Vue d'ensemble
Alstom est un leader mondial du secteur des transports. La société propose des services concernant de trains, de signalisation, de maintenance ainsi que des systèmes de transport intégrés. Parmi les produits d’Alstom figurent les trains à grande vitesse TGV et Eurostar. La société compte 105 sites et emploie plus de 34 000 personnes dans le monde. Son revenu net est de 475 millions d’euros.
SimPlan AG est le principal prestataire allemand de services de simulation, spécialisé dans les domaines de l'automobile et de la logistique. Le chiffre d’affaires de la société est de 14,5 millions d’euros.
Alstom considère que l'innovation est cruciale pour relever les défis de la mobilité du futur. Ensemble, avec SimPlan, ils ont convenu de développer un système d’aide à la décision numérique pour la gestion de la maintenance de la flotte de trains.
Ce travail fait partie du projet européen OPTIMIZED, financé par la Commission européenne, dans le cadre du programme UE H2020. OPTIMIZED est une grande initiative européenne visant à développer des méthodes et des outils pour une planification réactive hautement optimisée dans de divers secteurs industriels. La clé du projet réside dans la simulation et les jumeaux numériques, construits avec son aide. Un jumeau numérique est une réplique virtuelle d'un système physique et de ses opérations, telles qu'elles fonctionnent dans la vie réelle. Ce type de modèle de simulation peut être mis à jour en continu à partir de plusieurs sources de données et changer son état pour représenter sa contrepartie physique.
Problème
Alstom effectue la maintenance de l’ensemble de la flotte de trains Pendolino sur la ligne principale, chargée et encombrée, de la côte ouest (WCML) au Royaume-Uni. Avec 56 trains à entretenir et cinq dépôts de maintenance, la société doit prendre en compte de nombreux aspects lors de la planification et de la gestion de la maintenance :
- Conditions de fonctionnement quotidiennes pour les itinéraires et horaires concernant les rames et les capacités nécessaires.
- Régimes de maintenance : fréquence et paramètres (tels que le temps ou le kilométrage) pour l'inspection et la maintenance des rames.
- Maintenance corrective en cas d'accident ou de panne.
- Capacité de maintenance : si un dépôt dispose de suffisamment de ressources pour la maintenance ou la réparation.
Les trains entretenus plus tôt que nécessaire entraînent des dépenses inutiles pour l'entreprise d'entretien, tandis qu'un entretien tardif peut entraîner des pannes et des réparations supplémentaires coûteuses. Un outil numérique complet était donc nécessaire pour aider à gérer efficacement la maintenance.
Solution
Étant donné que de nombreux paramètres doivent être pris en compte, la simulation est nécessaire. Mais une simple simulation avec des données fixes est insuffisante. La raison en est que la situation sur les chemins de fer est très changeable, malgré un horaire de train fixe, et il est très difficile de prédire l’emplacement des trains, même quelques jours à l’avance. L'utilisation de données actualisées permettrait une analyse plus approfondie, ce qui a conduit les développeurs à créer le jumeau numérique du système. Avec les mises à jour opérationnelles quotidiennes, il est devenu possible de représenter le système avec précision.
Le logiciel de planification et de simulation de transport AnyLogic permet l’utilisation de la méthode de modélisation la plus appropriée pour une simulation ou même l’utilisation simultanée de plusieurs méthodes. Pour ce modèle, les développeurs ont choisi une approche de modélisation multi agents, qui permet de capturer l'ensemble du réseau ferroviaire et des opérations :
- La flotte
- Les dépôts et les gares
- Régimes de maintenance
- Schémas définissant le calendrier de la flotte
AnyLogic a également permis aux développeurs de gérer des données provenant de différentes sources sans changer de format. Les données système sur la flotte, les gares, les dépôts et leurs contraintes sont fournies dans Excel, tandis que les diagrammes d'ordonnancement des rames sont des fichiers CSV et sont attribués quotidiennement.
Le planificateur de maintenance qu'Alstom utilise habituellement est basé sur un algorithme de planification heuristique et les développeurs l'ont intégré dans le logiciel de simulation ferroviaire AnyLogic. Cela procure un grand avantage car étant connectés directement, la simulation et le planificateur, ils peuvent être exécutés ensemble pour des résultats plus rapides, à chaque fois que cela est nécessaire.
Le modèle dispose d'une interface interactive et conviviale AnyLogic. La fonctionnalité SIG d'AnyLogic permet d'afficher et de gérer les cartes SIG dans le modèle. En utilisant cette fonctionnalité, les développeurs ont visualisé les opérations de la flotte fde trains à l'aide des données d'OpenRailwayMap. Sur cette carte, les utilisateurs peuvent voir toutes les opérations de la flotte. De plus, il est possible de cliquer sur n'importe quel agent et d'obtenir des informations complètes à son sujet. Pour une rame ce sont :
- Statistiques sur ses heures de travail cumulées.
- Détails des entretiens préventifs et correctifs, aussi bien ceux effectués, nécessaires et planifiés, ainsi que les dépôts concernés.
- Le temps total planifié pendant lequel le train peut être à l’arrêt pour entretien.
Basé sur Java, AnyLogic a également permis aux développeurs de créer des extensions Java personnalisées et une application autonome librement distribuable pour la simulation et l'optimisation de la flotte de trains - une fonctionnalité qui a aidé les ingénieurs à présenter le modèle aux dirigeants.
De nombreux autres développements du modèle de simulation sont prévus. Par exemple, l’équipement des rames de détecteurs pour envoyer des données au modèle et l’aider à représenter la réalité de plus près. Le planificateur doit également être mis à niveau avec des méthodes probabilistes et des fonctions d'apprentissage machine pour l'ordonnancement prédictif des trains et l'optimisation des politiques d'ordonnancement.
Résultat
Le jumelage numérique représente les opérations de l'ensemble de la flotte du WCML. Il permet à ses utilisateurs d'économiser des frais d'entretien ferroviaire inutiles en trouvant une solution optimale pour les contraintes données. L'utilisateur le peut :
- Comprendre le fonctionnement du système avec les paramètres donnés et trouver les goulots d'étranglement.
- Explorer différentes façons de desservir les trains de façon plus rentable (modification des régimes d'entretien de la flotte de trains, des stratégies de planification, des capacités de dépôt), de façon rapide et sécuritaire dans un environnement numérique.
- Comparer des scénarios, évaluer les KPI et prendre des décisions éclairées.
En cas d'urgence ou d'événements imprévus, Alstom peut rapidement trouver une solution nouvelle et efficace en modifiant les données d'entrée. Il est également possible d'anticiper les événements possibles et de trouver des solutions à l'avance en exécutant divers « what- if » scénarios.
Si des changements globaux sont proposés par le client (nouvelles horaires, trains ou lignes supplémentaires), la société de maintenance peut vérifier si ces changements affectent la maintenance et proposer de nouvelles solutions. De plus, le modèle est un bon outil d'illustration pour la présentation au client.
Le jumelage numérique de réseau ferroviaire est un outil précieux de simulation et d’aide à la décision pour les autres étapes de la maintenance de la flotte de trains :
- En prenant part aux appels d’offres, la société peut effectuer des estimations fiables à l'aide de données et de simulations à l'appui des propositions – le modelé est un puissant outil visuel de communication.
- Au cours de la phase de conception et d'ingénierie, l'entreprise de maintenance peut faire preuve de souplesse en ce qui concerne les modifications de projet et prendre en compte les contraintes.
- L'entreprise peut établir des prévisions de projet en fonction des résultats du modèle.
L'investissement dans le développement d’un jumeau numérique du réseau ferroviaire s'est avéré très utile pour la prise de décision, à la fois dans le présent et à long terme.