La tendance actuelle en matière de capteurs et d’équipements industriels déployés sur le réseau ferré nous amène à gérer des systèmes de plus en plus complexes qui obligent les agents à travailler dans un environnement incertain. Dans le même temps, le domaine du transport ferroviaire devient de plus en plus concurrentiel, ce qui contraint les gestionnaires d’infrastructures à une recherche permanente d’amélioration, d’optimisation et de productivité. Parallèlement, l’utilisation des techniques de surveillance classiques est de plus en plus coûteuse, tout en offrant des performances de moins en moins satisfaisantes. Les fonctions de surveillance du réseau sont souvent opérées hors ligne, empêchant ainsi le traitement en temps réel de l’information. L’intelligence artificielle offre des outils totalement dissociés de la structure de l’infrastructure, ne nécessitant pas la modélisation préalable de cette dernière et permettant un suivi en temps réel de son évolution. Cette nouvelle approche de la maintenance s’avère par conséquent évolutive et plus en adéquation avec les contraintes économiques auxquelles est soumise notre activité. Dans ce cadre, nous avons étudié une nouvelle architecture combinant l’emploi de plusieurs couches de réseaux neuronaux profonds et un modèle de fusion. Cette solution permet de garantir un taux de disponibilité optimale du réseau et de préserver l’infrastructure existante par une maintenance au juste à temps et au juste nécessaire. Pour le système destiné aux trains commerciaux, nous avons abordé les problématiques de programmation distribuée telles que la co-allocation des ressources. Une étude économique complète cette étude.
M. Philippe VANHEEGHE Centrale Lille Directeur de thèse M. Sriram NARASIMHAN University of Waterloo Rapporteur M. Christophe POUET Ecole Centrale Marseille Rapporteur Mme Emilie POIRSON Ecole Centrale Nantes Examinatrice Mme Sophie TISON Université Lille 1 Examinatrice M. Adnane BOUKAMEL Ecole Centrale Casablanca Examinateur M. Emmanuel DUFLOS Ecole Centrale Lille Co-directeur de thèse M. Pierre Marie ROGIER Institut de Recherche Technologie Railenium Invité
Thesis of the team SIGMA defended on 26/01/2021
français
English