La SNCF se sert de l’IA pour détecter l’amiante dans les wagons de fret

Spread the love
La SNCF se sert de l'IA pour détecter l'amiante dans les wagons de fret

La SNCF n’en a pas fini avec le désamiantage de ses équipements. Depuis quelques années, plusieurs pièces contaminées à l’amiante ont été identifiées dans des wagons de fret. Une situation sanitaire dénoncée par des salariés à l’été 2019, après la découverte d’amiante dans une dizaine d’ateliers maintenance fret de la SCNF.

La SNCF a pris connaissance, entre autres, de la présence d’amiante sur les pièces de frottement au niveau des articulations entre les wagons. Pour s’attaquer au problème, la société de transport ferroviaire de voyageurs fait appel notamment depuis juin 2019 à l’exertise de Datategy pour améliorer la détection d’amiante grâce à l’intelligence artificielle et la data science.

La solution améliore les processus de maintenance des wagons, tout en renforçant la sécurité des équipes sur le terrain, témoigne la direction industrielle de SNCF Voyageurs qui est chargée de la maintenance de 17 000 trains du groupe.

« Lors de nos opérations de maintenance et d’ingénierie, nous faisons automatiquement un diagnostic d’amiante pour vérifier si les wagons sont sains ou non » explique Patrick Munsch, responsable Maintenance et Ingénierie Wagons chez SNCF Voyageurs. « Ce processus peut prendre jusqu’à trois jours, ce qui retarde les délais de maintenance. Pour réduire ces délais, nos équipes nous demandaient régulièrement un outil pour identifier la présence d’amiante dans les équipements. Cependant, une telle solution n’existait pas sur le marché. Nous nous sommes donc demandés si on ne pouvait pas la créer ».

publicité

Classification visuelle à l’aide de l’IA

Puisque la détection d’amiante peut se faire à partir d’une photographie, l’IA s’avère très utile dans la classification d’images. Le prototype de solution conçu par Datategy est né de ce constat. « Son principe est simple : nos collaborateurs n’ont qu’à prendre une photo des wagons et l’algorithme étudie l’image pour faire son diagnostic » indique Patrick Munsch.

Quinze mois ont été nécessaires pour entraîner l’algorithme. Pendant des mois, les équipes de la SNCF l’ont entraîné et nourri de photos, ainsi qu’avec des résultats de laboratoire concernant la présence d’amiante sur les différentes pièces de wagon.

Pour former l’algorithme, Datategy a séparé le projet en plusieurs phases. D’abord, la société a récolté des données terrains, grâce notamment à la phototèque réalisée par la SNCF. « On a remonté entre 6000 et 8000 photos » dit à ZDNet Thibaud Ishacian, data architect chez Datategy et chargé du projet. Une fois le modèle stabilisé, l’équipe a ensuite ajouté une fonction diagnostic à l’application. Même si le modèle est sans cesse entraîné, l’algorithme a atteint un niveau correct avec une base de 30 000 photos, selon Thibaud Ishacian. 

Pour rendre le processus de détection d’amiante plus fiable encore, Datategy a mis en place un test de diagostic pour avoir « le moins de faux négatifs possibles ». Si le taux d’erreur marginal se maintient à 1%, il est pour l’essentiel constitué de faux positifs, souligne le data architect. « Lorsque les agents prennent des photos, ils sont en combinaison, et les pièces ne sont pas facilement accessibles. Il arrive donc que les photos soient de moindre qualité. Nous avons formé les agents, et mis en place un mode opératoire. L’agent doit prendre un certain nombre de photos pour fiabiliser le processus, et mettre en place des “garde-fous” pour détecter les photos mal prises » précise ce dernier.

2 500 pièces diagnostiquées par an

Au rythme où vont les choses, « 2 500 pièces sont diagnostiquées par an » indique Thibaud Ishacian. Au départ, la solution avait été déployée sur six sites pilotes. Maintenant que le projet est plus mature, « nous étendons son déploiement vers tous les sites indiqués par la SNCF » poursuit Thibaud Ishacian. « L’objectif est de parvenir à scanner tout le parc de wagons ».

L’outil réalisé sur-mesure pour les besoins de la SNCF est aussi intégré à la plateforme papAI de Datategy. « On utilise papAI comme outil de restitution de résultats et centralisation de données » précise Thibaud Ishacian.

Outre le gain de temps et la sécurité sanitaire, l’intérêt de l’IA « c’est le diagnostic en temps réel et le prédictif » note Thibaud Ishacian. « Pour ce projet avec la SNCF, nous ne faisons pas encore de prédictif, mais on y réfléchit. La remontée d’informations pourrait permettre de définir des clusters. C’est un peu un bac à sable ».

Leave a Reply