Un estudio sobre el mantenimiento predictivo habilitado por IA para la infraestructura ferroviaria: modelos, fuentes...

Área de la Ciencia:

• Ingeniería Ferroviaria
• Inteligencia Artificial
• Movilidad Sostenible

Sus antecedentes:

• La digitalización acelera el mantenimiento basado en la condición (CBM) en el transporte ferroviario.
• El mantenimiento actual es a menudo reactivo, lo que limita la seguridad y la optimización.
• La IA ofrece soluciones avanzadas para el mantenimiento de infraestructuras ferroviarias.

Objetivo del estudio:

• Revisar exhaustivamente las técnicas de IA para el mantenimiento ferroviario.
• Analizar las aplicaciones de aprendizaje automático y aprendizaje profundo en este dominio.
• Identificar desafíos y oportunidades para el mantenimiento ferroviario inteligente.

Principales métodos:

• Revisión sistemática de aplicaciones de IA en mantenimiento preventivo, predictivo y prescriptivo.
• Análisis de modelos de aprendizaje automático y aprendizaje profundo (por ejemplo, redes neuronales, SVM, bosques aleatorios).
• Evaluación de IA aplicada a datos de geometría de vía, vibración e imágenes.

Principales resultados:

• Las técnicas de IA muestran potencial para mejorar el mantenimiento ferroviario.
• Se identificaron las fuentes de datos dominantes y los métodos de ingeniería de características.
• Las lagunas de investigación incluyen la calidad de los datos, la generalización, la robustez y la integración.

Conclusiones:

• La IA es crucial para la gestión autónoma de infraestructuras ferroviarias.
• Las áreas emergentes como los gemelos digitales y la IA en el borde son clave.
• Esta encuesta guía la investigación futura y la estandarización en el mantenimiento ferroviario inteligente.