Maintenance prédictive IA : sécuriser le tri bagages 24/7

Prenons une situation courante, ici entièrement hypothétique : dans un aéroport exploité 24 heures sur 24, un convoyeur du tri bagages présente des échauffements intermittents sur son entraînement. Les alarmes disparaissent après quelques minutes, puis reviennent pendant les pointes de départs, sans provoquer immédiatement l’arrêt de la ligne.

Faut-il intervenir avant la prochaine vague ? La direction des systèmes d’information, ou DSI, envisage une analyse par intelligence artificielle, tandis que le responsable de la sécurité des systèmes d’information, ou RSSI, demande quelles connexions supplémentaires cette analyse exigera.

Le technicien, lui, doit savoir si cet échauffement traduit une dégradation ou simplement une charge inhabituelle. Tout l’enjeu de la maintenance prédictive IA tient dans cette décision : repérer une dérive assez tôt pour préparer une intervention, sans fragiliser le système qui fait circuler les bagages.

Le vrai sujet : décider avant l’arrêt du convoyeur

Une température élevée ne constitue pas un diagnostic. Sur un entraînement de convoyeur, elle peut accompagner un effort mécanique anormal, mais aussi un fonctionnement prolongé à forte charge ; son interprétation dépend donc du régime réel de l’équipement.

Avant de choisir un modèle, il faut reconstituer le fonctionnement de la portion concernée : vitesse, charge, séquences de marche, alarmes et interventions récentes. La première visite sert à comprendre cela. Elle permet également de vérifier si une dérivation existe et si elle peut réellement absorber le trafic pendant une immobilisation.

Dans certains aéroports africains, l’approvisionnement d’un motoréducteur dépend de délais d’importation qui imposent de préparer longtemps à l’avance son remplacement. Ailleurs, la pièce est disponible sur place, mais les créneaux d’intervention sont rares en raison de l’enchaînement des vols.

L’anticipation utile dépend du site. Une alerte donnée quelques heures avant une défaillance n’a pas la même valeur selon que l’équipe dispose déjà du matériel ou doit encore le commander.

Le cadrage doit donc poser une question opérationnelle précise : quelle décision voulons-nous prendre plus tôt sur cet entraînement ? C’est autour de cette décision, et non d’une promesse générale d’IA, que je propose de construire la démarche de maintenance industrielle.

Des données interprétables avant des capteurs supplémentaires

Le premier travail consiste à examiner les informations disponibles dans les automates, les variateurs et la GTC, gestion technique centralisée, lorsqu’elle expose des états pertinents pour le tri. Il faut ensuite vérifier leur signification avec les équipes qui connaissent l’installation.

Un nom de variable peut tromper. Une valeur appelée « température moteur » peut provenir d’une mesure directe, d’une estimation du variateur ou d’un calcul dont la précision varie selon le fonctionnement.

Reconstituer la chronologie

Pour comprendre un échauffement, les horodatages doivent être cohérents entre les sources, et les changements de régime doivent pouvoir être rapprochés de la mesure. Sans cette cohérence, le modèle risque d’attribuer à une dégradation ce qui relève d’un décalage d’enregistrement.

Les historiques d’intervention sont tout aussi utiles. Un réglage de tension de bande, un remplacement de roulement ou une modification de cadence peuvent expliquer une rupture dans les tendances sans annoncer une nouvelle panne.

Je commencerais par rapprocher ces éléments sur un entraînement clairement identifié, plutôt que d’instrumenter immédiatement tous les convoyeurs. Si la donnée disponible ne permet pas de distinguer les états recherchés, une mesure complémentaire pourra alors être justifiée.

Mesurer seulement ce qui aide à trancher

Une mesure vibratoire peut apporter un éclairage sur certains défauts mécaniques, à condition que son emplacement, sa fixation et sa fréquence d’acquisition soient adaptés. Elle ne devient pas utile par sa seule présence.

Installer des capteurs partout n’est pas une stratégie prédictive. Le choix doit découler d’un mode de défaillance étudié et d’une décision possible, avec une vérification de terrain avant toute conclusion.

Une architecture qui laisse le tri fonctionner seul

Pour le DSI et le RSSI, le principe de départ est simple : la chaîne analytique ne doit pas devenir indispensable au fonctionnement du convoyeur. Le tri doit rester exploitable si le serveur d’analyse tombe ou si la liaison extérieure est interrompue.

Cela se conçoit explicitement. Le système prédictif doit afficher la fraîcheur des données et son indisponibilité éventuelle, plutôt que conserver silencieusement un indicateur rassurant calculé plusieurs heures auparavant.

Séparer collecte, analyse et commande

Les réseaux OT, technologies opérationnelles qui pilotent les équipements physiques, nécessitent une architecture de collecte maîtrisée. Je privilégierais un accès en lecture seule lorsque les interfaces le permettent, des flux limités aux besoins documentés et une séparation entre l’analyse et les fonctions de commande.

La lecture seule ne règle pas tout. Une interrogation trop fréquente peut charger un équipement ancien ; la cadence de collecte doit donc être testée avec l’exploitant et, selon les contrats, avec le mainteneur du système de tri.

Une passerelle peut transmettre les données vers une zone intermédiaire segmentée, sans ouvrir de connexion directe depuis Internet vers les automates. Son administration, ses mises à jour et ses journaux doivent entrer dans les procédures de sécurité du site.

Les accès distants méritent la même rigueur. Comptes nominatifs, authentification renforcée, autorisations temporaires et traçabilité doivent rester compatibles avec l’astreinte, sans maintenir un accès permanent par simple commodité.

Prévoir les interruptions de connexion

Lorsqu’un site rencontre des coupures de liaison, une collecte locale avec stockage tampon peut préserver l’historique et permettre certains traitements sur place. Ce choix dépend de la disponibilité requise, des compétences d’exploitation et des contraintes d’hébergement.

Le cloud n’est pas une obligation. Il peut convenir à certaines fonctions, mais une perte de connectivité ne doit ni interrompre le tri ni faire disparaître les indications locales nécessaires aux équipes.

Enfin, le RSSI doit vérifier les obligations applicables dans le pays, les exigences de l’autorité aéroportuaire et les engagements contractuels. Une exigence européenne ne s’applique pas automatiquement à une plateforme africaine ; le périmètre réglementaire doit être établi, pas supposé.

Tester l’IA sans lui confier l’exploitation

Un historique contenant peu de défaillances documentées ne permet pas de promettre une date de panne fiable. Il peut néanmoins servir à repérer des écarts par rapport à des comportements comparables, sous réserve de couvrir suffisamment les régimes de fonctionnement.

Détecter une anomalie n’est pas prédire une panne. Cette distinction doit apparaître dans les écrans et dans les consignes, faute de quoi une probabilité technique risque d’être interprétée comme un ordre d’intervention.

Pour notre entraînement, je comparerais d’abord la température à charge et vitesse comparables, puis j’examinerais si la dérive persiste et si d’autres signaux la corroborent. Des seuils contextualisés peuvent constituer une référence utile avant d’ajouter un modèle plus complexe.

Commencer en mode observation

Le premier déploiement devrait produire des alertes sans déclencher automatiquement d’arrêt ou d’ordre de travail. Les techniciens pourraient alors qualifier leur pertinence pendant une période couvrant les configurations d’exploitation représentatives.

Il faut mesurer l’utilité réelle. Le nombre d’alertes confirmées, les alertes injustifiées, les dérives manquées et le délai disponible pour agir renseignent davantage qu’un score de précision isolé.

Les critères d’acceptation doivent être convenus avant l’essai, avec l’exploitation, la maintenance et la sécurité informatique. Si les alertes sont trop nombreuses, on corrige le dispositif ; on ne demande pas aux équipes de s’habituer au bruit.

Du signal à l’intervention : la place du LMAI®

Revenons au cas hypothétique : l’analyse repère une hausse persistante de température sur des périodes de charge comparables, alors que les valeurs précédentes restaient stables. Cette évolution justifie une vérification, mais ne suffit pas à désigner le roulement comme cause certaine.

Le technicien examine l’entraînement selon les procédures d’accès et de consignation du site, puis confronte ses observations aux tendances disponibles. L’exploitation peut ensuite arbitrer entre surveillance renforcée et intervention préparée, en tenant compte du prochain créneau et de la disponibilité des pièces.

La GMAO, gestion de maintenance assistée par ordinateur, organise cette intervention, réserve les ressources et conserve le compte rendu. Elle est indispensable à la traçabilité, mais son usage transactionnel seul ne fournit pas nécessairement une analyse contextualisée des signaux ni une anticipation des dérives.

Le LMAI® apporte cette couche de diagnostic assisté, d’anticipation et d’aide à la décision. La distinction GMAO vs LMAI® concerne donc la manière d’exploiter les informations, pas simplement l’ajout d’un nouvel écran.

Avec TENGENN LMAI®, solution que je porte, je propose de relier cette analyse aux informations de maintenance pour présenter une situation compréhensible : équipement concerné, évolution observée, hypothèses à vérifier et éléments manquants. Les interfaces disponibles et la qualité des données doivent être validées avant de définir le périmètre réellement déployable.

L’outil doit aussi savoir signaler ses limites. Une recommandation inexpliquée ou fondée sur des mesures incomplètes ne doit jamais remplacer l’autorisation d’intervention ni les règles de sécurité aéroportuaire.

Ma méthode : rendre la décision vérifiable

Mes sept années d’expérience dans différents environnements industriels nourrissent une conviction : une recommandation technique vaut surtout par ce que l’équipe peut vérifier et entreprendre ensuite. Une courbe convaincante ne suffit pas.

Pour cet entraînement de tri bagages, je propose un diagnostic ciblé réunissant l’analyse du fonctionnement, l’examen des historiques et la revue du chemin de collecte avec le DSI et le RSSI. L’objectif est de déterminer si le site peut produire une alerte exploitable sans introduire une dépendance dangereuse.

Je peux ensuite accompagner un pilote limité, avec des critères d’acceptation et un retour arrière documentés, puis formaliser la conduite à tenir lorsqu’une dérive est confirmée. L’intégration à notre solution TENGENN LMAI® se décide sur cette base, et non avant l’examen du terrain.

La technologie doit s’adapter à l’aéroport. Cela signifie respecter les outils existants, les compétences disponibles et les contraintes de continuité, plutôt que demander au tri de se réorganiser autour d’un logiciel.

Questions fréquentes

Faut-il remplacer la GMAO pour démarrer ?

Non, pas nécessairement. Elle peut rester le système de référence pour les équipements et les interventions, tandis que la couche analytique exploite les données pertinentes et lui transmet des informations validées selon les possibilités d’intégration.

L’IA peut-elle arrêter automatiquement un convoyeur ?

Ce n’est pas le point de départ recommandé. Toute action automatique sur le tri nécessite une analyse spécifique des risques et une validation appropriée ; le pilote proposé ici reste une aide à la décision, séparée des protections existantes.

Peut-on commencer avec peu de pannes historiques ?

Oui, pour étudier certains comportements et détecter des écarts, si les données couvrent suffisamment les conditions d’exploitation. En revanche, annoncer une durée de vie restante fiable demanderait des preuves supplémentaires que cet historique ne fournit peut-être pas.

La première étape n’est donc pas l’achat d’un modèle. C’est l’identification d’un entraînement critique, d’une dérive mesurable et d’une décision que l’équipe pourrait prendre plus tôt.

Vous cherchez à anticiper l’arrêt d’un convoyeur sans ouvrir de nouveaux risques pour votre système de tri ? Contactez-moi directement via mon profil LinkedIn, Eries Emmanuel Dianou : nous pourrons examiner vos données disponibles et cadrer un premier diagnostic avec votre maintenance, votre DSI et votre RSSI.