Proyecto Data Science & Big Data

Transformando Mantenimiento Ferroviario
en Ciencia Exacta

Cómo utilicé mi know how en el sector para aplicar Machine Learning y análisis de Ciclo de Vida (1.5M km) para eliminar la incertidumbre en las estadías de taller de series 440/Civia.

99%

Precisión Estadías

100k€

Ahorro Simulado

3 Años

Simulación AI

Reactiva

Arquitectura

El Desafío: La "Caja Negra" del Taller

Incertidumbre en Evaluaciones

Incertidumbre en evaluaciones y reparaciones en carrocería (Serie 440).

Stock Reactivo

Las piezas críticas (Pantógrafos) se piden cuando fallan, inmovilizando activos por semanas.

La Solución: KPI Ferroviaria

Desarrollé un algoritmo que cruza Edad del Activo, Salinidad de la Ruta y Ciclos de Uso para predecir el estado antes de la entrada.

Random Forest (Fallo Componentes) Regresión Lineal (Fatiga)
Input Data AI Engine Output
Histórico ITs
Predictor Estadía
Plan Taller
> Ingiriendo 1.5M km de telemetría...
> Detectado patrón "Invierno/Pantógrafo" (r=0.89)
> Alerta: Serie 440 requiere Soldadura (Estadía +13d)

Aplicación Interactiva

Prueba la versión Standalone generada para este portfolio. 100% Funcional.

Análisis Profundo: Casos Reales Simulados

Serie 440/470

Media Distancia

Unidades con ciclo de vida extendido y alta exposición.

  • Predicción: Conocimiento degradación real
  • Acción: Ajuste de estadía real en taller
  • Ahorro: 52.000€

Civia 464/465

Cercanías

Flota moderna de alta frecuencia.

  • Predicción: Fatiga Rodamiento
  • Acción: Sustitución preventiva nocturna
  • Ahorro: Evita remolcado de UT

Modelo Sostenible

Optimización general de recursos y stock.

  • Stock Just-In-Time
  • Trazabilidad Documental (ITs)
  • Ahorro: -15% Stock

¿Hablamos de Datos?

Este proyecto es solo una muestra de cómo Data Science y Estrategia pueden transformar operaciones industriales. Estoy disponible para nuevos retos que requieran visión analítica y ejecución técnica.

Contactar Ahora Ver Perfil LinkedIn