Exemple de maintenance prédictive
- Notre client dispose d’un patrimoine de 1 500 tunnels
- Le parc est vieillissant et les coûts d’entretien sont élevés
- Les tunnels sont inspectés et évalués tous les 5 ans en moyenne
En exploitant les données issues des relevés d’inspection effectués depuis 30 ans, l’objectif est de comprendre comment évolue ce parc de tunnels afin de calculer une vitesse de vieillissement associée à chaque type de tunnel. Cela permet de prédire au mieux les prochains moments d’intervention, juste à temps et à moindre coût, pour éviter les accidents et planifier le budget d’entretien, grâce à la maintenance prédictive.
Comment sont effectuées les inspections ?
Un tunnel est découpé sur sa longueur en tranches successives de 5 mètres chacune. Dans chaque tranche, les avaries sont répertoriées (nature, taille, localisation, etc.) et numérisées. Un score global décrivant l’état de dégradation, appelé dans la suite côte, est attribué à chaque tranche. Cette côte varie dans le temps lors des différentes inspections et permet d’évaluer et quantifier la dégradation d’un tunnel.
L’hypothèse émise par notre client est que cette côte évolue à une vitesse dépendant de différents critères répertoriés : nature géologique du terrain, dimensions et matériaux du tunnel, etc.
Qu’est-ce que la maintenance prédictive ?
C’est une méthode qui consiste à anticiper les défaillances, avaries, pannes en effectuant des modèles de dégradation des systèmes dans le but de prédire l’évolution d’une grandeur, en l’occurrence ici une côte. La maintenance prédictive permet donc de réduire les coûts et d’anticiper des pannes ou bien des avaries.
Vous avez un projet ? Contactez-nous !
Utilisation de modèles de machine learning pour prédire la vitesse de vieillissement d’un tunnel en fonction de ses caractéristiques de construction et d’environnement.
