El motor predictivo, decodificando patrones de fallo.
Más allá de la media: cómo algoritmos simples pueden detectar problemas complejos.
Lógica de simulación: «Digital Twin».
Para este portfolio,(pincha aquí para verlo de forma interactiva) no tenía acceso a datos reales de Renfe en tiempo real, así que construí, con la ayuda de la IA, un generador de datos sintéticos (Digital Twin) en Python (`simulate_adv_data.py`) que replica el comportamiento físico de los trenes. Esto es crucial: no generé datos aleatorios, generé datos causales.
Escenario A: correlación climática (Serie 465).
He programado una lógica condicional que simula el desgaste del pantógrafo basándose en la temperatura:
«`python
is_winter = month_num in [12, 1, 2]
if is_winter and temp < 0:
risk_score += correlation_factor * 1.5
«`
Esto demuestra cómo un algoritmo de Machine Learning (Random Forest) aprendería: al ver suficientes ejemplos de «Bajas Temps -> Alta Fricción -> Avería», el modelo empieza a alertar antes de que ocurra la avería, solo basándose en el pronóstico del tiempo.
Escenario B: fatiga por uso (Serie 440/470).
Para la flota antigua, el riesgo crece exponencialmente al acercarse al límite de revisión (5000h, basándome en intervenciones de segundo nivel según documentación ferroviaria).
«`python
risk = int((hours_since_revision – 4000) / 15)
«`
Esto simula una Regresión Lineal donde `horas` predice `riesgo`.
El algoritmo de «Scoring».
El corazón del proyecto es el «Risk Score» (0-100%). No es solo un número; es un disparador de decisiones. Ayuda a los técnicos a tomar una decisión en base a datos palpables:
* 0-50%: Operación normal (zona verde).
* 50-75%: Advertencia (zona naranja) -> Programar revisión en próxima parada.
* 75-100%: Alerta crítica (zona roja) -> Intervención inmediata requerida.
Esta segmentación (clustering) es lo que permite al profesional del sector dejar de mirar miles de datos y centrarse solo en las 3 alertas rojas del día.
Este es el tercer de los cinco artículos que he redactado acerca del proyecto KPI Ferroviaria, si no has leído los dos anteriores, te dejo los enlaces para el primero, y el segundo.
