Défi complet

Tous les systèmes sont prêts ! Prévision et optimisation de la maintenance des plates-formes militaires

Énoncé du défi

Le ministère de la Défense nationale et les Forces armées canadiennes (MDN/FAC) sont à la recherche de solutions novatrices pour des systèmes automatisés et proactifs de surveillance de la santé et de l'utilisation (HUMS) des plates-formes militaires à l'échelle de la flotte. L'objectif est d'appuyer le passage à CBM (Maintenance basée selon l'état) et, en bout de ligne, à la maintenance prédictive, d'optimiser les ressources de maintenance limitées et d'accroître la disponibilité des plateformes opérationnelles.

Contexte

L’approche habituelle adoptée pour la maintenance de l’équipement militaire en service (c.­à­d. les aéronefs, les véhicules, les navires) est un processus régulier ou prévu en fonction du temps (maintenance préventive) ou des défaillances (maintenance corrective). Les opérations de maintenance sont planifiées sur une base régulière ou prévues en fonction du kilométrage ou de l’utilisation de l’équipement, peu importe son état. La maintenance préventive est une stratégie coûteuse, mais nécessaire pour éviter les défaillances critiques. Effectuer la maintenance corrective pour une seule défaillance peut prendre beaucoup de temps selon les réparations requises et peut avoir des répercussions sur une opération ou même l’arrêter

Le MDN et les FAC souhaitent adopter un processus de maintenance selon l’état afin d’optimiser les opérations de maintenance, de réduire les coûts, d’accroître la sécurité et de respecter les exigences opérationnelles. Il s’agit d’une stratégie qui permet de surveiller l’état réel de l’équipement et de planifier les tâches de maintenance seulement lorsqu’elles sont nécessaires. Cette stratégie s’appuie sur un système HUMS de surveillance des paramètres de fonctionnement et de consignation de l’état des systèmes essentiels afin de permettre la détection précoce et la résolution des défaillances. La maintenance prédictive constitue l’étape suivante dans l’évolution de la maintenance selon l’état et vise l’utilisation des données disponibles, d’algorithmes et de modèles statistiques pour prédire à quel moment l’équipement est susceptible de tomber en panne.

Le premier aspect du défi consiste à développer un système HUMS générique, mais sophistiqué pouvant être installé sur pratiquement n’importe quelle plateforme militaire et étant en mesure « d’apprendre » à relever les défaillances en vue de produire un rapport sur l’état du système en cause. Le deuxième aspect du défi consiste à concevoir un système embarqué pouvant fusionner, interpréter et analyser des données opérationnelles provenant de sources multiples, y compris de capteurs internes, ainsi que les commentaires des opérateurs et du personnel de maintenance. Puisqu’il n’est pas possible pour chaque plateforme de transmettre des volumes massifs de données à traiter et à analyser par la suite, ces tâches devront probablement être effectuées à même la plateforme, ce qui signifie que la taille, le poids et la puissance constituent une préoccupation. Le dernier aspect du défi consiste à fournir un moyen permettant d’interpréter et de visualiser les données afin d’appuyer les décisions en matière de maintenance visant à déterminer « ce qui doit être fait et à quel moment » ainsi qu’à souligner l’importance d’entreprendre des mesures de maintenance « dans l’immédiat ou sous peu ». Mieux comprendre la relation entre l’utilisation de la plateforme et « l’état », en vue de la transition vers une stratégie de maintenance selon l’état beaucoup plus efficace et prédictive pour la maintenance de la flotte du MDN et des FAC, représente un aspect clé du défi.

Résultats escomptés

Le MDN et les FAC sont à la recherche de solutions embarquées de maintenance selon l’état et de système de surveillance proactive de l’état et de l’utilisation fonctionnant en temps réel à l’échelle de la flotte pouvant être intégrée aux plateformes terrestres, navales ou aériennes existantes et nouvelles. Les travaux de recherche, les outils, les technologies et les processus novateurs qui sont recherchés se rapportent notamment à ce qui suit :

• Un système HUMS générique, normalisé et ultra perfectionné pouvant être intégré à différentes plateformes pour permettre une surveillance de l’utilisation combinant les données de capteurs provenant de sources multiples ainsi que les commentaires des opérateurs et du personnel de maintenance sur les défaillances critiques, les facteurs de réparation majeurs, etc.
• L’élaboration d’algorithmes et de modèles statistiques pour la détection et le suivi des nouvelles défaillances. Les solutions proposées peuvent comprendre le développement de capteurs améliorés, la modélisation des défaillances ou l’intégration de multiples mesures de l’état afin de mieux comprendre le délai entre le moment où une défaillance potentielle est relevée et le moment où elle se produit.
• Un système HUMS pouvant utiliser les données disponibles pour « apprendre » en temps réel comment détecter les défaillances et en assurer le suivi afin de rendre compte de « l’état » du système, dans le but de minimiser la nécessité d’entrer initialement des données techniques. Les solutions proposées recherchées doivent mettre à profit l’apprentissage machine pour créer un modèle évolutif de système pouvant être utilisé pour prédire les comportements de système. La solution doit pouvoir être intégrée au système HUMS embarqué; la taille, le poids et la puissance constituent donc une préoccupation.
• Un moyen simple et efficace de représenter visuellement les données de maintenance selon l’état et les données du système HUMS afin de faciliter l’établissement de recommandations quant aux mesures et aux décisions de maintenance à prendre.