Renfe, el principal operador ferroviario de España con más de 16.000 empleados, lanzó a través de su Laboratorio de IA diversos desafíos para integrar esta tecnología en sus operaciones. Dive Tech fue la empresa ganadora del reto técnico planteado para decodificar sus patrones operativos.

La dificultad para extraer información relevante y activos de decisión a partir de volúmenes masivos de datos operativos de conducción, los cuales superaban los 900 millones de registros.

Se requiere la capacidad de procesar datos secuenciales de distinto origen y formato a gran escala. La solución integra un pipeline de ETL masivo y una capa de visualización a través de un dashboard amigable para el usuario final.

Desarrollo de una herramienta basada en tres capas funcionales:

1. Capa de procesamiento: Pipeline de ETL sobre más de 900M de datos para generar tablas enriquecidas.
2. Capa de inferencia: Modelos de identificación de patrones de conducción y motores de detección de anomalías técnicas.
3. Capa de visualización: Dashboard intuitivo para la toma de decisiones basada en los patrones decodificados.

Refuerzo de la seguridad: Detección de situaciones críticas que podrían pasar desapercibidas para los expertos.

Mejora en formación: Uso de patrones detectados como elementos visuales para áreas de capacitación.

Excelencia operativa: Automatización de controles de calidad técnicos para mitigar riesgos operativos.

Modelos de identificación de patrones operativos en movilidad, sistemas de mantenimiento predictivo y algoritmos de detección de anomalías en entornos de transporte masivo