Letteratura scientifica selezionata sul tema "Maintenance conditionnelle – Transports ferroviaires"

Le développement de nouveaux systèmes intelligents qui permettent de répondre aux besoins croissants en matière de transport et de disponibilité est un enjeu clé de compétitivité pour les différents acteurs de l’industrie ferroviaire. Dans ce contexte, le système captage de courant composé de la caténaire et du pantographe est un élément clé de l'infrastructure ferroviaire. En effet, un composent abîmé ou dégradé de la caténaire peut entraîner d'importants retards, endommager l'infrastructure et le matériel roulant, et engendrer d'importantes pertes financières pour l'exploitant ferroviaire. Dans ce cadre, des constructeurs ferroviaires tels que Alstom tentent de développer des solutions de maintenance modernes afin de gérer l’opérabilité des systèmes et d’assurer leurs disponibilités. Afin d’atteindre des objectifs de disponibilité, de fiabilité et de sécurité des systèmes, la démarche la plus étudiée actuellement est le « Prognostics and Health Management » (PHM). Dans cette thèse, la première contribution consiste à formaliser un processus de déploiement et de développement d’un système PHM adapté au contexte de l’infrastructure ferroviaire et plus particulièrement au système de captage de courant. La deuxième contribution de la thèse porte sur le diagnostic du système caténaire. La procédure de diagnostic proposée permet de détecter, d’identifier et de localiser différents modes de défaillance de la caténaire à partir des mesures de la force de contact. L’approche considérée est basée sur des machines à vecteurs de supports et la définition de descripteurs extraits de la force de contact. Les données utilisées pour la validation du diagnostic sont issus de simulation dans un premier temps, par la suite des essais en ligne ont permis de valider la méthode et de proposer une approche pour la mise en œuvre industrielle du diagnostic. Enfin, la dernière contribution concerne le développement d’une fonction de pronostic pour le fil de contact de la caténaire. Cette méthode est basée sur une l’utilisation de modèles physique d’usure du fil de contact et l’utilisation d’une approche de pronostic par filtre. Les performances de pronostic ont été évaluées en fonction de la pertinence de la décision de maintenance induite par le pronostic. Cette thèse a permis la mise en place de différentes approches pour le déploiement d’un système PHM pour la caténaire
Developing intelligent systems that can meet the growing needs for transportation is a key competitiveness issue for the different stakeholders in the railway industry. In this context, the current collection system, consisting of the overhead contact line (catenary) and the pantograph, is a key element of the railway infrastructure. In fact, a damaged or degraded component of the catenary can cause significant delays, can damage the infrastructure and the rolling stock, and can cause significant financial losses for the railway operator. In this way, railway manufacturers such as Alstom are trying to develop modern maintenance solutions to manage the operability of systems and ensure their availability. In order to achieve objectives of system availability, reliability, and safety, the most currently studied approach is the "Prognostics and Health Management" (PHM). In this thesis, the first contribution consists in formalizing a process for the deployment and development of a PHM system regarding the specific context of the railway infrastructure, and more particularly the current collection system. The second contribution of the thesis deals with the diagnostics function for the overhead contact line system. The proposed diagnostics approach ensures the detection, the identification, and the localization of different failure modes of the catenary from contact force measurements. The considered approach is based on support vector machines (SVM) and specific features extracted from the contact force. The data used for the validation of the diagnostics procedure are derived from the simulation, afterward, inline data are used to validate the method and to propose an industrial deployment of the diagnostics approach. Finally, the last contribution concerns the development of a prognostics function for the catenary contact wire. This method is based on the use of wear models and filtering approaches. Prognostics performances were evaluated based on the relevance of the prognostics-based maintenance decision. This thesis allowed the implementation of different approaches for a PHM deployment for the catenary system

En tant que moyen de transport en commun efficace sur de longues distances, le chemin de fer continuera de prospérer pour son empreinte carbone limitée dans l'environnement. Assurer la fiabilité des équipements et la sécurité des passagers fait ressortir la nécessité d'une maintenance efficace. Outre la maintenance corrective et périodique courante, la maintenance prédictive a pris de l'importance ces derniers temps. Les progrès récents de l'apprentissage automatique et l'abondance de données poussent les praticiens à la maintenance prédictive basée sur les données. La pratique courante consiste à collecter des données pour former un modèle d'apprentissage automatique, puis à déployer le modèle pour la production et à le conserver inchangé par la suite. Nous soutenons qu'une telle pratique est sous-optimale sur un flux de données. Le caractère illimité du flux rend le modèle sujet à un apprentissage incomplet. Les changements dynamiques sur le flux introduisent de nouveaux concepts invisibles pour le modèle et diminuent sa précision. La vitesse du flux rend l'étiquetage manuel impossible et désactive les algorithmes d'apprentissage supervisé. Par conséquent, il est nécessaire de passer d'un paradigme d'apprentissage statique et hors ligne à un paradigme adaptatif en ligne, en particulier lorsque de nouvelles générations de trains connectés générant en continu des données de capteurs sont déjà une réalité. Nous étudions l'applicabilité de l'apprentissage automatique en ligne pour la maintenance prédictive sur des systèmes complexes typiques du secteur ferroviaire. Tout d'abord, nous développons InterCE en tant que framework basé sur l'apprentissage actif pour extraire des cycles d'un flux non étiqueté en interagissant avec un expert humain. Ensuite, nous implémentons un auto-encodeur à mémoire longue et courte durée pour transformer les cycles extraits en vecteurs de caractéristiques plus compacts tout en restant représentatifs. Enfin, nous concevons CheMoc comme un framework pour surveiller en permanence l'état des systèmes en utilisant le clustering adaptatif en ligne. Nos méthodes sont évaluées sur les systèmes d'accès voyageurs sur deux flottes de trains gérés par la société nationale des chemins de fer SNCF de la France
Being an effective long-distance mass transit, the railway will continue to flourish for its limited carbon footprint in the environment. Ensuring the equipment's reliability and passenger safety brings forth the need for efficient maintenance. Apart from the prevalence of corrective and periodic maintenance, predictive maintenance has come into prominence lately. Recent advances in machine learning and the abundance of data drive practitioners to data-driven predictive maintenance. The common practice is to collect data to train a machine learning model, then deploy the model for production and keep it unchanged afterward. We argue that such practice is suboptimal on a data stream. The unboundedness of the stream makes the model prone to incomplete learning. Dynamic changes on the stream introduce novel concepts unseen by the model and decrease its accuracy. The velocity of the stream makes manual labeling infeasible and disables supervised learning algorithms. Therefore, switching from a static, offline learning paradigm to an adaptive, online one is necessary, especially when new generations of connected trains continuously generating sensor data have already been a reality. We investigate the applicability of online machine learning for predictive maintenance on typical complex systems in the railway. First, we develop InterCE as an active learning-based framework that extracts cycles from an unlabeled stream by interacting with a human expert. Then, we implement a long short-term memory autoencoder to transform the extracted cycles into feature vectors that are more compact yet remain representative. Finally, we design CheMoc as a framework that continuously monitors the condition of the systems using online adaptive clustering. Our methods are evaluated on the passenger access systems on two fleets of passenger trains managed by the national railway company SNCF of France

Les industriels et les opérateurs des flottes de systèmes cyber-physiques (CPS) sont soumis à de fortes exigences exprimées en termes de disponibilité, fiabilité des produits et des services fournis lors de l’exploitation de ces flottes dans des environnements dynamiques. Ces attentes incitent les industriels, et notamment dans le secteur du transport, à développer des mécanismes efficaces de planification réactive des opérations de maintenance au niveau de la flotte. Dans cette thèse, un système multi-agent (SMA) pour la planification réactive de la maintenance d’une flotte de CPS est proposé. Ce SMA est construit en utilisant la méthode de conception ANEMONA et a pour objectif d’optimiser la planification de la maintenance au niveau flotte afin de répondre aux exigences spécifiées. Les expériences réalisées au cours de ces travaux démontrent la capacité de ce SMA à planifier la maintenance de la flotte de manière efficace (c'est-à-dire satisfaire les exigences de disponibilité et de fiabilité de la flotte dans un environnement statique) et de manière réactive (c'est-à-dire être capable d'adapter/de modifier les décisions de planification de la maintenance à la suite des perturbations). L'efficacité de ce modèle SMA est validée par un modèle mathématique et sa réactivité est testée par simulation de perturbations. Une application dans le domaine ferroviaire au sein de Bombardier Transport France est proposée. Le SMA est intégré à un système d’aide à la décision dénommé « MainFleet ». Le développement de MainFleet est en cours
The manufacturers and the operators of the fleets of cyber-physical systems (CPSs) are subjected to huge expectations expressed in terms of the availability and reliability of the provided products and services during the exploitation of these fleets in dynamic environments. These expectations foster the fleet manufacturers, particularly in the transportation sector, to develop effective mechanisms as far as the reactive planning of the maintenance operations at the fleet level is concerned. In this research work, a multi-agent system (MAS) for the reactive maintenance planning of a fleet of CPSs is proposed. The proposed MAS is conceived by using the ANEMONA design methodology and it aims at optimizing the fleet maintenance planning decisions to meet the specified objectives. The experiments carried out in the course of this work demonstrate the ability of the proposed MAS in planning the fleet maintenance effectively (i.e. satisfying the fleet’s availability and reliability requirements in a static environment) and reactively (i.e. being able to adapt/modify the fleet maintenance planning decisions following perturbations). The effectiveness of the MAS model is validated by a mathematical programming model and its reactivity is tested by using simulated perturbations. An application in rail transport industry to the fleet of trains at Bombardier Transportation France is proposed. The proposed MAS is integrated in a decision support system called "MainFleet". The development of Main-Fleet at Bombardier is ongoing

Ces deux dernières décennies, les systèmes embarqués ont été introduits dans de nombreux domaines d'application (transport, industrie, habitat, médical...). Ces systèmes se sont vu confier des tâches plus importantes pour délivrer de nouveaux services aux utilisateurs avec des délais de mise sur le marché toujours plus courts et à moindre coût. L'intégration rapide de ces systèmes au sein de produits manufacturés est un avantage concurrentiel pour les industriels. Cependant, les pannes associées à ces systèmes et le niveau de complexité croissant des équipements ont rendu les interventions de maintenance bien plus délicates. L'identification des causes de certaines pannes représente actuellement un véritable challenge dans les activités de la maintenance. Elles entrainent une indisponibilité excessive des équipements.Cette thèse propose une architecture générique de surveillance "active" pour l'aide à la maintenance de systèmes mobiles. Cette architecture repose sur des entités de surveillance "intelligentes" capables d'évaluer l'état de santé des équipements surveillés. Notre contribution se situe à la rencontre de différentes communautés de Recherche et s'appuie notamment sur des concepts développés par lacommunauté PHM (Pronostics and Health Management).L'architecture proposée est mise en œuvre et appliquée a la surveillance d'un système réel de transport ferroviaire dans le cadre du projet SURFER (SURveillance active FERroviaire) conduit par Bombardier-Transport.

Une des conséquences les plus marquantes de l'évolution actuelle de l’industrie ferroviaire est l'augmentation des contraintes exercées aussi bien sur les voies que sur les matériels roulants ; tant en termes de sollicitations, de charges, de fréquences, qu'en termes d'exigences de disponibilité et de sécurité. De ce fait, la recherche de politiques de maintenance optimales répondant aux objectifs de disponibilité, de coûts, de sécurité est devenue un sujet particulièrement d'actualité. Pour répondre à cette demande d’ajustement des stratégies de maintenance, le formalisme des réseaux bayésiens est une approche de plus en plus utilisée pour développer des outils d'aide à la décision. Afin de s’affranchir de l’hypothèse markovienne restrictive imposée par l’utilisation « standard » des réseaux bayésiens, une structure originale a été proposée pour modéliser finement un processus de dégradation dans le cadre discret à partir de distributions de temps de séjour quelconques. Cette approche, dénommée Modèles Graphiques de Durée, autorise une finesse de modélisation du processus de dégradation qui permet de reproduire le comportement de systèmes multi-composants et multi-états, tout en tenant compte de variables exogènes. Cette modélisation semi-markovienne de la dégradation a, jusqu'à présent, été utilisée surtout pour évaluer ou comparer des stratégies de maintenance pouvant mêler des approches correctives, systématiques ou conditionnelles. Cette thèse vise à étendre les travaux précédents aux actions de maintenance prévisionnelle. Cette approche, qualifiée également de pronostic, offre en effet l’avantage d’une prédiction de l’instant optimal d’intervention maximisant la durée de fonctionnement du système avant intervention, tout en satisfaisant les contraintes d’exploitation et d’entretien. Les systèmes considérés sont à espaces d’états discrets et finis, périodiquement observables, situation fréquente pour de nombreuses applications industrielles, notamment dans le domaine des transports. Ces travaux de thèse proposent, à partir du formalisme des réseaux bayésiens dynamiques et des modèles graphiques de durée, des outils de pronostic dans le but de permettre la modélisation de politiques de maintenance préventives prévisionnelle. Pour répondre à cet objectif, un algorithme de pronostic basé sur des distributions de temps de séjour a tout d’abord été introduit, dans le but de calculer une estimation de la durée de vie résiduelle (RUL) d'un système et de la mettre à jour à chaque fois qu’un nouveau diagnostic est disponible. Pour améliorer la précision des calculs de pronostic, un nouveau modèle de dégradation a ensuite été proposé pour tenir compte de l'existence éventuelle de plusieurs dynamiques de dégradation coexistantes. Son principe consiste à identifier à chaque instant un mode de dégradation actif, puis à répercuter cette information sur les temps de séjour considérés dans les états suivants par l'utilisation de lois de temps de séjour conditionnelles. Enfin, des solutions pour diminuer la complexité des calculs d'inférence exacte sont proposées
One of the most important consequences due to current developments in the rail industry is the increase of stresses on tracks and rolling stock; in terms of loads, frequencies, and both in terms of availability and security requirements. Therefore, looking for optimal maintenance policies to meet the availability, cost and security objectives has become a particularly topical subject. To address this need of maintenance strategy adjustment, approaches using bayesian networks have increasingly been used for the development of decision support tools. To overcome the restrictive Markovian assumption induced by the use of standard bayesian networks, a specific structure has been proposed to accurately model a degradation process in discrete case using any kind of sojourn time distributions. This approach called "Graphical duration model" make possible to describe multicomponent and multi state system behaviours by taking into account many exogenous variables. This semi-markovian modelling of the degradation has mainly been used to evaluate and compare different maintenance strategies based on corrective, systematic and conditional approaches. This PhD thesis aims to extend previous works to predictive maintenance policies. This approach, based on prognosis computations, has the advantage to predict the optimal intervention time maximizing the remaining useful life of the system and both satisfying operating and maintaining constraints. Considered systems have finite discrete state spaces and are periodically observable as many existing ones in the industry and particularly in the field of transport systems. The presented works, based on the dynamic bayesian network formalism and the graphical duration model, propose prognostic tools in order to model the set of predictive maintenance policies. A prognosis algorithm is first introduced to compute the remaining useful life (RUL) of the system and update this estimation each time a new diagnosis is available. To improve the prognosis estimation accuracy, a new degradation model is proposed to take into account the possible existence of many coexisting degradation modes. The principle is to identify at each time the active degradation mode and then to use this information to choose sojourn times considered in next states using conditional sojourn times distributions. At last, some solutions to reduce the complexity of inference computations are proposed

Cette thèse capture, décrit, documente et conceptualise un phénomène inexploré mais important, l'innovation numérique intersectorielle, en fertilisant de manière croisée la maintenance des actifs dans les secteurs de l'aviation et du fret ferroviaire. Le rail est le mode de transport de marchandises le plus économe en énergie et le moins polluant. Cependant, le statu quo en matière de maintenance des wagons de fret ferroviaire en Europe présente un état d'inefficacité et un manque d'intelligence. Avec le développement rapide des technologies numériques, la maintenance conditionnelle et prédictive est une excellente opportunité de réaliser un grand gain d’efficacité dans la maintenance des wagons, rendant potentiellement le transport ferroviaire de marchandises compétitif et durable. La manière de tirer parti des technologies numériques au profit de la maintenance des wagons de fret ferroviaire n'est pas seulement un problème technique sur la façon de bien utiliser la technologie numérique pour améliorer l'efficacité de la maintenance, mais aussi un problème stratégique sur la manière d'innover pour générer une croissance de la valeur. dans l'industrie du fret ferroviaire. Quand il s’agit de résoudre des problèmes pratiques aussi complexes, les meilleures idées viennent parfois de l’extérieur de votre secteur. Comme initié par le projet Aero-Ferro Benchmark, l’apprentissage des meilleures pratiques de l’aviation contribuera au succès du fret ferroviaire. Ainsi, cette thèse vise à conceptualiser comment réaliser une innovation numérique intersectorielle dans la maintenance des actifs, et à résoudre le problème de ce que le fret ferroviaire peut apprendre de l'industrie aéronautique. À cet égard, sont passées en revue les théories pertinentes dans le domaine de l’innovation et de la stratégie pour trouver un soutien théorique. Cependant, l’innovation numérique intersectorielle est un domaine tellement naissant qu’aucune théorie ne pourrait directement aider à définir, analyser et aborder cette question complexe. Cela nous motive à conceptualiser un nouveau cadre théorique pour expliquer ce phénomène emergent en menant une étude de cas exploratoire sur l’innovation numérique dans la maintenance des actifs dans les secteurs du fret aérien et ferroviaire. Nous commençons par déterminer un cadre préliminaire de système de maintenance des actifs à partir de deux sous-systèmes (système technique et système commercial) pour guider la théorisation basée sur les phénomènes. Ensuite, une approche de raisonnement abductif et de peignage des systèmes est suivie, ainsi qu'une revue de la littérature et une étude de cas comme principales méthodes de recherche. Les résultats d’une étude de cas sur le système technique suggèrent que la stratégie de maintenance des wagons de fret ferroviaire subira un changement de paradigme impératif, passant du préventif au prédictif, notamment en termes d’utilisation de la technologie numérique et de gestion des données. Ainsi, une architecture technique de maintenance prédictive basée sur la surveillance de l’état des wagons de fret ferroviaire est proposée. Pour le système d'affaires, cette thèse analyse l'évolution des rôles des principaux acteurs dans ce paysage émergent de la maintenance numérique et l'évolution de leurs modèles économiques dans l'écosystème de la maintenance des wagons, prévoyant l'innovation potentielle des modèles économiques des équipementiers de matériel roulant (wagons), des opérateurs ferroviaires de fret et gardiens de wagons. Cette thèse offre des contributions théoriques et pratiques perspicaces. Premièrement, cette thèse fait progresser la construction théorique de l’innovation numérique intersectorielle. Un cadre stratégique d’innovation numérique intersectorielle basé sur des phénomènes est élaboré. Deuxièmement, cette thèse oriente la stratégie de résolution de problèmes d’innovation numérique dans la maintenance des wagons dans l’industrie du fret ferroviaire
A phenomenon-based exploratory case study Abstract This thesis captures, describes, documents, and conceptualize an unexplored yet significant phenomenon, cross-industry digital innovation, by cross-fertilizing the asset maintenance in aviation and rail freight industries. Rail is the most energy-efficient and low-emitting freight transport mode. However, the status quo of rail freight wagon maintenance in Europe presents a state of inefficiency and lack of intelligence. With the rapid development of digital technologies, condition-based and predictive maintenance represent an excellent opportunity to yield a big efficiency leap in wagon maintenance, thus potentially making rail freight transport competitive and sustainable. This thesis argues that how to leverage digital technologies to benefit rail freight wagon maintenance is not only a technical problem of how to make good use of digital technology to improve maintenance efficiency, but also a strategic problem of how to innovate business model to generate value growth for rail freight industry. When solving such complex practical problems, sometimes the best ideas come from outside your industry. As initiated by the Aero-Ferro Benchmark project, learning the best practice from aviation will contribute to rail freight success. Thus, this thesis aims to theoretically conceptualize how to carry out cross-industry digital innovation in asset maintenance, and to practically solve the problem of what rail freight can learn from the aviation industry. In this respect, this thesis reviews relevant theories in the field of innovation and strategy aiming to find theoretical support. However, based on the knowledge gaining from literature, it is found that cross-industry digital innovation is such an infant field that no well-established and well-fitting theory could directly help define, analyze and address this complex issue. This motivates us to conceptualize a new theoretical framework to explain this emerging phenomenon. To achieve this purpose, this thesis conducts an exploratory case study on digital innovation in asset maintenance in aviation and rail freight industries. We start from determining a preliminary asset maintenance system framework from two sub-system (technical system and business system) to guide the phenomenon-based theorizing. Then, an abductive reasoning and system combing approach is followed, together with literature review and case study as the main research methods. Findings from case study on the technical system argue that the maintenance strategy of rail freight wagons will undergo an imperative paradigm shift from preventive to predictive, especially in terms of utilizing digital technology and data management. Thus, a technical architecture of condition monitoring based predictive maintenance for rail freight wagons is proposed in this thesis. For the business system, this thesis analyzes the changing roles of main actors in this emerging digital maintenance landscape and the evolution of their business models in wagon maintenance ecosystem, forecasting the potential business model innovation of rolling stock(wagon) OEMs, cargo rail operators and wagon keepers. In doing so, this thesis offers insightful theoretical and practical contributions. First, this thesis contributes to advancing the theory building in cross-industry digital innovation. A phenomenon-based cross-industry digital innovation strategy framework is developed. Second, this thesis contributes to guiding the problem-solving strategy of digital innovation in wagon maintenance in rail freight industry

La réduction des coûts de maintenance est l’un des enjeux majeurs auquel doit faire face l’industrie ferroviaire pour rester concurrentielle. Parmi les organes de suspension nécessitant un entretien périodique fréquent, les éléments à base métal-caoutchouc jouent un rôle clé dans le fonctionnement du bogie. Les variations des propriétés mécaniques de ces éléments sont étudiées au travers de techniques de vieillissement accéléré pour représenter leur comportement tout au long du cycle de vie. Par ailleurs, des outils de description des variabilités observées sont proposés afin d’établir une stratégie de simulations dynamiques en considérant différents modèles d’un matériel roulant homologué. L’objectif est de quantifier leurs effets sur des indicateurs sécuritaires préconisés par les normes du secteur ferroviaire. Finalement, cette étude permet de justifier la pertinence d’une stratégie d’allongement de cycle de vie en maintenant le niveau de sécurité inhérent au matériel roulant ferroviaire
The reduction of maintenance costs is a key stake for the competitivity of railway rolling stock manufacturers. The optimization of maintenance operations can be addressed by less, better-planned overhaul operations, through an increase of the life-cycle of some components. Among the most frequently checked suspension organs, rubber-to-metal elements have a key role on the bogie performance. The change on the mechanical properties of these elements are studied by accelerated ageing techniques, so as to represent their behaviour throughout their lifecycle. Several hyper-elastic laws, associated with the characterization of the rubber ageing, have been proposed in these works. These models have been used to simulate the behaviour of the real components. Hence, a set of tools describing the variability observed on the parts is proposed, allowing the design of a strategy for dynamics simulations considering several models of an already approved rolling stock model. The aim is to quantify the variability effect on the safety indexes demanded by standard norms. Finally, this study justifies the pertinence of a strategy aiming life-cycle extensions while ensuring the intrinsic safety levels required on railway rolling stock

La RATP est l'exploitant et le gestionnaire du réseau de transport métropolitain de la ville de Paris et de sa banlieue proche. Actuellement, avec près de 10 millions de voyageurs par jour, il est l'un des réseaux les plus chargés au monde. Dans ce contexte de fortes exigences d'exploitation, les gestionnaires de la RATP doivent assurer la sécurité, la capacité de service et la pérennité d'un patrimoine d'infrastructures hétérogène et ancien. Mais les ressources disponibles sont, par nature, limitées et, dans ces circonstances, deux tâches deviennent essentielles : justifier les budgets nécessaires et optimiser les programmations de travaux de maintenance. Le système de maintenance actuel est fondé sur des inspections visuelles permettant de relever les désordres affectant l'état structurel des ouvrages. Ensuite, les gestionnaires doivent choisir et prioriser les ouvrages à entretenir en fonction de ces résultats et des différentes contraintes qui interviennent dans la gestion du patrimoine. Ce processus décisionnel est fondé sur l'expertise des gestionnaires et n'est pas formalisé. Ainsi, l'objectif de cette thèse consiste à développer un outil d'aide à la gestion patrimoniale qui réduise la variabilité intrinsèque des actions de surveillance visuelle et le manque de transparence dans les décisions. Pour fournir aux gestionnaires de la RATP un tel outil, cette recherche s'appuie sur les étapes suivantes :- La modélisation fonctionnelle des mécanismes de dégradation des ouvrages bâtie à partir des outils de la Sûreté de Fonctionnement. L'Analyse Fonctionnelle (AF), l'Analyse des Modes de Défaillance et de leurs Effets(AMDE) et des graphes causaux sont appliqués pour connaître comment les infrastructures fonctionnent, se dégradent et interagissent avec leur environnement.- La construction d'un outil d'aide à la gestion fondé sur les méthodes multicritère d'aide à la décision. Dans un premier temps, nous construisons une famille cohérente de critères qui formalise les différents aspects techniques et socioéconomiques qui interviennent dans le processus décisionnel de la RATP (méthode d'agrégation à base de règles). Ensuite, à partir des méthodes ELECTRE, nous développons un outil multicritère d'aide à la décision permettant d'optimiser la gestion du patrimoine de la RATP. Après une application sur la ligne 4 du métro de Paris, les perspectives ouvertes par un tel outil sont étudiées, dont la principale est le développement opérationnel de cet outil dans le cadre de la gestion du patrimoine d'infrastructures de la RATP
The RATP is the operator and asset manager of the public railway transport of Paris and the next suburbs. Nowadays, with more than 10 million trips per day, this transport network is one of the most crowded in the world. In this context of high service requirements, the RATP asset managers must assure the structural integrity, the quality of service and the sustainability of an aging and heterogeneous asset. However, available budgets are, by nature, limited and, in this context, two tasks become essential: to justify budget requirements and to optimize the programming of maintenance actions. The current asset strategy is based on visual inspections to detect degradation symptoms that concern the structural integrity of the structure. Depending on these results, managers must select and prioritize the maintenance actions taking into account the constraints involved in asset management. This decision-making process is based on the expert knowledge and is not formalized. In this context, the purpose of this thesis is to develop a multicritera decision support tool which reduces the inherent variability degree of visual inspections and the lack of transparency in the decision-making process. In order to provide RATP's managers a decision support tool, this research is based on the next stages :- The development of a functional model of degradation mechanisms by the application of the operational safety methods. The Functional Analyse (FA), the Failure Mode and Effect Analysis (FMEA) and the casual graphs are applied to know how infrastructures function, degrade and interact with the environment.- The construction of a decision support tool based on multicriteria methods. The first stage is the construction of a lot of criteria formalizing the technical, economic and social aspects involved in the RATP's asset management (rule based assignment model). The second stage is the application of ELECTRE methods to develop a multicriteria decision support tool which optimizes the management of the RATP's asset. This tool is tested on the line 4 of the Paris metro in order to study development prospects. The main prospect is the operational development of this tool in the context of the management of the RATP's asset

La maintenance de flottes de systèmes mobiles dans le monde du transport et de la logistique revêt de nos jours une importance croissante de par l’augmentation des attentes des exploitants et opérateurs en termes de sécurité, de fiabilité, de suivi, de diagnostic et de maintenance de ces systèmes. Dans ce contexte, Les mainteneurs des flottes doivent souvent faire face à d'énormes quantités de données brutes, informations et événements de surveillance liés aux contexte de leurs systèmes. De plus, ces événements, données et informations manquent souvent de précision et sont souvent contradictoires ou obsolètes. Enfin, le degré d'urgence des décisions de maintenance est rarement pris en compte. Ce travail est consacré à la proposition et à la mise au point d’une architecture de surveillance pour l’aide à la maintenance d’une flotte de systèmes mobiles. Cette architecture, appelée EMH², est destinée à faciliter le diagnostic et le suivi de ce type de flotte. Elle est construite sur les principes holoniques, des plus bas (capteurs) aux plus hauts niveaux (ensemble d’une flotte de systèmes mobiles). Elle se base également sur une standardisation des événements traités afin de traiter les données de manière générique. Cette architecture, indépendante des types de systèmes surveillés et de leur niveau hiérarchique, peut devenir l'épine dorsale d’une stratégie efficace de maintenance proactive d’une flotte. Une méthodologie de déploiement est ainsi proposée. Une étude en simulation et une application sur une flotte de 10 trains actuellement en service est présentée
The maintenance of mobile systems fleets in the world of transport and logistics is of increasing importance today due to the increasing expectations of operators in terms of safety, reliability, monitoring, diagnosis and maintenance of these systems. In this context, fleet maintainers often have to deal with huge amounts of raw data, information and monitoring events related to the context of their systems. Moreover, these events, data and information are often lack precision and often contradictory or obsolete. Finally, the urgency of maintenance decisions is rarely taken into account. This work is devoted to the proposal and the development of a monitoring architecture to help maintain a fleet of mobile systems. This architecture, called EMH², is intended to facilitate the diagnosis and monitoring of this type of fleet. It is built on holonic principles, from the lowest (sensors) to the highest levels (a whole fleet of mobile systems). It is also based on a standardization of processed events in order to process the data generically. This architecture, independent of the types of systems monitored and their hierarchical level, can become the backbone of an effective strategy for proactive fleet maintenance. A deployment methodology is thus proposed. A simulation study and an application on a fleet of 10 trains currently in service is presented

La plupart des systèmes ferroviaires subissent une demande croissante de capacité. Pour y faire face, il faut construire de nouvelles infrastructures ou exploiter plus efficacement celles existantes, notamment en définissant des grilles horaires optimisées. Dans la littérature, la plupart des approches de construction des grilles sont basées sur des représentations macroscopiques de l'infrastructure, ce qui peut conduireà des solutions infaisables ou inefficaces. En revanche, les approches microscopiques reposent sur une modélisation réaliste du système ferroviaire, ce qui garantit la faisabilité et l'efficacité des résultats. Néanmoins, en raison de leur complexité, l'utilisation de ces approches est généralement limitée à une seule gare. Malgré l'optimisation de la grille horaire, les travaux de maintenance peuvent avoir un fort impact sur les circulations des trains. En présence de maintenances, il peut donc être nécessaire de redéfinir la grille horaire pour assurer une exploitation efficace de la capacité. Nous présentons deux contributions principales sous forme de deux approches microscopiques : une pour la conception de grilles horaires et l'autre pour leur redéfinition en cas de maintenance. La deuxième est la première approche microscopique qui apparaît dans la littérature pour aborder ce problème tout en considérant des aspects comme les limitations temporaires de vitesse. Nous démontrons la validité de nos approches et leur applicabilité dans des scénarios réels. De plus, nous montrons que les approches microscopiques peuvent être utilisées pour traiter des zones de l'infrastructure contenant plusieurs gares
Most railway systems experience a growing demand of railway capacity. To face this demand, either new infrastructure must be built or a more efficient exploitation of the existing one must be attained. Timetables play a determinant role in the efficient capacity exploitation. Most timetabling approaches in the literature are based on macroscopic representations of the infrastructure. This may lead to inefficient and in some cases, impractical solutions. Instead, microscopic approaches are based on more realistic modelling of the elements of the railway system. This guarantees the feasibility of the timetables while promoting an efficient capacity exploitation. However, due to their complexity, the scope of microscopic approaches is typically restricted to main stations. Despite the optimization of timetables, the performance of infrastructure maintenance may severely impact the trains' circulations in the network. Therefore, the timetable may have to be rearranged to ensure an efficient capacity exploitation. We present two main contributions in this thesis: first, a microscopic approach for timetable design. Second, a microscopic approach for timetable rearrangement to cope with maintenance. This is the first microscopic approach in the literature to tackle this problem while also considering specific aspects as temporary speed limitations. After a thorough experimental analysis, we demonstrate the validity of our approaches and their practical applicability in real life scenarios. In particular, we show that microscopic approaches can be used to tackle large areas of the infrastructure, including several stations