Manutenção Preditiva e Inspeção de Infraestruturas de Transporte através de IA multi-modal

A componente nacional do projeto STRUCTURE tem como objetivo desenvolver, validar e demonstrar uma solução integrada de manutenção preditiva para o setor ferroviário, baseada em Inteligência Artificial (IA), modelos híbridos físico-dados e sensores de vibração estrategicamente instalados em carruagens ferroviárias. O caso de uso português (UC3 – Predictive Maintenance for Railway Systems) pretende demonstrar a aplicação destas tecnologias em ambiente real, contribuindo para aumentar a segurança, fiabilidade e eficiência operacional dos sistemas ferroviários, bem como reduzir custos de manutenção e prolongar a vida útil dos ativos. O projeto nacional responde a desafios concretos do setor ferroviário português, marcado por práticas de manutenção predominantemente reativas, pela escassez de sistemas de monitorização contínua e pela necessidade de integração de soluções de diagnóstico inteligente alinhadas com as normas europeias de segurança e interoperabilidade. Através da combinação de IA avançada, sensorização inteligente e análise preditiva, o consórcio nacional visa criar uma infraestrutura tecnológica que permita a deteção precoce de anomalias estruturais e a transição para estratégias de manutenção baseadas em condição real. Os objetivos específicos da componente nacional são: • Desenvolver algoritmos de IA para deteção e classificação de danos em tempo real, aplicados a dados de vibração recolhidos por acelerómetros instalados em carruagens, capazes de identificar padrões anómalos em componentes críticos do veículo e da infraestrutura (bogies, eixos, carris, travessas e camadas de balastro). • Implementar modelos híbridos físico-dados, combinando simulações numéricas de comportamento dinâmico com modelos de machine learning, de modo a aumentar a precisão dos diagnósticos e a generalização dos algoritmos a diferentes tipos de comboios e condições operacionais. • Conceber e instrumentar um demonstrador ferroviário nacional, composto por três carruagens protótipo equipadas com sensores, unidades de aquisição, cablagem e módulos de comunicação, para recolha de dados em condições reais e validação dos modelos desenvolvidos. • Integrar os resultados num sistema de apoio à decisão para manutenção preditiva, com dashboards visuais, alertas automáticos e relatórios técnicos orientados para gestores de manutenção e operadores ferroviários. • Demonstrar a aplicabilidade e robustez da solução em ambiente operacional, em colaboração com operadores nacionais (como a CP – Comboios de Portugal), avaliando o impacto em termos de fiabilidade, disponibilidade e custos de manutenção. A componente nacional contribui diretamente para os objetivos do projeto internacional, reforçando o pilar de AI-based Defect Detection and Predictive Maintenance através da concretização do Caso de Uso 3 (UC3). Este caso de uso ilustra a aplicação prática da IA e de sensores inteligentes no contexto ferroviário português, validando os modelos e metodologias do projeto em ambiente real. O Instituto Superior de Engenharia do Porto (ISEP), através do grupo de investigação GECAD, lidera o desenvolvimento dos algoritmos de IA, das técnicas de fusão multimodal de dados e dos modelos preditivos, assegurando a integração científica e tecnológica da solução. A SERMEC II – Indústria, Comércio e Serviços, S.A., empresa com larga experiência em manutenção industrial e ferroviária, é responsável pela integração física da solução, pela instrumentação das carruagens, pela aquisição de dados e pela validação prática em ambiente operacional. A Associação Centro de Competências Ferroviário (CCF) garante o enquadramento técnico e regulatório, avaliando a conformidade com as normas nacionais e europeias, e coordena as atividades de demonstração, disseminação e ligação ao ecossistema ferroviário português. Em termos de impacto económico e tecnológico, a execução da componente nacional permitirá: • Reduzir os custos de manutenção, através da transição de abordagens reativas para estratégias preditivas; • Aumentar a disponibilidade operacional dos veículos ferroviários; • Melhorar a segurança e a fiabilidade das operações através da deteção precoce de anomalias; • Criar novas oportunidades de negócio em serviços e produtos de monitorização inteligente; • Posicionar Portugal como referência europeia na aplicação de IA à manutenção ferroviária. A médio e longo prazo, os resultados do projeto contribuirão para o desenvolvimento de soluções comercialmente orientadas, como plataformas de monitorização inteligente, módulos de diagnóstico embebido e algoritmos proprietários de previsão de falhas, potenciando a internacionalização das empresas nacionais e consolidando o papel de Portugal na inovação ferroviária baseada em inteligência artificial.