Técnicas de aprendizaje automático para la predicción de intervenciones de mantenimiento en infraestructuras lineales de carretera

Abstract

Las técnicas de mantenimiento predictivo persiguen disminuir la aparición de fallos imprevistos, y la ejecución de las intervenciones correctivas necesarias que deben llevarse a cabo con anterioridad a la aparición de los fallos. Esta comunicación presenta una metodología, que permite automatizar la predicción de alertas de mantenimiento en infraestructuras lineales de transporte, aplicada al caso de una red de carreteras. Combina información cuantitativa del estado del activo junto con datos de las intervenciones de mantenimiento operativos e históricos, haciendo uso de técnicas de analítica de datos y modelos de aprendizaje automático. Una vez los modelos se encuentran entrenados, se infiere el estado del activo en el escenario futuro de interés, y las tareas de mantenimiento necesarias para evitar una degradación posterior o desajustes de las condiciones de seguridad y/o confortabilidad. La metodología genera una lista priorizada correspondiente a las alertas generadas por todos los activos de la infraestructura monitorizada. La parte científica de esta comunicación presenta: i) el análisis de la información mínima necesaria para obtener predicciones de alertas, y de las intervenciones de mantenimiento más probables asociadas a ellas en redes de carreteras; ii) el diagrama de flujo esquemático del conjunto de herramientas desarrollado para predecir alertas de mantenimiento; iii) el procedimiento metodológico utilizado, para activar alertas y predecir las intervenciones más probables, necesario para resolver estas alertas; iv) la metodología para determinar la fiabilidad y el nivel de severidad de alertas frente a falsos positivos y negativos. La parte empírica del artículo recoge la descripción y resultados de un caso piloto de red de carreteras. Finalmente, se extraen conclusiones sobre el enfoque del procedimiento propuesto y la capacidad predictiva alcanzada.