Los sistemas automatizados de detección de FOD utilizan radares fijos, cámaras electro-ópticas o conjuntos híbridos de sensores para monitorear continuamente pistas y calles de rodaje en busca de objetos extraños, alertando a las operaciones en tiempo real. Los sistemas incluyen Tarsier (QinetiQ), FODetect (Xsight), iFerret (Stratech) y RunWize. Abarca tipos de sistemas, rendimiento de detección, integración con operaciones aeroportuarias y complementariedad con la inspección del estado del pavimento.
Un sistema automatizado de detección de objetos extraños (FOD) es una instalación de sensores fijos o móviles que monitorea continuamente las áreas de movimiento del aeropuerto — pistas, calles de rodaje y plataformas — en busca de residuos capaces de dañar aeronaves, lesionar al personal o afectar el funcionamiento de los sistemas de la aeronave. Estos sistemas reemplazan o complementan las inspecciones manuales de FOD realizadas por personal que recorre la pista, reduciendo el tiempo de detección de 30–60 minutos a menos de 90 segundos por escaneo completo de pista, al tiempo que proporcionan cobertura de monitoreo 24/7/365.
Han surgido cuatro categorías tecnológicas principales: radar estacionario de ondas milimétricas, sistemas electro-ópticos estacionarios (basados en cámaras), fusión híbrida radar más electro-óptica y sistemas de radar móvil. El mercado mundial de equipos de detección de FOD estaba valorado en $153,8 millones en 2024 y se proyecta que alcance $317,1 millones para 2034, creciendo a una tasa de crecimiento anual compuesta (CAGR) del 7,5% según Global Insight Services. Los sistemas basados en radar tienen la mayor participación de mercado con un 45%, seguidos por los electro-ópticos con un 30% y los sistemas híbridos con un 25%.
La FAA AC 150/5220-24 proporciona especificaciones mínimas de rendimiento para cuatro tipos de sistemas: el radar estacionario debe detectar un cilindro de referencia estándar (cilindro metálico de 38 mm de diámetro × 31 mm de altura) a 1.000 m de alcance con precisión de ubicación dentro de 5 m; el sistema electro-óptico estacionario debe detectar un objeto de 20 mm a 300 m; el sistema híbrido estacionario debe detectar objetos de 20 mm en todo el ancho de la pista; y el radar móvil debe detectar el cilindro de referencia en un área de escaneo de 183 m × 183 m mientras opera a velocidades de hasta 48 km/h.
El FOD en las pistas de aeropuertos constituye la segunda amenaza de seguridad más significativa en la aviación después de los impactos con aves. Los objetos extraños (FOD) son definidos por la FAA como “cualquier objeto, vivo o no, ubicado en un lugar inapropiado en el entorno aeroportuario que tenga la capacidad de lesionar al personal del aeropuerto o de la aerolínea y dañar aeronaves.” El Anexo 14 de la OACI, Volumen I, Sección 10.2.1 prescribe que “la superficie de los pavimentos (pistas, calles de rodaje, plataformas y áreas adyacentes) se mantendrá libre de piedras sueltas u otros objetos que puedan causar daños a las estructuras o motores de las aeronaves, o afectar el funcionamiento de los sistemas de la aeronave.”
El impacto financiero del FOD es grave y está ampliamente documentado. Los costos anuales globales por daños de FOD se estiman entre $4 mil millones (Flight Safety Foundation, 2011) y $22,7 mil millones (análisis integral de costo-beneficio de la FAA en USD de 2023). The Boeing Company y la National Aerospace FOD Prevention Inc. (NAFPI) estiman aproximadamente $4 mil millones en daños directos a aeronaves anualmente. La estimación de QinetiQ alcanza los $12 mil millones cuando se incluyen costos indirectos como retrasos de vuelos, cancelaciones y tiempo de inactividad de aeronaves. Según la FAA AC 150/5220-24, más del 60% de los elementos de FOD son de metal, el 18% son de caucho, y casi el 50% de los elementos de FOD recogidos son de color oscuro, lo que dificulta su detección durante las inspecciones visuales. Las dimensiones comunes del FOD son de 3 cm × 3 cm o menores — comparable a un sujetador o tuerca estándar de aeronave.
El evento más transformador en la historia de la detección de FOD fue el accidente de 2000 del Vuelo 4590 de Air France (Concorde) en el Aeropuerto París Charles de Gaulle. Una tira de desgaste de aleación de titanio que se había desprendido de un McDonnell Douglas DC-10 que despegó cuatro minutos antes golpeó el neumático del Concorde durante el despegue a 190 nudos. El neumático explotó, y un fragmento de caucho de 4,5 kg perforó el tanque de combustible n.º 5, causando un incendio masivo que provocó la falla del motor. La aeronave se estrelló contra un hotel en Gonesse, matando a las 109 personas a bordo y a 4 personas en tierra. Este desastre catalizó directamente la inversión global en tecnología automatizada de detección de FOD y llevó a que los primeros sistemas operativos se desplegaran en el Aeropuerto Internacional de Vancouver en 2006.
La OACI requiere que todos los aeropuertos realicen inspecciones rutinarias de FOD al menos cuatro veces al día para aeropuertos de alto tráfico, después de cada incidente conocido de FOD, después de trabajos de construcción o mantenimiento, y después de eventos climáticos severos. El Doc 9137 de la OACI (Manual de Servicios Aeroportuarios), Partes 2, 8 y 9, proporciona orientación detallada sobre las condiciones de la superficie del pavimento, las frecuencias de inspección de FOD y las prácticas de mantenimiento de pistas. PANS-Aeródromos (Doc 9981) requiere inspección regular de las áreas de movimiento por condiciones de la superficie, mientras que la Resolución A37 de la Asamblea reconoce explícitamente el FOD como un problema de seguridad significativo.
Los sistemas de radar fijo de detección de FOD utilizan radar de ondas milimétricas (MMW) que opera en el rango de frecuencia de banda E (71–86 GHz) o banda W (92–100 GHz). La longitud de onda corta de 3,0–3,9 mm proporciona la alta resolución espacial necesaria para detectar pequeños residuos en la superficie de la pista. La arquitectura predominante es el radar de onda continua modulada en frecuencia (FMCW), que transmite una señal continua cuya frecuencia se modula linealmente (chirrido) en el tiempo. La señal reflejada desde un objetivo se mezcla con una copia de la señal transmitida, y la diferencia de frecuencia (frecuencia de batido) entre las señales transmitida y recibida es proporcional a la distancia del objetivo: R = (c × Δf) / (2 × S) donde S es la tasa de chirrido.
| Parámetro | Valor Típico | Notas |
|---|---|---|
| Frecuencia de operación | 76–77 GHz, 92–100 GHz | 76 GHz es banda sin licencia de la FCC (Parte 15) |
| Longitud de onda | 3,0–3,9 mm | Permite detección de objetivos pequeños |
| Resolución de alcance | 5–30 cm | Proporcional al ancho de banda disponible |
| Alcance de detección | 1.000 m+ | Para objetivo del cilindro de referencia de la FAA |
| Ángulo de exploración en azimut | 180–200° | Conjunto de posicionador motorizado |
| Tiempo de barrido por escaneo | 60–90 segundos | Ciclo de cobertura total de pista |
| Ángulo de incidencia rasante | ~2° óptimo | Minimiza el ruido de fondo del suelo |
El radar FMCW ofrece varias ventajas críticas para la detección de FOD. Opera con potencia de transmisión muy baja en el rango de milivatios, sin causar daños al personal del aeropuerto, pasajeros o sistemas de aeronaves. Proporciona operación en todo clima, penetrando niebla, lluvia y nieve significativamente mejor que los sistemas ópticos — un requisito crítico ya que los peligros de FOD existen independientemente de las condiciones de visibilidad. Permite la operación diurna y nocturna ya que el radar no se ve afectado en absoluto por la iluminación ambiental. Ofrece medición simultánea de distancia y velocidad, permitiendo al sistema distinguir objetos en movimiento (vehículos, fauna silvestre) de residuos estacionarios.
El principal desafío técnico para el radar de FOD es distinguir objetivos pequeños del ruido de fondo del suelo — reflexiones del radar de la propia superficie de la pista, incluyendo textura del pavimento, marcas, sellos de juntas y luces de borde. El enfoque de detección estándar utiliza el procesamiento Mapa de Ruido de Fondo con Tasa de Falsa Alarma Constante (CM-CFAR). El radar construye un modelo estadístico del ruido de fondo para cada celda de resolución promediando las lecturas de muchos escaneos. Un umbral de detección se establece dinámicamente como Umbral = μ_ruido × factor_CFAR, donde μ_ruido es la potencia media del ruido y el factor CFAR se ajusta para mantener una tasa de falsa alarma constante, típicamente 10⁻⁶ por celda de resolución. Cualquier lectura que exceda el umbral por un margen estadísticamente significativo se marca como posible FOD.
Las técnicas avanzadas de rechazo de ruido incluyen el Enfoque Adaptativo Iterativo (IAA) para la supresión de interferencias y la reducción de falsas alarmas (PMC7916495), el procesamiento de relación de falsa alarma constante en el dominio del tiempo combinado con detección de bordes de pista para extracción de regiones de interés (PMC8199731, Academia China de Ciencias), y redes de clasificación de aprendizaje profundo que aumentan el CFAR clasificando las anomalías detectadas como FOD versus falsa alarma basándose en las características de la firma del radar. Los métodos polarimétricos que utilizan mediciones de dispersión de polarización completa ayudan a distinguir el FOD de la textura del pavimento, mientras que el modelado de ángulo de incidencia rasante óptimo de aproximadamente 2 grados minimiza el ruido de fondo mientras maximiza la cobertura de la pista.
La FAA define un objetivo de referencia estándar para pruebas de rendimiento: un cilindro metálico de 38 mm (1,5 pulgadas) de diámetro y 31 mm (1,2 pulgadas) de alto, sin pintar, con una sección transversal de radar (RCS) de aproximadamente −20 dBsm. Un sistema de radar estacionario conforme debe detectar este objetivo a distancias de hasta 1.000 m (0,62 mi) desde el sensor con precisión de ubicación dentro de 5 m (16 pies).
La configuración de implementación según FAA AC 150/5220-24 requiere sensores ubicados a 50 m (165 pies) o más del centro de la pista, con instalación recomendada a aproximadamente 125 m del borde lateral de la pista a 8 m de altura. Una instalación típica utiliza 2–3 sensores por pista dependiendo de la longitud: 1 radar para pistas de hasta 1.829 m (adecuado para aeropuertos regionales que atienden aeronaves A319/B737), 2 radares para pistas de hasta 4.000 m (aeropuertos internacionales con operaciones B747/A380) y 3 radares para pistas de hasta 5.500 m (pistas de gran altitud o ultra largas).
Los sistemas electro-ópticos (EO) de detección de FOD utilizan cámaras de espectro visible, cámaras infrarrojas (IR) o conjuntos de sensores combinados para monitorear visualmente las superficies de las pistas. Estos sistemas se basan en sofisticados algoritmos de visión por computadora y aprendizaje automático para identificar residuos en imágenes de pistas.
Las cámaras de luz visible utilizan sensores de alta resolución de varios megapíxeles con lentes teleobjetivo, típicamente de resolución 1920×1080 o superior a 30+ fotogramas por segundo. Operan con iluminación natural durante el día. Las cámaras infrarrojas y térmicas operan en la banda infrarroja de onda larga (LWIR) (8–14 μm), detectando el contraste térmico entre los objetos de residuos y la superficie de la pista. Son efectivas durante la noche sin iluminación visible y se ven menos afectadas por sombras y cambios de iluminación que las cámaras de espectro visible. Los sistemas de infrarrojo cercano (NIR) utilizan iluminación NIR activa para mejorar la capacidad nocturna sin contaminación lumínica visible.
Según la FAA AC 150/5220-24, los sistemas electro-ópticos estacionarios deben detectar un objeto de 2,0 cm (0,8 pulgadas) a distancias de hasta 300 m (985 pies) utilizando solo iluminación ambiental. Los sensores deben ubicarse a 150 m o más del centro de la pista, y típicamente se requieren de 5 a 8 sensores por pista dependiendo de los requisitos del aeropuerto. El sistema debe soportar vigilancia continua.
El procesamiento de imágenes para la detección EO de FOD emplea múltiples capas computacionales. La sustracción de fondo y detección de cambios compara los fotogramas de imagen actuales con una línea base de referencia de pista limpia, marcando los píxeles que se desvían significativamente como posible FOD. Los métodos incluyen diferenciación de fotogramas, modelos de mezcla gaussiana (GMM) para modelado de fondo y algoritmos mejorados de crecimiento de región. La detección basada en características extrae características diseñadas manualmente de regiones de imagen, incluyendo Histograma de Gradientes Orientados (HOG), Transformada de Características Visuales Invariantes a Escala (SIFT), histogramas de color, características de textura y características de wavelet Gabor combinadas con clasificación de Máquina de Vectores de Soporte (SVM) (Niu et al., Universidad Beihang).
Los sistemas EO modernos de FOD utilizan cada vez más redes neuronales convolucionales (CNN) para detección de objetos (Faster R-CNN, YOLO, SSD adaptados para detección de objetos pequeños), segmentación semántica (U-Net, DeepLabv3+) para segmentación de FOD a nivel de píxel, y aprendizaje débilmente supervisado entrenado en conjuntos de datos aeroportuarios con etiquetas a nivel de imagen. Los enfoques de Bosque Aleatorio que utilizan Características Visuales de Píxeles (PVF) con pesos aprendidos y campos receptivos (PMC9002671) superan tanto a los bosques aleatorios tradicionales como a DeepLabv3+ en precisión y exhaustividad para la detección de FOD en imágenes ópticas de pistas.
Los desafíos clave para los sistemas exclusivamente EO incluyen falsas alarmas por sombras, marcas de neumáticos, marcas de pista, grietas en el pavimento, uniones de juntas y agujeros. El rendimiento se degrada significativamente con lluvia, niebla, nieve y condiciones de poca luz. Los datos de evaluación del iFerret en el Aeropuerto de Changi proporcionan evidencia cuantitativa: el alcance diurno para objetos de 4 cm disminuye de 1.100 m (despejado) a 890 m con lluvia de 16 mm/h — una reducción del 19%. El alcance nocturno disminuye de 600 m a 520 m con lluvia de 22 mm/h (reducción del 13%). Para objetos de 1 cm, el alcance nocturno se reduce a 310 m y se degrada aún más con lluvia. La detección de objetos de menos de 5 cm × 5 cm sigue siendo difícil para sistemas puramente ópticos a largas distancias.
Los sistemas híbridos de detección de FOD combinan radar de ondas milimétricas y cámaras electro-ópticas para superar las limitaciones individuales de cada tecnología. Los sensores de radar y EO son fundamentalmente complementarios: el radar proporciona detección en todo clima, día/noche y largo alcance, pero carece de la resolución para identificar objetos visualmente; las cámaras EO proporcionan identificación visual de alta resolución, pero se degradan significativamente en condiciones climáticas adversas y oscuridad.
| Aspecto | Radar de Ondas Milimétricas | Cámara Electro-Óptica |
|---|---|---|
| Operación diurna | Excelente | Excelente |
| Operación nocturna | Excelente | Requiere IR o iluminación activa |
| Niebla, lluvia, nieve | Buena a excelente | Pobre a aceptable |
| Detección de objetos pequeños | Buena (hasta ~1 cm RCS) | Excelente a corta distancia |
| Clasificación de objetos | Limitada (solo retorno de radar) | Excelente (identificación visual) |
| Alcance máximo | 1.000 m+ (objetivo de referencia FAA) | 300–1.100 m (depende del tamaño/condición) |
| Fuentes de falsas alarmas | Ruido de fondo, bordes de pista, luces | Sombras, marcas, características del pavimento |
| Densidad de instalación | 2–3 por pista | 5–8 (solo EO) o por luz de borde (híbrido) |
El flujo operativo típico en un sistema híbrido comienza con el radar detectando una anomalía mediante procesamiento CFAR. El sistema calcula las coordenadas GPS de la anomalía y dirige la cámara EO mediante paneo-inclinación-zoom a la ubicación del objetivo. Un algoritmo de visión por IA/ML analiza la imagen de la cámara para confirmar o rechazar la detección. El FOD confirmado genera una alerta; las falsas alarmas se suprimen sin interrumpir las operaciones.
Son posibles tres niveles de fusión de sensores. La fusión a nivel de sensor combina datos de radar y cámara a nivel de datos brutos antes de que se ejecuten los algoritmos de detección. La fusión a nivel de características combina características extraídas de cada modalidad (firmas de radar, características visuales) en un vector de características conjunto para clasificación. La fusión a nivel de decisión permite que cada modalidad detecte FOD de forma independiente, combinando decisiones mediante votación o ponderación basada en confianza.
Los beneficios prácticos de la fusión incluyen tasas de falsas alarmas drásticamente reducidas — los sistemas híbridos logran típicamente menos de 1 falsa alarma por día con confirmación visual, en comparación con hasta 3 por día para sistemas solo de radar según las especificaciones de la FAA. La validación visual antes del cierre de pista evita interrupciones operativas innecesarias. Los operadores pueden ver el objeto FOD antes de enviar al personal, permitiendo la evaluación del nivel de amenaza y la priorización adecuada de la respuesta.
La plataforma Xsight RunWize, implementada en los Aeropuertos Internacionales de Boston Logan, Seattle-Tacoma, Bangkok Suvarnabhumi y Pekín Capital, representa la implementación híbrida comercial líder. Los sensores están colocados conjuntamente con las luces de borde de pista, aprovechando la infraestructura eléctrica y de datos existente para minimizar los costos de instalación. Cada unidad de sensor contiene tanto radar de ondas milimétricas como una cámara EO de alta definición. Un motor de fusión impulsado por IA combina los retornos del radar y los datos visuales para un rendimiento de detección superior en todas las condiciones climáticas, proporcionando monitoreo continuo completo 24/7/365.
Tarsier fue el primer sistema de detección automática de FOD del mundo, desarrollado por QinetiQ (una empresa británica de tecnología de defensa) con Moog como licenciatario exclusivo desde aproximadamente 2019. Opera a 94,5 GHz en la banda W utilizando tecnología de radar FMCW. El sistema logra una detección del 100% del cilindro de referencia de la FAA hasta 3.168 pies (965 m) y fue seleccionado por la FAA como referencia para sistemas de detección de FOD basados en radar.
El sistema cuenta con una cámara día/noche de especificaciones MIL-SPEC para confirmación visual con óptica de alta resolución e iluminación de infrarrojo cercano. El ángulo de incidencia rasante óptimo recomendado es de aproximadamente 2 grados, minimizando el ruido de fondo del suelo mientras maximiza la cobertura de la pista. La implementación utiliza torres de acero hexagonales de 3 a 24 m de altura dependiendo de los requisitos de línea de visión. El radar está protegido por un radomo resistente a la intemperie.
La primera instalación fue en el Aeropuerto Internacional de Vancouver (YVR) en 2006. La instalación en Londres Heathrow en 2007 ha resultado en cero emergencias significativas relacionadas con FOD desde su implementación. El sistema realiza aproximadamente 1.000 inspecciones por día en comparación con las 4 inspecciones humanas diarias que se realizaban anteriormente. Otras implementaciones incluyen Dubái Internacional, Doha Hamad Internacional y el Aeropuerto Providence T.F. Green.
Más allá de la detección de residuos, Tarsier puede detectar grietas en el pavimento, cambios en la altura de la superficie y movimiento de luminarias empotradas en el pavimento. Opera en condiciones de visibilidad cero, incluyendo niebla, lluvia y tormentas de arena. QinetiQ afirma que es el único sistema de detección de FOD que cumple con todas las principales especificaciones globales de seguridad.
FODetect, fabricado por Xsight Systems (Israel), es un sistema híbrido que combina radar de ondas milimétricas con imágenes HD electro-ópticas. Puede detectar objetos tan pequeños como 0,8 pulgadas (2 cm) y escanea toda la pista en menos de 60 segundos. El sistema utiliza Unidades de Detección de Superficie (SDU) integradas en las luces de borde de pista o montadas en estructuras separadas, típicamente desplegadas en cada luz de borde o luces alternas.
El sistema incluye un haz láser guía único que puede activarse para dirigir al personal de tierra a la ubicación exacta del FOD. Las coordenadas GPS se calculan y transmiten para una recuperación precisa. Las capacidades de atribución respaldan la investigación posterior a incidentes y el metaanálisis de patrones de FOD para identificación de tendencias y mapeo de puntos críticos.
RunWize es la plataforma integral de detección de amenazas en pistas de Xsight que se extiende más allá de la detección de FOD. Los módulos componentes incluyen FODetect (detección central de FOD), BirdWize (detección de aves y fauna silvestre en pistas), SnowWize (monitoreo de contaminación de pistas por nieve y hielo) y ViewWize (cobertura completa de video y conciencia situacional). La plataforma integra sensores en las luces de borde de pista y utiliza detección impulsada por IA en múltiples tipos de amenazas.
Las implementaciones incluyen Seattle-Tacoma Internacional, Boston Logan Internacional (instalación de $1,7 millones, aproximadamente 50% financiada por la FAA), Tel-Aviv Ben Gurion Internacional, Bangkok Suvarnabhumi Internacional, Pekín Capital Internacional y Pekín Daxing Internacional. De todos los sistemas evaluados por la FAA en un estudio, solo FODetect cumplió o superó todos los requisitos según el informe Thales/ITAFSC.
iFerret, fabricado por Stratech Systems (Singapur), es el primer sistema inteligente de detección de FOD basado en visión del mundo. Utiliza tecnología puramente electro-óptica sin componente de radar — un sistema pasivo sin radiación transmitida, eliminando preocupaciones de interferencia electromagnética (EMI/EMC) y riesgos para la salud.
El sistema utiliza cámaras autocalibrables con software de visión inteligente que proporciona alcances de detección de hasta 1.100 m para objetos de 4 cm en condiciones diurnas despejadas, 890 m con lluvia de 16 mm/h, 780 m para objetos de 2 cm durante el día y 310 m para objetos de 1 cm durante la noche. La precisión de ubicación es dentro de 1 metro. El tiempo promedio de detección es de 2 minutos durante el día y 4 minutos durante la noche.
iFerret fue desarrollado en colaboración con la Autoridad de Aviación Civil de Singapur (CAAS) y se sometió a una extensa evaluación de la FAA en el Aeropuerto de Singapur Changi. El piloto de 15 meses se completó en julio de 2007, seguido de una implementación a gran escala en febrero de 2008. Fue el primer sistema de detección de FOD implementado en calles de rodaje (evaluación piloto en Chicago O’Hare) y el primero en plataformas (Aeropuerto Internacional de Düsseldorf). La arquitectura basada en nodos es escalable y modular, permitiendo la implementación en pistas, calles de rodaje, plataformas e incluso portaaviones. Si un nodo falla, los nodos adyacentes cubren el espacio mediante cobertura superpuesta.
FOD Finder de Trex Aviation Systems (EE. UU.) es único como el único sistema de detección de FOD móvil certificado por la FAA. Opera a 78–81 GHz en la banda sin licencia de la FCC, evitando requisitos de licencias de espectro e interferencias con los sistemas de comunicaciones y navegación del aeropuerto. El modelo XM (móvil) detecta objetos tan pequeños como 25 mm × 25 mm en un área de escaneo de 183 m × 183 m mientras opera a velocidades de hasta 30 mph (48 km/h). El modelo XF (fijo) proporciona instalación estacionaria.
El sistema cuenta con tecnología de doble sensor que combina radar de ondas milimétricas con documentación fotográfica. La carga automatizada a un sistema de gestión de datos basado en internet permite monitoreo y análisis remotos. El FOD Finder XM-M es el único equipo móvil de detección y limpieza de residuos del mundo. Ambos modelos V2 (Fijo y Móvil) están disponibles y disponibles en GSA para ventas nacionales en EE. UU.
ELVA-1 proporciona sensores de radar FMCW OEM de ondas milimétricas a 76–77 GHz (banda E) con detección del cilindro de referencia de la FAA de hasta 1.000 m. Estos se entregan como sensores de datos brutos que requieren conexión a un sistema de control o monitoreo del aeropuerto para procesamiento y visualización de datos a través de Ethernet (UDP).
El rendimiento de detección se mide mediante tres métricas críticas: tamaño mínimo de objeto detectable, alcance máximo de detección y tasa de falsas alarmas. La FAA AC 150/5220-24 define las siguientes especificaciones mínimas de rendimiento:
| Parámetro | Especificación |
|---|---|
| Objeto de referencia (cilindro metálico) | 38 mm diámetro × 31 mm altura, sin pintar |
| Objeto de referencia (esfera) | Tamaño de pelota de golf — 4,3 cm de diámetro (blanco, gris o negro) |
| Requisito de detección | Al menos 9 de cada 10 objetos especificados detectados |
| Precisión de ubicación | Dentro de 5 m (16 pies) de la ubicación real del objeto |
| Tasa de falsas alarmas (con visual) | ≤ 1 por día |
| Tasa de falsas alarmas (sin visual) | ≤ 3 por día |
| Operación | Continua; debe operar en pavimento mojado, seco y cubierto de nieve |
La comparación de rendimiento entre sistemas muestra una variación sustancial:
| Sistema | Tecnología | Objeto Mínimo | Alcance Máx. | Tiempo de Escaneo |
|---|---|---|---|---|
| Tarsier | Radar 94,5 GHz + cámara | ~31 mm × 38 mm cilindro | 965 m | 70–90 seg |
| FODetect | Radar + EO híbrido | ~20 mm (0,8 pulgadas) | Longitud de pista (múltiples SDU) | < 60 seg |
| iFerret | Solo EO (visible + mejorado) | 10 mm (1 cm) | 1.100 m (día despejado, 4 cm) | 2–4 min |
| FOD Finder (Móvil) | Radar 78–81 GHz + foto | 25 mm × 25 mm | 183 m barrido | Velocidad del vehículo hasta 48 km/h |
| ELVA-1 | Radar FMCW 76–77 GHz | Cilindro 31 mm × 38 mm | 1.000 m | Escaneo en bucle (180°) |
Las falsas alarmas son la métrica operativa crítica. Demasiadas falsas alarmas erosionan la confianza del operador y causan cierres innecesarios de pistas e interrupciones operativas. Los sistemas de radar utilizan algoritmos CFAR para mantener una probabilidad de falsa alarma fija. El método CM-CFAR mantiene una estimación continua de la potencia de ruido de fondo por celda y establece el umbral de detección como T = α × P_ruido donde α es el factor de escala CFAR. Los sistemas híbridos reducen inherentemente las falsas alarmas al requerir confirmación visual antes de alertar, alcanzando el umbral especificado por la FAA de ≤ 1 falsa alarma por día.
Los sistemas de radar MMW excepcionales detectan FOD con una sección transversal de radar mínima de −20 dBsm. La literatura académica señala el desafío crítico de detectar objetivos de baja RCS más allá de 660 m. La visión operativa clave de fod-detection.com es que “un sistema con un 90% de probabilidad de detección y 1 minuto de tiempo de detección puede ser igualmente efectivo que un sistema con un 95% de probabilidad de detección y 7 minutos de tiempo de detección — ambos reducen el riesgo a aproximadamente el 10–13% del nivel base.”
Cuando se detecta FOD, el sistema ejecuta un flujo de trabajo definido. El sensor detecta una anomalía en la superficie de la pista y la clasifica por tamaño, ubicación y nivel de confianza. Para sistemas híbridos, la cámara se orienta hacia la ubicación para confirmación visual. La alerta se envía al centro de operaciones y a la torre de control mediante alarmas de audio y visuales. La interfaz de usuario muestra las coordenadas GPS, la imagen del objeto y el nivel de riesgo. Se envía personal de tierra a la ubicación precisa del FOD, potencialmente guiado por un puntero láser desde el sensor (FODetect). Después de la recuperación, el sistema vuelve a escanear la pista para confirmar la eliminación del FOD. Todos los datos se registran para análisis posterior al evento, análisis de tendencias y cumplimiento normativo.
Los protocolos de cierre de pista difieren significativamente entre sistemas manuales y automatizados. Sin detección automatizada, se requiere el cierre completo de la pista para inspección manual, con equipos que recorren físicamente toda la superficie de la pista — típicamente 30–60 minutos de cierre por inspección. Con sistemas automatizados, solo el área afectada de la pista puede necesitar cierre. La validación visual permite a los operadores evaluar el nivel de amenaza antes de decidir el cierre. El tiempo de recuperación se reduce significativamente ya que el personal va directamente a la ubicación del FOD. FODetect afirma reemplazar un cierre de más de 30 minutos con una operación de recolección rápida y localizada.
Los sistemas modernos de detección de FOD se integran con Sistemas de Control de Tráfico Aéreo (ATC) mostrando alertas de FOD en pantallas de ATC, Centro de Operaciones Aeroportuarias consolas de alerta primaria, Software de Gestión Aeroportuaria mediante integración API/SDK para intercambio de datos, radar de superficie de movimiento digital para complementar los sistemas de vigilancia existentes, y sistemas de generación de NOTAM para actualizaciones automáticas del estado de la pista. La integración con el Sistema de Gestión de Seguridad (SMS) del aeropuerto permite que los incidentes de FOD alimenten los procesos de identificación de peligros y evaluación de riesgos. La Base de Datos de FOD de la FAA (fod.faa.gov) alienta a los aeropuertos a enviar datos de FOD para el análisis de tendencias a nivel industrial.
El Anexo 14 de la OACI, Volumen I (Diseño y Operaciones de Aeródromos, 7.ª Edición, 2016), Capítulo 10, Sección 10.2.1 requiere que “la superficie de los pavimentos (pistas, calles de rodaje, plataformas y áreas adyacentes) se mantendrá libre de piedras sueltas u otros objetos que puedan causar daños a las estructuras o motores de las aeronaves, o afectar el funcionamiento de los sistemas de la aeronave.” El Doc 9137 de la OACI (Manual de Servicios Aeroportuarios), Parte 2 (Condiciones de la Superficie del Pavimento), Parte 8 (Servicios Operativos Aeroportuarios) y Parte 9 (Prácticas de Mantenimiento Aeroportuario) proporcionan orientación detallada sobre la frecuencia de inspección de FOD, procedimientos de detección y mantenimiento de la superficie de pistas. PANS-Aeródromos (Doc 9981) requiere inspección regular de las áreas de movimiento por condiciones de la superficie. La OACI recomienda la inspección de pistas al menos cuatro veces al día.
El 14 CFR Parte 139 (Certificación de Aeropuertos), §139.305(a)(4) requiere que “el lodo, la suciedad, la arena, el agregado suelto, los residuos, los objetos extraños, los depósitos de caucho y otros contaminantes deben eliminarse rápidamente y de la manera más completa posible.” El §139.327 requiere un programa de autoinspección con inspecciones diarias de las áreas de movimiento. Sin embargo, el Informe al Congreso de septiembre de 2023 de la FAA establece que las tecnologías de detección de FOD actualmente no son un reemplazo viable para las inspecciones manuales según la Parte 139.
La FAA AC 150/5220-24 (30 de septiembre de 2009) proporciona especificaciones mínimas de rendimiento para la adquisición de equipos de detección de FOD que cubren sistemas de radar estacionarios, electro-ópticos estacionarios, híbridos estacionarios y de radar móvil. El cumplimiento es recomendable para operaciones aeroportuarias generales pero obligatorio para todos los sistemas adquiridos a través del Programa de Mejora Aeroportuaria (AIP) o el Programa de Cargo por Instalaciones para Pasajeros (PFC) según la Garantía de Subvención N.º 34 y la Garantía N.º 9.
La FAA AC 150/5210-24A (8 de febrero de 2024, actualizada el 20 de mayo de 2024) proporciona orientación para desarrollar y gestionar un programa completo de gestión de FOD aeroportuario organizado en cuatro pilares: Prevención (concienciación, capacitación, educación, programas de mantenimiento), Detección (evaluación de riesgos, operaciones de detección humana y automatizada), Eliminación (características del equipo, rendimiento, operaciones) y Evaluación (recopilación de datos, análisis, mejora continua del programa).
La Rama de Investigación y Desarrollo de Tecnología Aeroportuaria de la FAA (AAS-100) realiza evaluaciones de rendimiento de sistemas de detección de FOD en aeropuertos, probando la precisión de ubicación, velocidad de detección, activación de alertas, rendimiento contra objetivos de referencia y medición de tasa de falsas alarmas.
La Agencia de Seguridad Aérea de la Unión Europea (EASA) tiene regulaciones que se alinean estrechamente con la OACI sin un proceso de certificación específico para sistemas de detección de FOD como equipos independientes. El Reglamento UE 139/2014 requiere la certificación de aeródromos incluyendo inspecciones de pista. CS-ADR-DSN (Especificaciones de Certificación para el Diseño de Aeródromos) contiene requisitos específicos relacionados con FOD para las condiciones de la superficie de pista. AMC/GM a la Parte-ADR.OPS.B.025 proporciona Medios Aceptables de Cumplimiento para el monitoreo de la condición de la superficie de pista incluyendo inspección de FOD. El Documento Conceptual de EASA sobre IA (2024) aborda aplicaciones de aprendizaje automático de Nivel 1 y 2 relevantes para sistemas de detección de FOD basados en IA.
| Autoridad | Documento | Estado | Requisito Clave |
|---|---|---|---|
| FAA | AC 150/5220-24 | Recomendatorio (obligatorio para AIP/PFC) | Especificaciones de rendimiento para equipos de detección |
| FAA | AC 150/5210-24A | Recomendatorio (obligatorio para AIP/PFC) | Programa completo de gestión de FOD |
| FAA | 14 CFR Parte 139 | Regulatorio | Certificación aeroportuaria — autoinspección de seguridad |
| OACI | Anexo 14, Vol. I | Estándar (SARPS) | Pavimentos libres de FOD |
| OACI | Doc 9137 | Guía | Procedimientos de detección de FOD |
| EASA | Reg. 139/2014 | Regulatorio | Certificación de aeródromos |
| EASA | CS-ADR-DSN | Especificaciones de Certificación | Condiciones de la superficie de pista |
Existe una relación crítica pero a menudo subestimada entre el estado del pavimento y la generación de FOD. Los sistemas automatizados de detección de FOD generan valiosos datos secundarios sobre el estado del pavimento de la pista que complementan directamente las inspecciones formales del estado del pavimento.
| Tipo de Deterioro del Pavimento | FOD Generado | Frecuencia |
|---|---|---|
| Desconchamiento de juntas | Fragmentos de hormigón/áridos | Alta |
| Desprendimiento / pérdida de áridos | Piedras sueltas, finos | Alta |
| Agrietamiento (piel de cocodrilo, en bloque) | Fragmentos de asfalto | Media |
| Baches | Trozos de asfalto | Alta |
| Acumulación de caucho | Fragmentos de caucho de neumáticos | Media |
| Fallo de parcheo | Fragmentos de material de parcheo | Media |
| Daño en luminarias | Piezas de vidrio, metal, plástico | Baja a media |
El radar de Tarsier puede detectar grietas en el pavimento, cambios en la altura de la superficie y movimiento de luminarias empotradas en el pavimento — no solo residuos discretos. ELVA-1 indica explícitamente que su radar puede detectar defectos en pavimentos de hormigón o asfalto en pistas y calles de rodaje y eliminarlos de la imagen del radar como elementos permanentes, construyendo una base de datos del estado del pavimento con el tiempo.
El análisis de patrones de FOD permite el mantenimiento predictivo: las ubicaciones con alta frecuencia de FOD a menudo indican deterioro subyacente del pavimento. El FOD repetido desde la misma ubicación señala deterioro activo del pavimento, como desconchamiento de juntas o desprendimiento progresivo. Los fragmentos de hormigón y asfalto encontrados como FOD indican degradación activa del material que requiere investigación inmediata. Los patrones de acumulación de caucho identifican zonas de desgaste en la zona de toma de contacto para la gestión de fricción. El mapeo de puntos críticos prioriza las zonas de inspección y rehabilitación para los estudios del Índice de Condición del Pavimento (PCI).
El Índice de Condición del Pavimento opera en una escala de 0 a 100. Con PCI 70–100, es apropiado el mantenimiento preventivo que incluye sellado de grietas y sellado superficial. Con PCI 40–69, se necesita mantenimiento correctivo como fresado y recapado y parcheo parcial. Con PCI 0–39, se requiere reconstrucción a un costo de 6 a 8 veces el del tratamiento preventivo. Abordar el deterioro del pavimento con PCI 65–75 reduce la generación de FOD en un 30–45% en las secciones tratadas según datos de iFactory.
Un estudio de caso documentado demuestra el impacto financiero: un aeropuerto identificó tres secciones de calle de rodaje que generaban el 40% de los eventos anuales de FOD debido a desconchamiento de juntas no diagnosticado. El costo del tratamiento fue de $280.000, mientras que los costos anteriores de daños por FOD durante dos años totalizaron $600.000. El ROI se logró en menos de un año mediante el análisis de correlación FOD-pavimento, y el tratamiento proactivo eliminó las fuentes recurrentes de FOD.
La tendencia apunta hacia plataformas integrales de gestión de pistas como RunWize y XenomatiX XenoTrack que combinan detección de FOD en tiempo real, monitoreo periódico del estado del pavimento, pruebas de fricción, monitoreo de contaminación (nieve, hielo, agua) y detección de aves/fauna silvestre en sistemas integrados de apoyo a la toma de decisiones. Sistemas como XenomatiX XenoTrack utilizan LiDAR para detección de grietas y posicionamiento preciso, análisis de uniformidad (depresiones, baches, escalonamiento), evaluación del rendimiento del drenaje, detección de protrusión de luces de pista, medición de macrotextura (MPD) para resistencia al deslizamiento en mojado y cálculo automatizado del PCI tanto en pavimentos asfálticos como de hormigón.
FAA PAVEAIR, el Sistema de Gestión de Pavimentos Aeroportuarios de la FAA, puede integrar datos de detección de FOD para proporcionar una imagen más completa del estado de la superficie de la pista. El análisis combinado optimiza el momento de la rehabilitación y la inversión en prevención de FOD, transformando la detección de FOD de una actividad de seguridad reactiva en una fuente de inteligencia proactiva para la gestión del pavimento.
Los costos de instalación del sistema varían significativamente según la tecnología, el tamaño del aeropuerto y la configuración. Los sistemas de radar estacionarios (2–3 unidades) oscilan entre $1 millón y $5+ millones, incluyendo infraestructura de procesamiento central. Los sistemas electro-ópticos estacionarios (5–8 unidades) oscilan entre $1 millón y $3 millones. Los sistemas híbridos de luz de borde con unidades de sensor por luz de borde oscilan entre $3 millones y $8+ millones para cobertura completa de pista. Los sistemas de radar móvil oscilan entre $250.000 y $500.000 por vehículo. Los sensores de radar ELVA-1 como componentes OEM oscilan entre $50.000 y $150.000 por unidad, excluyendo la integración y la infraestructura de procesamiento.
La FAA realizó un Análisis Integral de Costo-Beneficio para Sistemas de Detección de FOD a través de la Rama de I+D de Tecnología Aeroportuaria. Los seis modelos de costo-beneficio creados con supuestos de costos de componentes variados mostraron un beneficio financiero neto. Los seis modelos mostraron punto de equilibrio dentro de un plazo razonable. Los insumos incluyeron entrevistas con partes interesadas, revisión de literatura, bases de datos de seguridad y operaciones, y registros de detección de FOD de aeropuertos. La FAA concluyó que durante un ciclo de vida de 12 años, los sistemas de detección de FOD ofrecen un valor neto positivo para aeropuertos y aerolíneas.
Los ahorros operativos provienen de múltiples fuentes. La ingestión de FOD en un solo motor cuesta entre $2 millones y $10 millones por evento para reparación o reemplazo del motor. El daño a neumáticos cuesta hasta $5.000 por reemplazo de neumático. El tiempo de inactividad de aeronaves cuesta entre $50.000 y $500.000 por hora para aeronaves de fuselaje ancho. Los retrasos de vuelos cuestan entre $75 y $150 por minuto por aeronave. La inspección manual requiere cierre de pista durante 30–60 minutos con 2–4 personas, mientras que la detección automatizada permite una recuperación específica de 5–15 minutos. Las inspecciones manuales cubren aproximadamente el 1% de los vuelos (según datos de Moog), mientras que los sistemas automatizados cubren el 100% de los vuelos de forma continua.
El período de recuperación típico es de 2 a 5 años para aeropuertos medianos a grandes. Los aeropuertos con sistemas de detección de FOD instalados durante más de 12 meses detectaron y recogieron más FOD que las pistas inspeccionadas solo por humanos. Se observó una reducción del 40% en la generación de FOD en secciones de pavimento tratadas donde se aplicó mantenimiento proactivo basado en datos de tendencias de FOD. La tasa de crecimiento del mercado global del 7,5% CAGR (2024–2034) refleja una percepción positiva del ROI en toda la industria aeronáutica.
La comparación de rendimiento ambiental entre tecnologías de detección se resume a continuación:
| Condición | Radar (MMW) | Electro-Óptico (Visible) | Electro-Óptico (IR/NIR) | Híbrido |
|---|---|---|---|---|
| Día despejado | Excelente | Excelente | Excelente | Excelente |
| Noche | Excelente | Pobre (sin iluminación) | Buena | Excelente |
| Lluvia ligera (<4 mm/h) | Buena | Moderada | Moderada | Buena |
| Lluvia intensa (>16 mm/h) | Moderada | Pobre | Pobre | Moderada |
| Niebla | Moderada a buena | Pobre | Pobre | Moderada |
| Nieve | Moderada | Pobre | Pobre | Moderada |
| Tormenta de arena | Buena | Muy pobre | Muy pobre | Buena |
| Visibilidad cero | Buena | Ninguna | Ninguna | Buena (radar primario) |
Los sistemas automatizados de detección de FOD representan una categoría de tecnología madura con beneficios de seguridad probados, reconocimiento regulatorio y retornos financieros documentados. La convergencia del radar de ondas milimétricas, los sensores electro-ópticos y la inteligencia artificial ha producido sistemas que monitorean las superficies de las pistas de manera más completa y frecuente de lo que cualquier régimen de inspección humana puede lograr, generando simultáneamente datos valiosos para la evaluación del estado del pavimento y la gestión proactiva de la infraestructura.
Integre los datos de detección automatizada de FOD con su flujo de trabajo de inspección del estado del pavimento. TarmacView le ayuda a correlacionar eventos de residuos con patrones de deterioro del pavimento para un mantenimiento proactivo.
Una guía completa sobre los Objetos Extraños (FOD) en aviación, que abarca definiciones, fuentes, normas regulatorias, tecnologías de detección y remoción, estr...
Un sistema de monitoreo en entornos aeroportuarios es una infraestructura automatizada y centralizada que observa, analiza e informa el estado operativo de los ...
La detección de objetos localiza y clasifica objetos en imágenes mediante cajas delimitadoras — para la inspección de infraestructura, esto incluye baches, parc...
