DB Cargo a mis en place un système de prévision des pièces de rechange basé sur l'intelligence artificielle pour ses locomotives diesel de classe 77 au DB Cargo Railport Darmstadt.
Le système intègre les données relatives au kilométrage, aux intervalles d'entretien et au contexte des interventions en atelier aux habitudes de consommation passées afin d' améliorer les prévisions de la demande.
DB Cargo exploite environ 60 locomotives diesel de classe 77 sur des lignes non électrifiées. Construites au Canada, ces locomotives nécessitent des pièces de rechange dont les délais de livraison peuvent s'étendre sur plusieurs semaines, voire plusieurs mois, certains composants pouvant prendre beaucoup plus de temps. Selon DB Cargo, les méthodes de prévision classiques se sont révélées moins efficaces en raison de la demande irrégulière pour certaines pièces.
Prenons l'exemple de la pompe à huile de la locomotive de classe 77. L'ancienne méthode de prévision n'indiquait aucune demande, alors que le modèle d'IA en prévoyait cinq ; la consommation réelle s'est élevée à six. Avec des délais de livraison d'environ 500 jours, la précision des prévisions a une incidence directe sur la disponibilité des locomotives.
Parallèlement au modèle d'IA, DB Cargo a revu son outil de planification existant, basé sur Excel. Les paramètres ont été systématiquement testés afin de trouver un équilibre entre les temps d'attente et les niveaux de stock. Des ensembles de paramètres distincts ont été définis pour les différents types de véhicules afin d'adapter la planification à des profils opérationnels spécifiques.
DB Cargo indique que la nouvelle méthodologie et l'outil de planification mis à jour ont été mis en place en l'espace de quelques mois et sont désormais utilisés pour la planification des pièces de rechange de la flotte de la classe 77.
