Mantenimiento Predictivo en Instalaciones de Túnel en Metro de Madrid Mediante Analítica de Datos y Machine Learning

Metro de Madrid cuenta desde hace años con equipos de medida que proporcionan ingentes cantidades de información sobre el estado de las instalaciones de túnel, incluyendo entre otros muchos, parámetros geométricos de la plataforma de vía, desgaste de carriles, geometría y desgaste de catenaria, etc. El gran volumen y la ausencia de referencias GPS de esta información registrada de manera periódica es tal que su gestión se vuelve harto complicada si no se dispone de herramientas que faciliten su tratamiento, evaluación y rápida distribución. Metro de Madrid lleva varios años utilizando MATLAB^® para el desarrollo de soluciones software propias que permiten un análisis parcialmente automático de estos datos de auscultación tanto desde un punto de vista detallado (análisis de zonas puntuales fuera de umbrales, variaciones, evolución, etc.) como macroscópico (indicadores de estado de líneas), permitiendo la optimización de sus procesos de mantenimiento y sus inversiones. Además de las oportunas funcionalidades analíticas y predictivas de los datos de auscultación, esas herramientas cuentan con capacidades colaborativas, que favorecen un rápido flujo de información entre los distintos departamentos en los que se distribuyen, y permiten supervisar el ciclo de vida completo de los puntos de mejora detectados.