Exploitation du retour d expérience pour optimiser la maintenance

Transcription

1 Forum NTIC et Transports Mercredi 09 décembre 2015 Sûreté et Sécurité dans les transports Exploitation du retour d expérience pour optimiser la maintenance Applications ferroviaires L. Bouillaut, Chargé de Recherche IFSTTAR/COSYS GRETTIA Pôle Data & Mobilité

2 Introduction Les enjeux de la Maintenance en terme de Sécurité en terme de Qualité de service en terme de Disponibilité 2

3 Introduction Un peu d histoire Avant 1900 : On parle de réparation : On utilise la notion d entretien (avec le développement des chemins de fer, de l automobile, de l aviation et de l armement pendant les 2 guerres mondiales) A partir de 1970 : Les développements de secteurs à risques et d outils modernes aboutissent à la mise en œuvre de la maintenance. 3

4 Introduction Généralités Maintenance Corrective Maintenance Préventive Maintenance Palliative Maintenance Curative Maintenance Systématique Maintenance Conditionnelle Dépannage Réparation Maintenance Prévisionnelle Intervention à caractère provisoire Pour limiter l arrêt Dans l attente de pièces de rechanges Subir les pannes Remise en état d origine Échanges standards de sous ensemble Programmés longtemps à l avance Éviter les pannes Surveillance de l évolution Intervention programmée juste à temps 4

5 Introduction Généralités Comment définir une stratégie de maintenance Maintenance CORRECTIVE Maintenance PRÉVENTIVE Choisir le meilleur compromis entre maintenance préventive et maintenance corrective en fonction des objectifs opérationnels : - Coûts, (in)disponibilité, relations publiques, sécurité, confort, régularité... Optimisation de la maintenance en fonction de l effet des défaillances 5

6 Introduction Maintenance Basée sur la Fiabilité Origines de la démarche 1968 : Aviation civile, sous l appellation MSG (Maintenance Steering Group) : Centrale nucléaire, sous l appellation (Organisation de la Maintenance par la Fiabilité) De nos jours : De nombreux secteurs industriels appliquent la MBF (fonderie, ferroviaire, distribution d eau, hospitalier ) 6

7 Modélisation de la dégradation Etat des lieux des méthodes disponibles Nécessaire pour toute approche de MBF Très nombreuses approches possibles Modèles analytiques (rares et souvent difficiles à valider pour des systèmes complexes) Modèles probabilistes : - Approches «statiques» : A base de processus stochastiques - Approches «dynamiques» : Modèles Graphiques Probabilistes 7

8 Modélisation de la dégradation Démarche d apprentissage Besoin de données historisées, en quantité suffisante Généralement Données incomplètes, censurées 8

9 Modélisation de la maintenance 9

10 Projet SpecifRail Optimisation du compromis Renouvellement/Remplacement du rail Cadre du projet : UrbanTrack, Projet européen du 6 th PCRD Contexte : RER A, tronçon central (durée de vie du rail < 5 ans) - Les Défauts visés sont ceux menant à une rupture du rail - Diagnostic fait par le Véhicule ultrason (préventif) et les Circuits de Voie (correctif) - 2 actions de maintenance considérées : remplacement d un coupon ou renouvellement de la ligne 10

11 Projet SpecifRail Optimisation du compromis Renouvellement/Remplacement du rail Modélisation du système et de sa dégradation Modélisation de la dégradation Apprentissage de la structure graphique 11

12 Projet SpecifRail Optimisation du compromis Renouvellement/Remplacement du rail Modélisation du système et de sa dégradation Apprentissage des paramètres des modèles de dégradations par REX 12

13 Projet SpecifRail Optimisation du compromis Renouvellement/Remplacement du rail Structure graphique du modèle de maintenance - LPC «Diagnostic» apprises par avis d experts et/ou REX - Récupération des coûts (maintenance, indisponibilité, diagnostic ) 13

14 Projet SpecifRail Optimisation du compromis Renouvellement/Remplacement du rail Exemple de résultats Evolution des couts en fonctions des paramètres de maintenance (Périodes VUS et renouvellement) 14

15 Projet SpecifRail Optimisation du compromis Renouvellement/Remplacement du rail Case study 1 : Files hautes des courbes R<500m Contrainte : Moins de 5 ruptures par an. Toutes les combinaisons possibles de paramètres de maintenance sont listés dans les 2 première colonnes. Les expérimentations satisfaisant la contrainte ( 5ruptures/an)sonten bleu; Les autres en rouge. Finalement, le choix se fait parmi toutes les configuration acceptables, en optimisant le compromis Contrainte Vs Coûts : Renouvellement de la voie tous les 2 ans avec une auscultation US tous les 2 mois. 15

16 Projet SpecifRail Optimisation du compromis Renouvellement/Remplacement du rail Case study 2 : Files Basses des courbes R<500m Contraintes : Moins de 1 rupture par an (la plupart des ruptures ayant lieu en FH, on peut être plus exigeant sur les FB). Les FH sont auscultées tous les 2 mois. Les FB le seront donc également. Une nouvelle classe est introduite : Les configurations acceptables (contraintes à la limite mais coûts nettement inférieurs) La décision finale appartient aux décideurs de maintenance et d exploitation 16

17 Projet StatAvarie Analyse statistique de la prévention du rail cassé Cadre du projet : Contrat StatAvaries avec la RATP Contexte : Automatisation de lignes fer du métro parisien (projets OURAGAN & OCTYS) - Cette automatisation modifie le contrôle commande des rames (le CdV n apparaît plus comme indispensable). MAIS, fonction secondaire du CdV : Détection des ruptures de rail (>80%) - La disponibilité est un des points clé de l automatisation d une ligne (A t 99.9%!!!) La rupture est donc un événement critique à tout point de vue (sécurité et disponibilité). 17

18 Projet StatAvarie Analyse statistique de la prévention du rail cassé Modèles de maintenance proposés 18

19 Projet StatAvarie Analyse statistique de la prévention du rail cassé VirMaLab No defect 1 mois VirMaLab Internal crack Level 1 (X 1 ) 1 semaine Modélisation VirMaLab multicouche VirMaLab Internal crack Level 2 (X 2 ) 1 jour VirMaLab Broken rail 1 heure 19

20 Projet StatAvarie Analyse statistique de la prévention du rail cassé Exemples de résultats : Impact de l auscultation VUS 20

21 Projet Surfer Surveillance Ferroviaire Active Intégration du REX pour des stratégies de maintenance dynamiques Cadre du projet : Projet FUI porté par Bombardier Transports Contexte : - Instrumentation temps réel de systèmes clés d une rame (frein, clim, accès voyageurs ) - Intégration d outils de diagnostic prédictifs - Outils d optimisation de la maintenance 21

22 Projet Surfer Surveillance Ferroviaire Active Intégration du REX pour des stratégies de maintenance dynamiques Principe général 22

23 Projet Surfer Surveillance Ferroviaire Active Intégration du REX pour des stratégies de maintenance dynamiques 1 ère étape : Détection de dérives dans les processus de dégradation Initialisation - Apprentissage des paramètres initiaux des models de dégradation (distributions des temps de séjour dans chaque état de l ensemble des composants du système) à partir de bases REX - Optimisation de la stratégie de maintenance strategy pour un ensemble de contraintes et d objectifs (via un modèle VirMaLab) Sojourn time in state i Component j Données REX initiales : N échantillons estimation des paramètres de la distribution des temps de séjour pour le i ème état du composant j i~p 0 23

24 Projet Surfer Surveillance Ferroviaire Active Intégration du REX pour des stratégies de maintenance dynamiques 1 ère étape : Détection de dérives dans les processus de dégradation Traitement de nouvelles données REX - Fenêtre glissante sur les N dernières données REX - Recherche de points de ruptures t b dans les paramètres des processus de dégradation (test de Kolmogorov-Smirnov) N data Sojourn time in state i Component j N données REX les plus récentes t b tels que : si t< t b, i~p 0 si t> t b, i~p 1 avec p 1 p 0 24

25 Projet Surfer Surveillance Ferroviaire Active Intégration du REX pour des stratégies de maintenance dynamiques 2 nde étape : Evaluation de l impacte des dérives sur la maintenance Pour chaque point de rupture t b - Apprentissage des nouveaux paramètres du modèle de dégradation sur les N données REX les plus récentes - Evaluation, à travers le model VirMaLab, des nouvelles valeurs des indicateurs de décision 25

26 Projet Surfer Surveillance Ferroviaire Active Intégration du REX pour des stratégies de maintenance dynamiques 3 ème étape : Mise à jour des paramètres de maintenance pour les changements significatifs des indicateurs Pour chaque point de rupture t b, impactant l optimalité de la stratégie de maintenance Calcul des nouveaux paramètres optimaux de maintenance 26

27 Projet Surfer Surveillance Ferroviaire Active Intégration du REX pour des stratégies de maintenance dynamiques Illustration de l impact d une dérive «décroissante» 27

28 Projet Surfer Surveillance Ferroviaire Active Intégration du REX pour des stratégies de maintenance dynamiques Illustration d un plan dynamique de maintenance 28

29 Forum NTIC et Transports Mercredi 09 décembre 2015 Sûreté et Sécurité dans les transports Exploitation du retour d expérience pour optimiser la maintenance Applications ferroviaires L. Bouillaut, Chargé de Recherche IFSTTAR/COSYS GRETTIA Pôle Data & Mobilité