Dans le cadre de la maintenance préventive des structures métalliques (notamment les postes gaz et structures complexes), la remise en peinture joue un rôle essentiel pour protéger l’acier contre la corrosion.
Actuellement, les décisions de remise en peinture reposent principalement sur deux critères :
Cependant, dans la pratique, la classe de corrosivité n’est pas systématiquement prise en compte. L’évaluation de l’état réel de la peinture repose encore sur des observations visuelles réalisées par les exploitants eux-mêmes, qui ne sont pas formés pour cette tâche. Cette approche, basée sur le ressenti ou le "feeling", manque d'objectivité et peut conduire à des décisions non optimales :
Ce projet vise donc à développer une solution innovante basée sur l’intelligence artificielle capable d’analyser automatiquement l’état de la peinture à partir d’images, et de fournir un diagnostic fiable, objectif et traçable. Cela permettra d’apporter un second paramètre de décision essentiel, complémentaire à la classe de corrosivité, pour améliorer la planification des opérations de maintenance.
|
1- Fiabiliser l’évaluation de l’état de la peinture Remplacer revêtement par peinture
2- Automatiser l’analyse grâce à l’intelligence artificielle Développer un système basé sur l’IA capable d’analyser visuellement les structures aériennes et de déterminer le niveau de dégradation de la peinture.
3- Compléter les critères existants de maintenance préventive Apporter un second paramètre clé (état réel du revêtement) en complément de la classe de corrosivité environnementale, pour affiner les décisions de remise en peinture.
4- Alléger la charge des exploitants Délester les non-spécialistes de l’évaluation visuelle, en leur fournissant un outil simple, rapide et fiable d’aide à la décision.
5- Optimiser la planification des opérations de maintenance Prioriser les interventions sur les structures réellement dégradées, et ainsi optimiser les coûts, les ressources et la durée de vie des équipements.
|
La solution devra être basée sur l'Intelligence artificielle.
La solution devra permettre une détection fiable et garantir une traçabilité des informations.
L’outil devra être ergonomique et adapté au terrain.
TRL élevé. Néanmoins, un co-développement de la solution le cas échéant est possible.
Environ 4500 postes gaz ainsi que 26 stations de compression et une centaine de traversée aériennes sont concernés par la maintenance de la peinture.
17.06.2025
Dépôt de candidature
Candidature libre (en deux phases définies dans l’appel à projet) des sociétés souhaitant proposer leur solution en lien avec la problématique
17.10.2025
Clôture du dépôt des candidatures
Clôture des dossiers de candidatures et analyse interne
20.10.2025
Passage jury
Invitation des sociétés nominées à présenter leur offre auprès de la direction de NaTran. Cette date est prévisionnelle et pourra être modifiée
31.01.2026
Clôture de l'appel à projet
Annonce du lauréat et clôture de l'appel à projet, contractualisation et démarrage du projet
En cours
Se termine le 06.11.2025
Comment exploiter l’IA pour assurer une surveillance fiable et traçable des chantiers industriels à distance ?
Participer
Terminé
Fermé depuis le 31.01.2026
Comment automatiser, grâce à l’IA, une évaluation fiable et objective de la dégradation de la peinture sur structures en acier, en complément des analyses de corrosivité ?
Redécouvrir
En cours
Se termine le 01.01.2026
Appel à candidature incubateur Nova by GRTgaz - 4ème édition
Participer
Terminé
Fermé depuis le 31.10.2025
Comment obtenir une inspection directe et fiable des canalisations non inspectables par piston ?
Redécouvrir
Terminé
Fermé depuis le 31.07.2025
Comment inspecter rapidement le réseau gaz pour détecter les éventuelles fuites ?
Redécouvrir
En cours
Se termine le 30.11.2025
Comment créer, repenser, maîtriser le processus de réemploi au sein de NaTran ?
Participer
Terminé
Fermé depuis le 31.12.2024
Comment évaluer le taux d’humidité dans le polyamide des canalisations aériennes et enterrées ?
Redécouvrir
Terminé
Fermé depuis le 28.02.2025
Comment mesurer et analyser la composition partielle ou complète des méthanes renouvelables et bas-carbone ?
Redécouvrir
