SESSION 1.3 - Amphi 3 - 13/02/2020 11:30 > 12:00
Amphi 3 - SESSION 1.3 - 13/02/2020 11:30 > 12:00

Preditic / LaBRI, Université de Bordeaux


Machine learning, maintenance prédictive et disponibilité des installations ferroviaires



Résumé



Preditic LaBRI, Université de Bordeaux

1.Introduction

La notion de disponibilité des équipements, et ce dans tous les secteurs de l'industrie, est aujourd'hui un enjeu majeur. Suite aux nombreux dysfonctionnements constatés sur le réseau ferroviaire dans les années avant 2015, la société SNCF Réseau a ainsi souhaité accélérer sa transformation numérique en développant des solutions spécifiques concernant la maintenance des équipements et les mesures d'isolement des câbles. Nous présentons sur ce cas d'usage réel l'approche originale et la méthodologie que nous avons mises en place pour répondre à cette problématique. Les bénéfices pour notre client se concrétisent en termes d'amélioration des opérations de maintenance, de gains de productivité et de disponibilité des infrastructures.

2.Méthodologie

La méthodologie mise en œuvre est extrêmement pragmatique. Nous avons tout d'abord développé une solution de dématérialisation du process de contrôle de l'isolement des câbles dans le cadre des opérations de maintenance récurrentes. La digitalisation des fiches de suivi associées a permis de revoir l'ensemble du process et de fluidifier la circulation de l'information. L'existence de contraintes électromagnétiques a nécessité un développement spécifique en mode hybride (offline et online). Parallèlement à ce développement les équipes de SNCF Réseau ont souhaité apporter une attention particulière aux zones de travaux. Les experts internes ont alors piloté le développement d'un capteur spécifique aux mesures d'isolement. Ce capteur permet d'effectuer des mesures toutes les 5 secondes afin de connaître précisément les variations d'isolement des câbles considérés et les paramètres associés (température, humidité). Grâce à la phase initiale et à ce capteur, nous avons pu disposer d'un grand volume de données (sous la forme de time series), pouvant être analysées en fonctions de plusieurs paramètres : nature des travaux / température / zones géographiques / variations de mesure constatées / horodatage, etc... Nous avons développé des algorithmes spécifiques pour permettre de présenter les données collectées en fonction des contraintes des métiers, mais aussi de les analyser afin d'anticiper les dysfonctionnements pouvant se produire. Nous avons pour cela mise en place des algorithmes de machine learning adaptés.

3. Originalité / perspective

Nous sommes désormais en mesure non seulement de présenter un état de santé des installations (en fonction de l'historique de chaque centre technique) mais également d'anticiper les problèmes à venir. Les technologies d'intelligence artificielle utilisées nous ont permis d'identifier les patterns conduisant à un problème d'isolement et d'anticiper en fonction de plusieurs critères et de croisement de données les dysfonctionnements futurs.


Télécharger le résume PDF

Revoir le live :



A propos - Preditic



Preditic
L'innovation digitale au service du secteur industriel. Vous avez des projets de transformation numérique, nous avons des solutions adaptées, retrouvez nos packs. Nos offres sont modulaires et évolutives, nous nous adaptons à votre environnement et nos solutions sont orientées vers vos métiers.

preditic.com/

A propos - LaBRI, Université de Bordeaux



LaBRI, Université de Bordeaux
Le LaBRI est une unité de recherche associée au CNRS (UMR 5800), à l'Université de Bordeaux et à Bordeaux INP. Depuis 2002, il est partenaire de l'Inria. Ses effectifs se sont accrus de façon importante ces dernières années. En novembre 2017, il réunit près de 280 personnes, dont 110 enseignants chercheurs (Université de Bordeaux, Bordeaux INP), 41 chercheurs (CNRS, Inria), 20 personnels administratifs et techniques (Université de Bordeaux, Bordeaux INP, CNRS, Inria) et plus de 100 doctorants,post-doctorants et ingénieurs contractuels . Les missions du LaBRI s'articulent autour de trois axes principaux : recherche (théorique, appliquée), valorisation - transfert de technologie et formation. Le soutien du Conseil Régional d'Aquitaine à travers l'extension du bâtiment, des équipements et des bourses de thèse et post-doctorants, a été une des briques essentielles du développement du LaBRI.

www.labri.fr/


A propos de l'orateur



Serge Chaumette
VP Innovation Preditic, Professor at Bordeaux University





Jonathan Ouoba
CTO Preditic

CTO chez Preditic et informaticien expérimenté avec une histoire démontrée de travail dans l'industrie de la recherche. Compétent en technologies de communication pour l'IoT, l'analyse de données, la mise en réseau mobile, les applications mobiles et la conception back-end. Professionnel de l'entrepreneuriat avec un doctorat informatique.

S'inscrire !
Nos sponsors

               


                   
{\rtf1}