Alstom: comment l'Intelligence Artificielle transforme le rail

Rien n'est figé dans les opérations ferroviaires : l'état des trains et des infrastructures sur lesquels ils circulent évolue constamment, mais ils doivent rester en bon état pour assurer un service sûr, efficace et ponctuel. Que se passe-t-il donc lorsque les systèmes ferroviaires souffrent de douleurs quotidiennes ou de problèmes plus graves ?

Comme les médecins, les experts de la maintenance des trains analysent les logs d'exploitation pour comprendre les symptômes, diagnostiquer leurs problèmes et recommander un "traitement". Cela peut prendre du temps, surtout lorsqu'il s'agit de traiter une grande quantité d'informations.

Accélérer une tâche laborieuse grâce à l'IA
Nos data scientists travaillent avec des ingénieurs pour développer un ensemble de "super-analyseurs" d'IA qui peuvent réduire de moitié le temps nécessaire pour établir des diagnostics, tout en améliorant leur précision. "Nous progressons rapidement dans plusieurs applications de diagnostics basés sur l’IA", déclare Ossee Yiboe, data scientist chez Alstom. "Dans le cadre de la maintenance quotidienne, les données relatives aux trains et aux infrastructures sont enregistrées chronologiquement dans des logs d'exploitation. Lorsque les trains fonctionnent sans problème, ces logs sont supprimés automatiquement mais en cas de problème, ils sont communiqués en temps réel aux conducteurs et aux experts en dépannage."

Pour éviter toute interruption de service, des solutions doivent être trouvées rapidement. Souvent, plusieurs interventions de maintenance sont nécessaires avant de trouver la bonne solution.

"Notre objectif est d'utiliser des analyses de données et de l'IA pour créer des outils qui aident les experts à trouver et à résoudre rapidement les problèmes du système en analysant les logs", ajoute Ossee.

Pour rendre le processus plus efficace, les modèles d'IA basés sur des jeux de données existants reconnaissent des schéma, identifient les causes (notamment profondes) des problèmes rencontrés et suggèrent des solutions aux techniciens sur le terrain. "Pour un problème donné particulier, notre solution analyse environ un millier de variables du journal de logs du système pour identifier les causes les plus probables et les remèdes potentiels associés, réduisant ainsi celles-ci à seulement une douzaine de causes probables. En tirant parti de ces technologies, les organisations peuvent accélérer la résolution d’un problème, améliorant ainsi la productivité globale de la maintenance."

Améliorer l’efficacité de la maintenance
Les solutions basées sur l'IA peuvent fournir des résultats avec une précision de 90 % lorsqu'il s'agit d'identifier les raisons d'une défaillance, une aide précieuse pour les responsables de la maintenance moins expérimentés. "En fin de compte, nous recherchons la cause et l'effet", explique Ossee. "En utilisant de nouvelles techniques intéressantes, nous pouvons tirer des enseignements de centaines de variables et les réduire à celle qui a causé la panne. Chaque cas d'utilisation que nous développons nous aidera à diagnostiquer les problèmes futurs et à rendre la maintenance plus efficace."