Decideo: Noticias sobre Inteligencia de Negocios, Big Data, Data Science, Data Mining


Opiniones de expertos

¿Cómo ayuda el Internet de las Cosas a que llegue a tiempo?


Juan Pablo do Carmo, Teradata, el 27 Agosto 2018 | Leído 207 veces

Las quejas en ciudades europeas por retrasos en medios de transporte como trenes han crecido en los últimos años. El análisis predictivo puede convertirse en el remedio, al evitar y predecir fallas del transporte antes de causar un imprevisto a los pasajeros.



Juan Pablo do Carmo Country Manager de Teradata Argentina, Chile y Perú
Juan Pablo do Carmo Country Manager de Teradata Argentina, Chile y Perú
Diariamente, miles de pasajeros europeos utilizan el tren como medio de transporte principal para llegar a sus centros de trabajo. Pocos reparan en el hecho de que el Internet de las Cosas (IoT) hace posible que el tren cumpla su ruta y llegue a tiempo. Siemens Corporate Technology, firma alemana fabricante de trenes y componentes de infraestructura, implementa esta tecnología de la mano de Teradata, la empresa líder en soluciones analíticas, para predecir los problemas de los trenes antes de que ocurran.

Predecir fallas a tiempo

Al analizar los sensores de cada uno de los trenes se puede entender cómo se produjo la falla en las locomotoras, así como evitarles un atraso a los usuarios. Esto se logra a través de un sistema que Siemens adoptó con Unified Data Architecture (UDA) de Teradata.

Por ejemplo, el operador de trenes español RENFE usa el tren de alta velocidad de Siemens, Velaro E, cuyos componentes fundamentales son monitoreados continuamente por el productor de locomotoras. Un tren que presenta patrones anormales se envía a un servicio de inspección a fin de evitar que sufra un desperfecto cuando esté sobre las vías y en su ruta. Así, los servicios de RENFE se mantienen increíblemente confiables: solo uno de 2.300 viajes se demoró considerablemente. Este cumplimiento récord le permite al tren competir con el transporte aéreo en la ruta entre Madrid y Barcelona, entre otras.

En Reino Unido, Siemens llevó a cabo un proyecto piloto con un importante operador de trenes europeo en una de sus rutas regionales. Con la ayuda de la plataforma Aster Discovery de Teradata se analizó un conjunto relativamente pequeño de datos de un millón de lecturas de registros de sensores, tomados en intervalos de cinco minutos durante un año. Así se logró anticipar que cuando la temperatura de la locomotora caía de medio a bajo y luego aumentaba al valor medio nuevamente, la locomotora fallaba tres días después.

¿Cómo ayuda el Internet de las Cosas a que llegue a tiempo?
Del mantenimiento reactivo al predictivo

Se espera que los operadores de trenes de todo el mundo hagan milagros, es decir, que nunca lleguen tarde. De modo que, con objetivos de disponibilidad y servicio tan estrictos, es importante tener un programa de mantenimiento eficaz. Y la funcionalidad que permite la transmisión de datos es esencial para Siemens.

Para asegurar la sustentabilidad comercial de este enfoque, Siemens necesita utilizar y reutilizar datos existentes, lo que crea una especie de “Internet de los Trenes”. Con este objetivo y junto con las soluciones de Teradata, analizan datos de sensores casi en tiempo real, que les permite reaccionar rápidamente y así garantizar que no haya interrupciones en el servicio de transporte de los pasajeros.

“Nos dirigimos hacia la próxima generación del mantenimiento: es un modelo de negocios completamente nuevo. En lugar de venderles un tren a nuestros clientes, les vendemos su funcionamiento por un tiempo determinado”, afirmó Gerhard Kress, director del Servicio de Datos de Movilidad de Siemens.

Con períodos de garantía de hasta 20 años, este modelo de negocios es tan atractivo para los clientes de Siemens como riesgoso para la empresa, sin embargo, historias de éxito recientes demuestran que todo es posible.

En concreto, algunos de los beneficios de implementar junto con Teradata “El Internet de los Trenes” en compañías como Rhein Ruhr Express, Thameslink, Metro Riad e ICx, fueron los siguientes:

• Los trenes cuentan con un tiempo mayor en ruta gracias a una significativa reducción del tiempo de inactividad no planificado.

• Se redujeron los costos laborales por el análisis de las causas principales de las fallas, a la vez que hay un mejor y rápido índice de reparación en primera instancia.

• Se recorren más kilómetros con menos vagones: mejor utilización de los activos.

•La capacidad de planificación se mejora, con una gestión de la cadena de suministro optimizada y una mejor evaluación de reparación económica.

Siemens y Teradata esperan que el mantenimiento predictivo se convierta en la próxima generación del mantenimiento y en un modelo de negocios totalmente nuevo.




Nuevo comentario:
Facebook Twitter

Usted puede comentar o proporcionar más información a todos los artículos de este sitio. Los comentarios son libres y abiertos a todos. Sin embargo, nos reservamos el derecho a eliminar, sin previo aviso ni explicación, todo comentario que no cumpla con nuestras normas internas de funcionamiento, es decir, cualquier comentario difamatorio o sin relación con el tema del artículo. Así mismo, los comentarios anónimos son eliminados sistemáticamente si son demasiado negativos o muy positivos. Exprese sus opiniones, compártalas con los demás y asúmalas. Gracias de antemano. Igualmente, agradecemos tener en cuenta que los comentarios no sean enviados automáticamente a los redactores de cada artículo. Si usted desea realizar una pregunta al autor de un artículo, contáctelo directamente, no utilice los comentarios.


Twitter
Rss
LinkedIn
Google+
Facebook