2024 marque une étape importante pour One Big Circle dans l'amélioration des capacités de surveillance des trains dans les dépôts. Le projet de 12 mois vise à produire un système portable qui peut être personnalisé pour chaque opérateur partenaire, avec la possibilité d'une disponibilité commerciale plus large d'ici la fin de 2024. Après avoir remporté le concours First of a Kind (FOAK), financé par le ministère des transports et mis en œuvre par Innovate UK KTN, la PME basée à Bristol poursuivra son projet DepotMATE (Multi-sensor Automated Train Examination - Examen automatisé des trains à capteurs multiples). Cette initiative devrait transformer les méthodes traditionnelles d'inspection du matériel roulant, en offrant une solution plus sûre et plus efficace.
DepotMATE vise à relever les défis posés par les inspections du matériel roulant dans les dépôts, qui sont souvent effectuées dans des environnements dangereux et nécessitent une intervention manuelle. Le projet, mené en collaboration avec Transport for London (TfL), Colas Rail et East Midlands Railway (EMR), se concentre sur le développement d'un système d'inspection léger et multi-capteurs. Cette approche innovante facilitera les inspections à distance en capturant des données thermographiques, acoustiques et vidéo critiques du matériel roulant, ce qui réduira considérablement le besoin d'inspections manuelles sur les voies.
L'intégration de DepotMATE à la plateforme AIVR (Automated Intelligent Video Review) de One Big Circle permettra aux opérateurs des dépôts et aux gestionnaires de flotte d'accéder à des informations et à des images en temps réel, améliorant ainsi la sécurité et l'efficacité des opérations de maintenance. Mark Coney, responsable de l'ingénierie de flotte pour EMR, a souligné le potentiel du projet à améliorer les services de flotte et son évolutivité pour des applications plus larges.
Les modèles d'IA développés par DepotMATE automatiseront la détection des défauts et des problèmes, tels que la surchauffe des roulements de roue, rationalisant ainsi le processus d'inspection. Cette technologie devrait permettre de prendre des décisions de maintenance prédictive, contribuant ainsi à la sécurité et à l'efficacité des véhicules ferroviaires.
