ADIF es responsable de la gestión y mantenimiento de una extensa red ferroviaria que comprende más de 12.000 km de vías convencionales y 4.000 km de líneas de alta velocidad en España. De acuerdo con sus políticas de gestión de activos, la compañía mantiene una completa base de datos de inventario que caracteriza cada elemento de la infraestructura, vías y sistemas industriales como energía, señalización y telecomunicaciones. Además, siguiendo sus políticas de mantenimiento y la normativa vigente, ADIF realiza inspecciones y estudios periódicos de las vías para controlar la calidad de la red, lo que permite identificar las necesidades de mantenimiento correctivo y planificar el mantenimiento preventivo en función de su estado. Además, desde hace más de una década, la compañía documenta las incidencias ocurridas a lo largo de estos casi 20.000 km de red, detallando su naturaleza, causas e impacto sobre los activos. Este amplio conjunto de datos históricos se convierte en una valiosa fuente de información que, debidamente analizada mediante herramientas avanzadas de análisis y aprendizaje automático, permite optimizar la gestión y el mantenimiento de la red.

INES, en colaboración con Ardanuy y con la participación de McKinsey, ha trabajado durante un año y medio en el desarrollo de una herramienta de analítica avanzada que permita el mantenimiento predictivo. Este sistema predice la probabilidad de fallo de cada activo de la red en base a los fallos históricos, estima su criticidad y calcula su riesgo, con el objetivo de optimizar las labores de mantenimiento cíclico y las sustituciones para aumentar la disponibilidad de la vía y garantizar la seguridad de los usuarios.

Para lograrlo, el equipo recopiló, limpió y procesó datos de varios sistemas de ADIF, preparándolos para alimentar modelos de aprendizaje automático. El entrenamiento de los modelos requirió una estrecha colaboración entre los equipos de datos y de ingeniería. Se aplicaron algoritmos de optimización para planificar las actividades de mantenimiento y las sustituciones basándose en un análisis de coste-beneficio. Todo el proceso se integró en una herramienta de visualización que permite a ADIF aprovechar los resultados y tomar decisiones fundamentadas.

La planificación de las sustituciones en función del riesgo permitirá reducir el riesgo de la red en un 11% así como la indisponibilidad en un 30%, uno de los objetivos claves del proyecto. Por su parte, la optimización de las actividades cíclicas conseguirá una reducción del riesgo del 38% y del 10% en la indisponibilidad.

Además, se realizó una transferencia de conocimientos al equipo designado por ADIF a través de cursos y sesiones de formación para capacitarlos en el futuro uso autónomo de las herramientas desarrolladas.