Contactez-nous
Vous étiez 120 à vous être inscrits pour participer à cette toute première série de webinaires. 90% de participants satisfaits. Retour sur le succès de nos premiers webinaires. Reconnaissance automatique, jumeau numérique, BIM, maintenance conditionnelle... ces technologies peuvent être développées grâce au drone puisqu'il permet de récolter des données brutes qui sont ensuite exploitées pour produire de l'information.
Flavien Viguier, notre directeur général adjoint et expert au sein du réseau SNCF Synapses nous présente comment toutes ces nouvelles pratiques s'imposent progressivement chez SNCF Réseau pour nourrir le "digital asset management".
Qu'est-ce que le digital asset management ?
Le digital asset management c'est un ensemble de fonctionnalités qui permettent aux entreprises de stocker, partager, et organiser leurs ressources numériques.
Dans le cas d’Altametris, «notre démarche a pour but de proposer des outils qui permettent de valoriser la donnée pour aider les gestionnaires d'infrastructures à passer d’une maintenance curative à une maintenance conditionnelle.»
C’est là qu’intervient l’Intelligence Artificielle (IA), pour structurer les données brutes et produire une connaissance utile à l'ensemble de la chaîne de décision. Permettre aux gestionnaires de l'infrastructure de disposer d’informations sur lesquelles s’appuyer pour mettre en place des politiques de supervision, optimiser les coûts et les usages.
D'après un sondage effectué lors du webinaire, environ 40% des participants estiment avoir eu recours à l'IA au moins une fois dans le cadre de leurs missions chez SNCF.
La marge de progression est donc énorme et l'IA peut encore se développer largement pour répondre à des enjeux métiers très spécifiques.
Au cours de notre webinaire, nous avons présenté 5 usages que nous avons développés en partenariat avec des gestionnaires d'infrastructures tels que Veolia ou SNCF réseau :
- 1. Aide à l'inspection d'ouvrages d'art
Pour notre client Veolia, nous nous sommes appuyés sur l'IA pour mettre en place et développer des outils de détection automatique de différents types de défauts : fissures, fers apparents, corrosions, coulures, etc.
Ces travaux ont été menés en intégrant le savoir-faire métier dans des algorithmes ainsi que des caractéristiques précises des défauts qui devaient être détectés ; comme par exemple le niveau d’ouverture de fissuration à détecter.
Aujourd'hui grâce à nos systèmes de captation nous réalisons des clichés permettant d'atteindre des tailles de pixel image de 0,5 et 0,6 mm : un niveau de détail permettant de répondre aux exigences métiers et d'ainsi positionner nos solutions en appui aux spécialistes métiers ouvrages d'art et ainsi les aider dans la réalisation de leurs missions régaliennes d'inspection détaillées.
Les drones se positionnent ainsi comme un outil d'aide à l'inspection de structures de génie civil complexes. C'est un outil non intrusif et non capacitaire, qui permet d'accéder à des zones difficiles d'accès tout en limitant le risque opérationnel et en optimisant les ressources humaines et financières.
L'orthophotographie livrée au client via notre plateforme web Altametris Suite permet une visualisation rapide et géolocalisée des défauts détectés. Le client Veolia dispose ainsi de toutes les informations utiles pour planifier ses prochaines visites, détailler et prioriser de potentielles actions de maintenance.
2. Détection automatique d'objets et cartographie des installations
À partir des données récoltées par une caméra haute vitesse développée par Altametris et embarquée sur TGV, nous avons développé une Intelligence Artificielle capable d’extraire de façon automatique - et en temps réel - des objets ferroviaires d’intérêt.
Ce système embarqué sur train permet donc :
- de cartographier les infrastructures présentes sur le réseau (poteaux caténaire, points kilométriques etc.
- de faciliter la détection de changements ou d'identifier les anomalies sur le réseau (chocs anormaux, humains, animaux, blocs rocheux etc.)
- d’appuyer les conducteurs dans leur prise de décision dès la détection d'un choc anormal,
- d’améliorer la connaissance et la cartographie en temps réel du réseau
- 3. Le recensement des zones dangereuses liées à la végétation
La végétation est le deuxième poste de dépenses pour SNCF Réseau (plusieurs centaines de millions d'euros par an) et impacte fortement la disponibilité et la régularité du réseau.
Près de 500 000 minutes perdues par an !
L’Intelligence Artificielle vient ici en aide aux spécialistes métier en permettant d'identifier les risques liés à la végétation.
Pour cela nous nous appuyons sur des nuages de points LiDAR denses (100 à 200 points/mètre carré) que nous classifions (sol, caténaire, voie, végétation etc.) et analysons pour extraire des informations métiers telles que la topographie des sites, la distance végétation-infrastructure ou bien encore pour identifier les arbres à risque.
Toutes ces analyses visent à aider les spécialistes métier à prioriser et optimiser la planification de leurs actions de maintenance.
- 4. L’analyse d’infrastructure
SNCF Réseau déploie de façon quotidienne trois Engins de Surveillance de la Voie (ESV) qui contrôlent et surveillent l'état du Réseau Ferré national.
Au delà des systèmes de contrôle de la géométrie de la voie, chacun des ESV embarque un système LiDAR Riegl permettant la cartographie 3D du réseau de près de 200 000 kilomètres de voie par an.
Pour analyser et valoriser ce volume colossal de données, il était nécessaire de mettre en place des outils permettant de massifier les traitements de données. Là encore, l'Intelligence Artificielle démontre tout son potentiel.
Dans le cadre de ce projet, nous développons, en partenariat avec les équipes SNCF Réseau, une solution logicielle permettant de réaliser des analyses de gabarits (gabarits d'infrastructure et circulation) afin de détecter de potentiels obstacles, mais également d'analyser l'état de la banquette de ballast (mesure de volume et contrôle du référentiel).
On peut donc rapidement et à moindre coût, identifier les types de trains qui peuvent circuler, mais aussi la vitesse de circulation possible sur chaque portion du réseau ferré.
- 5. L’amélioration de la performance et de la disponibilité du réseau
Pour optimiser les opérations de maintenance, la création d’un jumeau numérique permet d’avoir une connaissance parfaite de l’infrastructure et de toutes ses caractéristiques.
Elle permet également d’optimiser la conception et la réalisation de travaux.
Après une acquisition de données par drone, nous avons créé un plan topographique et un modèle BIM de la gare de Béziers sans altérer la disponibilité du réseau.
Toutes ces données sont centralisées et consultables via des solutions type Revit d'Autodesk, mais elles seront très bientôt visualisables directement dans notre suite logicielle. La base de données constituée permet ainsi aux asset managers de disposer d'une vision globale de leurs infrastructures afin de les aider dans la réalisation de projet, optimiser l'exploitation ou la maintenance.
En somme, l’Intelligence Artificielle peut être déployée de façon multiple et "nos solutions permettent de créer des connaissances, de l'information, et du savoir, mais ce sont les experts métier qui transforment le savoir en décision de maintenance."
Vous avez des questions précises ? Un besoin particulier à adresser avec de l'Intelligence Artificielle ?
Revenir au blog
