Con la llegada del nuevo año, en PiperLab hemos vuelto a la emisión semanal Data is in the Air, nuestro espacio en Capital Radio donde hablamos de datos y tecnología, y lo hemos hecho con el invitado especial Daniel Sánchez, Responsable de Analítica Avanzada en CAF (Construcciones y Auxiliar de Ferrocarriles), que nos explicó cómo tratan los datos dentro de la compañía y cómo les ayudan a desarrollar soluciones ferroviarias. Junto a Daniel, participaron Esther Morales, socia de PiperLab, y Enrique Polo, VP de Salesforce Iberia.
En CAF, compañía dedicada a ofrecer soluciones de transporte y movilidad, desde la propia fabricación de trenes y componentes, hasta la oferta de diferentes servicios, tienen como objetivos, en palabras de Daniel, “optimizar el ciclo de vida de los trenes, ofrecer nuevos servicios digitales y fidelizan al cliente”.
Mantenimiento predictivo
El mantenimiento predictivo ferroviario es uno de sus casos de uso más importantes. CAF se encarga de predecir y anticiparse a los posibles fallos que puedan surgir en los trenes, permitiendo así que los costes y el impacto negativo sea lo menor posible.
“De esta manera nos evitamos que un tren se pueda quedar parado en mitad de un trayecto, lo que nos convierte en servicio muy competitivo”.
CAF se encarga de predecir y anticiparse a los posibles fallos que puedan surgir en los trenes.
Monitorización en tiempo real
En CAF también realizan una monitorización en tiempo real del funcionamiento de los trenes para anticiparse a las futuras interrupciones: “Tenemos todos los trenes geolocalizados y también podemos recrear lo que está viendo el maquinista en una pantalla en tiempo real, de tal forma que si este tiene algún problema en la conducción, nosotros podemos ayudarle”.
“Durante la pandemia, monitorizamos todos los trenes de Zaragoza, con el fin de no traspasar la barrera del 60% de ocupación. Gracias a esta monitorización y a la analítica de datos, se pudieron conocer las horas en las que la gente viajaba más, cómo afectaba el teletrabajo a la ocupación de dichos trenes, o qué otros tipos de transportes utilizaban los viajeros”, explicó Daniel a modo de ejemplo de la importancia de la monitorización en tiempo real del funcionamiento de los trenes. “Datos muy útiles para que el operador conozca cuántos trenes debe mantener operativos”, añadió.
Se pudieron conocer las horas en las que la gente viajaba más, cómo afectaba el teletrabajo a la ocupación de dichos trenes, o qué otros tipos de transportes utilizaban los viajeros.
Gemelos digitales
Otro de los casos de uso que contó Daniel es el de los llamados “gemelos digitales” de las ruedas ferroviarias. La rueda del tren es el activo por excelencia y su gasto se ve influenciado por muchas variables: “la propia dinámica del vehículo, el estado de la vía, las condiciones meteorológicas… aunque el fabricante termina siendo el responsable de su funcionamiento”.
“Nosotros medimos la rueda con un láser y tenemos unos modelos que intentan predecir cuál es el tiempo de vida de esa rueda, si se está desviando del comportamiento esperado e incluso a optimizar cuándo entrar esa rueda en mantenimiento”.
En cuanto a los retos de 2023, Daniel explicó que uno de sus principales objetivos es incentivar el uso de los datos:
“Nuestra tarea es explicar a la gente lo que son capaces de hacer los datos, ya que en sectores tradicionales como el ferroviario puede resultar complicado”.
Puedes escuchar la entrevista completa aquí:
