Avertir le modérateur

16/03/2016

Prévoir la panne d’un train : à la SNCF, ce sera bientôt possible

http://www.silicon.fr/prevoir-panne-sncf-bientot-possible...

Grâce au Machine Learning et à des trains de plus en plus connectés, la SNCF s’est lancé dans un projet de maintenance prédictive, exploitant des algorithmes de Machine Learning. Les rames du Transilien servent de galop d’essai à ce projet.

Prévoir les pannes des trains avant que celles-ci ne perturbent le trafic ferroviaire. Pour la SNCF, l’enjeu de la maintenance prédictive est évidemment majeur. Pas étonnant donc de voir la compagnie nationale s’y intéresser de près, d’autant que, dans le même temps, les trains eux-mêmes émettent de plus en plus de données, renseignant sur l’état de fonctionnement de leurs systèmes. « Pour optimiser la maintenance, nous cherchons à utiliser au mieux les données des trains, d’autant que les nouvelles fonctions qu’ils proposent sont elles-mêmes sources de complexité, donc de pannes », raconte Philippe de Laharpe, chef de projet télédiagnostic à la direction du matériel de la SNCF. Une volonté qui a conduit la compagnie à mettre le doigt dans l’engrenage du Big Data.

de laharpe sncf
Philippe de Laharpe

« On a commencé par une analyse de ‘Small Data’, avec des analystes examinant les données envoyées par les rames, reprend le chef de projet. Rapidement, face à la croissance des volumes, on a développé des systèmes automatisés embarquant le savoir-faire des équipes pour mettre en place une maintenance corrective connectée. L’étape suivante consiste à passer à la maintenance proactive, capable de détecter une panne quand elle se produit mais n’a pas encore impacté l’exploitation ou encore d’analyser des signaux faibles, pas forcément prévus lors de la conception des rames, mais qu’on va valoriser via des analyses de plus en plus complexes. »

Un réceptacle Hadoop

C’est pour cette étape que la SNCF a décidé de miser sur les technologies de Machine Learning. Expérimentées dans le cadre d’un pilote portant sur une génération récente de trains Bombardier circulant sur le réseau Transilien, ces technologies vont très vite passer en phase de pré-production « afin de concrétiser les premiers résultats sur des données de production ». Le projet implique la direction du matériel, qui apporte des techniciens de télédiagnostic, la direction du digital de la compagnie nationale ainsi que le prestataire Quantmetry. La plate-forme technique – un datalake Hadoop couplé au framework d’analyse de données Spark – est amenée par VSCT, la DSI de Voyages-SNCF qui intervient comme fournisseur de services pour la SNCF.

Menées en 2015, les phases d’expérimentation ont permis de mettre en évidence quelques difficultés liées à l’emploi du Machine Learning. « Quand on construit un modèle avec une boîte noire algorithmique, la difficulté consiste à surveiller les dérives de ce modèle, analyse Héloïse Nonne, data scientist senior chez Quantmetry. Sans oublier les difficultés de communication avec les techniciens qui ont besoin de preuves tangibles pour intervenir. Par ailleurs, si l’objectif est de fiabiliser le matériel, encore faut-il savoir expliquer la panne, ce que ne propose pas le Machine Learning. »

S’intégrer à la chaîne de maintenance de la SNCF

heloise nonne
Héloïse Nonne, data scientist senior chez Quantmetry

Le modèle doit aussi être amendé avec les données réelles de circulation des rames car, même à l’arrêt, un matériel continue à émettre des données qui ont toutes les chances de fausser le modèle si on les interprète comme des informations publiées pendant un trajet. Sans oublier une dérive bien connue des algorithmes d’intelligence artificielle : la sur-performance, autrement dit la propension des algorithmes à surinterpréter les événements, surtout dans des cas où, comme ici, on fait face à un taux de panne assez bas. « Les équipes métier ont donc retravaillé les modèles pour les améliorer », note Héloïse Nonne, pour qui la principale difficulté du projet résidait toutefois dans la maîtrise de la qualité des données et dans la gestion des sources hétérogènes d’informations. Un classique des projets Big Data.

De son côté, Philippe de Laharpe apporte une vision davantage tournée vers les métiers des défis qui attendent encore le projet. « Une des difficultés réside dans le fait que les matériels qui font l’objet du pilote connaissent assez peu de pannes. D’où la question : comment faire baisser ce taux déjà faible et à quel prix y parviendra-t-on ? Il faut aussi prendre en compte l’impact organisationnel, note le chef de projet. Traiter une panne probable signifie qu’il faut faire évoluer la façon de travailler, et changer les processus de maintenance ». Car, faire des prédictions de panne ne suffit pas ; ces dernières doivent s’intégrer dans un « système de management », comme dit Philippe de Laharpe, aux côtés d’autres sources d’alerte afin, en fonction de la sévérité de l’incident, de planifier la réparation dans le centre de maintenance idoine de la SNCF.

Un test sur 176 rames Bombardier

Malgré ces obstacles, Philippe de Laharpe se veut confiant. « Je suis à peu près convaincu du retour sur investissement de la solution », explique-t-il dans un entretien avec Silicon.fr. Et de citer un exemple mis en évidence lors du pilote, où les algorithmes prédisaient deux fois plus de pannes que les analystes métier. « Cela nous encourage à aller plus loin avec le Machine Learning, d’autant que les spécialistes des systèmes techniques que nous surveillons sont rares. Ce sont donc des compétences qui coûtent cher », remarque le chef de projet.

14 juin 2014. Le Regio2N à Crespin.

Début avril, la SNCF lancera donc un test grandeur nature, exploitant les données de 176 rames Bombardier du réseau francilien. Des trains qui possèdent chacun 7 ou 8 ordinateurs de bord, et émettent quelque 70 000 données par mois et par rame. Ces informations sont transmises toutes les 30 minutes aux systèmes d’information de la compagnie ferroviaire. « On va laisser les pannes apparaître comme avant et mesurer pendant 6 mois les améliorations qu’aurait pu amener l’application prédictive », explique Philippe de Laharpe. Des résultats qui permettront à l’entreprise de décider si le projet doit oui ou non être mis en production et généralisé. Car, au-delà même du matériel roulant, la maintenance prédictive a aussi un intérêt pour l’entretien des voies par exemple, comme l’a d’ailleurs montré le tragique accident de Brétigny-sur-Orge en juillet 2013. « Progressivement, tous les silos de l’entreprise ont vocation à rejoindre le datalake », note Philippe de Laharpe.

11/04/2015

Bombardier pense céder sa branche ferroviaire

http://www.lefigaro.fr/flash-eco/2015/04/10/97002-2015041...

Par Lefigaro.fr avec Reuters Mis à jourle 10/04/2015 à 14:25Publiéle 10/04/2015 à 14:16

Bombardier étudie différentes options pour sa branche ferroviaire, dont une cession pour un montant pouvant potentiellement atteindre 5 milliards de dollars américains (4,7 milliards d'euros), afin de répondre aux défis de son activité dans l'aérien, ont indiqué vendredi à Reuters six sources proches du dossier.

Le groupe canadien d'aéronautique et de matériel ferroviaire collabore avec des banques sur des options stratégiques pour sa division transport ferroviaire, qui fournit des rames de trains ainsi que des équipements de signalisation et de contrôle, ont précisé les sources.

Les différentes options envisagées comprennent une éventuelle vente, partielle ou totale de cette activité, ainsi qu'une mise en Bourse, ont dit trois sources qui ont requis l'anonymat.

10:19 Publié dans Bombardier | Lien permanent | Commentaires (0)

24/11/2014

Un Crespinois à Lyon pour bichonner les rames du Regio2N de Bombardier

http://www.lavoixdunord.fr/region/un-crespinois-a-lyon-po...

Publié le 23/11/2014

PAR VÉRONIQUE BERTIN

Depuis jeudi, le Regio2N, le nouveau TER grande capacité de Bombardier, circule dans la région Rhône-Alpes. Sur place, une équipe de dix personnes de Bombardier dont Aurélien Cailleteau, 29 ans, arrivé à Lyon en février et installé là-bas pour au moins trois ans.

bombardier©thvallier2.jpg

Vu évoluer de A à Z

Le Nordiste est arrivé à Lyon en février pour accompagner cette mise en service. Ce nouveau train, il le connaît par cœur. Il a rejoint l’équipe du Regio2N au début de l’année 2010, « dès la dernière offre. J’ai donc vu son évolution de A à Z. J’ai participé aux choix de conception ». Mais comme il avait envie de « voir plus de terrain », il a rejoint « le service après-vente ». Il a ainsi participé à la campagne d’essais notamment à Velim en République Tchèque, « j’ai continué à le voir grandir », avant de poser ses bagages à Lyon en qualité de responsable du service après-vente pour la région lyonnaise.

Loin de la base de Crespin, il manage une équipe de dix techniciens (dont un superviseur et un référent technique). « Une flotte de quarante trains va être déployée en région Rhône-Alpes. Nous sommes là pour atteindre le taux de fiabilité requis par le contrat le plus rapidement possible. Nous devons aussi préparer la sortie de garantie tout en passant la main à la SNCF », relève-t-il.

Pas d’incident

Depuis février, Aurélien Cailleteau a suivi de près la marche à blanc, « 10 000 km à vide » entre Lyon et Maçon et Lyon et Valence, sur le réseau ferré de la région Rhône-Alpes. Cet hiver, la rame 20 (c’est le nom de la première rame livrée à la région Rhône-Alpes) a même poussé jusque les Alpes, « pour tester un peu la machine en condition réelle ». Il a formé les remiseurs (les agents qui déplacent les rames) et les cadres de la traction (les chefs de conducteurs). Il a aussi participé aux démonstrations de maintenance.

Jeudi, la rame a circulé sans incident technique. L’œil de l’expert a bien entendu repéré ce qu’il fallait sans doute encore améliorer. Fort des retours d’expérience du Francilien (dont la fiabilité est aujourd’hui au-delà des requis de la SNCF), Aurélien Cailleteau et son équipe vont suivre de près les premiers tours de roue du train deux niveaux. Le Nordiste va rester à Lyon encore trois ou quatre ans pour accompagner le déploiement des rames et s’assurer que tout fonctionne parfaitement.

Le Regio2N en bref

La commande.-24 février 2010: commande de 80 Regio2N; mars 2010: levée d’option pour 49 rames; 31 décembre 2013: commande de 30 rames supplémentaires par Picardie, Pays de La Loire, Midi-Pyrénées.

Le Regio2N est déjà en service en Bretagne (depuis début novembre), en région Provence - Alpes - Côte d’Azur (depuis le lundi 17 novembre) et en Rhône-Alpes (depuis le jeudi 20 novembre). Dans notre région, il devait être mis en service en janvier mais les premiers tours de roue avec des voyageurs pourraient avoir lieu un peu plus tard, en mars ou début avril.

Les caractéristiques.-Un train boa proposé en différentes longueurs alternant des caisses à un et deux niveaux. Une capacité exceptionnelle. Un haut niveau de confort: vastes portes pour faciliter les échanges, sièges plus larges, accoudoirs, luminosité, plancher chauffant, etc. Une vitesse pouvant aller de 160 à 200km/h.

Les essais.-Neuf rames d’essais et un LaboTrain pour 663 essais d’homologation et de qualification et vingt-quatre mois en centres d’essais en France et à l’étranger et sur le réseau.

Un train «impressionnant»

Aurélien Cailleteau a vu le Regio2N naître sur le papier. Il l’a ensuite vu sortir des chaînes de fabrication du site Bombardier de Crespin. Ce nouveau train, il le trouve « impressionnant. Je connais toute la technicité qui est à l’intérieur. Et il est d’une sacré complexité technique avec beaucoup de réseau informatique embarqué et de nouvelles technologies comme le moteur à aimant permanent. C’est un vrai défi. On a aussi misé sur le confort des voyageurs. Ce jeudi matin, j’ai trouvé émouvant de voir des gens enfin dans la rame. C’est vraiment un beau produit. »

 
Toute l'info avec 20minutes.fr, l'actualité en temps réel Toute l'info avec 20minutes.fr : l'actualité en temps réel | tout le sport : analyses, résultats et matchs en direct
high-tech | arts & stars : toute l'actu people | l'actu en images | La une des lecteurs : votre blog fait l'actu