La inteligencia artificial (IA) ha ganado un creciente interés en los últimos años, en los cuales se ha visto un cambio exponencial en la investigación y aplicación de estas tecnologías. En este artículo abordaremos cómo está siendo aplicada en el sector ferroviario y qué beneficios puede traerle al sector.
Por Déborah Zak (*)
La utilización del transporte ferroviario ofrece ventajas al reducir el consumo de energía en comparación con otros medios de transporte, disminuir las emisiones de dióxido de carbono y lograr una eficiente capacidad de transporte de pasajeros o carga en un solo viaje. Estos beneficios pueden potenciarse aún más mediante la implementación de tecnologías avanzadas proporcionadas por la IA.
Dentro de la IA existen numerosos algoritmos y modelos matemáticos diferentes. La principal herramienta aplicada en este sector es el deep learning, pero también se utiliza el machine learning, la visión por computadora y el procesamiento de lenguaje natural. Es importante destacar que la IA muchas veces se utiliza de manera conjunta con otras tecnologías como el internet de las cosas, big data, robótica, entre otras.
La mayor parte de las mejoras alcanzables en las operaciones de carga inteligente se centra en la gestión inteligente de datos, así como en la recopilación y análisis de datos destinados a la gestión y operación de sistemas ferroviarios de carga. Esto implica la implementación de una infraestructura física que consta de sensores, antenas y otros componentes. Estos sensores pueden estar ubicados en la red ferroviaria o en cualquier otra parte del tren.
Principales áreas de acción
El mantenimiento predictivo de los activos, la detección de obstáculos en la red ferroviaria y el consumo energético son categorías donde se está implementando la IA en este sector.
El mantenimiento predictivo de los activos tiene como objetivo predecir cuándo un activo va a fallar. Como resultado es posible obtener reducciones sustanciales en costos, mejora de la disponibilidad de equipos, ampliación de los plazos de mantenimiento debido a una mayor comprensión del riesgo existente en cada componente en cada momento, aumento de eficiencia en la utilización de los activos, reducción de costos de mantenimiento y simplificación de procesos(1).
Los sistemas de videovigilancia sumados al entrenamiento de modelos en base a imágenes, permiten la detección de obstáculos en la red ferroviaria. Los sistemas de IA pueden detectar problemas como vías rotas o señales dañadas. Esto ayuda a reducir el tiempo necesario para reparar cualquier problema y mantener una red ferroviaria funcionando sin problemas.
En relación con la eficiencia energética, la IA contribuye a un uso más eficiente en tanto se alcanza una conducción eficiente, coordinación y reprogramación de múltiples trenes en tiempo real, optimización de horarios que logren eficiencia energética y la planificación de ahorro energético. Es decir, se pueden lograr mejoras desde las cuestiones puramente operativas hasta el análisis íntegro del sistema, planificando los mejores horarios, optimizando velocidades y trayectorias (Cepal, 2022).
Aplicaciones en Latinoamérica
En Argentina el principal desafío radica en la automatización del control de señales y barreras, especialmente en vista del gran número de pasos a nivel. Algunas intervenciones de este tipo fueron realizadas en la ciudad de Buenos Aires para evitar siniestros viales. La Facultad de Ingeniería de la Universidad de Buenos Aires, el Instituto del Transporte de la Universidad Nacional de San Martín, la Universidad Tecnológica Nacional y el Consejo Nacional de Investigaciones Científicas y Tecnológicas trabajan en un proyecto de diseño de un monitor de barreras (levantamiento automático de las mismas a partir de la comunicación entre señales fijas y móviles). El monitor diseñado puede leer varios parámetros como la posición del brazo de la barrera, la carga de la batería que alimenta el motor de movimiento y el funcionamiento y temperatura de este último. Los datos generados por este sensor son enviados en tiempo real a un servidor para su control por parte del operador.
Se está trabajando en otro ámbito relacionado con el desarrollo de sistemas de alarma autónomos. Este sistema tiene la capacidad de detener el tren de forma automática y controlada en situaciones donde el conductor esté ausente o distraído. La implementación de este sistema implica el establecimiento de comunicación de señales entre las vías y la locomotora, lo que permite el monitoreo en tiempo real de la velocidad del tren.
En México la empresa Ferrovalle colocó sensores en las vías a intervalos regulares que transmiten señales de presencia cada vez que un tren ingresa a la vía respectiva. Los datos son recogidos en casetas instaladas al costado de cada vía, que retransmiten al Centro de Control vía 3G o 4G. A su vez, el tren aporta los datos de georreferenciación en su GPS y también información del peso de la carga en sensores instalados en los ejes. Unos y otros dispositivos dialogan entre sí a través del Centro de Control, que informa al conductor y dispone los cambios de tramos. El conductor del tren reduce la velocidad o maniobra según la información recibida; en algunos sistemas, estos cambios pueden hacerse incluso de forma automática.
Otra empresa que ha avanzado con numerosas incorporaciones tecnológicas es Kansas City Southern de México (KCSM). La empresa ha instalado equipos de detección que miden geometrías de vías, radares de penetración terrestre y tecnologías láser. También, dentro de este grupo de incorporaciones, la empresa ha instalado sensores a lo largo de las vías para poder detectar anomalías en las ruedas de los trenes que circulan y emitir alertas frente a posibles desvíos.
La empresa además ha emprendido iniciativas de mejora en términos de seguridad, entre las cuales se destaca la implementación de un sistema de Control Positivo de Tren (Positive Train Control). Esta tecnología representa un avance significativo en la seguridad de las operaciones ferroviarias, ya que habilita la capacidad de frenado automático en respuesta a posibles colisiones y previene descarrilamientos debido a excesos de velocidad, además de ofrecer otras mejoras en situaciones de riesgo.
Cabe destacar el caso de Ferromex, que ha implementado la plataforma “E-Ferromex” para ofrecer a sus clientes la posibilidad de realizar un seguimiento detallado de las cargas. A través de esta plataforma web, la empresa proporciona información sobre la ubicación de las cargas, el estado de las unidades involucradas, los planes de viaje y la documentación correspondiente, permitiendo a los usuarios acceder a información crucial para el seguimiento y la gestión de sus cargas.
Por otra parte, en Brasil todas las unidades de trenes disponen de monitoreo satelital GPS que permiten la gestión y el control de las operaciones en tiempo real. Además, en ferrocarril EFC (Carajás) se incorporó un sistema de optimización de viajes (Trip Optimizer) que consiste en un sistema interconectado a los demás sistemas de la locomotora al mando que permite la operación por computadora. Entre sus mejoras se encuentran la reducción de consumo de combustible, la disminución de riesgos de accidentes y el tiempo de viaje.
Consideraciones finales
En la región, la utilización del ferrocarril en el transporte presenta niveles de participación relativamente bajos, principalmente porque existen deficiencias en la infraestructura férrea que limitan el funcionamiento adecuado de las operaciones. Debido a esto, algunos países enfrentan desafíos significativos al tratar de establecer una prioridad en la incorporación de sistemas inteligentes en sus operaciones.
Desde el punto de vista tecnológico, la IA aplicada al transporte ferroviario de carga implica un enfoque altamente interconectado entre diversos participantes, la compartición de información y soluciones escalables que involucran a todos los actores. Un aspecto fundamental a tener en cuenta es el valor añadido de la información compartida en comparación con el valor individual que podría representar para cada una de las partes interesadas. En un entorno altamente conectado, es posible lograr resultados superiores para el sistema en su conjunto.
En la región, se pueden identificar diferentes niveles de implementación de soluciones consideradas “inteligentes”. Aunque, en general, la adopción de este tipo de soluciones no es amplia, existen casos específicos que son significativos para comprender cómo se han logrado avances en sus contextos particulares. A partir de esta reflexión, se podría considerar la posibilidad de replicar estas iniciativas en otros países.
(*) Economista en AIC Economía y Finanzas.
(1) Trenes de carga inteligente en América Latina (Cepal, 2022).
