La gestion dynamique des flottes sera possible grâce à la numérisation

Ce blog offre des opinions et des perspectives éclairées sur les technologies naissantes en ingénierie centrée sur les données. Adolfo Crespo del Castillo discute de la numérisation de la gestion des actifs de la flotte, suggérant comment la gestion dynamique de la maintenance des flottes de trains augmentera les niveaux d'efficacité et réduira les coûts de maintenance.

La gestion et la maintenance des actifs entrent dans une ère de changement constant suite aux avancées technologiques que constitue la digitalisation. L'entretien des infrastructures et des actifs mobiles du secteur ferroviaire présente à la fois de grands défis et des opportunités commerciales. L'écosystème est composé de parties prenantes, notamment des OEM (fabricants d'équipement d'origine), des opérateurs de réseau et des sociétés tierces qui partagent les responsabilités tout au long de la chaîne de valeur. Il s'agit d'une discussion sur la manière dont les stratégies de maintenance de ces écosystèmes peuvent bénéficier de la numérisation, avec des analyses et des modèles qui fonctionnent en temps réel, grâce aux données collectées à partir des systèmes critiques des trains opérationnels. D'après le livre blanc de McKinsey Digital, Le jeu de la maintenance en mutation du secteur ferroviaire, le marché mondial de la maintenance est actuellement estimé à 45 à 50 milliards par an, la maintenance conditionnelle et les technologies prédictives suggérant un gain d'efficacité de 15 à 25 %. En fin de compte, cela pourrait réduire les coûts de maintenance jusqu'à 4 milliards d'euros pour les opérateurs ferroviaires, jusqu'à 2 milliards d'euros pour les équipementiers de matériel roulant et jusqu'à 4 milliards d'euros pour les tiers.

Soutenus par l'IoT et les capteurs intelligents, de nouveaux systèmes placent les données au cœur des processus de gestion des actifs, permettant le développement de modèles décisionnels puissants, soutenus par des mesures en (quasi) temps réel et in situ . À son tour, la numérisation nécessite des moyens plus sophistiqués de gestion des actifs, car les informations en continu doivent être intégrées aux connaissances en ingénierie pour soutenir dynamiquement la prise de décision complexe. Les données elles-mêmes ne sont que le 'combustible pour le moteur'.

Suite à ce changement de paradigme, les entreprises développent des capacités précises pour détecter et prévoir les comportements ou les défaillances de leurs précieux actifs. D'un autre côté, comme le suggère la MIT Sloan Business School, c'est la stratégie et non la technologie qui conduit la transformation numérique. Dans la plupart des cas, lorsque les entreprises essaient de faire évoluer leurs algorithmes pour gérer plusieurs actifs et les lier à d'autres dimensions commerciales, le niveau de maturité reste faible. Le secteur ferroviaire n'échappe pas à cette règle, notamment pour les locomotives, car la maintenance implique de nombreuses contraintes de la part de multiples acteurs.

Développer une stratégie de gestion dynamique des flottes

Le principal défi lors de la gestion de flottes est de reconnaître les opportunités offertes par les données. Au-delà de cela, toute information doit être utilisée dans le respect de la structure existante de l'entreprise et des activités systématiques - un plan pragmatique et applicable doit être présenté, sinon une stratégie sans contrainte pourrait ne pas tenir compte des restrictions : réglementations ou politiques de sécurité, par exemple. Une telle approche est mal informée et naïve lorsqu'il s'agit de générer un impact réel dans les applications industrielles modernes.

Parallèlement aux programmes de maintenance, des limites réalistes doivent être définies et classées. Dans ma thèse de doctorat à l' Institute for Manufacturing de l'Université de Cambridge, une preuve de concept a été présentée en collaboration avec Talgo ( Patentes Talgo SLU). Un engagement essentiel pour l'équipe Smart Maintenance de Talgo était de développer les exigences commerciales en fonction de la disponibilité des données, des programmes de maintenance conditionnelle existants et du développement d'un modèle d'optimisation qui fournit des réponses au planificateur central. Ces réponses doivent être fournies de manière dynamique pour l'exploitation quotidienne - affectation des trains à l'exploitation, à la maintenance ou au repos - en respectant les arrêts systématiques existants de manière opportuniste, afin de maximiser l'utilisation et de minimiser les coûts. En termes simples, l'objectif est de passer de la gestion de l'état d'un seul actif et du PHM (pronostic et gestion de la santé) à la maintenance dynamique des flottes.

Le début d'un voyage passionnant

Cela a été une discussion sur la vision d'une stratégie de gestion dynamique et réactive pour les flottes de valeur, basée sur des données, avec des humains dans la boucle de prise de décision. Premièrement, bien qu'il existe des modèles qui fournissent des prévisions précises et locales, ils ne sont pas adaptés au niveau de la flotte. Deuxièmement, il existe de multiples complexités associées au niveau de la flotte, et il y a un manque de solutions puisque nous n'avons pas encore mis à l'échelle nos outils d'analyse des données. Une lacune doit être comblée, probablement par une solution hybride, combinant des approches de maintenance prédictive et préventive. Le voyage commence ici, et il y a amplement l'occasion de commencer à marcher.

Intérêts concurrents : Adolfo Crespo del Castillo est doctorant en troisième année à l'Université de Cambridge, développant la preuve de concept pour sa thèse avec Patentes Talgo SLU

Mots-clés : Gestion dynamique de flotte ; Gestion dynamique de la maintenance ; La gestion d'actifs; Numérisation ; Matériel roulant; Trains à grande vitesse

Ceci est le blog de Data-Centric Engineering , une revue en libre accès publiée par Cambridge University Press et soutenue par la Lloyd's Register Foundation. Vous pouvez également nous trouver sur Twitter . Voici les instructions pour soumettre un article à la revue .