Resumen

Las autoridades de transporte ferroviario de todo el mundo se enfrentan a un importante reto a la hora de predecir las obras de mantenimiento de la infraestructura ferroviaria. Debido a las restricciones en las ayudas financieras, las autoridades de transporte ferroviario buscan métodos modernos y mejorados que puedan proporcionar una predicción precisa de los plazos de mantenimiento ferroviario. Lo que se espera de este método es desarrollar modelos que minimicen el error humano, muy relacionado con la predicción manual. Estos modelos ayudarán a las autoridades de transporte ferroviario a comprender cómo se produce la degradación de la vía en diferentes condiciones (por ejemplo, tipo de carril, perfil del carril) a lo largo del tiempo. Necesitan una técnica bien estructurada para identificar el momento preciso en el que fallan las vías férreas para minimizar el coste/tiempo de mantenimiento. Las características de las vías férreas que se han ido recopilando a lo largo de los años se utilizarán para desarrollar un modelo de predicción de la degradación de las vías férreas. Dado que estos datos se han recogido en grandes volúmenes y que la recogida de datos se realiza tanto electrónica como manualmente, es posible que se produzcan algunos errores. A veces, estos errores hacen imposible utilizar los datos en el desarrollo del modelo de predicción. Un modelo preciso puede desempeñar un papel clave en la estimación del comportamiento a largo plazo de las vías férreas. Unos modelos precisos pueden aumentar la eficacia de las actividades de mantenimiento y reducir su coste a largo plazo. En esta investigación, se ha realizado una breve revisión de los modelos de predicción de la degradación de las vías férreas antes de estimar la degradación de las vías férreas para las curvas y tramos rectos del sistema de vías del tranvía de Melbourne utilizando un modelo de Sistema de Inferencia Difusa basado en Redes Adaptativas (ANFIS). Los resultados del modelo desarrollado muestran que es capaz de predecir los valores del gálibo con R2 de 0,6 y 0,78 para curvas y rectas, respectivamente.

• Materias:Planificación de la producción Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Production planning Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:autoridades del transporte ferroviario, vías férreas, sistema de vías del tranvía de melbourne, trabajos de mantenimiento de la infraestructura ferroviaria, modelos de predicción de la degradación de las vías férreas, sistema de inferencia difusa, autoridades del transporte ferroviario, modelo de predicción de la degradación, métodos modernos mejorados, desarrollo de modelos de predicción
• Keywords:rail transport authorities, rail tracks, melbourne tram track system, rail infrastructure maintenance work, rail track degradation prediction models, fuzzy inference system, rail transport authorities, degradation prediction model, improved modern methods, prediction model development