MainRail and ADIF have signed an agreement to carry out simulation tests of predictive maintenance algorithms based on digital twins, on conventional lines of ADIF network.

This collaboration agreement enables MainRail to access to real data from ADIF infrastructure, in order to adjust its simulation platform based on multibody models to produce synthetic data to train AI algorithms.

These real data will allow, not only the fine tuning of the simulation platform, but will also serve as a basis for the validation of the developed algorithms, substantiating their predictions with the real evolution of the infrastructure.

The generation of synthetic data to train Artificial Intelligence algorithms is very useful technique when there is not enough volume of historical data, or it is not representative for the scenarios to be analyzed (What if? scenarios)

This first pilot project will be focused on the analysis of track quality and rail wear evolution, continuing with previous work carried out by the company, which will be validated with real data from the Railway Infrastructure Administrator.

In the framework of this agreement, ADIF will have access to the results obtained, as well as the chance of using these algorithms already trained for internal use.

MainRail y ADIF firman un acuerdo para realizar pruebas de simulación de algoritmos de mantenimiento predictivo basados en gemelos digitales, en líneas convencionales de la red de ADIF.

Ambas compañías, han suscrito este acuerdo de colaboración, mediante el cual MainRail podrá acceder a datos reales de la infraestructura de ADIF, con objeto de ajustar su plataforma de simulación basada en modelos multicuerpo, con los que producir datos sintéticos para entrenar algoritmos de IA.

Estos datos reales, permitirán no solo el ajuste de la plataforma de simulación, sino que servirán como base para la validación de los algoritmos desarrollados, contrastando las predicciones de estos con la evolución real de la infraestructura.

La generación de datos sintéticos para entrenar algoritmos de Inteligencia Artificial es una técnica especialmente útil en aquellos casos en que no se disponga de suficiente volumen de datos históricos o se pretenda analizar escenarios alternativos para los que los datos disponibles no son representativos (escenarios “what if?”).

En este primer proyecto piloto, los trabajos se centrarán en el análisis de la evolución de la calidad de vía y el desgaste de carril, continuando el desarrollo de trabajos previos realizados por la compañía, que ahora podrán validarse con datos reales del Administrador de Infraestructuras Ferroviarias.

Dentro de este acuerdo de colaboración, ADIF tendrá acceso a los resultados alcanzados, así como la posibilidad de utilizar los algoritmos ya entrenados para su uso interno.