Inspección avanzada de vías: Cómo la tecnología moderna mantiene la seguridad ferroviaria

Más allá de la superficie: Cómo mantenemos seguras las vías férreas

La importante ciencia de la seguridad

Los trenes modernos dependen de una verdad básica: las vías deben estar en perfecto estado. Revisar las vías, por tanto, no es un trabajo sencillo, sino un uso inteligente de la ingeniería y la ciencia. Es la ciencia que mantiene a millones de pasajeros y toneladas de carga en movimiento de forma segura. El paso de las simples comprobaciones visuales a los sistemas informáticos de alta velocidad demuestra lo mucho que ha mejorado la tecnología. Esta mejora se debe a que constantemente necesitamos encontrar problemas más pequeños, encontrarlos antes y estar más seguros de lo que encontramos.

Del "qué" al "por qué

Este análisis va más allá de una simple visión general de los métodos de comprobación. Nuestro objetivo es desglosar las principales tecnologías, respondiendo no sólo a "qué" hacen, sino a "cómo" funcionan y "por qué" son necesarias. Exploraremos la ciencia básica de cómo se descomponen las pistas, que nos indica qué problemas debemos encontrar. A continuación, examinaremos las reglas de los ensayos no destructivos (END), cómo medimos la posición de las vías con gran precisión, los detalles de la recopilación avanzada de datos y, por último, cómo la inteligencia artificial nos está haciendo pasar de solucionar los problemas después de que ocurran a prevenirlos antes de que se produzcan. Se trata de una mirada en profundidad a las normas técnicas que mantienen nuestros ferrocarriles seguros y fiables.

La ciencia de la descomposición de las pistas

Para entender la inspección de las vías, primero debemos comprender las fuerzas que intentan romperlas. Cada tren que pasa ejerce una enorme presión física sobre los raíles de acero y la estructura de soporte. Esta sección explica la razón científica por la que la revisión de las vías es absolutamente necesaria en ingeniería ferroviaria. Buscamos los signos de estos problemas físicos antes de que se conviertan en averías graves.

Estrés, tensión y cansancio por metales

Un raíl es una viga metálica compleja que se enfrenta a muchas fuerzas diferentes. El paso de una rueda genera varios tipos de tensiones. El peso directo hacia abajo crea una tensión de aplastamiento, mientras que la distribución de este peso a través de la cabeza, el alma y el pie del carril provoca la flexión, que crea tanto tensión de aplastamiento como de tracción. La tensión de corte se produce dentro de la sección transversal del carril cuando las diferentes capas se resisten a deslizarse unas sobre otras.

El acero, como cualquier otro material, tiene una relación tensión-deformación específica. Dentro de su límite de elasticidad, se dobla y vuelve a su forma original. Más allá de este límite, cambia permanentemente. Sin embargo, la amenaza más peligrosa es la fatiga del metal. Incluso con tensiones muy inferiores a la resistencia a la rotura del acero, los ciclos de carga repetidos -millones de ellos a lo largo de la vida de una vía- pueden originar pequeñas grietas. Estas grietas, que suelen empezar en pequeños defectos superficiales o subterráneos, crecen con cada tren hasta alcanzar un tamaño peligroso, que puede provocar una rotura repentina. Las operaciones modernas de transporte de mercancías pesadas, con cargas por rueda que a menudo superan las 30 toneladas, crean tensiones de contacto en el minúsculo punto de encuentro rueda-carril que pueden superar los 700 MPa, lo que acelera este proceso de cansancio.

Efectos del calor y tensiones

Los cambios de temperatura introducen otra importante fuente de tensión, especialmente en los raíles soldados en continuo (CWR). Como el acero se dilata con el calor y se contrae con el frío, una sección larga y retenida de CWR desarrolla poderosas fuerzas internas longitudinales. En un día caluroso, esto se manifiesta como una enorme tensión de aplastamiento, creando un riesgo de pandeo de la vía, donde la vía se desplaza repentina y violentamente fuera de su lugar. Por otro lado, el frío extremo crea tensiones de tracción, que pueden provocar arrancamientos, es decir, la rotura completa del carril. La gestión de este estrés térmico es uno de los principales retos de la ingeniería de vías.

Movimiento de desgaste y flexión

La zona de contacto directo rueda-carril es un lugar de intensa interacción en movimiento. Esto da lugar a varias formas de rotura. El desgaste por raspado es la pérdida gradual de material de la cabeza del carril debido a la fricción. El cansancio por contacto de rodadura (RCF) es una categoría de problemas de rotura superficial, como las comprobaciones de la cabeza y el astillado, causados por las elevadas tensiones de contacto repetidas. El flujo plástico es la flexión permanente del acero de la cabeza del carril bajo cargas pesadas, que puede cambiar la forma del carril y crear concentraciones de tensión que sirven como puntos de partida para otros tipos de problemas.

Normas de END en el sector ferroviario

Los ensayos no destructivos (END) son la base de la inspección moderna de vías. Estas tecnologías nos permiten "ver" dentro del acero y en su superficie para encontrar los problemas causados por las fuerzas físicas descritas anteriormente, todo ello sin dañar el propio carril. Cada método utiliza una regla científica diferente para detectar tipos específicos de defectos. Comprender estas reglas es clave para apreciar sus puntos fuertes y débiles.

Pruebas de ondas sonoras (UT)

La prueba de ondas sonoras es el principal método para detectar problemas internos en la cabeza, el alma y la base del carril.

1. El proceso comienza con un dispositivo que contiene un cristal especial. Cuando se aplica electricidad, el cristal vibra a alta frecuencia (normalmente 2-5 MHz en el caso de los raíles), creando una onda sonora.
2. Esta onda sonora se envía al raíl utilizando un medio, normalmente agua o un gel, ya que el aire es un mal conductor del sonido.
3. La onda atraviesa el acero. La regla clave es la resistencia al sonido, es decir, la resistencia de un material al desplazamiento del sonido. El acero tiene una resistencia específica al sonido.
4. Si la onda encuentra un límite con una resistencia acústica diferente -como el aire del interior de una grieta o una inclusión-, una parte de la energía de la onda rebota hacia el dispositivo.
5. El mismo aparato actúa entonces como receptor. La onda sonora devuelta hace vibrar el cristal, creando electricidad. Esta señal eléctrica se procesa y se visualiza.

Los resultados suelen mostrarse en forma de A-scan (fuerza frente a tiempo), B-scan (vista transversal) o C-scan (vista descendente), cada uno de los cuales proporciona información diferente sobre el tamaño, la profundidad y la dirección del problema.

Pruebas de corriente eléctrica (ECT)

Las pruebas de corriente eléctrica funcionan bien para detectar grietas superficiales y muy cercanas a la superficie, por lo que son perfectas para encontrar problemas de FCR.

1. Una sonda ECT contiene una bobina de alambre por la que pasa una corriente alterna (CA).
2. Según la regla de la inducción electromagnética, esta corriente alterna crea un campo magnético primario cambiante alrededor de la bobina.
3. Cuando la sonda se acerca al raíl (un material conductor), el campo magnético primario crea pequeñas corrientes eléctricas circulares dentro de la superficie del raíl. Son las "corrientes de Foucault".
4. Estas corrientes parásitas crean su propio campo magnético secundario, que se opone al campo primario.
5. Si la superficie del carril está libre de problemas, las corrientes de Foucault fluyen sin interferencias siguiendo un patrón predecible. Sin embargo, una grieta u otra rotura interrumpe este flujo, obligando a las corrientes de Foucault a dar un rodeo.
6. Esta perturbación modifica el campo magnético secundario, que a su vez modifica la resistencia eléctrica de la bobina de la sonda. Este cambio en la resistencia se mide y se marca como un problema potencial.

Comprobación de partículas magnéticas (MPI)

MPI es un método muy fiable, aunque a menudo más lento, para ver grietas superficiales y cercanas a la superficie en materiales magnéticos como los raíles de acero.

1. Se crea un campo magnético intenso en la sección del raíl que se va a comprobar. Para ello se pueden utilizar imanes permanentes, electroimanes o hacer pasar una corriente elevada a través del raíl.
2. En una buena pieza de acero, las líneas de fuerza magnéticas están contenidas casi por completo dentro de la pieza.
3. Si existe una grieta superficial o cercana a la superficie, se crea una rotura. Como el aire no puede soportar tanta fuerza magnética como el acero, el campo magnético se ve obligado a "filtrarse" fuera de la pieza en el lugar de la grieta. Esto se conoce como campo de fuga de flujo magnético.
4. A continuación, se aplican a la superficie finas partículas magnéticas (en polvo seco o suspendidas en un líquido).
5. Estas partículas son atraídas y se acumulan en el campo de fuga de flujo, creando una señal visible directamente sobre la grieta, haciendo que su localización y tamaño queden inmediatamente claros.

Tabla 1: Comparación de métodos END

Cómo medimos la posición de las vías

Mientras que los ensayos no destructivos se centran en la resistencia del material del propio carril, la medición de la geometría de la vía comprueba la posición y dirección generales de la vía en el espacio tridimensional. Los modernos sistemas de medición de la geometría de la vía (TGMS) son sorprendentes combinaciones de sensores, capaces de producir una precisión submilimétrica mientras viajan a gran velocidad. La magia no reside en un único sensor perfecto, sino en la combinación inteligente de múltiples sensores imperfectos.

Definición de parámetros de posición

Un TGMS mide varios parámetros importantes, cada uno de ellos vital para un funcionamiento seguro y fluido del tren:

• Gálibo: La distancia entre las caras interiores de los dos carriles. Un gálibo incorrecto puede provocar una mala estabilidad del vehículo o, en casos extremos, el descarrilamiento.
• Alineación: La rectitud de la vía en el plano horizontal. Se suele medir como la desviación de una línea recta sobre una longitud de cuerda definida.
• Perfil/Superficie: La suavidad de la vía en el plano vertical para cada carril. Es similar a la alineación pero en la dimensión vertical.
• Peralte (peralte): Diferencia de altura entre el carril alto y el carril bajo en una curva, destinada a contrarrestar las fuerzas centrífugas.
• Torsión: índice de variación del peralte a lo largo de una distancia definida. Una torsión excesiva puede provocar la descarga de las ruedas y aumentar el riesgo de descarrilamiento.

El núcleo de la combinación de sensores: IMU

En el corazón de la mayoría de los TGMS modernos de alta velocidad hay una unidad de medición inercial (IMU). Una IMU contiene dos tipos clave de sensores:

• Acelerómetros: Estos sensores miden la aceleración lineal (la tasa de cambio de velocidad) a lo largo de tres ejes perpendiculares (X, Y, Z).
• Giroscopios: Estos sensores miden la velocidad angular (la velocidad de rotación) alrededor de los mismos tres ejes.

En teoría, partiendo de una posición y una dirección conocidas y sumando continuamente las salidas de los acelerómetros y los giroscopios a lo largo del tiempo, podemos calcular la velocidad, la posición y la dirección del vehículo en cualquier momento. Sin embargo, las IMU tienen un problema intrínseco: la deriva de los sensores. Con el tiempo se acumulan pequeños errores inevitables en cada medición, lo que provoca que la posición calculada se "desvíe" de la posición real. Es como intentar caminar en línea recta durante un kilómetro con los ojos cerrados; pequeñas desviaciones al principio provocan un gran error al final.

Obtener precisión mediante la combinación

Una IMU por sí sola no es lo suficientemente precisa para la geometría de la pista. La solución consiste en corregir continuamente sus datos a la deriva utilizando otras entradas de sensores independientes. Para ello se suele utilizar un sofisticado algoritmo estadístico, como el filtro de Kalman, que combina datos de múltiples fuentes para producir una estimación óptima. El proceso de combinación es el siguiente:

1. La IMU proporciona una estimación de alta frecuencia (por ejemplo, 1000 Hz) del movimiento y la dirección del vehículo. Capta los pequeños detalles de los baches y las curvas de la pista, pero va a la deriva.
2. Un receptor del Sistema de Posicionamiento Global (GPS) proporciona una posición global de baja frecuencia (por ejemplo, 1-10 Hz) pero absoluta. No tiene deriva a largo plazo, pero no es lo bastante preciso para medir problemas de seguimiento por sí solo. El filtro Kalman utiliza los datos del GPS para "tirar" de la posición de la IMU, que se desplaza, hasta su verdadera posición global, corrigiendo el error a largo plazo.
3. Un cuentakilómetros (o medidor de velocidad) conectado a una rueda proporciona una medición muy precisa de la distancia recorrida a lo largo de la pista. Esto ayuda a corregir los errores de integración en el cálculo de la velocidad a lo largo de la pista de la IMU.
4. Los sistemas láser y de cámara sin contacto proporcionan una medición directa y de alta precisión de los perfiles de los raíles y de su posición con respecto a la carrocería del vehículo de inspección. Estas mediciones sirven como referencia principal para calcular los valores finales de gálibo, alineación y peralte.

Los datos geométricos finales, de gran precisión, no son el resultado de un único sensor. Es el resultado estadísticamente optimizado de combinar la estabilidad a corto plazo de la IMU con la precisión a largo plazo del GPS y las mediciones directas de los odómetros y los sistemas ópticos.

Recogida y tratamiento avanzados de datos

Además de los principales sistemas de END y geometría, un nuevo conjunto de tecnologías ofrece una visión aún más completa del estado de las vías. Estos sistemas van más allá del propio carril y abarcan los componentes circundantes y la subestructura. Paralelamente a esta evolución del hardware, el procesamiento de señales, que a menudo pasa desapercibido, convierte los datos brutos y ruidosos de los sensores en información útil.

Visión, LiDAR y GPR

• Sistemas de visión de alta velocidad: Son mucho más que simples cámaras. Equipados con cámaras de barrido lineal de alta resolución, iluminación potente y sofisticados algoritmos de visión por ordenador, inspeccionan el lecho de la vía en busca de fallos en los componentes. Los modelos basados en inteligencia artificial pueden identificar y localizar automáticamente problemas como clips de fijación rotos o que faltan, traviesas de hormigón o madera agrietadas y componentes de agujas dañados a velocidades superiores a 160 km/h.
• LiDAR (Light Detection and Ranging): Los sistemas LiDAR envían pulsos de luz láser y miden el tiempo que tardan en volver los reflejos, creando una nube de puntos 3D densa y precisa de todo el corredor ferroviario. Estos datos son muy valiosos para comprobar el espacio libre de las estructuras (túneles, puentes, andenes), medir los perfiles del balasto para garantizar el correcto apoyo de las vías e identificar el crecimiento de la vegetación en el derecho de paso.
• Radar de penetración en el suelo (GPR): El GPR proporciona una visión bajo la superficie. Una antena envía ondas de radio de alta frecuencia al suelo. Las reflexiones de estas ondas, que varían en función de las propiedades eléctricas de los materiales subterráneos, se utilizan para evaluar el estado del balasto y el subsuelo. El GPR puede identificar zonas de incrustación del balasto (donde las partículas finas han contaminado el balasto grueso, bloqueando el drenaje), detectar bolsas de agua atrapada (una de las principales causas de inestabilidad del subsuelo) y trazar el grosor de las distintas capas de la subestructura.

De los datos brutos a la firma

Los datos brutos de cualquier sensor son ruidosos por naturaleza. El arte y la ciencia del procesamiento de señales consiste en extraer de este ruido de fondo la tenue firma de un problema, un concepto que se mide por la relación señal/ruido (SNR).

Las técnicas clave incluyen:

• Filtrado: Los filtros digitales son esenciales para limpiar las señales. Por ejemplo, un filtro pasa banda aplicado a una señal de sonido puede eliminar el ruido de baja frecuencia procedente de la vibración del vehículo y el ruido eléctrico de alta frecuencia, aislando la gama de frecuencias en la que se esperan ecos problemáticos.
• Análisis Wavelet: Esta técnica avanzada permite analizar una señal en los dominios del tiempo y la frecuencia al mismo tiempo. En el caso de ecos sonoros complejos, el análisis wavelet puede ayudar a diferenciar entre la firma de una grieta y un reflejo geométrico (como el de la base del carril) examinando su composición de frecuencia única a lo largo del tiempo.

Como ejemplo práctico de nuestra experiencia: al analizar un A-scan para detectar un posible problema transversal, la señal inicial suele estar saturada de ruido procedente de la estructura de la veta del raíl. El primer paso consiste en aplicar un filtro digital para eliminar el ruido de alta frecuencia. A continuación, buscamos un eco que aparezca en un tiempo de vuelo específico correspondiente al centro de la cabeza del raíl, con una intensidad superior a un umbral de decibelios predefinido. Esta combinación de ubicación, intensidad y forma distingue una verdadera firma de problema de un reflejo geométrico inofensivo.

Cuadro 2: Tecnología avanzada de recogida de datos

El cambio hacia la IA predictiva

La última frontera de la inspección de vías es la transición de un modelo de mantenimiento reactivo o preventivo a otro verdaderamente predictivo. La inteligencia artificial y el aprendizaje automático son los motores de este cambio. En lugar de limitarnos a detectar problemas que ya existen, ahora estamos desarrollando la capacidad de predecir dónde y cuándo es probable que se formen, lo que permite una intervención proactiva.

Aprendizaje automático para la detección

Los modelos de aprendizaje automático se están entrenando para realizar y mejorar la detección de problemas con una rapidez y coherencia que superan las capacidades humanas.

• Redes neuronales convolucionales (CNN): Son una clase de modelos de aprendizaje profundo perfectamente adecuados para el análisis de imágenes. Al entrenar una CNN en una amplia biblioteca que contiene millones de imágenes etiquetadas de componentes de la vía, podemos crear un sistema que identifica y clasifica automáticamente los problemas a partir de datos de visión de alta velocidad. El modelo aprende las características visuales de una corbata agrietada, un clip que falta o un chip en la cabeza del carril, de forma muy parecida a un inspector humano, pero puede hacerlo incansablemente a lo largo de miles de kilómetros de vía.
• Análisis de datos de series temporales de sensores: Los datos de los sensores de ondas sonoras, corriente eléctrica y geometría son esencialmente series temporales o series de distancias. Las redes neuronales recurrentes, como las LSTM (redes de memoria a largo plazo), están diseñadas para analizar secuencias de datos. Pueden identificar patrones sutiles y evolutivos en los datos de los sensores a lo largo de múltiples inspecciones que pueden indicar la formación en fase temprana de un problema, mucho antes de que cruce un umbral de detección tradicional.

Análisis predictivo: Previsión

La verdadera revolución es el análisis predictivo. Se trata de ir más allá de la detección y pasar a la previsión. El concepto consiste en construir un modelo que utilice una amplia gama de datos para predecir el estado futuro de la vía. Combinando datos históricos de inspección, datos de tráfico (como millones de toneladas brutas, MGT), espectros de carga por eje, curvatura de la vía e incluso datos ambientales (temperatura, precipitaciones), el modelo aprende las complejas relaciones que rigen las averías de la vía.

En lugar de limitarse a marcar una cabeza de control existente de 4 mm de profundidad, un modelo predictivo puede pronosticar que una sección específica de la vía, dado su estado actual y el tráfico previsto, probablemente verá cómo sus problemas de RCF crecen hasta alcanzar un tamaño peligroso en los próximos seis meses. Esto permite a los planificadores de mantenimiento programar una operación de esmerilado o sustitución de carriles no en un calendario fijo, sino precisamente cuando se necesita, justo antes de una avería prevista. Este enfoque basado en datos optimiza el uso de los recursos, minimiza las interrupciones del servicio y mejora la seguridad. Los análisis del sector sugieren que un programa maduro de análisis predictivo tiene el potencial de reducir el mantenimiento no planificado y los retrasos asociados en 15-30%.

Cuadro 3: Etapas de aplicación de la IA

Conclusiones: La vía integrada e inteligente

El recorrido de la tecnología de inspección de vías es una clara progresión de lo manual a lo inteligente. Hemos pasado de una persona caminando por la vía con un martillo a vehículos de alta velocidad que despliegan un conjunto de sensores de END y geometría, y ahora, al borde de una era predictiva impulsada por la IA. El objetivo último de esta evolución es la creación de un gemelo digital completo del ferrocarril.

Del gemelo manual al digital

Este gemelo digital es un modelo virtual vivo de la red física que se actualiza continuamente con los datos de cada inspección. Combina datos de defectos internos de UT, datos de superficie de ECT y visión, datos geométricos de sistemas inerciales y datos de subestructuras de GPR. Al combinar estos datos con los de tráfico y medio ambiente, el gemelo digital se convierte en algo más que un registro: se convierte en una plataforma de simulación para predecir el futuro.

El objetivo: máxima disponibilidad

La finalidad de toda esta compleja tecnología -desde la piezoelectricidad hasta los filtros de Kalman y las redes neuronales convolucionales- es elegantemente sencilla. Se trata de maximizar la seguridad y la disponibilidad del ferrocarril. Detectando antes los fallos, comprendiendo más a fondo la mecánica de las averías y prediciendo los fallos antes de que se produzcan, nos aseguramos de que la vía física siga siendo una base fiable para las redes de transporte que son vitales para nuestra economía y nuestra sociedad. El futuro es una vía integrada e inteligente.

1. https://arema.org/ Asociación Americana de Ingeniería Ferroviaria y Mantenimiento de Vías
2. https://www.uic.org/ Unión Internacional de Ferrocarriles (UIC)
3. https://railroads.dot.gov/ Administración Federal de Ferrocarriles (FRA)
4. https://www.nde-ed.org/ NDT Resource Center - Técnicas de inspección de raíles
5. https://www.astm.org/ ASTM International - Normas de inspección ferroviaria
6. https://www.iso.org/ ISO - Normas para vías férreas
7. https://www.sciencedirect.com/ ScienceDirect - Documentos de investigación sobre END ferroviarios
8. https://www.researchgate.net/ ResearchGate - Investigación sobre tecnología de inspección de vías
9. https://en.wikipedia.org/wiki/Railway_track Wikipedia - Vía férrea
10. https://www.ndt.net/ NDT.net - Recursos para ensayos ultrasónicos en ferrocarriles