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, seule la classe de corrosivité est 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 Mettre en place une méthode objective et reproductible d’évaluation de la dégradation des revêtements, pour réduire la variabilité des diagnostics actuels.
2- Automatiser l’analyse grâce à l’intelligence artificielle Développer un système basé sur l’IA capable d’analyser visuellement les structures 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 4 500 postes gaz doivent être inspectés chaque année, ainsi que 26 stations de compression et une centaine de traversées aériennes.
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
20.12.2025
Clôture du dépôt des candidatures
Clôture des dossiers de candidatures et analyse interne
31.01.2026
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
Rien de plus simple ! Complétez le formulaire ci-dessous et cliquez sur « Participer ».
