ASSETS4RAIL utilizará tecnologías de vanguardia para la supervisión y mantenimiento del sistema ferroviario
Con el proyecto ASSETS4RAIL se busca ahorrar tiempo y costes en mantenimiento y prevención de errores, integrando innovadores sistemas a un precio competitivo.
La iniciativa cuenta con dos líneas de trabajo: la primera pretende encontrar los métodos más precisos para inspeccionar túneles, puentes y paredes para su correcto análisis e integración en un sistema de gestión de construcciones BIM; y la segunda, en la que trabaja AIMEN, busca desarrollar un sistema de monitorización de vagones y geometría de las vías, que ayude a prevenir riesgos y fallos graves en las infraestructuras.
O Porriño, 05 de octubre de 2020.- AIMEN Centro Tecnológico participa en el consorcio del proyecto ASSETS4RAIL (2018-2021), una iniciativa europea que pretende contribuir al cambio en el paradigma tecnológico de la industria del ferrocarril explorando, adaptando y validando tecnologías innovadoras para la supervisión y mantenimiento de los activos ferroviarios. Con un presupuesto de 4,7 millones de euros, en su desarrollo participan un total de 19 socios de diez países y se enmarca en el programa SHIFT2RAIL de la Unión Europea. (GA. No: 826250)
En la actualidad es muy complicado conocer el estado de las infraestructuras ferroviarias y planear su mantenimiento. Además, dicho mantenimiento se realiza cuando la vía ya no se puede utilizar, provocando elevadas pérdidas y retrasos para los usuarios. Hoy en día se emplean diferentes tecnologías de análisis, mediante sensores y visión, pero esto requiere de un operador dedicado para revisar cada tramo de infraestructura y analizar los datos.
De esta necesidad surge ASSETS4RAIL, que aborda este objetivo de mejora desde dos perspectivas. Por una parte, las infraestructuras, es decir, túneles, puentes, vías o sistemas de seguridad; y por otra, los vehículos. Con el proyecto se busca ahorrar tiempo y costes en mantenimiento y prevención de errores, integrando innovadores sistemas a un precio competitivo.
La iniciativa cuenta con dos líneas de trabajo: la primera pretende encontrar los métodos más precisos para inspeccionar túneles, puentes y paredes para su correcto análisis e integración en un sistema de gestión de construcciones BIM; y la segunda, en la que trabaja directamente AIMEN, busca desarrollar un sistema de monitorización de vagones y geometría de las vías, que ayude a prevenir riesgos y fallos graves en las infraestructuras.
En la primera línea, el modelo BIM, con algoritmos integrados, reunirá y analizará la información recogida por sensores específicos que monitorizarán defectos de sub-superficie en túneles, ruidos y vibración en puentes y la geometría de las vías. Por otra parte, para la monitorización propia de los trenes, se instalarán sistemas de imagen con tecnologías de radiofrecuencia (RFID) próximo a las vías y entre las traviesas para recolectar datos que puedan detectar defectos específicos que suponen un impacto significativo en la infraestructura. Estos sistemas serán testados, validados e implantados en diferentes zonas de Italia, Austria, Lituania y Alemania.
Consorcio europeo
En proyecto ASSETS4RAIL participan 19 entidades de 10 países. El consorcio está formado por: Fundacio EURECAT (ES), ZAVOD ZA GRADBENISTVO SLOVENIJE (SI), EURNEX (DE), UNIVERSITY OF LEEDS (UK), AIT- AUSTRIAN INSTITUTE OF TECHNOLOGY (AT), AITEC ASESORES INTERNACIONALES (ES), BEXEL CONSULTING DOO BEOGRAD (SRB), UNIVERSITA DEGLI STUDI DI ROMA LA SAPIENZA (IT), FCC AUSTRIA ABFALL SERVICE (AT), SENER INGENIERIA Y SISTEMAS (ES), SCHREY & VEIT (DE) TECHNISCHE UNIVERSITAT BERLIN (DE), OLTIS GROUP (CZE), VILNIAUS GEDIMINO TECHNIKOS UNIVERSITETAS (LT), WITT INDUSTRIEELEKTRONIK (DE), FERROVIE DELLO STATO ITALIANE (IT), AB LIETUVOS GELEZINKELIAI (LT), ROADSCANNERS (FI) y AIMEN CENTRO TECNOLÓGICO (ES).
EURECAT, asume la coordinación del proyecto; y los usuarios finales son FSI, RFI, Trenitalia y Lithuanian Railways. AIMEN, por su parte, diseña y desarrolla el sistema de monitorización de trenes y el procesamiento de los datos de dichos sistemas creando nuevos algoritmos de visión artificial.
