Maximizar la disponibilidad mediante el análisis de datos Innovative Mobility Solutions Digital Services

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Maximizar la disponibilidad mediante el análisis de datos Innovative Mobility Solutions Digital Services"

María José Aguirre Navarro
hace 8 años
Vistas:

1 Maximizar la disponibilidad mediante el análisis de datos Innovative Mobility Solutions Digital Services Francisco Payán, Smart Train Day, 18 de noviembre de 2015 siemens.com/mobility-services

2 Los vehículos e infraestructuras ferroviarias generan una inmensa cantidad de datos pero qué podemos hacer con ellos para generar valor? Un desafío Transformar Datos en Información para crear valor mediante Acciones complejo debido al gran número de datos Una flota de 100 trenes regionales genera al año > 50 Mio. de mensajes de diagnóstico Más de100 bln. de información climatológica 5 to 200 bln. de información continua sobre el estado de los sistemas Además hay que gestionar: Órdenes de trabajo Repuestos / Cadena de suministro Datos externos (geográficos, meteorológicos) Page 2

3 Optimizar la disponibilidad de nuestros clientes por medio de la visualización y análisis de datos y el mantenimiento predictivo Digital Services Smart Monitoring and Smart Data Analysis Recolección y visualización remota de datos, diagnóstico y análisis de trenes e infraestructura Trenes de alta velocidad Nuestro alcance Uso de plataformas centralizadas de hardware y software para la adquisición, conservación y evaluación de los datos de diagnóstico. Dependiendo de las necesidades disponemos de varios niveles de servicio. Trenes regionales Locomotoras Beneficios Incremento de la disponibilidad del sistema. Reducción de fallos en servicio. Reducción de los tiempo de parada. Calidad y consistencia de los datos. Page 3 Smart Monitoring Transmisión y visualización de datos Smart Data Analysis Evaluación y análisis de la causa raíz Responsabilidad del mantenimiento en el cliente o Siemens Metros Tranvías Señalización Electrificacion

Smart Monitoring and Smart Data Analysis Datos y expertos son la clave para conseguir la optimización del mantenimiento Datos Desde nuestra arquitectura de diagnóstico de datos y Expertos a la

4 Smart Monitoring and Smart Data Analysis Datos y expertos son la clave para conseguir la optimización del mantenimiento Datos Desde nuestra arquitectura de diagnóstico de datos y Expertos a la identificación de patrones y el desarrollo de algoritmos para el mantenimeinto preventivo y correctivo. Operational analytics Smart Insights Cockpit Smart Insights Analyser Data analytics Smart Insights Reporter Data mining workbench Data warehouse Integración de datos / data hub Transferencia de datos (e.g. COM@RL, crsp) RDA Data enabled services Smart data Prescriptive maintenance Real-time remote diagnosis Process optimization Page 4

5 Por qué hacemos análisis de datos? Aplicación Factores clave Mejora del mantenimiento Disponibilidad en tiempo real de la posición del vehículo y de su estado para preparar las actividades de mantenimiento. Determinación de la causa raíz de un fallo Disponibilidad y análisis del histórico de datos. Incrementar los intervalos de mantenimiento Consumir completamente la vida útil de cada componente. Incrementar la disponibilidad Reducción de paradas no previstas por la predicción de fallos de componentes. Page 5

6 Vista general de la flota Demo Cockpit Localización y estado de los vehículos. Tabla de mensajes de fallo. Gráficas para realizar análisis. Page 6

7 Smart Monitoring and Smart Data Analysis Aplicaciones en desarrollo Identificación de patrones anormales Predicción del fallo de puertas Optimización del perfilado Predicicón de fallo a corto plazo Page 7

Smart Monitoring and Smart Data Analysis Identificación de patrones anormales en calefacción, ventilación y aire acondicionado Example Identificación de patrones anormales La gran cantidad de datos

8 Smart Monitoring and Smart Data Analysis Identificación de patrones anormales en calefacción, ventilación y aire acondicionado Example Identificación de patrones anormales La gran cantidad de datos hacía en el paso imposible el análisis de información. Las nuevas técnicas de análisis y una nueva plataforma software nos permite: La selección y filtrado interactivo de los mensajes de diagnóstico permite una rápida y detallada investigación de los datos. Ingenieros expertos puede identificar de forma visual de los patrones anormales. Mediante técnicas de aprendizaje automático el propio software puede llegar a identificar los patrones anormales y alertar a los ingenieros. Abnormal data points Page 8

Smart Monitoring and Smart Data Analysis caso de estudio Gracias a su alta fiabilidad, el 60% de los pasajeros entre Madrid y Barcelona usan el tren de alta velocidad en lugar del avión

Desde su puesta en marcha ha ido ganado pasajeros frente al avión para viajes entre Madrid y Barcelona.

9 Smart Monitoring and Smart Data Analysis caso de estudio Gracias a su alta fiabilidad, el 60% de los pasajeros entre Madrid y Barcelona usan el tren de alta velocidad en lugar del avión Mantenimiento predictivo del Velaro E (S103) Historia de Éxito. Sólo uno de cada 2300 viajes llega con retraso superior a 15min. Desde su puesta en marcha ha ido ganado pasajeros frente al avión para viajes entre Madrid y Barcelona. 100% 80% 60% 61% passengers train Los motores son un componente crítico del tren debido a la alta velocidad del Velaro Mediante el seguimiento del estado de los rodamientos podemos predecir futuros problemas en el motor. 40% 20% 39% passengers plane 0% Jan.-08 Jan.-10 Jan.-12 Jan.-14 Jan.-16 Page 9 Source: Project Mobility Services Data and Sales support

Documentos relacionados

GESTIÓN INTELIGENTE DE ACTIVOS

SMART ENERGY GESTIÓN INTELIGENTE DE ACTIVOS Más de 140 compañías de utilities en todo el mundo disponen de soluciones Indra indracompany.com SMART ENERGY PRODUCTOS Y SERVICIOS PARA LA GESTIÓN INTELIGENTE