Diagnostic à distance et Deep Learning chez Zentralbahn – de la valeur ajoutée grâce aux données et au savoir-faire des experts

Résumé

La Zentralbahn accélère la transformation numérique de ses opérations ferroviaires en déployant des technologies de diagnostic à distance et d’apprentissage profond. L’un des projets phares est la mise en place d’un système de diagnostic à distance en temps réel pour la flotte ABe (SPATZ), utilisant des outils analytiques avancés de Rail Diagnostics pour surveiller et analyser les données d’exploitation. Parallèlement, les données existantes de la flotte ABeh (ADLER, FINK) sont enrichies par des capteurs de vibrations et d’autres paramètres, puis analysées à l’aide d’algorithmes d’intelligence artificielle. Ces innovations permettent une maintenance conditionnelle, réduisant les temps d’arrêt et améliorant l’efficacité opérationnelle. 

Dans le cadre du projet d’apprentissage profond, une plateforme IoT spécialisée collecte en quasi-temps réel des milliers de signaux issus des capteurs embarqués. Grâce aux réseaux neuronaux, ces données sont traitées pour détecter les anomalies précocement et prévenir d’éventuels dysfonctionnements. L’intelligence artificielle améliore ainsi la précision des opérations de maintenance prédictive tout en générant des économies à long terme. De plus, un système avancé de diagnostic à distance assure une surveillance continue de la flotte, facilite la planification des interventions et assiste le personnel en temps réel, garantissant une sécurité et une fiabilité accrues. 

Ces initiatives innovantes démontrent l’engagement de la Zentralbahn en faveur de stratégies de maintenance basées sur les données. En collaboration avec Rail Diagnostics et le CSEM, l’entreprise perfectionne continuellement ces technologies. Grâce à l’analyse prédictive pilotée par l’IA, la Zentralbahn se positionne comme un leader de la transformation numérique du transport ferroviaire, contribuant de manière significative à l’amélioration de l’efficacité et de l’excellence opérationnelle du secteur. 

Auteurs

• Marco Barmettler, chef de projet Applications informatiques Véhicules et Maintenance, Stansstad, zb Zentralbahn AG
• Dr. Jihyun Lee, ingénieure R&D, Groupe Analyse Prédictive, Alpnach, CSEM
• Florian Burri, chef de projet, Groupe Inspection Industrielle, Alpnach, CSEM
• Roman Tschannen, directeur général, Dietikon, Rail Diagnostics GmbH
• Severin Wagner, directeur de l'ingénierie / directeur général adjoint, Dietikon, Rail Diagnostics GmbH