SISTEMA INMUNOLÓGICO ARTIFICIAL AUTÓNOMO PARA ACTIVOS COMPLEJOS CON LARGO CICLO DE VIDA.

Sistema inmunológico artificial autónomo para activos complejos y largo ciclo de vida,

que se caracteriza porque es capaz de extraer el comportamiento normal relevante en cada fase de edad del sistema analizado, clasificarlo de forma individual y en familias, y gestionarlo para activos complejos de largo ciclo de vida, y en base a ello diagnosticar su estado de salud.

Es un objeto de la presente invención un sistema inmunológico artificial autónomo capaz de obtener, almacenar, analizar y gestionar la información recogida en sistemas complejos de largo ciclo de vida. Mediante el sistema propuesto, es posible detectar anomalías en el comportamiento de estos activos, diagnosticarlas y notificar a sus mantenedores y explotadores para que se tomen las medidas de mantenimiento oportunas evitando cualquier indisponibilidad o falta de fiabilidad indeseada en los activos.

ANTECEDENTES DE LA INVENCiÓN

El objeto principal de la presente invención es un sistema inmunológico artificial autónomo para activos complejos y con largo ciclo de vida, en donde la invención está orientada al sector del mantenimiento, especialmente el de activos complejos y largo ciclo de vida, entendiendo como activo complejo todos aquellos que están compuestos por sistemas que, a su vez, tienen la entidad suficiente para considerarse complejos por sí mismos. Un ejemplo de un sistema complejo es una unidad ferroviaria o un aerogenerador ya que están compuestos a su vez de otros sistemas complejos.

Del mismo modo, se considera activos con largo ciclo de vida, aquellos activos que deben perdurar en el tiempo funcionando con las pertinentes operaciones de mantenimiento, durante 15 años o más. Sin embargo, una red de ordenadores, o un sistema de comunicaciones no se considera un sistema complejo de largo ciclo de vida, dado que sus componentes no son complejos por sí mismos, y donde además, la obsolescencia de la tecnología con la que están desarrollados, impide que tengan un ciclo de vida de larga duración.

Actualmente existen muchos sistemas de monitorización en tiempo real de sistemas complejos, capaces de mostrar en pantalla e incluso registrar información de variables o sensores embarcados en dicho sistema complejo. Igualmente, están muy extendidas las invenciones concretas para diagnóstico de fallos conocidos en sistemas específicos que se ensamblan en un vehículo ferroviario, como ejemplo de sistema complejo, como pueden ser las patentes de referencia RU2349480 "Díagnostíc and monítoríng method and devíce for raílway poínts, crossíngs, turn-outs or raíl joínts" o EP0903514 "Raílway vehícle brake system wíth condítíon monítoríng".

Más avanzadas son aquellas que presentan un sistema único para englobar la monitorización global de un sistema complejo, como hacen por ejemplo JP2008057979 (A) "Raí/way vehícle monítor" o KR20000059333 (A) "Monítoríng system and method of raílway rollíng stock", para un sistema ferroviario.

Fuera de este ámbito, patentes como US2009/0089035 A 1 "Hybríd multí-Iayer artífícial ímmune system", está orientada al mundo de los ordenadores y software, y la patente US2010/0069832 "Intellígent medícal devíce system dynamícs for bíologícal network regulatíon" está orientada al mundo médico, dejando sin abordar por lo tanto los sistemas complejos mencionados anteriormente.

En cuanto a contribuciones científicas, se han detectado algunas que tratan una temática similar, si bien únicamente están basándose en aproximaciones teóricas que no incorporan la información y datos que se generan durante la vida del activo como fuente de datos para el sistema, dejando de lado el historial del sistema complejo diagnosticado, e imposibilitando la estimación de vida remanente del sistema de forma integrada en la invención. Se basan en una normalidad teórica, en lugar de la reconstrucción de una normalidad experimental e individualizada en familias de activos. Los artículos mencionados son:

Natural Computatíon Archítecture of Immnue Control Based on Normal Model. Zíxíng Caí and Ca. Proceedíngs of 2006 IEEE. Internatíonal símposíum on íntellígent control. Muních, Germany, October 4-6, 2006; Y Multí-Iayer Immune Model for Fault Díagnosís. rían Yulíng. Supported by Natíonal Natural Science Fund (No.50335030) .

DESCRIPCiÓN DE LA INVENCiÓN

De acuerdo con la invención se propone un sistema inmunológico artificial autónomo capaz de de obtener, almacenar, analizar y gestionar la información recogida en sistemas complejos de largo ciclo de vida, por ejemplo en trenes de alta velocidad y ancho variable, estimando además la vida remanente de los componentes implicados.

De esta manera, el sistema es capaz de detectar anomalías en el comportamiento de estos activos, diagnosticarlas y notificar a sus mantenedores y explotadores para que se tomen las medidas de mantenimiento oportunas evitando cualquier indisponibilidad

o falta de fiabilidad indeseada en los activos. El sistema es capaz de identificar tanto los casos que pueden provocar fallos inminentes como los que podrían derivar en avería a largo plazo. Por ello, esta invención permite minimizar los costes de mantenimiento, reducir el tiempo necesario de intervención de mantenimiento, anticiparse a fallos/averías, aumentar la seguridad de los activos supervisados, mejorar su fiabilidad, su disponibilidad y también su mantenimiento. Todo ello sin necesidad de supervisión humana, y dotando de nuevos conocimientos a las personas que estén en contacto con el mantenimiento y explotación u operación del sistema supervisado por la presente invención.

Más concretamente, el sistema objeto de la presente invención comprende, al menos,

(i) unos primeros medios de adquisición de datos, configurado para la obtención de los datos del activo complejo (en una realización particular un tren) , en donde esta labor se realiza de manera autónoma y mediante tecnología sin cables; cada activo complejo comprende, a su vez un enrutador 3G que posibilita la centralización de la información a bordo de forma estratégica y comprimida; y donde estos primeros medios de adquisición de datos están, además, configurados para acceder a toda la información sensorizada en tiempo real, registrarla a bordo y además de monitorizarla, gestionar su descarga en ventanas de tiempo meticulosamente estudiadas en función de los desplazamientos de cada activo (que no son siempre los mismos) para aumentar así la extracción del conocimiento;

(ii) unos segundos medios de procesamiento de datos configurados para la toma de la información suministrada por los primeros medios, tratarla para asegurar su compatibilidad y almacenar dichos datos en una base de datos; y donde dicha compatibilidad se asegura mediante una pluralidad de parámetros derivados que son variables o valores ficticios generados por el cruce de variables físicas monitorizadas en los primeros medios;

(iii) unos terceros medios de diagnosis configurados para el acceso a la base de datos donde han sido almacenados los datos procesados por los segundos medios para, en base a labores de minería de datos, lógica difusa y aplicación de reglas complejas, analizar la información de los activos complejos en busca de modos de fallo, comportamientos anómalos y tendencias desfavorables.

Gracias a este módulo, no es necesario conocer los modos de fallo del sistema supervisado, sino que el sistema es quien va detectando los posibles modos de fallo antes de que ocurran según la degradación de los componentes, anticipando la respuesta a dicho fallo;

(iv) unos cuartos medios de notificación configurados para que una vez que el diagnóstico ha sido establecido, dependiendo del tipo y la severidad del mismo, se notificará a las personas requeridas mediante correos electrónicos y/o SMS; y

(v) unos quintos medios de visualización configurado para representar tanto los diagnósticos como los datos obtenidos directamente de los activos supervisados; Y donde estos medios comprenden, en una realización particular, un portal Web que permite la consulta de datos históricos, la generación de informes, la creación de gráficos y la visualización del conocimiento en un estado matricial organizado en clusters o bloques de conocimiento.

En un segundo aspecto de la invención, el método inmunológico artificial autónomo para activos complejos con largo ciclo de vida se caracteriza por que comprende, al menos, las etapas de:

(a) una primera etapa de adquisición de datos, en donde se obtienen los datos del activo complejo, accediendo a la información sensorizada en tiempo real, monitorizándola y gestionándola en su descarga en ventanas de tiempo en función de los desplazamientos de cada activo; y en donde esta labor se realiza de manera autónoma y mediante tecnología sin cables;

(b) una segunda etapa de procesamiento de datos configurada para la toma de la información suministrada por los primeros medios, tratarla para asegurar su compatibilidad y almacenar dichos datos en una base de datos; y donde dicha compatibilidad se asegura mediante...

1. Sistema inmunológico artificial para activos complejos con largo ciclo de vida que se caracteriza por que comprende, al menos:

(a) unos primeros medios de adquisición de datos configurados para la obtención de los datos de al menos un sensor en al menos un activo complejo por medios inalámbricos entre los que se establece una red privada virtual para la descarga de datos en tiempo real en unos segundos medios de procesamiento de datos;

(b) unos segundos medios de procesado de datos configurados para: -filtrar los datos corruptos y/o incompletos procedentes de dichos primeros medios de adquisición de datos; -se amoldan los datos a la estructura de almacenamiento de una base de datos; y -se segmentan los datos almacenados en ciclos de trabajo;

(c) unos terceros medios de diagnóstico de los datos almacenados en la base de datos de dichos segundos medios, y que incluye un módulo de parámetros derivados que resulta de la interacción y cruce de la información entre las variables monitorizadas y las variables ya registradas, resultando en una pluralidad de variables adimensionales que se almacenan en dicha base de datos; y donde estos terceros medios están configurados para:

-establecer una pluralidad de valores característicos obtenidos mediante cálculos estadísticos para cada variable analizada y para cada parámetro derivado obtenido por el módulo de parámetros derivados, estableciendo un primer análisis individual del valor característicos y un segundo análisis comparándola con otros valores de la familia de sistemas a las que pertenece, estableciendo su normalidad o anormalidad; -aplicar a cada uno de los valores característicos un análisis por medio de lógica difusa de tal forma que se establezca un umbral o frontera borrosa para el valor característico individual y para el valor característico en relación con el valor característico normal de la familia de sistemas a las que pertenece dicha variable; -establecer reglas con los datos clasificados previamente entre comportamiento normal y comportamiento anormal, de tal forma que se establezca un diagnóstico en función de dichas reglas; en donde dichas reglas han sido obtenidas por: (i) forma manual en base a la experiencia de usuario; y (ii) mediante la aplicación de técnicas de inteligencia artificial basadas en algoritmos genéticos;

(d) unos cuartos medios de notificación configurados para que una vez que el diagnóstico ha sido establecido notificar dicho diagnóstico mediante correos electrónicos y/o SMS;y

(e) unos quintos medios de visualización configurados para representar tanto los diagnósticos, como los datos obtenidos directamente de los activos supervisados;

estando todo ello configurado para detectar los posibles modos de fallo en cada activo objeto de estudio, anticipando la respuesta a dicho fallo.

2. Sistema de acuerdo con la reivindicación 1 que comprende medios para comparar en continuo la información almacenada y la información descargada antes de proceder a la siguiente descarga de tal forma que dicha descarga se realice continuando desde el último byte descargado en caso de pérdida de conexión o cobertura de comunicación con el activo en movimiento.

3. Sistema de acuerdo con las reivindicaciones anteriores en donde los quintos medios de visualización comprenden un portal Web que permite la consulta de datos históricos, la generación de informes, la creación de gráficos y la visualización del conocimiento en un estado matricial organizado en clusters o bloques de conocimiento.

4. Método inmunológico artificial para activos complejos con largo ciclo de vida que se caracteriza por que comprende las etapas de

(a) una primera etapa adquisición de datos para la obtención de los datos de al menos un sensor en al menos un activo complejo, dicho sensor comprendiendo unos medios inalámbricos configurados para establecer una red privada virtual para la descarga de datos en tiempo real en unos segundos medios de procesamiento de datos;

(b) una segunda etapa de procesado de datos en donde dicha etapa comprende, a su vez, las etapas de: -filtrar los datos corruptos y/o incompletos procedentes de la primera etapa

de adquisición de datos; -amoldar los datos a la estructura de almacenamiento de una base de datos;

y

-segmentar los datos almacenados en ciclos de trabajo;

(c) una tercera etapa de diagnóstico de los datos almacenados en la base de datos en la segunda etapa, y que incluye un módulo de parámetros derivados que resulta de la interacción y cruce de la información entre las variables monitorizadas y las variables ya registradas, resultando en una pluralidad de variables adimensionales que se almacenan en dicha base de datos; y donde esta tercera etapa, a su vez comprende:

-establecer una pluralidad de valores característicos obtenidos mediante cálculos

estadísticos para cada variable analizada y para cada parámetro derivado obtenido por el módulo de parámetros derivados, estableciendo un primer análisis individual del valor característicos y un segundo análisis comparándola con otros valores de la familia de sistemas a las que pertenece, estableciendo su normalidad o anormalidad; -aplicar a cada uno de los valores característicos un análisis por medio de lógica difusa de tal forma que se establezca un umbral o frontera borrosa para el valor característico individual y para el valor característico en relación con el valor característico normal de la familia de sistemas a las que pertenece dicha variable; -establecer reglas con los datos clasificados previamente entre comportamiento normal y comportamiento anormal, de tal forma que se establezca un diagnóstico en función de dichas reglas; en donde dichas reglas han sido obtenidas por: (i) forma manual en base a la experiencia de usuario; y (ii) mediante la aplicación de técnicas de inteligencia artificial basadas en algoritmos genéticos;

(d) una cuarta etapa de notificación de los datos de diagnóstico para que una vez que el diagnóstico ha sido establecido se notifique mediante correos electrónicos y/o SMS; y

(e) unos quintos medios de visualización configurados para representar tanto los diagnósticos, como los datos obtenidos directamente de los activos supervisados.

Adquisición de Datos crudos del tren Procesado de Datos del tren formateados Diagnosticado Notificación Visualización

Figura 1

Conversión al

Segmentación

Filtrado de los formato en fracciones

datos adecuado de viaje

Figura 2

Cálculo de Clasificación valores basada en Reglas característicos lógica difusa Figura 3