Leader mondial dans le domaine de la maintenance prédictive ferroviaire, nous sommes, en effet, capables d’analyser 8 000 variables d’un train, dont 2 000 en temps réel. Et sur plus de 1 100 trains en même temps. Explications avec l’un de nos spécialistes : Cyril Verdun, directeur de l'ingénierie de maintenance à la direction du Matériel chez SNCF Voyageurs.

Cyril Verdun : C’est le fait d’utiliser les données transmises en continu par nos trains et de les interpréter grâce à des algorithmes développés sur fonds propres pour limiter les opérations de contrôle. Cela supprime les opérations de maintenance préventive systématiques qui doivent représenter 90% de la maintenance (contrôle, niveaux, vérification d’un état ou d’une valeur, etc.). En ayant accès aux données en continu, nous nous épargnons cela et pouvons nous concentrer sur les 10% de cas restants.

C.V. : « Prédictif » est un abus de langage. On peut davantage parler de « maintenance analytique » ou de « data maintenance ». Au lieu d’effectuer des révisions tous les X kilomètres, comme sur une voiture, nous supprimons les contrôles périodiques. Nous pouvons, à la fois, prédire et anticiper les défauts, mais aussi adapter les rendez-vous de maintenance en fonction de l’état réel de chaque matériel.

C.V. : Nous travaillons sur une double avancée en matière de maintenance prédictive. D’un côté, lorsqu’un ancien train n’est pas équipé, on installe des IoT1. Ces capteurs connectés nous permettent de collecter les données qui nous intéressent via le télédiagnostic. De l’autre, quand une rame est déjà dotée de données sur le réseau informatique, nous installons une carte SIM SNCF permettant de les télétransmettre et ainsi réaliser de la maintenance prédictive.

C.V. : Tout à fait, le premier niveau, très poussé, qu’on appelle « Condition based maintenance » (CBM), consiste en l’envoi d'innombrables données sur l’ensemble des variables du train. Le second, le télédiagnostic, se contente de faire parvenir des données ciblées (souvent binaires). C’est moins précis puisque les capteurs de télédiagnostic fournissent 1000 fois moins d’informations que les données réseau. 1100 rames SNCF sont équipées pour faire du CBM, 2500 sont en mesure d'être télédiagnostiquées, et ce, avant la mise en service des dernières générations de trains (RER NG, TGV M et Oxygène).

C.V. : Nous analysons les données transmises par les portes, les emmarchements mobiles, la climatisation, le chauffage, les toilettes, les compresseurs, les batteries, l’éclairage, les moteurs, les systèmes d’information voyageurs embarqués, la vidéoprotection et les freins.

C.V. : Parce que le télédiagnostic et la maintenance prédictive permettent de diviser le nombre de pannes de moitié. Cela améliore les transports du quotidien et le confort des TGV.

Grâce à la maintenance prédictive du pantographe², par exemple, nous ne sommes plus obligés de monter sur le toit du train, et donc de l’immobiliser. De même, grâce à un certain nombre de nouveaux paramétrages, nous connaissons précisément l'état des batteries pour savoir quand les changer précisément. Cela évite les opérations de maintenance préventive toutes les X années sur les batteries et limite les déposes et réparations inutiles. Ce qui revient à avoir plus de trains disponibles à la circulation et à améliorer l’environnement.

C.V. : Nous industrialisons nos systèmes informatiques (SI). En effet, si les algorithmes (sur fonds propres) et nos processus sont rodés, les SI qui les supportent sont en phase de fiabilisation. Les volumes de données et l'implication de ces processus dans la production au quotidien en technicentre nous obligent à investir aussi dans nos solutions SI internes pour améliorer la fiabilité « bout en bout » de nos solutions « made in SNCF ».

C.V. : Nous utilisons plusieurs bancs de maintenance que nous avons installés sur les voies de nos technicentres. Ils nous permettent d’analyser l’état des pièces mécaniques extérieures des TGV, telles que les essieux, les garnitures et les disques de freins.

C.V. : Les bancs automatiques de maintenance sont des dispositifs complémentaires pour améliorer la performance de la maintenance, notamment sur les organes mécaniques où les IoT¹ sont moins probants. Grâce aux bancs, on automatise ainsi la maintenance préventive systématique des freins (garnitures, disques), des essieux, des roues, etc. On se concentre donc uniquement sur le correctif nécessaire avant la panne ou l’usure limite.

C.V. : J’ai envie de leur dire : « soyez rassuré, votre train est diagnostiqué en temps réel ». On sait ainsi immédiatement si une panne survient et beaucoup de nos fonctions sont redondées. Par exemple, si une climatisation ne fonctionne pas, celles des autres voitures sont en mesure de compenser. Dans les rames Francilien, Regio2N et Régiolis, nous savons avec 95% de certitude si une panne aura lieu dans une semaine ou dans les trois prochains jours. Depuis 8 ans, nous avons divisé de plus de moitié le nombre de pannes sur les rames télédiagnostiquées et presque par trois sur les lignes où la maintenance prédictive est en place.

C.V. : C’est indéniable, pour citer un exemple, sur près de 100 rames Francilien présentes sur Paris-Nord, nous en avions toujours 9 arrêtées pour maintenance. Aujourd’hui, ce chiffre varie entre 6 et 7. Cela permet de renforcer la robustesse du service en insérant un train supplémentaire aux heures de pointe.

C.V. : Du directeur de technicentre aux métiers opérationnels, l’introduction du digital a changé le quotidien. L’opérateur passe dans un monde où le train dialogue avec les mainteneurs. Il ne travaille plus « à l’aveugle » sur le train, il sait pourquoi il intervient et connaît l’historique de la pièce concernée. Cela engendre une baisse de 20% des coûts de maintenance et une diminution de 30% des manœuvres et des entrées sur site.

C.V. : Notre savoir-faire en matière de maintenance prédictive et de télédiagnostic est tel que nous sommes meilleurs que les industriels et les constructeurs qui ont fabriqué nos rames. Cette excellence ne doit rien au hasard, car avec les équipes du Matériel, nous avons misé sur l’analyse de données dès le printemps 2013 avec le recrutement de data scientists. Des données que nous explorons, depuis, chaque jour, afin d’identifier les nouveaux usages et d’améliorer le quotidien de nos clients et de nos collaborateurs.