Potenciarán el mantenimiento predictivo en la s/598 y la s/599

Los automotores diésel de Renfe Media Distancia mejoraran su fiabilidad con una ‘Plataforma de Mantenimiento Inteligente’.

Trenes automotores diésel de las series 598 y 599.

Foto: JCC

La Dirección de Ingeniería, Seguridad y Calidad de Renfe Fabricación y Mantenimiento está desarrollando una ‘Plataforma de Mantenimiento Inteligente’ para los automotores diésel s/598 y s/599. El proyecto piloto ha surgido de la colaboración con Limmat, la ‘startup’ que ideó una herramienta tecnológica para predecir averías, es decir, para anticipar las averías en estos trenes de Renfe Media Distancia a partir del análisis secuencial de los datos registrados. Aunque fundada en Suiza, la empresa se considera segoviana y su Director General es Daniel Martín. Limmat estudia las estadísticas de los coches motores con distintos algoritmos y genera aplicaciones específicas para cada sistema o módulo de vehículo, teniendo en cuenta varios factores de las incidencias anteriores que haya habido. Con esas aplicaciones se llegan a predecir las futuras averías antes de su aparición.

Limmat es una empresa que proporciona soluciones tecnológicas para la digitalización de las infraestructuras de transporte, energía, telecomunicación y gas, esta herramienta digital que está desarrollando Renfe Fabricación y Mantenimiento para predecir las averías se basa en la recogida de datos que llegan a un servidor, su procesado y su reutilización. Limmat toma su nombre de un río del noroeste de Suiza, donde se fundó la empresa en el año 2015 por un grupo de ingenieros españoles que después se establecieron en Segovia. Este mantenimiento inteligente es un proyecto piloto que se aplicará a la dotación de automotores s/598 de las bases de Madrid-Cerro Negro y Sevilla, y a los trenes s/599 asignados a Madrid-Cerro Negro, Sevilla, Salamanca, Valencia y Redondela. El fin de Renfe Fabricación y Mantenimiento es optimizar la gestión del mantenimiento y facilitar la toma de decisiones gracias a un mantenimiento predictivo.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.