Diagnostic et maintenance dans les transports guidésactions-incitatives.ifsttar.fr/fileadmin/uploads/recherches/geri/... · Atelier 3.2, L. Bouillaut - 23/03/2011 Plan • Contexte

Atelier 3.2, L. Bouillaut - 23/03/2011

Diagnostic et maintenance dans les transports guidés

Allou SAME (GRETTIA)Laurent BOUILLAUT (GRETTIA)

Séminaire GERI Innovations dans les transports guidés urbains et régionaux

23 juin 2011


Diagnostic par reconnaissance des formes des aiguillages de rails


Plan

• Contexte

• Mécanisme d’aiguillage

• Manœuvre électrique d’aiguillage

• Diagnostic des aiguillages par reconnaissance des formes

• Extension à d’autres systèmes (portes d’accès voyageur)


Contexte

• Projet Switch-RdF (SNCF / IFSTTAR / UTC)– Objectifs

o effectuer un diagnostic précis des aiguillages afin d’anticiper les opérations l’entretien

o accroître le niveau de disponibilité des aiguillages

• Aiguillage– Dispositif (appareil de voie) qui permet au matériel

roulant de passer d’une voie à une autre

– Lignes classiques urbaines et régionales(RER, TER…)

– Lignes à grande vitesse


Contexte

• Projet Switch-RdF (SNCF / IFSTTAR / UTC)– Objectifs

o effectuer un diagnostic précis des aiguillages afin d’anticiper les opérations l’entretien

o accroître le niveau de disponibilité des aiguillages

• Aiguillage– Dispositif (appareil de voie) qui permet au matériel

roulant de passer d’une voie à une autre

– Lignes classiques urbaines et régionales(RER, TER…)

– Lignes à grande vitesse


Eléments constituant un aiguillage

Tringle de manœuvre Tringle d’écartement

Contre-aiguille aiguilles mobiles

Pointe Talon

Entretoises de talon


Manœuvre d’aiguillage

Aiguillage à manœuvre mécanique manuelle

Aiguillage à manœuvre électrique (plus de 70% des aiguillages SNCF) − Effectuée via un moteur électrique (généralement 380 V~),

commandé à distance− Verrouillage des aiguilles mobiles solidaire de leur

mouvement de translation (Verrou-Carter-Coussinet)


Aide à la maintenance préventive des aiguillages

• Opérations de maintenance (périodiques) sur les aiguillages– Contrôle des côtes de l’appareil de voie– Contrôle des pièces mécaniques (tringles, attaques multiples…)– Graissage– Nivellement et dressage

• Vers une stratégie de maintenance préventive des aiguillages– Objectifs

• anticiper les opérations d’entretien avec précision

• accroître le niveau de disponibilité des aiguillages

– Principe

• surveillance à distance en temps réel des efforts de manœuvre : puissance consommée par le moteur électrique (via courant, tension, phase)

• diagnostic par reconnaissance des formes

apprentissage et classification des données


Mesures acquises lors des manœuvres (1/5)

Signal de puissance consommée durant chaque manœuvre ─ Fréquence d’échantillonnage des signaux de puissance : 100 Hz─ Durée d’une manœuvre ~ 6 secondes

Puis

san

ce

Temps (s)

Manœuvre normale

déverrouillage

translation

verrouillage

friction

appel courant moteur

Phases mécaniques


Mesures acquises (2/5)

défaut léger de graissage

défaut tolérable de graissage


Mesures acquises lors des manœuvres (3/5)

défaut critique de graissage

défaut grave de graissage


Pic d’effort traduisant un obstacle au talon des aiguilles

Défaut lié à un obstacle



Limiteur de couple en action, manœuvre inachevée

manœuvre inachevée causée par un défaut mécanique non détecté à temps



Principales approches de diagnostic

• Diagnostic à base de modèles analytiques

– Issu de lois physiques, électriques, chimiques…

– A une entrée donnée (commande, paramètre), on obtient une sortie estimée

– Diagnostic basé sur l’écart entre la réponse réelle et la réponse estimée

• Diagnostic à base de connaissances

– Formalisation de la connaissance experte humaine du système étudié sous forme de règles (ex. AMDEC, arbres de défaillance)

• Méthodes basées sur les données

– Favorisées par le développement des moyens d’acquisition de données sur les systèmes

– Les opérateurs ne peuvent pas suivre toutes les données du système

Méthodes à base de reconnaissance des formes : apprendre à reconnaître automatiquement le fonctionnement du système


Apprentissage des classes de fonctionnement

Prétraitement des donnéesExtraction de caractéristiques

Réduction de la dimension

Base de données labellisées

Diagnostic par reconnaissance des formes

Extraction de descripteurs

Etape d’apprentissage

Décision / DiagnosticClassement /

Probabilités d’appartenance aux classes

Principales étapes du diagnostic par reconnaissance des formes

Signal de puissance

acquis lors d’une manœuvre


Apprentissage des états de fonctionnement

• Base de données labellisées : 120 courbes de puissance étiquetée en trois classes par un expert (aiguillage du centre de formation de Vaires-sur-Marne)

– classe 1 : 35 courbes sans défaut

– classe 2 : 40 courbes avec défaut tolérable (défaut léger graissage)

– classe 3 : 45 courbes avec défaut grave (défaut grave de graissage)

0

t_5

t_10

t_15

t_20

t_25

0

1

2

3

4

5

200

300

400

500

600

700

Extrait de la base de signaux


Extraction de caractéristiques

0 1 2 3 4 5 6

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

temps (s)

Descripteurs :coefficients polynomiaux, variances, paramètres du processus caché (33 paramètres)

Ajustement polynomial spécifique(régression à processus caché)

Objectif : Résumer chaque courbe par un ensemble de descripteurs pertinents

Pro

bas

pro

cess

us c

aché

Pui

ssan

ce (

Wa

tts)


Apprentissage des classes de fonctionnement des manœuvres

-2 -1.5 -1 -0.5 0 0.5 1 1.5 2-2

-1.5

-1

-0.5

0

0.5

1

1.5

2

AFD 1

AFD

2

Courbes de manœuvres projetées dans le plan

manœuvre normale

manœuvre avec défaut tolérable

manœuvre avec défaut grave

– Apprentissage des classes réalisé dans l’espace des descripteurs

o 120 signaux * 33 descripteurs

– Modélisation de chaque classe de fonctionnement par une distribution de probabilité (mélange de gaussiennes)

– Classement sur la base de probabilités d’appartenance à chaque classe

– Performances (validation croisée) : 96% de bien classés


Extension de l’approche proposéePortes d’accès voyageur des trains (1/2)

• Projet SURFER : « SURveillance FERroviaire active »

− Assurer une meilleure disponibilité des trains en exploitation

− Réduire les coûts de garantie pour les constructeurs

• Portes d’accès voyageur des trains− Cause majeure d’indisponibilité des trains

• Cas d’étude :− Portes coulissantes électriques de la NAT

(Transilien Ile de France)

• Diagnostic prédictif par reconnaissance des formes


Extension de l’approche proposéeSystème d’accès voyageur des trains (2/2)• Acquisition en temps réel de données caractéristiques de l’état de fonctionnement des

portes− courant, tension aux bornes du moteur électrique actionnant les portes, mesuré lors

des cycles d’ouverture/fermeture− architecture IP pour la remontée au sol des données

• Classification des données suivant différentes classes de fonctionnement− apprentissage à partir de données labellisées

Puissance consommée (U x I) lors de plusieurs cycles d’ouverture/fermeture

ouverture fermeture


Maintenance dans les transports guidés


Plan de la présentation

22

• Généralités sur la théorie de la maintenance• Pratiques ferroviaires en termes de maintenance

• Les nouveaux besoins en maintenance

• Illustration urbaine

• Conclusions et perspectives


1. Théorie de la maintenance

23

• Naissance de la maintenance

A partir de 1970 : Les développements de secteurs à risques et d’outils modernes aboutissent à la mise en œuvre de la maintenance.

1900 - 1970 : 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)

Avant 1900 : On parle de réparation.



24

Maintenance Curative

Maintenance Palliative

Maintenance Conditionnelle

Maintenance Systématique

Dépannage Réparation

Intervention à caractère provisoire

Pour limiter l’arrêt

Dans l’attente de pièces de rechanges

Remise en état d’origine

Échanges standards de

sous ensemble

Programmés longtemps à

l’avance

Surveillance de l’évolution

Intervention programmée juste à temps

Maintenance Corrective

Maintenance Préventive

Maintenance Prévisionnelle

Subir les Subir les pannespannes

Éviter les Éviter les pannespannes

• Différentes familles de maintenance



25

• Mise en œuvre de la maintenance

- TPM (Total Productive Maintenance)Principe simple, basé sur des indicateurs de disponibilité, de production, de qualité…

- AMDEC (Analyse des Modes de Défaillance, de leurs Effets et de leur Criticité)Méthode intuitive accompagnant le raisonnement humain. Permet la compréhension du système

- GMAO (Gestion de la Maintenance Assistée par Ordinateur)Quelques constats

* Domaine récent (années 90) et marché en pleine évolution depuis 15 ans * Enquête en 1996 : 80% des GMAO ont été un échec

* Marché mondial : $20 milliards (source revue ME 2000)Quelques réalités et mythes

* Peut-on s’en passer ? OUI si GM efficace* Est-il conseillé de la développer soit même ? OUI

- MBF (Maintenance Basée sur la Fiabilité)Méthode évoluée de management de la maintenance

* Outil d’évaluation et d’optimisation d’une politique de maintenance* Stratégie de management de la maintenance


2. Pratiques ferroviaires

26

• Politiques de maintenance existantes

- Souvent préventives systématiques, parfois même correctivesEx : maintenance de la voie

* meulage de défauts de surfaces (1.MPS 2.MC 3.MPC)* géométrie (1.MPC 2.MC)* ballast (1. MPS)* Défauts internes du rail (1.MPS/MPC 2.MC)*Traverses, attaches (1.MPS 2.MC)* Caténaire (1.MPS 2.MC 3.MPC)

- Paramètres de maintenance choisis de manières empirique

- Pour certains matériels, peu de connaissance sur le processus de dégradation


3. Nouveaux besoins en maintenance

27

• Une évolution des contextes ferroviaire et technologique

- Évolution de la technologie, des capacités de mesures et de stockage :* Existence de bases de données très conséquentes, REX…* Méthode d’analyse de données

- Evolution des outils de diagnostic * Détection précoce des défauts * Possibilité d’intervenir, ou pas, avant apparition de défaut critiques (détection de symptômes)* Quelle décision prendre en terme d’intervention (périodicité, niveau de défaut, nature d’intervention…)* Mettre en place une politique d’entretien du système

- Systèmes de + en + complexes, grand nombre de composants, interagissant : Voie, véhicules, caténaires, …

- De nouvelles contraintes * Disponibilité ( du trafic, automatisation des TGU, réglementation…)* Réorganisation du monde ferroviaire (séparation GI/Exploitants)* Gains économiques (GI, Ex, Constructeurs)


3. Nouveaux besoins en maintenance

28

• Outils d’aide à la décision pour optimiser la maintenance


4. Maintenance du rail - contexte Métro

29

• StatAvaries - Analyse statistique du rail cassé et prévention de la rupture du rail

- Contexte : automatisation du métro fer parisien * Nécessité de modifier le contrôle commande

* Dégradation du rail accélérée* Besoin élevé en disponibilité

⇒ Rupture du rail événement critique

- Objectifs : Evaluation quantitative du processus mis en place par la RATP pour la détection et la prévention des ruptures de rail

Développement d’un logiciel générique (portabilité d’une ligne à l’autre)



30

• Maintenance du rail pour prévenir la rupture

- Discrétisation de l’état du rail5 niveaux de défauts (standards UIC)

* NR : non retenu* O : observable (seuil du capteur)* X1 et X2 : taille de défaut entrainant une diminution importante de la résistance du rail* S : rail cassé ou rupture imminente



31


- Actions considéréesRemplacement ponctuels de coupons défectueux (MC, MPS, MPC)

Renouvellement de la voie (MPS) – non considéré dans l’étude



32


- Diagnostic du railQuatre acteurs (2 préventifs, 2 correctifs)

MC déclenchée par des systèmes temps réels* CdV (détection à ~80%, fonction de la saison, de la circulation, de la technologie… Coût de maintenance élevé). Non indispensable en contexte automatisé* Conducteurs (ressentent des chocs à la voie). Non indispensable en contexte automatisé

MPC déclenchée par des auscultations périodiques* Véhicule ultrason + confirmateurs (~2 fois par an, voient tout)* Parcoureurs à pieds (~2 fois par mois, défauts visibles)



33

• Développement d’un outil d’aide à la décision

- Définition d’indicateursDisponibilité (Nombres de fausses alarmes, de tours perdus…)Réactivité (temps moyen de détection des X2 (en jours) et des ruptures (en heures))Maintenance (Nombre d’interventions préventives, de ruptures, taux de bonnes maintenance…)

- 1 scénario de référence

- Modélisation type VirMaLab multicouche (granularité temporelle variable)



34


Modèle StatAvaries 2 – VirMaLab « préventif »

- Evaluation de la capacité à prévenir une rupture- Quantification de l’impact d’un contexte sur la dégradation du rail- Innovation : Dégradation du rail par MGD



35


Modèle StatAvaries 2 – VirMaLab «correctif »

- Le rail est cassé (arrêt du processus de dégradation)- VUS et PP désactivés- Evaluation de la capacité à détecter une rupture- Quantification de l’impact d’une rupture

Atelier 3.2, L. Bouillaut - 23/03/2011 36

Modèle StatAvaries 2 – VirMaLab « multi-couches »

- Permettre le calcul à l’heure de certains indicateurs- Inférence adaptée à la dynamique du défaut (et aux indicateurs souhaités)





• Apprentissage des paramètres

Bases de données RATPAvaries (défaut, date, positionnement…)Tracé (rayons de courbure et positionnements) Rails (âge et nuance)Soudures (date de pose)CdV (technologies, tailles, incidents 2007 à 2009)

Avis d’experts Impact du matériel roulantFiabilité des CdVInfluence de la qualité du rail



• Exemple de résultat : auscultation VUS ligne 7

Circulation de référence- Influence de la maintenance

préventive sur le nombre de

rupturesIntervalle de pointe à 90s- Même tendance que pour la circulation de référence- Dégradation accélérée ⇒ plus de ruptures- Augmentation du nombre de tours perdus (+ de trains

⇒ + de FA liées au Cdt et + de ruptures


• Diagnostic et maintenance en plein essor depuis une dizaine d’année (dans le secteur ferroviaire)

• Larges bases de données REX (GI, exploitants, constructeurs, …)

• Nombreuses perspectives en termes d’analyse dynamique de ces données

• Avec un peu de maîtrise, le ferroviaire a de l’avenir…

5. Conclusions et perspectives


Diagnostic et maintenance dans les transports guidés

Laurent BOUILLAUT (GRETTIA)Allou SAME (GRETTIA)Séminaire GERI Innovations dans les transports guidés urbains et région

aux 23 juin 2011

Documents

Diagnostic et maintenance dans les transports guidésactions-incitatives.ifsttar.fr/fileadmin/uploads/recherches/geri/... · Atelier 3.2, L. Bouillaut - 23/03/2011 Plan • Contexte