Page 44 - Tecnologías Transporte Mercancías - Documento posicionamiento
P. 44
Luces LED de bajo consumo para iluminación de las cabinas, interior de la
locomotora, faros y luces exteriores.
Vagones autopropulsados.
Sistemas de medición del consumo en tiempo real y visualización del mismo en las
pantallas del pupitre conducción (como en los coches). Una conducción eficiente
empieza por el maquinista y antes de implantar medidas de reducción, hay que medir
y conocer cuál es el consumo.
Sistemas virtuales de ayuda a la conducción que según carga y ruta puedan decir a
los maquinistas a qué velocidad ir en cada momento para reducir consumo
cumpliendo horarios (Sistemas DAS).
Cabina de conducción aisladas acústica y térmicamente y con sistemas de
climatización eficientes.
5.5. Mantenimiento Predictivo
El despliegue de nuevas soluciones automáticas de mantenimiento aumenta la seguridad
de la red ferroviaria al mitigar, con nuevas fuentes de datos, posibles fallos humanos en
operaciones de inspección y permitiendo la detección más precoz de defectos con posible
impacto en la operación, lo que reduce el riesgo de accidentes derivados de fallos de
componentes. La automatización del mantenimiento permite además mejorar los índices
asociados a los aspectos de salud y seguridad laboral, algo especialmente relevante en
el mantenimiento de infraestructuras ferroviarias.
La I+D de nuevas soluciones de mantenimiento predictivo en la infraestructura
ferroviaria y en el material rodante se plantea a partir de la combinación de nuevas
estrategias de adquisición de datos del estado de la salud de activos junto con la
explotación de los datos obtenidos mediante algoritmos de diagnóstico y pronóstico de
fallos. El despliegue de redes de sensores permite adquirir datos para estimar el estado
de la infraestructura y del propio material rodante. Para ello los actuales sistemas IoT
permiten integrar y fusionar de manera transparente datos de tecnologías diversas de
sensores como galgas extensométricas, emisión acústica, acelerómetros o sensores
piezoeléctricos, para los elementos estructurales o medidas de temperatura, análisis de
corrientes y vibraciones en otros sistemas como los motores, transformadores y
elementos de distribución de energía.
Para la extracción posterior de información y conocimiento se vienen utilizando diversos
algoritmos y modelos computacionales para procesar datos con el fin de determinar el
estado actual o futuro de los activos ferroviarios. El uso de modelos físicos de aparición
y propagación de fallos, de modelos basados en datos, a partir de aproximaciones
estadísticas o de inteligencia artificial, y la combinación de ambos enfoques en los
llamados modelos híbridos son ya herramientas fundamentales para incorporar de forma
extensiva el diagnóstico y el pronóstico del estado de salud de los activos en la
optimización y mejora de los planes de mantenimiento predictivo de la infraestructura
Tecnologías para un transporte de mercancías ferroviarias vertebrador de la 44
cadena logística, fiable para el cliente y responsable en la descarbonización