Le Datalab de Safran : concevoir, fabriquer et surveiller à l’aide des données
vendredi 18 juin 2021
Safran est un groupe international de haute technologie opérant dans les domaines de l’aéronautique (propulsion, équipements et intérieurs), de l’espace et de la défense, en particulier dans la fabrication de moteurs et d’alliages et dans le contrôle de ces pièces. Safran Aircraft Engines est une société du groupe Safran, spécialiste du motoriste aéronautique, qui conçoit, développe et commercialise des moteurs pour l’aviation civile et militaire.
Après 10 années d’enseignement à l’ENS Cachan, le développement de Miriad Technologies et la conception d’algorithmes pour les semi-conducteurs, Jérôme Lacaille a intégré Safran Aircraft Engines sur des sujets d’analyse de données et anime depuis 2016 une équipe d’ingénieurs et d’universitaires au sein du Datalab. Le Datalab intervient en tant qu’expert auprès des bureaux d’étude pour répondre à des questions d’analyse de données. Il est également en lien avec Safran Tech et Safran Analytics.
Ainsi, la mission du Datalab est triple : améliorer la conception, optimiser la fabrication et surveiller en continu les données issues des nombreux capteurs. Une grande partie du travail réalisé concerne le monitoring des moteurs tels que le CFM56 et le Leap, de différents types de pièces telles que la gearbox, les aubes FAN ou l’analyse de la quantité importante de données issues des différents bancs d’essai.
Plusieurs expériences ont été rapportées par l’intervenant : un premier cas d’usage concerne l’analyse des données de fournisseurs pour comprendre la cause de la variabilité de la poussée. Une analyse statistique a alors montré que celle-ci était due à un relâchement de la géométrie des pieds des aubes. Grâce au Datalab, Safran a alors pu faire remonter cette information aux fournisseurs pour corriger le processus de fabrication.
Un second cas d’usage est la recherche systématique d’anomalies dans les données transmises en continu dans le cadre du Pronostic and Health monitoring des avions. En effet, l’utilisation d’outils statistiques et de machine learning, liés à des modèles physiques, permettent alors d’apprendre le comportement en fatigue des pièces et d’anticiper les anomalies pour finalement alerter la compagnie aérienne.
Compte-rendu rédigé par Jérôme Dauba, Karen Hubert et Nicolas Vigne, étudiants du Mastère Spécialisé Intelligence Artificielle promotion 2020-2021.
Illustration d’en-tête : site de Safran Aircraft Engines