Els trens de la línia 5 de metro ‘avisen’ abans de tenir avaries

Els trens de la sèrie 5000 de la línia 5 són els primers del metro de Barcelona a beneficiar-se de la implantació d'una plataforma digital per a la gestió del manteniment, anomenada LeadMind, en el marc de l'objectiu de digitalització del manteniment que coordina el departament d'Enginyeria de Material Mòbil de Metro. El projecte s'ha dut a terme conjuntament entre el departament de Material Mòbil de la línia 5 i l'empresa ferroviària CAF.

L'objectiu del projecte, iniciat fa sis mesos, és millorar l'estratègia de manteniment per disminuir-ne el cost i alhora garantir la disponibilitat i seguretat dels passatgers que fan servir la L5, la segona més utilitzada de la xarxa. Per això, al llarg d'aquests mesos LeadMind està facilitant el monitoratge de l'estat de salut de la flota, establint patrons de comportament de les variables del tren que permetin crear alarmes per detectar el mal funcionament d'un equip abans que falli. També s'estan generant algoritmes que permetran fer el manteniment dels equips en funció del seu estat i així evitar entrades innecessàries al taller per fer el manteniment.

Recopilació de dades

El projecte va començar a finals d'agost del 2020 i parteix d'una recopilació de gran quantitat de dades (big data) extretes de 8 unitats de les 37 que formen el material mòbil de la línia. L'equip de manteniment de la L5 va seleccionar els aspectes més crítics com l'aire condicionat, les portes i la generació d'aire per analitzar-ne el comportament i veure així els resultats en cas d'aplicar un manteniment predictiu.

S'han instal·lat als trens uns ordinadors capaços de llegir totes les variables del sistema informàtic embarcat (més de 10.000 variables que s'actualitzen constantment) i que envien per 4G les dades al núvol per al seu posterior tractament. Una vegada detectats els patrons, es valida si aquell equip que presenta una alarma a l'aplicació té realment un mal funcionament al tren. En cas que no sigui així, es torna a revisar l'algoritme fins que els resultats que apareixen a l'aplicació i la realitat coincideixen.

Durant aquests mesos d'activitat s'han proposat, avaluat i validat diferents indicadors per detectar anomalies i anticipar avaries que puguin ocasionar una incidència en el servei. S'han pogut detectar amb gran exactitud anomalies en el funcionament de les portes, els compressors i l'aire condicionat gràcies als algoritmes de la plataforma.

Les dades generades han permès una intervenció ràpida davant els primers símptomes de fallada en diverses ocasions. S'han posat així les bases per a un manteniment basat en la condició que eviti el sobremanteniment que provoca la planificació basada en el quilometratge i que permeti generar estalvis en les intervencions.