{"id":22288,"date":"2025-08-27T13:04:04","date_gmt":"2025-08-27T12:04:04","guid":{"rendered":"https:\/\/telecomkh.info\/?p=22288"},"modified":"2025-10-27T16:55:05","modified_gmt":"2025-10-27T15:55:05","slug":"innova-tsn-ganadora-del-reto-de-renfe-para-desarrollar-un-sistema-predictivo-de-prevencion-de-grafitis-mediante-ia","status":"publish","type":"post","link":"https:\/\/telecomkh.info\/?p=22288","title":{"rendered":"Innova-tsn, ganadora del reto de Renfe para desarrollar un Sistema Predictivo de Prevenci\u00f3n de Grafitis mediante IA"},"content":{"rendered":"

La soluci\u00f3n, seleccionada en el primer Concurso de Proyectos de Inteligencia Artificial de Renfe, permitir\u00e1 anticipar y disuadir actos vand\u00e1licos sobre trenes e instalaciones, optimizando la vigilancia y reduciendo costes operativos<\/strong><\/p>\n

Renfe ha seleccionado a Innova-tsn, consultora l\u00edder especializada en el ciclo de vida integral del dato e inteligencia artificial, como ganadora del reto \u201cSistema Predictivo de Prevenci\u00f3n de Grafitis mediante IA\u201d dentro de su primer Concurso de Proyectos de Inteligencia Artificial, que busca impulsar el uso de la anal\u00edtica avanzada para resolver desaf\u00edos operativos clave en el entorno ferroviario.
\nLa propuesta de Innova-tsn destaca por su enfoque proactivo y basado en datos para anticipar y reducir actos vand\u00e1licos, especialmente ataques con grafiti sobre material rodante y determinadas instalaciones cr\u00edticas.<\/p>\n

Un desaf\u00edo operativo, econ\u00f3mico y reputacional<\/strong>
\nSeg\u00fan indica Renfe, el vandalismo mediante grafitis no autorizados genera un impacto significativo en la operaci\u00f3n ferroviaria: costes directos de limpieza y reparaci\u00f3n, retirada temporal de trenes del servicio y deterioro de la experiencia del viajero y de la imagen corporativa. De hecho, en 2024, el coste directo asociado a grafitis super\u00f3 los 11 millones de euros para Renfe, poniendo de relieve la urgencia de evolucionar desde modelos reactivos de limpieza posterior al da\u00f1o hacia estrategias predictivas y preventivas.
\nAdem\u00e1s de la afectaci\u00f3n sobre trenes, el fen\u00f3meno se extiende a cocheras, t\u00faneles, estaciones y otros activos, y ha incorporado t\u00e1cticas m\u00e1s organizadas, como el uso del freno de emergencia o \u201cpalancazo\u201d para forzar paradas, que exigen nuevas capacidades de anticipaci\u00f3n y respuesta coordinada entre seguridad, operaciones y mantenimiento.<\/p>\n

El reto planteado por Renfe<\/strong>
\nEl Laboratorio de IA de Renfe lanz\u00f3 el reto con el fin de identificar soluciones capaces de:
\n\u2022 Analizar el hist\u00f3rico de incidentes de grafitis (ubicaci\u00f3n, tipo de ataque, d\u00eda, hora, contexto) para descubrir patrones recurrentes.
\n\u2022 Generar alertas predictivas con al menos dos horas de antelaci\u00f3n que se\u00f1alen zonas y franjas horarias de alto riesgo.
\n\u2022 Optimizar la asignaci\u00f3n de recursos de vigilancia y priorizar rondas en funci\u00f3n del riesgo din\u00e1mico.
\n\u2022 Activar capacidades de visi\u00f3n artificial sobre c\u00e1maras existentes para detectar movimientos sospechosos o actividades an\u00f3malas en cocheras y zonas vulnerables en fases posteriores.
\n\u2022 Asegurar explicabilidad del modelo, escalabilidad modular y alineamiento con los est\u00e1ndares de seguridad y cumplimiento normativo de Renfe.<\/p>\n

La soluci\u00f3n presentada por Innova-tsn<\/strong>
\nInnova-tsn propuso un sistema predictivo de prevenci\u00f3n de grafitis sustentado en inteligencia artificial explicable y anal\u00edtica avanzada, dise\u00f1ado para desplegarse progresivamente y generar valor desde las primeras semanas, con foco en tres pilares:
\n1. Anal\u00edtica hist\u00f3rica y enriquecimiento contextual:<\/strong> integraci\u00f3n de bases de datos de incidentes de grafitis con variables externas como meteorolog\u00eda, eventos p\u00fablicos, calendario laboral y otros factores ambientales que influyen en la probabilidad de ataque.
\n2. Modelado horario-espacial del riesgo:<\/strong> modelos supervisados que generan mapas de calor de riesgo por ubicaci\u00f3n y franja horaria para las siguientes 24 horas, actualiz\u00e1ndose de forma peri\u00f3dica con nueva informaci\u00f3n operativa.
\n3. Alertas tempranas y replanificaci\u00f3n de vigilancia:<\/strong> emisi\u00f3n autom\u00e1tica de alertas priorizadas (alto\/medio\/bajo) con \u22652h de antelaci\u00f3n cuando se superan umbrales de riesgo, acompa\u00f1adas de sugerencias de ajuste din\u00e1mico de rondas de patrullaje.<\/p>\n

Durante las pr\u00f3ximas semanas se llevar\u00e1 a cabo la construcci\u00f3n de una infraestructura cloud segura, la integraci\u00f3n de datos hist\u00f3ricos y de contexto, el entrenamiento inicial de modelos y el despliegue de un dashboard operativo para un conjunto de cocheras piloto de alta incidencia.
\nEl piloto establecer\u00e1 un marco de medici\u00f3n apoyado en KPIs operativos y econ\u00f3micos que aspiran, entre otras variables, a reducir en un 20% los actos vand\u00e1licos, emitir el 50% de las alertas con al menos 2 horas de antelaci\u00f3n para posibilitar acciones preventivas, lograr un ahorro anualizado estimado en 150.000 \u20ac en limpieza, log\u00edstica y disponibilidad operativa y obtener un nivel de satisfacci\u00f3n en torno al 80% entre el personal de seguridad usuario del sistema.
\nTras la primera fase, se evaluar\u00e1 la extensi\u00f3n a nuevas zonas geogr\u00e1ficas y la incorporaci\u00f3n progresiva de capacidades de visi\u00f3n artificial sobre c\u00e1maras existentes.<\/p>\n

Por qu\u00e9 Innova-tsn es el partner adecuado para Renfe<\/strong>
\nLa propuesta se apoya en la experiencia de Innova-tsn como consultora l\u00edder en el ciclo de vida integral del dato, con contrastada trayectoria en anal\u00edtica avanzada, inteligencia artificial aplicada y despliegue de soluciones end-to-end en entornos cr\u00edticos de operaci\u00f3n. La compa\u00f1\u00eda ha demostrado su capacidad tecnol\u00f3gica y de colaboraci\u00f3n en ecosistemas de innovaci\u00f3n de referencia donde aporta liderazgo en data, IA y experiencia sectorial para abordar retos complejos de digitalizaci\u00f3n, detecci\u00f3n avanzada (fraude, anomal\u00edas) y gesti\u00f3n de infraestructuras distribuidas.
\nEn palabras de Bego\u00f1a Vega, Head of AI Models & Applications en Innova-tsn, \u201cestamos muy agradecidos a Renfe por confiar en nosotros para abordar un desaf\u00edo tan relevante. En Innova-tsn creemos en aplicar la IA donde realmente marca la diferencia: reducir el impacto del vandalismo, optimizar recursos y mejorar servicios p\u00fablicos. Pondremos toda nuestra experiencia en anal\u00edtica avanzada para que el piloto genere resultados tangibles desde el inicio\u201d.<\/p>\n

Arriba, imagen cortes\u00eda de Innova-tsn<\/em><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

La soluci\u00f3n, seleccionada en el primer Concurso de Proyectos de Inteligencia Artificial de Renfe, permitir\u00e1 anticipar y disuadir actos vand\u00e1licos sobre trenes e instalaciones, optimizando la vigilancia y reduciendo costes operativos Renfe ha seleccionado a Innova-tsn, consultora l\u00edder especializada en el ciclo de vida integral del dato e inteligencia artificial, como ganadora del reto \u201cSistema … <\/p>\n

Continue reading \u00abInnova-tsn, ganadora del reto de Renfe para desarrollar un Sistema Predictivo de Prevenci\u00f3n de Grafitis mediante IA\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":22289,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[9],"tags":[],"_links":{"self":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/22288"}],"collection":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=22288"}],"version-history":[{"count":1,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/22288\/revisions"}],"predecessor-version":[{"id":22290,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/posts\/22288\/revisions\/22290"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=\/wp\/v2\/media\/22289"}],"wp:attachment":[{"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=22288"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=22288"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/telecomkh.info\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=22288"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}