LMi-MAG28 Dec - Flipbook - Page 41
© RF
Les pendules qui relient le câble porteur et le câble
conducteur de la caténaire (le second est celui sur lequel
le pantographe du train glisse) peuvent, par exemple, se
dépositionner ou s’abîmer sous l’effort demandé à la
caténaire. Depuis deux ans, Getlink a déployé un camion
appelé Camcat développé par ses équipes. « Nous le faisons entrer dans le tunnel sur les shuttles de fret et il
scanne la voûte tout au long du linéaire, explique Denis
Coutrot. A partir d’une analyse manuelle ou avec de
l’IA, l’équipe d’ingénierie digitale peut ainsi identifier
de manière très précise des défauts sur les caténaires. »
Getlink a développé des modèles de machine learning
capables d’identifier les défauts à partir des images prises
par le Camcat. « C’est un exemple emblématique, parce
qu’à partir de l’étude de ces pendules qui soutiennent la
caténaire, l’équipe d’ingénierie digitale s’est aperçue que
nous pouvions répliquer l’approche sur d’autres composants. » Getlink peut, en effet, respécifier un modèle pour
une même vidéo, mais cette fois pour l’ensemble des éléments de la caténaire sur la voûte qu’il souhaite monitorer.
Un travail considérable, car il faut réentraîner le modèle,
l’améliorer, et ce, pour tous les éléments monitorés lors de
l’ensemble des campagnes de surveillance.
Anticiper un problème une heure
avant qu’il survienne
Autre exemple, celui des circuits de voie. Des courants
qui, selon qu’ils circulent ou non dans les rails, indiquent
la présence ou l’absence d’un train. « Le voltage de ces
circuits de voie peut diminuer pour différentes raisons,
explique Denis Coutrot. Nous récupérons les signaux, et
nous les analysons là aussi avec des modèles pour le monitoring, afin d’envoyer une alerte au moins une heure en
avance. » Développé en début d’année par les équipes de
data scientists et mis en service courant 2025, ce modèle
de machine learning anticipe déjà 60% des défaillances.
Getlink le laisse tourner quelques mois, avant de le réentraîner pour en augmenter les performances.
Les scans et les analyses du Camcat remontent par
exemple des données telles qu’une image annotée de la
façon suivante : « pendule défaillant au point kilométrique
28, avec une épissure qui commence à se dérouler ».
Pour exploiter l’historique de ce type de data, Getlink
les stocke dans un datalake Snowflake, et a défini des
data domains pour les organiser. « Chez nous, ces data
domains sont très concrets, précise le chief data and
AI officer. Il s’agit de toutes les données liées à la voie
ferrée, toutes celles liées à la caténaire, etc. » Ces différentes couches de données permettent de réaliser un
tableau de bord de la santé des différents actifs de l’ensemble du tunnel.
PROFIL LINKEDIN
tinyurl.com/linkedin-coutrot
« Nous récupérons les signaux, et nous les analysons là aussi avec
des modèles pour le monitoring, a昀椀n d’envoyer une alerte au moins
une heure en avance », Denis Coutrot, chief data and AI of昀椀cer
de Get-link (Eurotunnel).
En 2023, Eurotunnel a, par ailleurs, réalisé un PoC avec la
solution de maintenance préventive par la data et l’IA du
Français Railwai, destinée spécifiquement aux réseaux
ferroviaires. Eurotunnel voulait mettre à disposition de
ses experts métiers toutes les données sur la santé de
l’infrastructure, l’historique des incidents ou les ordres
de travaux dans leur domaine de spécialité, pour que
non seulement ils exploitent ces data, mais qu’ils interagissent avec elles. Le projet a été un temps laissé de côté,
même si son ergonomie avait beaucoup séduit par rapport à des tests d’outils de BI trop semblables à PowerBI
dont elle dispose déjà, ou qui nécessitaient trop de développement. L’exploitant du tunnel sous la Manche vient
donc de signer pour exploiter Railwai. [Lire l’intégralité
de l’article sur lemondeinformatique.fr]
APPROFONDIR
ÉCOUTER EN LIGNE
Podcast
tinyurl.com/podcast-eurotunnel
LIRE EN LIGNE
Article
tinyurl.com/article-eurotunnel
41
