Centro tecnológico Cartif

Conservación y mantenimiento inteligente de infraestructuras

Mediante la aplicación de técnicas de inteligencia computacional (IC) al dominio de la conservación de infraestructura de transporte, tanto en carretera como en ferrocarril, se pretende poner en valor para las empresas del sector la información, el conocimiento y la experiencia que han ido acumulando a lo largo del tiempo, y que no es aprovechada de forma sistemática por múltiples razones.

Las técnicas que se proponen ya han demostrado su validez en ámbitos tanto académicos como en algunos casos industriales, aunque su aplicación a este dominio de actividad ha sido casi nula hasta el momento.

El proceso se realiza a partir del conocimiento (experiencia, monitorizaciones, información histórica, etc...) y recursos disponibles. Un empleo adecuado en base a las metodologías de IC y otras relacionadas, hará posible el extraer, modelar, validar y transferir un conocimiento que permitirá a las compañías involucradas generar un mayor valor añadido a su actividad y servicios.

Se trata por tanto de investigar como el uso de técnicas de IC se pueden aplicar a la problemática del sector en las distintas fases necesarias para pasar de datos recogidos y almacenados e ideas de un experto del dominio a un sistema basado en computadora que de soporte a las tareas de conservación y mantenimiento de infraestructuras.

Los principales objetivos que se persiguen al aplicar tecnologías inteligentes a la conservación se pueden sintetizar en los siguientes puntos:

• Mejorar la planificación de las actuaciones de conservación.
• Mejorar condiciones de seguridad y accesibilidad de los usuarios finales.
• Aumentar el tiempo de vida útil de las infraestructuras.
• Reducir coste de conservación y mantenimiento.
• Mejorar la calidad del servicio.

Proyectos relacionados

CIBIC

Publicaciones relacionadas:

• M. Galende, G.I. Sainz, M.J. Fuente. Accuracy-Interpretability Balancing in Fuzzy Models based on Multiobjective Genetic Algorithm. Proceeding European Control Conference 2009 (ECC'09), Budapest (Hungary), August 2009.
• M. I. Rey, M. Galende, G. I. Sainz. Criteria for linguistic improvement of precise fuzzy models by orthogonal transforms. Application to ART based models. Proceedings of European Control Conference 2009 (ECC'09), Budapest (Hungary), August 2009.
• R. Garcia, J. M. Benitez, G. I. Sainz. Feature Selection for Time Series Forecasting: A Case Study. Proceeding Eighth International Conference on Hybrid Intelligent Systems, Barcelona (España), September 2008.
• M. J. Fuente, V. Mateo, G.I. Sainz, S. Saludes. Adaptive Neural-based Fault Tolerant Control for Nonlinear Systems. Proceedings of 17th IFAC World Congress, Seoul (Korea), July 2008.
• M. Galende, G. I. Sainz, M. J. Fuente, A. Herreros. Interpretability-accuracy improvement in a neuro-fuzzy ART based model of a DC motor. Proceedings of 17th IFAC World Congress, pp 7034 - 7039, Seoul (Korea), July 2008.
• M. Galende, G. I. Sainz. Mejora Lingüística de Modelos Neurodifusos mediante Algoritmos Genéticos: Aplicación a un Motor DC. Actas de las XXVIII Jornadas de Automática, Huelva (Spain), September 2007. ISBN: 978-84-690-7497-8.
• G. I. Sainz, J. Juez, E. Moya, J. R.Perán, Fault detection and fuzzy rule extraction in AC motors by a neuro-fuzzy ART-based system, Engineering Applications of Artificial Intelligence, Vol 18(7) pag: 867 --874, 2005.
• G. I. Sainz, M. J. Fuente P. Vega. Recurrent neuro-fuzzy modelling of a wastewater Treatement Plant, European Journal of Control, N 10, pág:83-95, January 2004.

Más información en: Esta dirección electrónica esta protegida contra spambots. Es necesario activar Javascript para visualizarla