El cliente más importante, Rail Cargo Austria, tiene instalados los dispositivos de A1 Digital en más de 11.000 vagones (más de 2.000 para Rail Cargo Hungaria). Con el tiempo, A1 Digital ha recopilado una gran cantidad de datos de los dispositivos. ¿Para qué han sido útiles? ¿Cuáles son los principales aprendizajes y potenciales? ¿Y puede alquilar algunos dispositivos para probarlos en su flota? Hicimos las preguntas, y los expertos de A1 Jürgen Rudolf, Experto Senior y Consultor de Rail Insight Solutions en A1 Digital, Stefan Höltinger, Científico Senior de Datos y Consultor de Aprendizaje Automático, y Philipp König, Gerente de Marketing de Producto IoT en A1 Digital, respondieron.
¿Cómo resumiría la evolución del ferrocarril de analógico a digital en el ámbito del seguimiento y localización de vagones de mercancías?
Jürgen Rudolf: Las empresas ferroviarias no son las más progresistas del planeta, y algunas llevan casi 200 años haciendo las cosas de la misma manera. Todo era totalmente analógico. En los últimos años, nuevas iniciativas han equipado y conectado los activos a la red de Internet.
El primer paso fue saber dónde estaban sus vagones de mercancías. Esto nos ayudó a obtener mejores estimaciones para las llegadas a los clientes o a saber dónde están mis vagones en comparación con la zona donde se solicitan por razones logísticas.
El segundo paso era desde el punto de vista del mantenimiento: conocer el kilometraje exacto del vagón de mercancías. Especialmente en el tráfico de vagón único, los vagones de mercancías estaban absolutamente fuera del alcance del propietario del vagón, que a menudo no tenía ni idea de dónde estaban. Por eso, el seguimiento y la localización permiten a los clientes saber con precisión dónde está su carga. Los propietarios conocen su kilometraje, lo que también permite planificar mejor los intervalos de mantenimiento. Con más datos, podemos incluso predecir la hora estimada de llegada del vagón a su destino. La instalación de sensores adicionales permite un mantenimiento basado en el estado, etc. Y con la ayuda de la inteligencia artificial, hablamos de mantenimiento predictivo.
Para mucha gente en las empresas ferroviarias, Internet de las Cosas (IoT) e IA son palabras completamente extrañas. Cómo describiría su uso potencial para la gente del mundo analógico del ferrocarril?
Jürgen Rudolf: Has dado en el clavo. No queremos hablar con nuestros clientes de posibilidades técnicas, especificaciones, etc. Queremos hablar de recomendaciones para casos empresariales, de las ventajas que aportan, de por qué hacerlo y del rápido retorno de la inversión. Transferimos activos analógicos a modelos de negocio basados en datos. Porque eso es lo que les resulta atractivo: optimizar los aspectos logísticos y de mantenimiento. El IoT es la herramienta que hay detrás. Un dispositivo que permitirá a los ferrocarriles contribuir a minimizar el cambio climático y disminuir las emisiones de CO2.
A1 Digital introdujo el hardware y el software de seguimiento y localización, pero desde entonces el producto ha evolucionado. Qué puede aportar ahora su solución a los clientes?
Jürgen Rudolf: Somos una de las pocas empresas que ofrecen todo lo necesario para digitalizar los vagones de mercancías. No nos limitamos a vender hardware, software, conectividad o cualquier otra cosa. Seleccionamos la opción correcta de cada uno de estos segmentos parciales adecuada para un cliente específico, es decir, ofrecemos soluciones. Tenemos la plataforma IoT, en la que se reciben y procesan los datos transmitidos desde los vagones de mercancías, y también puede enviar información, como actualizaciones remotas, ajustes de configuración, calibración, etc., de vuelta al vagón. No muchas empresas ferroviarias tienen plataformas sofisticadas de gestión de activos en las que podamos introducir estos datos. En su lugar, trabajan con hojas de Excel y formas de funcionamiento similares, y tenemos que encontrar la forma de integrar nuestros datos allí o proponer plataformas más modernas para el procesamiento de datos. Y proporcionamos esto a lo largo de toda la cadena hasta el análisis de datos y el aprendizaje automático. Esto ayuda a maximizar el potencial oculto en estos datos para ventaja de la empresa. La demanda de los clientes cambia de un cliente a otro, pero principalmente hablamos de mantenimiento predictivo, condiciones de los vagones o datos de vibración.
Stefan Höltinger: Hacer las cosas a la "antigua usanza", solo con Excel, no es algo exclusivo del ferrocarril, sino que sigue siendo habitual en muchos segmentos. También ofrecemos nuestra plataforma de aprendizaje automático, que es fácil de usar a través del cuadro de mandos y permite una transición fluida de Excel a análisis de aprendizaje automático más avanzados. Puede cargar datos desde una hoja de Excel y probar varios algoritmos de aprendizaje automático para lograr la mejor solución. Puedes seguir exportando el resultado de nuevo a Excel, pero el objetivo final es digitalizar todo el proceso.
Entre las funciones que ofrece su solución se encuentran los datos de vibración, o sensores de choque. Qué utilidad tiene esto para el propietario del vagón o el transportista de mercancías por ferrocarril?
Stefan Höltinger: Los datos de vibración son la clave para muchos casos de uso más allá del seguimiento y la localización. Proporcionan información valiosa sobre cómo se maneja el vagón, por ejemplo, durante las maniobras o las operaciones de carga y descarga. Esta información puede ser muy útil para realizar inspecciones más específicas de los vagones y optimizar los ciclos de mantenimiento. En función del tipo de vagón que utilice y de las mercancías que transporte, puede establecer umbrales específicos para la vibración de los vagones, o un nivel de vibración aceptable. Si la vibración supera el umbral, puede suponer que el vagón está dañado y organizar una inspección. Esto sólo es posible tras recopilar datos de muchos vagones y aplicar modelos de aprendizaje automático a cada tipo de vagón de mercancías.
¿Cómo funciona el aprendizaje automático en el caso de los vagones de mercancías?
Stefan Höltinger: Como primer paso, debes asegurarte de que los sensores que utilizas proporcionan datos de vibración útiles para tu aplicación (es decir, la frecuencia y las características adecuadas). En el segundo paso, se recopilan datos de las unidades durante varios meses. A continuación, puede utilizar estos datos para encontrar patrones interesantes, y ahí es donde el aprendizaje automático resulta más útil. A continuación, junto con expertos en la materia, valida los patrones de choque identificados y los asigna a determinados eventos. De este modo, puede desarrollar predicciones e información aún mejores para el futuro.
¿Puede darnos un ejemplo concreto?
Stefan Höltinger: Claro. Por ejemplo, sabes que un cliente específico utiliza un tipo concreto de vagón, y que hay una escala habitual de vibraciones cuando los vagones se cargan y descargan en los distintos apartaderos del cliente. Si a continuación observa patrones de sacudidas inadvertidos, el algoritmo identifica esas anomalías en las vibraciones, que podrían indicar una manipulación inadecuada con la carga y descarga de la mercancía. Entonces puede suponer que el vagón necesitará una revisión a fondo en busca de daños.
¿Cómo llegó a su solución la petición de sensores de choque?
Jürgen Rudolf: La tarea inicial de Rail Cargo era tener un sensor de golpes a bordo para saber dónde se producía una carga inadecuada. Tenían muchos daños, sobre todo con clientes que cargaban chatarra de hierro e intentaban manipular la chatarra cargada para cargar más. Los costes causados por esta manipulación indebida ascendían a millones al año. Y querían saber dónde ocurría. El sensor de golpes 3D que registra esto es una parte estándar de nuestro dispositivo. También se utiliza durante las maniobras duras, cuando los topes de los vagones entran en contacto a velocidades superiores a las permitidas. Una carga o maniobra inadecuada es una indicación de que los vagones deben ir al taller para su inspección.
Otro caso fue el de los vagones en movimiento: registramos choques que no impactaban en el vagón, pero que aparecían regularmente en el lugar exacto. Esto puede ser un indicio de daños en la vía. A partir de estas geolocalizaciones, pudimos crear mapas de calor con puntos que requieren la atención del gestor de la infraestructura -pública o privada, cuando ocurre en un apartadero, por ejemplo-.
También podemos indicar un punto plano en la rueda del vagón con vibraciones diminutas pero regulares. Así que todo esto nos sorprendió: cómo un sensor de choque puede ser útil para los operadores, los propietarios de vagones, el mantenimiento del material rodante y la vía férrea, y la prevención de accidentes.
Stefan Höltinger: Un efecto positivo para los nuevos clientes es que ya hemos recopilado y analizado muchos datos y posibles soluciones. Así, los nuevos clientes se benefician de esta experiencia y de las mejoras anteriores de la solución.
El beneficio potencial del mantenimiento de las infraestructuras es lo que me ha llamado la atención. ¿Comparte estos datos de los mapas de calor con las empresas de infraestructuras?
Jürgen Rudolf: El potencial está ahí, pero en la mayoría de los casos no se aprovecha por el momento. Aunque el operador y la empresa de infraestructuras pertenecen al mismo grupo, los que pagan por las soluciones tratan los datos como si fueran suyos. Hay incertidumbre sobre los derechos y deberes de compartir los datos, por lo que la mayoría de los propietarios de los datos no están dispuestos a compartirlos para un beneficio común. Por un lado, lo entiendo. Por otro, compartirlos puede conducir a un objetivo mayor: hacer el ferrocarril más competitivo y orientado al futuro, algo que todos deseamos. Todos saldríamos ganando.
Volvamos a las soluciones que ofrecen. Así que es todo en uno: hardware, software y procesamiento de datos, ¿correcto?
Jürgen Rudolf: Sí, seleccionamos el hardware optimizado, lo conectamos a la plataforma IoT, analizamos los datos y proporcionamos plataformas de usuario. Más allá de eso, le pondré un ejemplo interesante: Rail Cargo tenía un plazo estimado de 30-40 minutos para activar un dispositivo, montarlo en un vagón y conectar el número de vagón con el número de dispositivo en todos los sistemas y comprobar si funcionaba correctamente. Colaboramos estrechamente con once talleres de Rail Cargo para optimizar este procedimiento, y pudimos acortar este plazo a seis minutos. También creamos una maleta con todas las herramientas necesarias para hacerlo. Casi media hora de tiempo ahorrado multiplicado por 11.000 vagones es un ahorro de tiempo considerable (¡y un ahorro de costes de varios años-persona!).
Rail Cargo tiene sus propios talleres con los que podría colaborar. ¿Y los clientes que necesitan contratar talleres para sus flotas y desean que se les monten estos dispositivos?
Jürgen Rudolf: Siempre combinamos el montaje con los intervalos de servicio de los vagones en lugar de perseguir a los vagones para instalarlo en cualquier lugar y en cualquier momento. Podemos realizar el montaje en taller prácticamente en cualquier lugar, y no se necesita ningún equipo especial; como hemos dicho, lo único que necesitamos para la entrega es una maleta.
El acoplamiento digital automatizado (DAC) previsto tendrá una línea de alimentación y recogida de datos. ¿Significará esto que el dispositivo que usted proporciona en los vagones de mercancías será redundante?
Jürgen Rudolf: En absoluto. El DAC es realmente una gran iniciativa europea. El bus de datos enviará los datos a la locomotora. Pero, ¿quién enviará los datos de un vagón concreto al propietario del vagón? El transportista puede cambiar, y las empresas de tracción también, y garantizar que siempre se reciben los mismos datos de todas ellas es imposible. Además, si se utiliza en tráfico de vagón único, los vagones se desacoplan y se vuelven a conectar, y las complejidades aumentan exponencialmente. Así pues, los propietarios de flotas seguirán necesitando esta solución digital durante muchos años, fácil de montar y sin conexión por cable.
Digamos que soy cliente y me gustaría probar esta solución, pero no estoy totalmente decidido a implantarla en toda mi flota de vagones. ¿Hay alguna forma de hacer una prueba?
Jürgen Rudolf: Sí, lo llamamos Rail Insight Trial Box. Enviaremos una caja con diez dispositivos fáciles de montar en un vagón de mercancías mediante una parte trasera magnética. El cliente escribirá qué dispositivo está en cada vagón y luego tendrá acceso a los cuadros de mando que muestran los datos de estos diez vagones durante tres meses. Esto incluye el seguimiento y localización y otras necesidades del cliente. Al cabo del trimestre, el cliente nos devuelve los dispositivos y nuestros analistas de datos procesarán la información recopilada. Al final, celebraremos un taller posterior con el cliente sobre nuestros hallazgos y le mostraremos lo que podemos hacer con estos datos.
Si los clientes potenciales están interesados en hablar con usted y discutir el uso de su solución, ¿cuál es la mejor manera de empezar?
Philipp König: Una buena forma es visitar lapágina Rail Insight de nuestro sitio weby solicitar una consulta gratuita y sin compromiso con uno de nuestros expertos a través del formulario. Para quienes prefieran ver vídeos, les recomiendo que consulten la grabación de nuestro reciente seminario web en el que participó nuestro cliente, Rhaetian Railway.
