El mantenimiento  predictivo se basa en métodos estadísticos avanzados, como el aprendizaje automático, para definir dinámicamente cuándo una máquina está bien o necesita mantenimiento. Examina los patrones de todos los sensores y crea un modelo de predicción multivariable. Cuantas más fuentes de datos y datos estén disponibles, mejores serán las predicciones. Por esta razón, los modelos de mantenimiento predictivo solo mejoran en la predicción de averías futuras a lo largo del tiempo. El Mantenimiento Basado  en la Condición (CBM) como variante del Mantenimiento Predictivo, se puede definir como el mantenimiento del equipo realizado cuando ciertas indicaciones implican una degradación del rendimiento. Cuando la condición señala que se debe actuar, pues el proceso monitorizado está fuera de control o en posible fallo inmediato.

El CBM implica un cambio de modelo de negocio, del terreno de la reparación al terreno de la anticipación. Un cambio de modelo de negocio relativo a la gestión de los datos proporcionados por la sensórica aplicada y la gestión de la información producida. Desde las Unidades, al propio Operador o a la plataforma de gestión de los datos generados y su carácter de diseño, plataforma abierta o cautiva.

 El estado del arte tecnológico al respecto es amplio, conlleva un amplio uso de IoT llegando a formular elementos de Edge  Computing/Digital Twins y Algoritmos  predictivos de última generación.

El centrado de la cadena de valor del CBM, en el fabricante, en el operador, en el productor de las plataformas de gestión condiciona la aportación e implicación de los integradores, componentistas y sistémicos, el valor añadido de su porfolio.

Este workshop, Quo Vadis CBM, pretende analizar y debatir las  implicaciones para la cadena de valor sectorial de las estrategias CBM. Para ello, el Workshop contará con la visión cross-sectorial, de los fabricantes, operadores, representación de organizaciones de ámbito mundial, así como la visión especializada y académica. Finalmente, se llevará a cabo un ejercicio de  co-creación para puesta en común de conclusiones.

En resumen, pretende obtener y compartir respuestas al respecto de 2 grandes preguntas: 

¿Quién tiene la necesidad de CBM y por qué (operadores,  constructores, subsistemas, centre tecnológicos, plataformas, gobernanza y  gestión del dato)? 

¿Quién puede ofrecer el servicio? 

PROGRAMA

10h00 Bienvenidas

• BIENVENIDA y PRESENTACIÓN DEL WORKSHOP. OBJETIVOS y DESARROLLO. MASATS. SENER. IN-MOVE, by RAILGRUP

10h10 Ponencias

• SIAM – UNA PRIMER PROPUESTA. OPEN DATA. EURECAT. Laia Garriga.
• ACADEMY – Diego Galar. ‘RAILWAYS HAVE LEARNED A LOT IN CONDITION MONITORING IN THE LAST FIVE YEARS’, REALLY? TECNALIA. Lulea University of Technology (LTU)
• VISIÓN UITP – CBM-PROCESOS ROBUSTOS, EFICIENCIA DEL TP
• MASATS – PROYECTO PREDICTIVO CBM Debates

11h00 Debate 1:

• VISIÓN CBM CONSTRUCTORES – ALSTOM/SIEMENS/TALGO/CAF/STADLER

11h30 Break

11h45 Debate 2:

• VISIÓN CBM OPERADORES – RENFE/METRO MADRID/ TMB/FGC. Comparativa de Sistemas.

12h15 Debate 3:

• VISIÓN CBM INGENIERIA-GOBERNANZA DEL CBM – SENER (PROYECTO RESPIRA). WORLDSENSING. PTV Group.

12h45 Conclusiones

•  ConnectingBrains: co-creación a partir de conclusiones.