Patrones dinámicos en imágenes: nuevo método para evaluar el estado de los rieles

Colombia tiene 3.533 km de infraestructura férrea, de los cuales solo el 31 %, es decir 1.734 km, se encuentran en operación, por lo que los Ministerios de Transporte y de Ambiente y Desarrollo Sostenible consideran que su fortalecimiento y ampliación de manera sostenible sería crucial, no solo para acortar distancias, sino también para reducir las emisiones de gases de efecto invernadero.

Teniendo en cuenta que en ciudades como Medellín estos sistemas son unos de los principales medios de transporte masivo, es importante mejorar las estrategias de prevención y mantenimiento, para garantizar su operatividad y seguridad.

“Debido a la importancia de los rieles en el mantenimiento del sistema ferroviario, es imprescindible desarrollar un proceso que evalúe su estado y cuantifique la severidad de sus posibles defectos y cambios en configuraciones estructurales. Dicho análisis es esencial para tomar decisiones apropiadas, que aseguren el buen funcionamiento y el mantenimiento del sistema en su totalidad”, explica José Miguel Navas Orduz, magíster en Ingeniería Mecánica de la Universidad Nacional de Colombia (UNAL) Sede Medellín.

“Aunque existen distintas metodologías para monitorear los rieles, entre ellos el análisis de la interacción rueda-riel, las inspecciones visuales, las mediciones de longitudes de onda y los cambios de dureza, nosotros trabajamos con análisis estructurales y con las vibraciones del riel, agregándole un plus: convertimos los registros en imágenes, y con ellas entrenamos redes neuronales profundas, para que el proceso de identificación de un daño sea más rápido y automático”, agrega.

Paso a paso: detectar daños y prevenir accidentes

El investigador describió las frecuencias que emite un riel en perfecto estado y luego analizó cómo cambiaban si este tenía algún daño, cambios en su estructura, desgaste, desacople, etc.

“El ensayo de martillo de impacto genera vibraciones específicas que varían según la estructura. Estas variaciones permiten detectar defectos y realizar reparaciones preventivas antes de que ocurra una falla”, explica.

Teniendo claros los valores “correctos” o de referencia, y habiendo entrenado la red, el magíster hizo una validación con simulaciones computacionales.

“Por último hicimos un montaje de laboratorio en el campus El Río, instalamos los elementos principales de una vía para someter el riel a distintos daños y corroborar lo que habíamos establecido desde la teoría y los cálculos. Además, esos tramos de sección los tomamos directamente de la vía, lo que nos permitió mayor precisión y cercanía con la realidad”, indica.

Así comprobó que con el test de martillo se pueden incluso detectar cambios en la distancia entre las fijaciones, cuando hay un ensamble incorrecto o cuando hay desgaste.

“El riel se puede considerar como ‘sano’ si cumple con los parámetros predefinidos. Este método agiliza el proceso y lo hace más preciso, una cualidad que incluso puede mejorar, pues los datos iniciales se pueden ‘alimentar’ a futuro y obtener mejores resultados gracias a la escalabilidad de las redes profundas”.

Esta investigación, que contó con la dirección del profesor Alejandro Restrepo Martínez, adscrito a la Facultad de Minas de la UNAL Sede Medellín, se podría aplicar en cualquier sistema ferroviario, lo único importante es hacer los cálculos pertinentes para entrenar la red neuronal, pues los números “de referencia” variarían según cada caso.