Projets

Mesea recourt au big data dans le cloud pour doper sa performance

Philippe Sergent, directeur général adjoint Performances de Mesea, voulait développer la performance opérationnelle et économique de l’entreprise.

Mesea, mainteneur de la LGV SEA (Ligne Grande Vitesse Sud Europe Atlantique Tours-Bordeaux), et Lisea, concessionnaire, utilisent ForePaaS pour gérer et exploiter les données de maintenance de l'infrastructure.

PublicitéCréée en Octobre 2010, Lisea a obtenu la concession de la construction et de l'exploitation de la LGV SEA (Ligne Grande Vitesse Sud Europe Atlantique Tours-Bordeaux) dans le cadre d'un contrat de PPP (Partenariat Public-Privé) signé le 16 juin 2011 pour une durée de 50 ans. Filiale de Vinci Concessions, de la Caisse des dépôts et consignations et des fonds d'investissement Ardian et Meridiam, Lisea a confié la maintenance de l'infrastructure mise en service le 1er juillet 2017 à Mesea, elle-même filiale de Vinci Concessions (70%) et de Systra (co-entreprise SNCF-RATP) créée en 2009. Or la réalisation des obligations contractuelles de Mesea et Lisea suppose d'importants traitements de données. Les équipes internes restant limitées, le recours à une solution dans le cloud, proposée par une structure de veille du groupe Vinci, Léonard, a été choisie pour un test qui s'est révélé concluant : ForePaaS.

La maintenance de la LGV concerne en effet les voies autant que les équipements connexes : abords, caténaires, signalisation, télécoms... Si certaines compétences pointues sont encore sous-traitées (dans les télécoms notamment), tout devait être intégrée à Mesea sous deux ans. Cette entreprise de 195 collaborateurs a en effet vocation à mener toutes les opérations de maintenance. Et à fournir les données qui prouvent son efficacité.

De lourdes obligations de traitement des données

Mesea doit fournir à Lisea les données nécessaires à la facturation des opérateurs ferroviaires (actuellement : la seule SNCF). Il s'agit donc de compter et d'identifier les trains afin que Lisea puisse facturer l'utilisation de la ligne, le tarif variant en fonction des types et du nombre de trains. Il faut également démontrer le respect des obligations contractuelles de performance : disponibilité de l'infrastructure, géométrie de voie constante (influant sur le confort des passagers et la vitesse possible des trains)... Si les seuils contractuels ne sont pas respectés, Lisea encourt en effet de lourdes pénalités. SNCF Réseau fournit certes des données sur la qualité de la circulation (minutes perdues...) mais il faut savoir à quoi les imputer (train en panne, problème d'infrastructure...) et donc définir les responsabilités. Enfin, il s'agit pour Mesea d'optimiser son propre travail et donc le plan de maintenance, en particulier en détectant les signaux faibles précurseurs d'incidents.

Face à ces obligations, Mesea peut compter sur un certain nombre de données existantes. Pour compter et identifier les trains, les échanges entre chaque train et le centre de régulation SNCF via le GSMRail reposent sur des messages contenant toutes les informations utiles. « Il faut en extraire les informations pour créer la base de données de fréquentation » explique Philippe Sergent, directeur général adjoint Performances de Mesea. Les données de circulation fournies par la SNCF sont également importantes. Quelques données IoT sont à prendre en compte, émanant en mode message des installations. Des capteurs météorologiques devraient également être installés au fil du parcours. Philippe Sergent justifie : « vue la quantité limitée de données dont nous avons vraiment besoin, le service de Météo France est trop riche et coûte trop cher. » Enfin, un train de maintenance mesure mètre par mètre régulièrement la géométrie des voies et contrôle divers éléments sur les infrastructures.

PublicitéIndustrialiser un traitement des données partagées

Bien entendu, chaque service tentait d'exploiter les données disponibles avec des outils de type bureautique. Mais en mode silo et de façon évidement limitée. Pour Philippe Sergent, « transversalité et croisement des informations ne sont pas naturels. » Il s'agissait donc d'adopter une approche Big Data avec dessilotage et partage des informations et, dans un deuxième temps, de recourir à l'IA. Tout cela visait à traiter optimalement les informations utiles pour prédire les incidents et améliorer le plan de maintenance. Une fois une plate-forme mise en place avec des données partagées, aux métiers de réaliser les développements dont ils ont besoin. Cela concerne également Lisea qui reste en charge des travaux lourds de renouvellement d'équipements.

« Pour trouver une solution, nous avons consulté une structure baptisée Léonard au sein du groupe Vinci, structure visant à valoriser les technologies innovantes » se souvient Philippe Sergent. Il poursuit : « c'est Léonard qui nous a orienté vers ForePaaS, une plate-forme susceptible de répondre à nos besoins. » Ces besoins étaient : collecter l'information, la stocker, l'exposer et la présenter et enfin proposer des modules d'IA pour des logiques plus complexes.

Une démarche progressive

En Octobre 2018, un premier démonstrateur est mis en oeuvre pour l'analyse des incidents afin de comprendre l'origine des indisponibilités (temps pour détecter, pour intervenir, pour réparer, pour remettre en circulation...). « Nous avons mené un zoom sur les aiguillages car les données ne sont pas simples à extraire et à consolider mais nous y sommes arrivés » se réjouit Philippe Sergent. Mesea et ForePaaS ont mis en place une collaboration agile jugée par le directeur général adjoint comme « très efficace ». Fin Mars 2019, cette première phase a été considérée comme achevée avec un produit « parfaitement opérationnel ». « Y réussir en seulement six mois a été une réelle bonne surprise » s'enthousiasme Philippe Sergent.

Du coup, une deuxième phase a été lancée au printemps 2019, en se basant d'un côté sur l'extraction de données (partie ETL de ForePaaS) et de l'autre sur l'IA. Le premier projet concerne la classification des incidents selon la norme européenne en vigueur pour mener un benchmark européen. Un deuxième vise à l'analyse des défauts de comportement des voies, en les rapprochant de la météo, pour aider un expert qui, actuellement, consacre au sujet deux jours par semaine. L'idée est de créer un modèle d'apparition de défaut. Et, enfin, il y a un nouveau zoom sur les aiguillages, avec des données issues de mesures pour optimiser la maintenance.

Pour la performance globale de l'entreprise

« Il s'agit, au travers de ces projets, de servir la performance opérationnelle et économique de l'entreprise » souligne Philippe Sergent. Certaines données collectées incidemment peuvent servir à délivrer des services complémentaires aux opérateurs ferroviaires comme par exemple la qualité des pantographes ou la température des essieux, données qui peuvent aider à la maintenance des trains.

Mais tous ces projets ne permettent pas de justifier l'emploi à temps plein d'un data scientist interne. Mesea travaille donc avec un cabinet externe, Eleven, pour l'aider dans la phase 2. Eleven est un partenaire habituel de ForePaaS. L'ensemble du coût de la première phase est estimé à 70 000 euros, celui de la seconde à 250 000 euros. « Nous avons eu la chance de trouver des partenaires qui nous ont accompagnés pas à pas dans notre démarche » se réjouit Philippe Sergent.