A la SNCF, la maintenance prédictive va bon train

A la SNCF, la maintenance prédictive est un chantier mené au long cours. Il a débuté dès 2013 avec le déploiement de capteurs IoT. “La première étape pour connaître l’état de nos trains”, affirme Cyril Verdun, directeur adjoint du département Ingénierie de Maintenance. Les climatisations sont ciblées en premier, “l’usage le plus simple pour débuter”, puis les portes, les compresseurs, les batteries, les moteurs, etc.

“Mesurer la performance de chaque porte permet d’analyser comment elle se comporte par rapport aux autres, de créer des profils de comportement et de déduire tout disfonctionnement”, explique David Dorval, PDG et fondateur de Stimio, société nantaise spécialisée dans la fourniture de solutions connectées pour l’industrie, qui collabore avec la SNCF sur la maintenance des portes des trains Corail. “Nous continuons d’étendre les usages de l’IoT et le nombre de matériels sur lequel on le déploie”, confie Cyril Verdun, satisfait des résultats obtenus.

“Les données de l’IoT ne suffisent plus, il faut les croiser avec des informations externes pour identifier les signaux précurseurs de panne”

La deuxième étape a ensuite été d’anticiper les pannes pour aboutir à la suppression de la maintenance préventive systématique. La SNCF récupère ainsi depuis sept ans les données fonctionnelles de 900 trains, dont 300 trains du Francilien : des informations transitant par le réseau qui étaient inexploitées, comme la vitesse ou l’état d’ouverture des portes. “A ce niveau, les données de l’IoT ne suffisent plus, il faut les croiser avec des informations externes et à différentes temporalités pour identifier les signaux précurseurs de panne. Ce qui constitue une vraie difficulté”, reconnaît Cyril Verdun, qui a abandonné l’approche big data il y a cinq ans. A ce jour, les pannes des trains ont été réduites de 20%, et la SNCF enregistre des gains en fiabilité, en coûts et en disponibilité du matériel et de la main d’œuvre.

16 000 algorithmes pour analyser les données

La difficulté majeure pour les équipes de la SNCF consiste à améliorer le système d’informations jugé “pas encore à la hauteur des nouveaux enjeux en maintenance”. Ce qui implique une équipe de 27 data scientists et l’installation de capteurs simples à intégrer pour ne pas perturber les systèmes. “Je me rends compte que plus il y a d’usages, plus il y a d’optimisations à effectuer dans nos algorithmes“, confie Cyril Verdun, indiquant que son département exploite 16 000 algorithmes pour analyser les données des trains. Autre défi permanent : l’accompagnement au changement. De nombreux techniciens ne font pas confiance aux capteurs et vont vérifier l’état des rames. Sur 100 pannes différentes, la SNCF sait néanmoins déterminer avec 95% de fiabilité la date à laquelle elles vont survenir.

Fort de cette expérience, la SNCF entrevoit de nouvelles possibilités qu’elle a commencé à mettre en œuvre pour utiliser l’information au-delà de la maintenance. “Par exemple, à l’été 2020, les données sur l’état des climatisations nous ont permis d’informer les voyageurs sur la température dans les rames et de les rassurer sur leur bon fonctionnement pendant le trajet”, indique Cyril Verdun, qui se réjouit d’aboutir à de nouveaux services à l’avenir.

Anticiper les pannes de frein

En 2021, la SNCF étend désormais la maintenance prédictive au frein des trains. Les équipes du département Ingénierie de Maintenance travaillent depuis deux ans à ajouter des capteurs ad hoc à ces équipements critiques. Mais aussi à effectuer des études pour garantir la fiabilité et la sécurité des indicateurs obtenus à partir de leurs données, toujours dans l’optique d’anticiper les pannes. Dans le cadre de cette initiative, un certain nombre de rames sont pourvues de capteurs chaque semaine. Objectif : équiper tous les trains au départ des lignes L et J de la gare Paris Saint-Lazare d’ici la fin de l’année.

The post A la SNCF, la maintenance prédictive va bon train first appeared on ProcuRSS.eu.

Menu