Le diagnostic embarqué améliore la fiabilité des trains en temps réel

Chaque année, les retards de trains imputables à des problèmes techniques imprévus représentent un coût considérable pour les opérateurs ferroviaires, dépassant souvent plusieurs millions d'euros. Ces interruptions de service perturbent non seulement les horaires des passagers, mais engendrent également des défis logistiques complexes pour le transport de marchandises. L'intégration croissante de technologies avancées de **diagnostic embarqué (DE)** offre une solution prometteuse pour minimiser ces perturbations et améliorer la performance globale du réseau ferroviaire. Grâce à une surveillance continue et à des analyses sophistiquées, le **DE pour trains** permet d'anticiper les défaillances et de planifier la **maintenance prédictive ferroviaire** de manière proactive.

Le **diagnostic embarqué des trains** joue un rôle central dans l'amélioration de la fiabilité des trains, permettant une gestion plus efficace des opérations ferroviaires. Les systèmes de **DE ferroviaire** fournissent des informations précieuses en temps réel sur l'état des composants critiques du train, permettant ainsi une intervention rapide et ciblée. Cette capacité de **surveillance en temps réel des trains** et de détection précoce des anomalies contribue à une réduction significative des arrêts imprévus, améliorant la ponctualité et la sécurité des **transports ferroviaires**.

Les bases du diagnostic embarqué dans les trains

Le diagnostic embarqué (DE) appliqué aux trains englobe l'ensemble des systèmes intégrés au matériel roulant, conçus pour surveiller en continu l'état de fonctionnement de ses différents composants et systèmes. Il s'agit d'une approche proactive visant à identifier les anomalies, à prévoir les défaillances potentielles et à optimiser la **maintenance des trains**. Le DE repose sur la collecte et l'analyse de données provenant de divers capteurs, permettant une vue complète de l'état de santé du train. Cette approche globale contribue à une meilleure gestion des risques et à une augmentation significative de la **fiabilité ferroviaire**.

Ces systèmes collectent une grande variété de données provenant de capteurs stratégiquement placés dans le train. Ces informations incluent la température de composants clés, les niveaux de vibration, la pression dans les systèmes hydrauliques et pneumatiques, l'intensité du courant électrique, l'état des freins, ainsi que les données relatives à la performance des bogies. Toutes ces informations sont ensuite traitées et analysées pour détecter toute anomalie ou tendance indiquant une défaillance potentielle, améliorant ainsi la **sécurité des trains** et l'efficacité des **opérations ferroviaires**.

Qu'est-ce que le diagnostic embarqué (DE) appliqué aux trains ?

Le **diagnostic embarqué ferroviaire** se définit comme un ensemble de technologies intégrées à un train pour assurer une surveillance constante et une analyse en temps réel de ses systèmes et composants. L'objectif principal est d'identifier précocement les anomalies, les dégradations et les potentielles défaillances. Cela permet d'intervenir de manière proactive pour prévenir les pannes coûteuses et les interruptions de service. Un système de **DE pour le matériel roulant** performant contribue ainsi à augmenter la disponibilité des trains et à optimiser leur **maintenance préventive**.

Un système de diagnostic embarqué se compose typiquement des éléments suivants :

• Capteurs et transducteurs pour la collecte des données du **système de surveillance des trains**.
• Unités d'acquisition de données (DAQ) pour la numérisation et la transmission des signaux dans le **réseau de communication ferroviaire**.
• Unités de traitement et d'analyse embarquées (ordinateurs industriels, microcontrôleurs) pour le traitement des données et la détection des anomalies.
• Systèmes de communication (WLAN, 5G, satellite) pour la transmission des données vers un serveur central ou une plateforme cloud pour l'**analyse des données ferroviaires**.
• Interfaces homme-machine (HMI) pour la visualisation des données et l'interaction avec les conducteurs et le personnel de maintenance.

Systèmes et composants surveillés

Un système complet de diagnostic embarqué surveille un large éventail de systèmes et de composants critiques du train. Cela permet d'obtenir une vue d'ensemble de l'état de santé du véhicule et d'identifier rapidement les problèmes potentiels. La surveillance continue de ces systèmes permet d'éviter des défaillances majeures et d'optimiser les opérations de **maintenance des équipements ferroviaires**.

• Système de propulsion : Moteurs, transmissions, onduleurs, assurant la performance du **transport ferroviaire de voyageurs** et de marchandises.
• Système de freinage : Freins pneumatiques, freins électriques, systèmes anti-enrayage (ABS), cruciaux pour la **sécurité des trains**.
• Système de bogies : Suspension, essieux, paliers, amortisseurs, essentiels pour le confort et la **fiabilité du matériel roulant**.
• Systèmes de climatisation : Compresseurs, échangeurs de chaleur, contrôleurs, garantissant le confort des passagers dans le **transport public ferroviaire**.
• Systèmes électriques et électroniques : Alimentation, câblage, systèmes de contrôle, assurant le bon fonctionnement des **systèmes embarqués ferroviaires**.
• Portes et Systèmes d'accès : Surveillance de l'ouverture/fermeture, sécurité, importants pour la fluidité et la sécurité dans le **transport ferroviaire urbain**.

Comment les données sont-elles collectées et traitées ?

Le processus d'acquisition de données commence avec des capteurs placés stratégiquement sur les différents composants du train. Ces capteurs mesurent des paramètres tels que la température, la pression, les vibrations et le courant électrique. Les données collectées sont ensuite transmises à une unité d'acquisition de données (DAQ) qui les numérise et les prépare pour le traitement. L'unité de traitement analyse les données à l'aide d'algorithmes sophistiqués pour détecter les anomalies et les tendances indiquant une défaillance potentielle. La gestion des alarmes, la transmission des données, et la communication avec les systèmes centraux sont également gérées par l'unité de traitement, contribuant à une **gestion efficace des trains**.

Voici un aperçu des étapes clés du processus de collecte et de traitement des données :

• Acquisition de données : Les capteurs collectent les données et les transmettent à l'unité d'acquisition. Des capteurs de vibrations triaxiaux coûtent environ 300€ par unité.
• Traitement du signal : Les données brutes sont filtrées, normalisées et transformées pour améliorer leur qualité et leur pertinence.
• Détection d'anomalies : Des algorithmes basés sur des seuils, des modèles statistiques ou des techniques d'apprentissage automatique sont utilisés pour identifier les écarts par rapport au comportement normal du **système ferroviaire**.
• Stockage des données : Les données traitées sont stockées localement sur le train ou transmises à un serveur central pour une analyse plus approfondie et une **optimisation de la maintenance ferroviaire**.

Les techniques de traitement du signal couramment utilisées incluent le filtrage pour éliminer le bruit, la normalisation pour mettre les données à la même échelle, et la transformation de Fourier pour analyser les fréquences des signaux vibratoires. La normalisation joue un rôle crucial pour faciliter la comparaison des données provenant de différents capteurs ou de différentes périodes de temps, permettant une **analyse précise des performances du train**.

Avantages du diagnostic embarqué pour la fiabilité des trains

Le diagnostic embarqué offre de nombreux avantages pour l'industrie ferroviaire, notamment une amélioration significative de la **fiabilité des trains**. Grâce à une surveillance continue et une détection précoce des anomalies, le DE permet de réduire les arrêts imprévus, d'optimiser la maintenance et d'améliorer la sécurité des opérations ferroviaires. L'intégration de systèmes de DE permet aux opérateurs de passer d'une maintenance réactive à une **maintenance proactive des trains**, améliorant ainsi la disponibilité du parc et la rentabilité du **transport ferroviaire**.

En plus de la réduction des coûts et de l'amélioration de la sécurité, le diagnostic embarqué contribue également à une meilleure expérience des passagers. En prévenant les pannes et les retards, le DE permet d'assurer un service plus fiable et ponctuel, ce qui se traduit par une plus grande satisfaction des clients, un facteur clé pour la pérennité du **transport ferroviaire de passagers**.

Surveillance en temps réel et détection précoce des anomalies

La **surveillance en temps réel des trains** constitue l'un des principaux atouts du diagnostic embarqué. Les systèmes de DE surveillent en permanence l'état de santé des composants critiques du train, permettant ainsi une détection immédiate des anomalies. Cette capacité de détection précoce permet d'éviter les pannes catastrophiques et de planifier les interventions de **maintenance ferroviaire** avant qu'elles ne se produisent.

Par exemple, le DE peut détecter des vibrations anormales dans un palier, une surchauffe d'un moteur ou une fuite dans un système de freinage. Ces informations sont transmises en temps réel au personnel de maintenance, qui peut alors intervenir rapidement pour corriger le problème. La détection précoce des anomalies permet également de réduire les coûts de réparation en évitant des dommages plus importants et de minimiser les perturbations dans les **lignes ferroviaires**.

Voici quelques exemples concrets de détection d'anomalies grâce au DE :

• Détection de vibrations anormales dans un palier, indiquant une usure ou un défaut. Une augmentation de 10% des vibrations peut signaler un problème imminent.
• Détection de surchauffe d'un moteur, signalant un problème de refroidissement ou une surcharge. Une surchauffe de plus de 5°C nécessite une inspection immédiate.
• Détection de fuite dans un système de freinage, mettant en évidence un problème d'étanchéité et impactant la **sécurité du train**.

Maintenance prédictive et optimisation des interventions

Les données collectées par le diagnostic embarqué permettent de mettre en œuvre une **maintenance prédictive des trains**, c'est-à-dire de prévoir les défaillances avant qu'elles ne se produisent. En analysant les tendances et les modèles dans les données, il est possible de déterminer le moment optimal pour effectuer les interventions de maintenance. Cette approche permet d'éviter les arrêts imprévus et d'optimiser les coûts de maintenance des **opérations ferroviaires**.

La **maintenance prédictive** offre plusieurs avantages par rapport à la maintenance corrective ou préventive :

• Réduction des arrêts imprévus et des pertes de revenus associées, minimisant les perturbations pour les passagers et les entreprises de **transport de marchandises par train**.
• Optimisation des stocks de pièces de rechange, en prévoyant les besoins en fonction des prévisions de défaillance et en améliorant la **logistique ferroviaire**.
• Amélioration de la planification des interventions, en optimisant les itinéraires de maintenance et en réduisant les temps d'arrêt, augmentant ainsi la disponibilité du **matériel roulant**.

La maintenance prédictive peut permettre de réduire les coûts de maintenance jusqu'à 30 %, tout en améliorant la disponibilité des trains et en prolongeant leur durée de vie, contribuant à une **gestion durable du parc ferroviaire**.

Réduction des coûts d'exploitation et d'entretien

La mise en œuvre d'un système de diagnostic embarqué peut entraîner une réduction significative des coûts d'exploitation et d'entretien des trains. En détectant les problèmes à un stade précoce et en optimisant la maintenance, le DE permet de minimiser les arrêts imprévus, d'améliorer la consommation d'énergie et de prolonger la durée de vie des équipements, impactant positivement la **rentabilité ferroviaire**.

Les avantages en termes de réduction des coûts sont multiples :

• Diminution des arrêts non planifiés, réduisant les coûts liés aux retards, aux pertes de revenus et aux pénalités. Les arrêts imprévus peuvent coûter jusqu'à 10 000 € par heure, impactant les marges du **transporteur ferroviaire**.
• Optimisation de la consommation d'énergie, en identifiant les composants qui fonctionnent de manière inefficace et en optimisant leur fonctionnement. Une optimisation de 5% de la consommation d'énergie peut engendrer des économies significatives pour les **entreprises ferroviaires**.
• Prolongation de la durée de vie des équipements, en détectant et en corrigeant les problèmes à un stade précoce. Prolonger la durée de vie d'un essieu de 2 ans peut engendrer des économies considérables, optimisant le **cycle de vie du matériel roulant**.

Amélioration de la sécurité

Le diagnostic embarqué joue un rôle crucial dans l'amélioration de la **sécurité des trains**. En détectant précocement les problèmes de sécurité, tels que des freins défectueux ou des problèmes d'essieux, le DE permet d'éviter les accidents et de protéger la vie des passagers et du personnel ferroviaire. La détection des anomalies telles que des fissures dans les essieux, peut prévenir des catastrophes potentielles, garantissant la **sécurité du réseau ferroviaire**.

Le DE permet également d'améliorer la réactivité en cas d'urgence. En fournissant des informations précieuses aux conducteurs et au personnel de maintenance en cas d'incident, le DE peut aider à prendre les bonnes décisions et à minimiser les conséquences de l'événement. Les informations remontées par le DE, en cas de déclenchement de freinage d'urgence, peuvent aider à identifier la cause et à optimiser la réponse, améliorant la **gestion des incidents ferroviaires**.

Technologies clés du diagnostic embarqué moderne

Le diagnostic embarqué moderne repose sur un ensemble de technologies clés, notamment les capteurs intelligents (IoT), l'intelligence artificielle (IA) et le Machine Learning (ML), les systèmes de communication et de connectivité, ainsi que le cloud computing et le Big Data. Ces technologies permettent de collecter, de traiter et d'analyser les données de manière plus efficace, ce qui se traduit par une amélioration significative de la **fiabilité des trains**. La convergence de ces technologies transforme la manière dont la **maintenance ferroviaire** est gérée, passant d'une approche réactive à une approche proactive, et optimisant le **transport ferroviaire durable**.

L'intégration de ces technologies permet d'améliorer la sécurité, réduire les coûts, et optimiser la performance globale des trains. La maintenance devient plus prédictive et moins corrective, améliorant l'efficacité des **opérations de maintenance ferroviaire**.

Capteurs intelligents (IoT)

Les **capteurs intelligents** , également appelés capteurs IoT (Internet of Things), représentent une évolution significative par rapport aux capteurs traditionnels. Alors que les capteurs traditionnels se contentent de mesurer des paramètres physiques et de transmettre les données brutes, les capteurs intelligents sont capables de traiter les données localement, de communiquer sans fil et de s'auto-diagnostiquer. Cette capacité de traitement local permet de réduire la quantité de données à transmettre, ce qui améliore l'efficacité des communications et réduit la consommation d'énergie, optimisant ainsi la **gestion de l'énergie ferroviaire**. En outre, l'auto-diagnostic permet de détecter les problèmes de capteurs et de garantir la fiabilité des données pour une **maintenance efficace des trains**.

Les capteurs IoT utilisés dans les systèmes de **diagnostic embarqué ferroviaire** incluent :

• Accéléromètres, pour mesurer les vibrations et les chocs dans le **système de suspension des trains**.
• Capteurs de température, pour surveiller la température des composants critiques comme les **moteurs de traction ferroviaire**.
• Capteurs de pression, pour mesurer la pression dans les systèmes hydrauliques et pneumatiques du **système de freinage ferroviaire**.
• Capteurs de courant, pour surveiller la consommation électrique des différents systèmes et optimiser la **consommation d'énergie des trains**.
• Capteurs de vibrations, pour détecter les anomalies dans les paliers et autres composants rotatifs du **matériel roulant ferroviaire**.

Les capteurs modernes permettent de détecter un échauffement anormal d'un moteur avec une précision de +/- 0.5°C, garantissant une **intervention rapide en cas de problème**.

Intelligence artificielle (IA) et machine learning (ML)

L'intelligence artificielle (IA) et le Machine Learning (ML) jouent un rôle de plus en plus important dans les systèmes de **diagnostic embarqué modernes**. Ces technologies permettent d'automatiser les tâches de diagnostic, de prédire les défaillances et d'optimiser la maintenance. L'IA et le ML peuvent analyser de grandes quantités de données provenant des capteurs pour identifier les modèles et les tendances qui seraient difficiles à détecter par les humains, améliorant l'**efficacité du diagnostic ferroviaire**.

L'IA et le ML sont utilisés dans les applications suivantes :

• Détection d'anomalies, en apprenant des modèles de comportement normal et en identifiant les écarts, assurant une **surveillance proactive des trains**.
• Prédiction des défaillances, en utilisant des données historiques pour prévoir les pannes futures et optimiser la **planification de la maintenance**.
• Optimisation de la maintenance, en identifiant les stratégies de maintenance les plus efficaces et réduisant les **coûts de maintenance ferroviaire**.
• Diagnostic des pannes, en automatisant le processus de diagnostic en analysant les données des capteurs et en accélérant les **interventions de maintenance**.

Les algorithmes utilisés incluent les réseaux de neurones, les arbres de décision et les machines à vecteurs de support (SVM). Grâce au Machine Learning, on peut prédire la défaillance d'un composant avec une précision allant jusqu'à 90%, permettant une **gestion optimisée des risques ferroviaires**.

Communication et connectivité

Les systèmes de communication et de connectivité sont essentiels pour la transmission des données du train vers un serveur central ou une plateforme cloud. Ces systèmes permettent au personnel de maintenance d'accéder aux données en temps réel et de prendre des décisions éclairées concernant la maintenance. La connectivité 5G assure une latence très faible, < 10ms, pour une prise de décision rapide et une **gestion efficace du réseau ferroviaire**.

Les technologies de communication couramment utilisées incluent :

• WLAN (Wireless Local Area Network), pour la communication à courte portée dans les **dépôts ferroviaires**.
• 5G (Fifth Generation), pour la communication à haut débit et à faible latence le long des **lignes ferroviaires**.
• Satellite, pour la communication dans les zones où la couverture terrestre est limitée, garantissant une **surveillance continue des trains**.
• LoRaWAN (Long Range Wide Area Network), pour la communication à longue portée et à faible consommation d'énergie, optimisant la **gestion des données ferroviaires**.

La sécurité des communications est primordiale pour protéger les données sensibles contre les accès non autorisés et les cyberattaques. Les systèmes de communication doivent être protégés par des protocoles de cryptage et d'authentification robustes, assurant la **protection des données ferroviaires**.

Cloud computing et big data

Le cloud computing et le Big Data offrent des solutions puissantes pour le stockage et le traitement de grandes quantités de données provenant des trains. Le cloud computing permet de stocker les données de manière centralisée et d'y accéder depuis n'importe où, tandis que les outils Big Data permettent d'analyser les données et de générer des rapports. Une infrastructure Cloud peut supporter jusqu'à 10 000 trains simultanément, permettant une **gestion centralisée des données ferroviaires**. Le coût du stockage des données sur un Cloud est estimé à 0.005€ par Go par mois.

Les avantages du cloud computing incluent :

• Évolutivité, permettant d'adapter la capacité de stockage et de traitement en fonction des besoins de la **gestion du parc ferroviaire**.
• Flexibilité, offrant la possibilité d'utiliser différents outils et plateformes d'analyse de données pour la **maintenance prédictive des trains**.
• Accessibilité, permettant d'accéder aux données depuis n'importe quel appareil connecté à Internet, facilitant la **collaboration entre les équipes de maintenance**.

L'analyse des données Big Data permet d'identifier les tendances, de prévoir les défaillances et d'optimiser la maintenance. La consommation d'énergie peut être optimisée grâce aux analyses des données Big Data, contribuant à une **gestion durable du transport ferroviaire**.

Défis et perspectives d'avenir

Bien que le diagnostic embarqué offre de nombreux avantages, sa mise en œuvre présente également des défis importants. L'intégration des systèmes existants, la sécurité des données, le volume et la complexité des données, le coût d'implémentation et la formation du personnel sont autant d'obstacles à surmonter. Toutefois, les perspectives d'avenir pour le DE sont prometteuses, avec le développement de capteurs plus performants, l'utilisation accrue de l'IA et du ML, l'intégration avec les systèmes de gestion de flotte, et le développement de normes et de standards pour une **maintenance ferroviaire optimisée**.

Surmonter ces défis et saisir les opportunités futures permettra de maximiser les avantages du diagnostic embarqué et de transformer l'industrie ferroviaire, créant un **système de transport ferroviaire plus fiable et durable**.

Défis

La mise en place d'un système de **diagnostic embarqué** dans le secteur ferroviaire se heurte à plusieurs défis spécifiques, liés à la complexité des systèmes existants, aux contraintes de sécurité et aux coûts d'implémentation. L'intégration avec des infrastructures existantes est un défi majeur pour une **optimisation du parc ferroviaire**.

• Intégration des systèmes existants : Coexistence avec des systèmes de train plus anciens, qui peuvent ne pas être compatibles avec les nouvelles technologies. Environ 40% des trains en circulation ont plus de 20 ans, rendant l'**intégration des technologies DE** complexe.
• Sécurité des données et cybersécurité : Protection contre les accès non autorisés et les manipulations des données sensibles. Une intrusion dans un système de DE pourrait compromettre la **sécurité du train** et du **réseau ferroviaire**.
• Volume et complexité des données : Gestion et analyse des grandes quantités de données générées par les capteurs, nécessitant des outils et des compétences spécifiques en **analyse de données ferroviaires**. Un train peut générer jusqu'à 1To de données par jour, nécessitant des **solutions de stockage et d'analyse efficaces**.
• Coût d'implémentation et de maintenance : Investissement initial élevé et coûts de maintenance continus, qui peuvent être un frein pour certaines entreprises de **transport ferroviaire**. L'installation d'un système de DE peut coûter entre 50 000 et 200 000 euros par train, un investissement conséquent pour les **opérateurs ferroviaires**.
• Formation du personnel : Nécessité de former le personnel à l'utilisation et à la maintenance des systèmes de DE. Le manque de personnel qualifié est un défi croissant dans le secteur ferroviaire, nécessitant des **programmes de formation spécifiques** en **maintenance ferroviaire avancée**.

Perspectives d'avenir

Les perspectives d'avenir pour le **diagnostic embarqué** sont prometteuses, avec des avancées technologiques constantes et une adoption croissante par les entreprises ferroviaires. Les nouvelles technologies rendront le DE plus accessible et plus performant, transformant la **maintenance ferroviaire de demain**.

• Développement de capteurs plus performants et moins coûteux : Permettant de surveiller un plus grand nombre de paramètres avec une plus grande précision. Les capteurs sans fil facilitent l'installation et réduisent les coûts de **maintenance des trains**. Les capteurs MEMS (Micro-Electro-Mechanical Systems) sont de plus en plus utilisés pour leur petite taille et leur faible coût.
• Utilisation accrue de l'IA et du ML pour l'automatisation des tâches de diagnostic et de maintenance : Permettant de prédire les défaillances avec une plus grande précision et d'optimiser les interventions de maintenance. L'IA peut automatiser jusqu'à 80% des tâches de diagnostic, réduisant la charge de travail des **équipes de maintenance**.
• Intégration avec les systèmes de gestion de flotte et de planification des ressources : Permettant une gestion plus efficace des opérations ferroviaires et une **optimisation des ressources humaines**. L'intégration des données de DE avec les systèmes de gestion de flotte peut améliorer la planification de la maintenance de 20%, augmentant l'**efficacité des opérations ferroviaires**.
• Développement de normes et de standards pour le DE dans le secteur ferroviaire : Permettant d'assurer l'interopérabilité des systèmes et de faciliter l'adoption des technologies, favorisant l'**innovation dans le secteur ferroviaire**. La standardisation des données et des protocoles de communication est essentielle pour une **maintenance collaborative**.
• Utilisation de la réalité augmentée (RA) pour l'assistance à la maintenance sur le terrain : Permettant aux techniciens de visualiser les données de diagnostic en temps réel et de recevoir des instructions interactives. La RA peut réduire les temps de réparation de 30%, améliorant l'**efficacité des interventions de maintenance**. Les lunettes de réalité augmentée coûtent environ 2000€.
• Standardisation et interoperabilité des données et des systèmes : Permettre une meilleure collaboration entre les différents acteurs de l'industrie, facilitant la **gestion collaborative de la maintenance ferroviaire**.
• Développement de jumeaux numériques (Digital Twins) : Créer des répliques virtuelles des trains pour simuler leur comportement et optimiser leur maintenance. La simulation numérique peut aider à identifier les problèmes potentiels avant qu'ils ne se produisent, optimisant la **gestion des risques ferroviaires**.

Études de cas et exemples concrets

Plusieurs compagnies ferroviaires à travers le monde ont déjà mis en œuvre avec succès des systèmes de diagnostic embarqué, obtenant des résultats significatifs en termes de réduction des coûts, d'amélioration de la fiabilité et d'augmentation de la sécurité. Ces exemples concrets illustrent le potentiel du DE pour transformer l'industrie ferroviaire et améliorer le **transport ferroviaire durable**.

Les avantages obtenus grâce à la mise en œuvre du DE incluent :

• Réduction des retards dus à des pannes techniques. La mise en oeuvre du DE a permis de réduire les retards de 15% sur certaines lignes, améliorant la **ponctualité des trains**.
• Diminution des coûts de maintenance grâce à une planification plus efficace. Le coût de maintenance a été réduit de 10% après l'implémentation du DE, optimisant la **gestion budgétaire des entreprises ferroviaires**.
• Amélioration de la sécurité grâce à la détection précoce des problèmes, garantissant la **sécurité des passagers et du personnel**.

Des sociétés comme Siemens, Alstom et Bombardier (maintenant Alstom) proposent des solutions complètes de diagnostic embarqué pour le secteur ferroviaire, contribuant à l'**innovation dans la maintenance ferroviaire**.