Résumé
Face à une pression croissante pour numériser et rationaliser ses processus, Iberdrola, par l’intermédiaire de son distributeur i-DE, a reconnu la nécessité de faire évoluer ses méthodes pour les rendre plus intelligentes et collaboratives.
L’entreprise a choisi une solution s’appuyant sur le BIM afin de renforcer sa stratégie principale : améliorer l’efficacité opérationnelle, renforcer la traçabilité des données et faciliter la gestion du cycle de vie des actifs.
Cette adoption pionnière du BIM dans un secteur techniquement complexe a transformé la manière dont i-DE conçoit et gère ses infrastructures électriques. Cette évolution pose les bases d’une ingénierie plus efficace, interopérable et orientée données à l’échelle de l’organisation.
Besoin métier
Exploiter l’IA pour la maintenance
Les trains et les voies nécessitent une maintenance régulière, tout comme les abords des voies. L’identification précise des éléments environnants et l’anticipation d’éventuels changements sont essentielles.
Les arbres doivent être élagués pour éviter la chute de branches sur la voie, prévenir tout contact avec les lignes électriques et réduire le risque de rails glissants causé par les feuilles mortes, pouvant entraîner un enrayage des roues. Les types d’arbres sont identifiés par l’IA à partir de leurs feuilles, et leur rythme de croissance est analysé afin de planifier les opérations de débroussaillage et les autres interventions nécessaires.
Il est également crucial de surveiller les murs et autres structures nécessitant des réparations avant qu’ils n’affectent l’exploitation ferroviaire.
Traditionnellement, les compagnies ferroviaires dépêchent des équipes à intervalles réguliers pour inspecter les voies et signaler les anomalies.
Pour rendre la maintenance plus efficace, GYSEV étudiait l’utilisation de capteurs et de l’IA afin de surveiller ses lignes et détecter des anomalies susceptibles d’indiquer des problèmes.
Il ne s’agit là que d’un des cas d’usage de l’IA : l’entreprise mène plusieurs initiatives visant à renforcer la santé et la sécurité, améliorer l’expérience des voyageurs et optimiser les processus.
La multiplicité des projets, répartis sur différentes infrastructures et plateformes IA, entraînait une utilisation inégale des ressources : certains projets surchargeaient leur infrastructure, tandis que d’autres ne l’exploitaient pas pleinement. GYSEV souhaitait consolider ses initiatives IA afin d’optimiser l’utilisation des ressources et d’améliorer son efficacité économique.
Nous avons choisi NTT DATA pour le projet de consolidation en raison de son expertise en IA et de son excellente relation avec Dell Technologies, notre fournisseur privilégié. Ce partenariat a été déterminant pour garantir la livraison des équipements dans les délais impartis. »
Solution
Des trains au data center
GYSEV a fait appel à NTT DATA pour standardiser son infrastructure IA afin de simplifier ses projets et d’en améliorer l’efficacité.
Le projet a été abordé sous deux angles : le conseil sur l’architecture technique globale de l’IA et l’accompagnement du projet de surveillance des voies à l’aide de caméras et de scanners 3D installés sur les trains et les wagons.
Nous avons commencé par analyser l’infrastructure existante utilisée pour les projets IA de GYSEV, comprenant des solutions issues de différents fournisseurs. Cette analyse nous a permis de définir une stratégie visant à déployer une solution standardisée dotée de la puissance de calcul nécessaire aux applications d’IA.
L’infrastructure conçue repose sur des technologies Dell Technologies, NVIDIA et VMware. Grâce à notre partenariat mondial avec Dell Technologies, nous avons pu approvisionner et livrer le matériel requis dans les délais et le respect du budget.
Dans le cadre du projet de maintenance des voies, les données captées par des trains circulant à grande vitesse devaient être traitées pour créer un jumeau numérique des lignes ferroviaires. Ce modèle 3D fournit des informations détaillées sur tout ce que les caméras détectent : branches tombées, anomalies sur les pylônes électriques ou dommages à d’autres infrastructures.
Le principal défi consistait à transférer les données des caméras pour traitement sans augmenter les coûts. Si le cloud est efficace pour traiter des données générées dans le cloud, celles du jumeau numérique sont produites directement à bord des trains. Leur transfert vers et depuis le cloud est coûteux. Nous avons donc exploité l’infrastructure de data center existante de GYSEV afin de traiter les données en on-premises via une solution d’IA privée.
Nous étions impatients de constater comment l’IA pouvait améliorer la ponctualité des trains et la satisfaction des voyageurs ; c’est pourquoi nous avons lancé plusieurs projets simultanément. Le problème était que chacun disposait de sa propre infrastructure : certaines équipes manquaient de ressources, d’autres en avaient trop. Nous avions besoin d’une solution standardisée pour gagner en efficacité. »
Résultats
Supervision automatisée pour une maintenance inteligente
Grâce à une approche intégrée de l’infrastructure IA, GYSEV enrichit ses processus existants par l’automatisation et l’intelligence artificielle, tout en se préparant à développer de nouveaux cas d’usage. Son infrastructure est dimensionnée pour gérer les volumes massifs de données captés par les capteurs et les transformer en informations exploitables pour la planification et la maintenance.
Réduction des coûts
L’utilisation d’une plateforme unique pour plusieurs projets IA réduit les coûts matériels et de maintenance et permet une gestion centralisée de l’infrastructure.
Réduction du temps de maintenance
Les équipes s’appuient sur les données pour intervenir de manière proactive sur les voies et leurs abords. En traitant les problèmes potentiels avant qu’ils ne deviennent majeurs et coûteux, elles minimisent les temps d’arrêt.
Prévention des retards et amélioration de la sécurité
Les voyageurs comptent sur la ponctualité, mais la sécurité reste prioritaire. Les trains s’arrêtent en cas de danger sur la voie et ne repartent qu’une fois le risque éliminé. Grâce à une visibilité anticipée sur les dangers potentiels (comme des branches prêtes à tomber), les équipes peuvent intervenir lorsque la ligne n’est pas exploitée.
Soutien à la planification stratégique
Plus les caméras et capteurs collectent de données, plus l’IA affine ses modèles. Au fil du temps, elle améliore la prévision des cycles de maintenance, des variations saisonnières et des anomalies. Ces informations permettent de prendre des décisions éclairées et de planifier l’avenir avec davantage de précision.