos de captura de parámetros durante el monitoreo de condición.

El hecho de que las tecnologías de sensorización hayan avanzado en su miniaturizacion, su conectividad libre de cableados o electrónica de control, o su alimentación por corrientes inductivas, está generando en el mercado del transporte ferroviario un verdadero aumento exponencial de las empresas que ofrecen soluciones tecnológicas basadas en los datos que generan estos sensores.

Empresas de mantenimiento predictivo ferroviario: MathWorks, Konux, Siemens, Bentley

Metro de Madrid

Metro de Madrid es una empresa pública que hace parte del Consorcio Regional de Transporte de Madrid que depende de la Comunidad de Madrid. Tiene 294 kilómetros de vías, 301 estaciones, 512 ascensores, 1660 escaleras mecánicas y 570 millones de viajeros anuales. Opera durante todos los días del año y solo cuenta con 3 horas por día libres de circulación de trenes y de pasajeros para realizar todo el mantenimiento de las infraestructuras.

Centro de operaciones motorización y mantenimiento de instalaciones y telecomunicaciones de Metro de Madrid

El COMMIT funciona desde 2006 como primer iniciativa de mantenimiento predictivo puesta en práctica en Metro de Madrid. Dependiendo de la Dirección de Ingeniería y Mantenimiento, el Centro COMMIT es el encargado de la monitorización y control remoto de cientos de miles de equipos instalados a lo largo de toda la red. Están incluidos todos los equipos de vía, señalamiento, comunicaciones, control, información al pasajero, cámaras de seguridad, escaleras mecánicas, ascensores, climatización, ventilación y billética. Se reciben y procesan todas los avisos de incidencias en el equipamiento de instalaciones que reporta el personal de operación.

Vehículo Auscultador de Instalaciones VAI

Teniendo en cuenta que es necesario obtener datos de los sistemas en condición de operación real como vías, aparatos de vía, catenaria, dispositivos de seguridad y comunicaciones se implementó un vehículo que es capaz de registrar cientos de parámetros de cada uno de los equipos monitorizados.

Se trata de un vehículo de 2 coches de gálibo estrecho que puede circular en todas las líneas de la red. Es un vehículo de la Serie 2000 reacondicionado para la instalación de equipos de medida. Puede captar los siguientes parámetros:

  • 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

Trimestralmente se realiza una auscultación de cada una de las líneas de Metro de Madrid. Cada salida puede generar hasta 10Gb de datos en bruto sin contar con los registros de vídeo o de termografía.

BigVAI

Tanto la senorización fija como los datos generados por el vehículo auscultador generan un volumen de información muy grande que es necesario gestionar de la forma más eficaz. Para esto Metro de Madrid desarrolló en colaboración MathWorks, una herramienta denominada BIgVai que permite analizar y mostrar el estado de los sistemas y equipos monitorizados.

Funcionalidades analíticas:

  • Análisis estadísticos a partir de la vía, para la mejora de la instalación: Histogramas de desgaste y descentramiento de catenaria, niveles de desgaste de catenaria y carril, etc.
  • Análisis del estado superficial de hilo de contacto de la catenaria. Relación con dispersión de la fuerza de contacto.
  • Detección automática de elementos singulares de la infraestructura, como aisladores, diagonales, etc.
  • Calculo de indicadores de estado de infraestructura definidos en normas 

Funcionalidades predictivas:

  • Detección de comportamientos dinámicos anómalos en seccionadores.
  • Modelo de evolución de los defectos de desgaste de catenaria, para estimar fechas de actuación preventiva y poder optimizar la planificación de los trabajos. 
  • 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 por fechas límite y Km. TRENES ONLINE

imagen:metromadrid