El proyecto SAPOHVAC consta de varias fases en las que se utilizan distintas técnicas de IA como sistemas expertos, machine learning, IoT y deep learning, con el objetivo de abarcar el mayor número de casos de diagnóstico posible.
En la primera de las fases del proyecto se ha desarrollado un sistema experto basado en reglas, generadas a partir de la experiencia previa adquirida en Hispacold, que permite predecir con suficiente antelación degradaciones en el funcionamiento de los equipos, antes de que se produzca un fallo que provoque una parada del vehículo.
La segunda fase se centra en la integración de modelos de IA capaces de aportar nuevo conocimiento y desarrollar nuevas reglas gracias al aprendizaje automático. Estos modelos estarán basados en técnicas de deep learning y machine learning, y permitirán aumentar la capacidad predictiva del sistema y reducir los consumos energéticos de los sistemas de climatización embarcados.
En la última fase del proyecto, el objetivo es desarrollar e integrar un dispositivo electrónico, que habilitará la lectura de nuevas variables gracias a la incorporación de sensórica adicional (IoT). La integración de estas nuevas variables en los modelos de IA dará lugar al sistema extendido de mantenimiento predictivo con mayores prestaciones y alcance.
Para el desarrollo y el ajuste del sistema es necesario obtener una gran cantidad de datos de operación de los vehículos. Para conseguir este objetivo, Hispacold se apoya en los datos generados por vehículos de TUSSAM que han posibilitado entrenar el sistema en aplicaciones urbanas, así como con vehículos adscritos al Consorcio de Transporte Metropolitano de Sevilla (gracias al acuerdo de colaboración firmado entre ambas entidades con el propósito de fomentar la innovación entre este último e Hispacold) que permite validar el sistema en aplicaciones interurbanas, para lo cual en este momento se está trabajando en tiempo real sobre una flota de 25 vehículos, pertenecientes a los operadores Tranvías de Sevilla y Autocares Paulino, de los que se están obteniendo y analizando datos desde el pasado mes de noviembre.
Este proyecto ha sido financiado por CDTI con una ayuda cofinanciada por el Fondo Europeo de Desarrollo Regional (FEDER) a través del “Programa Operativo Plurirregional de España 2014-2020” y por CTA (Corporación Tecnológica de Andalucía)