Abonnez-vous Identifiez-vous

Identifiez-vous

Vos codes d'accès sont erronés, Veuillez les saisir à nouveau. Mot de passe oublié ?

Le big data anticipe les pannes de l’A 380

Ridha Loukil , , ,

Publié le

En analysant les données de vol, Air France-KLM peut prévoir les pannes dix à vingt jours à l’avance, évitant ainsi d’immobiliser ses appareils.

Le big data anticipe les pannes de l’A 380
Le site d’Air France-KLM à Roissy Charles-de-Gaulle. Chaque année, 9 téraoctets de données sont récupérées par sa flotte d’A?380.
© Patrick Delapierre

C’est une révolution qui se joue chez Air France-KLM dans la maintenance des Airbus A 380. Fini les pannes surprises sur le circuit de carburant, l’un des équipements les plus fragiles de l’avion. Elles sont détectées dix à vingt jours avant qu’elles ne se produisent. Le temps pour les équipes d’anticiper les réparations, évitant ainsi l’immobilisation de l’appareil, coûteuse en termes d’image et de budget. Comment ? En recourant au big data.

Avec 300 000 capteurs embarqués relevant des mesures à la fréquence de 1 à 400 Hz, l’Airbus A 380 produit des quantités phénoménales de données. Mais la maintenance prédictive se contente d’exploiter les informations issues de 24 000 capteurs, soit 1,6 gigaoctet par vol. Chaque année, Air France-KLM récolte de sa flotte de dix Airbus A 380 l’équivalent de 9 téraoctets de données. La compagnie dispose d’un historique d’exploitation de cinq années. À chaque atterrissage d’un A 380 à Roissy Charles-de-Gaulle, les données de vol sont récupérées par Wi-Fi, puis transmises au centre d’ingénierie et maintenance d’Air France-KLM à Toulouse. Elles s’ajoutent à l’historique des données d’exploitation de la flotte des A 380. L’ensemble passe à la moulinette d’un algorithme qui détecte les signaux faibles, annonciateurs d’une panne à venir. L’analyse est immédiatement transmise aux équipes de maintenance dans l’aéroport parisien. Le tout en moins d’une heure. David Huck, le responsable du programme big data chez Air France-KLM, reste discret sur le nombre de pannes ainsi détectées. « Depuis sa mise en place en juillet 2015, le système surveille avec succès les composants les plus fragiles du circuit qui amène le carburant aux moteurs. Il est en train d’être étendu à d’autres équipements fragiles des A 380 et à d’autres avions long-courriers de la compagnie. »
 

Maintenance prédictive et curative

La maintenance prédictive revêt des enjeux stratégiques majeurs pour Air France-KLM. « Nous voulons éviter des pannes sur des plates-formes lointaines, comme cela est arrivé en 2014 à Johannesburg, en Afrique du Sud, explique David Huck. À Roissy Charles-de-Gaulle, nous disposons de toutes les pièces détachées et d’importantes équipes de réparation. Ailleurs, nous n’avons qu’un stock limité et des équipes allégées. » Lorsqu’une panne se produit sur une plate-forme éloignée et que la pièce détachée n’est pas disponible sur place, la compagnie doit héberger et nourrir les passagers, envoyer un autre avion et dépêcher des équipes avec les pièces détachées nécessaires, ce qui coûte cher, très cher.
 

Les gains se ressentent également dans la maintenance curative. « C’est une grande surprise, confie David Huck. Grâce à la précision des alertes fournies par le système big data, le technicien peut désormais remonter plus rapidement jusqu’à la pièce responsable de la panne. Le temps d’identification et de localisation de l’origine de la panne est passé de six heures à seulement cinq minutes. » Air France-KLM réfléchit sur la façon de valoriser sa solution de maintenance prédictive dans le cadre des services qu’elle propose aux autres compagnies aériennes sur ses plates-formes en France. 

Les composants de la solution big data
 

  • Systèmes de traitement distribué Hadoop et Spark d’Hortonworks
  • Bases de données distribuées MongoDB
  • Logiciels d’intégration et gestion de données de Talend
  • Moteur d’analyse prédictive maison

Alerter en moins d’une heure
 

1. Récupération des données de vol à l’atterrissage de l’avion et transmission au centre d’ingénierie d’Air France-KLM, à Toulouse. Soit un volume de 1,6 gigaoctets.

2. Mélange avec les données d’exploitation de toute la flotte des A 380 sur la période des deux dernières années. Soit un volume total de 19,6 gigaoctets.

3. Traitement des données à l’aide d’un moteur d’analyse prédictive afin de détecter des signaux faibles annonciateurs de pannes futures.

4. Envoi des résultats au service de maintenance à l’aéroport. En cas de détection d’une panne à venir, le service sait à quel endroit de l’avion et à quelle échéance elle peut se produire.

Réagir à cet article

Créez votre compte L’Usine Connect

Fermer
L'Usine Connect

Votre entreprise dispose d’un contrat
L’Usine Connect qui vous permet d’accéder librement à tous les contenus de L’Usine Nouvelle depuis ce poste et depuis l’extérieur.

Pour activer votre abonnement vous devez créer un compte

Créer votre Compte
Suivez-nous Suivre Usine Nouvelle sur Facebook Suivre Usine Nouvelle sur Twitter RSS Usine Nouvelle