La Data Visualisation au service de la maintenance prédictive
Afin d’éviter au maximum les pannes et les incidents d’exploitation, SNCF Voyageurs a investi dans ses propres centres de maintenance prédictive qui s’appuient massivement sur le Big Data et la Data Visualisation.
Publié le
Par La Redaction
Avec plusieurs milliers de trains en circulation chaque jour, SNCF Voyageurs a fait le choix de disposer de centres de maintenance, mais également de nouvelles équipes dédiées à la maintenance « prédictive », comme le Cluster Ingénierie Ouest (CIO) à Saint-Pierre-des-Corps près de Tours, afin d’éviter au maximum toute panne ou incident qui pourrait perturber les déplacements de ses millions de voyageurs quotidiens.
Un réseau de capteurs IoT
« sniffer » de réseaux informatiques embarqué
Qu’il s’agisse des derniers TGV, TER ou RER, ou de vieux modèles Corail modernisés, la majorité des trains circulant sur le réseau français sont désormais équipés de capteurs, capables de collecter des données sur le fonctionnement du train (températures, vitesses, fréquentation, localisation, ouvertures de portes, etc..) mais également de les transmettre distance, au travers de connexions cellulaire 3G/4G ou de réseaux IoT (internet des objets).
« sniffer » de réseaux informatiques embarqué
Ces capteurs sont en mesure de nous envoyer des données en temps réel, mais également de les stocker localement, lorsqu’ils traversent des tunnels ou des zones blanches, ne disposant pas de couverture cellulaire.
Un Big Data industriel
Collectées par les industriels comme Alstom qui construisent les trains, ces données sont également agrégées par leur client, SNCF Voyageurs, qui peut ainsi (via son Ingénierie) les retravailler afin de les utiliser pour ses propres objectifs métier.
Chaque train est équipé de plusieurs dizaines de capteurs, qui doivent envoyer des centaines de données chaque jour. Nous devons non seulement surveiller la bonne collecte de ces données, mais également stocker ces informations, qui représentent des centaines de milliers de lignes de code chaque jour.
Une application de Dataviz
interface de datavisualisation
Face à cette avalanche de données, la vingtaine de data analystes du CIO de Saint-Pierre-des-Corps avec la DSI du Matériel a ainsi développé, sur fonds propres, une application de visualisation de données, permettant d’identifier visuellement une anomalie.
interface de datavisualisation
Aucun humain ne peut traiter un tel volume de données et notre application va appliquer un premier filtre quantitatif, puis un affichage reposant sur des codes couleurs. Mais tous les codes défauts ne sont pas des alertes, et toutes les alertes ne sont pas forcément des incidents. Et cela reste des humains qui vont procéder à une analyse qualitative, pour éventuellement déclencher une alerte
Un retour sur investissement
En préférant prévenir que guérir, SNCF Voyageurs estime ainsi réduire les pannes sur ses lignes, ce qui impacte positivement la satisfaction des voyageurs, mais également celle des « autorités organisatrices » comme les conseils régionaux qui lui confient la gestion des lignes.
Chiffres clés
3 500
c’est le nombre de rames sur lesquelles la maintenance prédictive et le télédiagnostic sont appliqués aujourd’hui.
2x
c’est la réduction des incidents et des pannes sur le matériel roulant observée grâce à ce dispositif.
30%
c’est l’augmentation de la disponibilité des rames sur une flotte de trains parisiens.
Sur une flotte de trains parisiens, on a globalement 30% de disponibilité de rames en plus grâce au travail mis en place depuis 2017 à Saint-Pierre-des-Corps. Pour le Groupe comme pour nos donneurs d’ordre, c’est un chiffre très significatif.
Une durée de vie prolongée
Au-delà des incidents les plus critiques, cette approche prédictive permet enfin d’optimiser la maintenance et la longévité des trains.
Tout l’enjeu c’est d’intervenir avant que l’incident ne se produise, de changer une pièce avant qu’elle ne casse. En procédant ainsi, nous pouvons non seulement raccourcir les temps d’intervention des équipes de maintenance, améliorer les taux de disponibilité des trains, et enfin rallonger la durée de vie de certains organes de notre matériel roulant.
Une exploitation des données numériques, qui permet ainsi de concilier des objectifs industriels et environnementaux, tout en veillant au bien-être et à la sécurité des millions de voyageurs utilisant le train chaque jour.
