El proyecto, denominado SAPOHVAC, de dos años de duración, se desarrolla en colaboración con la Universidad de Sevilla y cuenta con el apoyo de CTA (Corporación Tecnológica de Andalucía), el Centro para el Desarrollo Tecnológico y la Innovación (CDTI), el Consorcio de Transporte Metropolitano de Sevilla y TUSSAM.
El proyecto SAPOHVAC tiene como finalidad el desarrollo de un sistema inteligente basado en dos objetivos complementarios. Por un lado, la generación de un sistema de mantenimiento predictivo capaz de predecir cuándo realmente es necesaria la intervención técnica en un vehículo, anticipándose así a la avería, y minimizando tanto los costes, como los tiempos de intervención, y por otro lado, la optimización energética del funcionamiento de los equipos de climatización, para la reducción de los costes de operación.
El citado proyecto 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, según informa la entidad en una nota de prensa.
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).
