La Inteligencia Artificial aplicada al mantenimiento de vías no asfaltadas
Entre $10,000 y $15,000 es el costo promedio por Km
Ocurrió hace unos meses. Estábamos recorriendo las trochas y caminos de una plantación en la selva peruana cuando paramos el auto para presenciar la toma de muestras del terreno vial. «Con estos aparatos se mide la densidad y grado de compactación del terreno», dijo mi acompañante al bajar de la camioneta. Miré a quienes trabajaban en la toma de muestras perforando la pista sin asfaltar. «¿Cuánto les toma una muestra aproximadamente?», pregunté. Me lo dijeron. Estuve un momento callado observando con atención todo el procedimiento y luego pregunté cómo decidían las zonas de muestras. «Nos las indican desde el laboratorio», respondieron. Me dejaron claro que eran ellos los que solamente ejecutaban la labor. «¿Y qué índices miden?», agregué. El más alto me respondió. «El CBR y la densidad ». Entonces esperamos un momento, les agradecimos y volvimos a la camioneta.
Cuando pensamos en minería o agroindustria nos imaginamos barras de cobre y plata o una infinidad de cajas de plátanos. Muy pocos imaginan la inmensa infraestructura vial dentro de las plantaciones o minas que permiten justamente una adecuada operación y transporte del producto. Mucho menos imaginamos la inversión y gasto de mantenimiento que dichos caminos requieren, especialmente si son vías no asfaltadas. Una plantación de veinte o treinta mil hectáreas puede llegar a tener más de mil kilómetros de vías no asfaltadas y un presupuesto anual de mantenimiento de varios millones de dólares, considerando que el costo promedio puede alcanzar los $15,000 por kilómetro.
Los principales componentes del mantenimiento de las vías no asfaltadas son: a) el volumen de base granular empleada y b) las tareas propias de mantenimiento, además de los recursos que implica la toma manual de muestras de nivel de compactación y densidad. Por ello, monitorear constantemente el estado del terreno vial es imperativo para entender el grado de deterioro y desgaste de la base granular de la rasante y subrasante. Y es ahí donde la inteligencia artificial puede ser de mucha utilidad, especialmente para identificar y clasificar las distintas zonas de caminos y vías para así poder estimar el material y gasto asociado al mantenimiento requerido.
El uso de la inteligencia artificial para estos fines puede entonces tener dos principales aplicaciones:
I. Identificación de patrones de deterioro mediante Computer Vision. Esta aplicación implica realizar un recorrido por las vías para capturar fotografías y videos con una cámara de alta resolución. Dichas imágenes son luego analizadas con técnicas de clasificación de Computer Vision para identificar distintos patrones de deterioro y desgaste (Imagen 1).
II. Segmentación de vías mediante el uso y análisis de telemetría. Este caso es similar al anterior, pero en lugar de una cámara de fotos requiere la utilización de sensores telémetricos para medir la aceleración, velocidad y respuesta de un giroscopio. De esta manera, mediante la vibración que se captura con los sensores se pueden identificar las vías con mayor desgaste y hendiduras que justamente causan dichas vibraciones (Imagen 2).
Ambas aplicaciones, sin embargo, son complementarias y sirven para segmentar la red de vías por tipos de deterioro y por condición según los indicadores de telemetría y de imágenes. Y en el Perú, país minero y agrícola por excelencia, el empleo de esta tecnología de Deep Analytics representa una gran oportunidad de generación de valor y optimización de recursos.
El mantenimiento de vías no tiene porqué significar una carga financiera para ninguna empresa si se optimizan los recursos adecuadamente. Por el contrario, si se invierte en una nueva red vial o en el mantenimiento de vías existentes, la Inteligencia Artificial está lista para acudir al rescate.
Escrito por Antonio Roig
