Contexte
Dans le secteur du transport routier et ferroviaire, la sécurité est un enjeu majeur. Les ressorts à lames sont des composants critiques des systèmes de suspension, utilisés notamment sur les camions et les trains. Une rupture de ressort peut entraîner une perte de stabilité du véhicule, voire des accidents graves mettant en péril les passagers, les conducteurs, et les marchandises transportées.
Le défi principal réside dans la capacité à détecter les premiers signes de défaillance avant que le ressort ne casse. La prévention de ces ruptures est donc un enjeu critique. Détecter les premiers signes de faiblesse avant qu’une défaillance ne survienne permet d’améliorer significativement la sécurité tout en optimisant les coûts de maintenance.
Besoins
Le client souhaitait surveiller en temps réel l’état de santé des ressorts à lames, et être en mesure d’anticiper leur défaillance à partir de l’analyse des vibrations enregistrées juste avant les phases de freinage.
Pour ce faire, deux accéléromètres ont été installés de chaque côté de la lame. Toutefois, ces capteurs n’étaient pas synchronisés, ce qui complexifiait l’exploitation des données. Le client avait donc besoin d’un indicateur de santé fiable, capable de refléter l’état du ressort, et de permettre une prise de décision rapide et pertinente.
Solutions
DiagFit a permis de mettre œuvre une solution de détection de pannes basée sur l’analyse de données vibratoires brutes, sans nécessiter de modèle physique du système.
Les données issues des accéléromètres ont d’abord été prétraitées afin de corriger les problèmes liés à leur non-synchronisation. Ensuite, un modèle de diagnostic a été construit à partir des caractéristiques extraites automatiquement des signaux. Ce modèle a permis de catégoriser l’état des ressorts selon trois niveaux :
- Vert : fonctionnement normal du ressort
- Orange : comportement anormal nécessitant une inspection
- Rouge : défaillance critique arrêt immédiat du véhicule recommandé
Cette approche permet une surveillance continue, en ligne, et sans intervention humaine, directement exploitable par les équipes de maintenance.
Résultats
La solution développée par DiagFit a livré des résultats remarquables, démontrant toute la pertinence de son approche. Lors des tests, le modèle a détecté avec précision la totalité des défaillances : les deux ressorts présentant un défaut ont été identifiés sans erreur, atteignant ainsi un taux de vrais positifs de 100 %. De même, les cinq ressorts en bon état ont tous été reconnus comme tels, garantissant 100 % de vrais négatifs. Ces performances confirment la fiabilité du système, même dans un environnement complexe marqué notamment par la non-synchronisation des capteurs.
Au-delà de ces résultats chiffrés, le modèle s’est également distingué par sa capacité à détecter les anomalies en amont, avant même que des symptômes visibles n’apparaissent. Cette détection précoce ouvre la voie à une maintenance proactive, plus efficace, plus sûre et mieux ciblée.
Pour le client, les bénéfices sont multiples : une sécurité renforcée grâce à l’anticipation des ruptures, une meilleure planification des interventions, une réduction significative des arrêts imprévus, et une optimisation globale des opérations de maintenance. Enfin, la robustesse du modèle, capable de fonctionner avec des capteurs non synchronisés, témoigne de la solidité et de l’adaptabilité de l’approche DiagFit, parfaitement adaptée aux contraintes industrielles réelles.
Ce cas d’usage illustre concrètement la capacité de DiagFit à transformer des données vibratoires brutes en informations décisionnelles exploitables, contribuant à renforcer la fiabilité et la sécurité des systèmes de transport.
