ENGIE Digital : Le Machine Learning au service de la maintenance des équipements des centrales du groupe et de ses clients

Pour développer ses plateformes de modèles de maintenance prédictive, ENGIE utilise les services AWS. A terme, près de 10 000 pièces d’équipement seront connectées disposant chacune de plusieurs dizaines de modèles et une économie estimée à 800 000 euros par an pour chaque Business Unit du groupe ayant adopté la maintenance prédictive.

Mihir Sarkar Chief Data Officer chez ENGIE Digital nous décrit le rôle de cette entité particulière au sein d’ENGIE : « ENGIE Digital est l’éditeur logiciel du Groupe. Nous développons des plateformes et produits digitaux à destination des différentes Business Units. Celles-ci peuvent aussi bien être basées sur des verticales spécifiques telles que le renouvelable ou les réseaux de chaleur que sur des zones géographiques comme l’Amérique du Nord ou la région Australie et Nouvelle-Zélande. Les produits digitaux ont pour vocation d’apporter des solutions aux entités internes pour leur permettre d’améliorer leur efficacité opérationnelle. Ils peuvent aussi enrichir les offres destinées aux clients externes pour contribuer à leur transition énergétique vers une neutralité carbone. »

C’est selon ces objectifs qu’ENGIE Digital a développé les plateformes Robin Analytics et Agathe. Le but ? Mettre au point des modèles de maintenance prédictive pour prévenir les dysfonctionnements des équipements et mieux planifier les interventions. La première, Robin Analytics, s’adresse aux équipements des centrales du groupe lorsque la seconde, Agathe, est proposée à des clients B2B pour assurer la maintenance de leurs équipements.

Problématiques :

ENGIE souhaitait bénéficier de l’infrastructure et des outils permettant de développer, entraîner et déployer des modèles de maintenance prédictive dans le but d’anticiper les pannes et les dysfonctionnements des équipements des centrales du groupe et de ses clients, tout en conservant une maîtrise de l’allocation des ressources et des coûts. L’intérêt était aussi de pouvoir rester à jour et bénéficier des dernières innovations technologiques afin de garantir la performance des modèles.

Pour mener à bien ces projets, ENGIE Digital s’est associé à Mangrove, société spécialisée en Machine Learning et services AWS, membre du AWS Partner Network.

L’enjeu de la maintenance prédictive pour ENGIE et ses clients

Pour ENGIE, mettre à profit les technologies de Machine Learning sur les problématiques de maintenance des équipements représente un enjeu clé : « L’enjeu de la maintenance prédictive est avant tout d’optimiser les coûts. La maintenance systématique nous contraint à intervenir à échéance régulière sur un site. Une meilleure planification et optimisation des cycles de maintenance représentent un enjeu important pour nos clients B2B et pour nos centrales. » précise Mihir.

ENGIE Digital dénombre aujourd’hui 3 cas d’utilisation spécifiques à la maintenance prédictive, que nous détaille Céline Mallet, Head of Predictive Maintenance Platform chez ENGIE Digital : « Le premier est la prédiction des durées de vie de nos équipements. Les équipements sont susceptibles de s’user et de perdre en efficacité. La maintenance prédictive nous permet de prédire les dates où l’on atteindra les seuils d’efficacité justifiant une intervention et un remplacement sur une pièce. Le second est la détection d’anomalie précoce. La maintenance prédictive nous permet d’exploiter les données de fonctionnement des équipements (centrales, compresseurs…) qui nous permettent de détecter des comportements anormaux de manière précoce. Enfin on a également la possibilité de développer des modèles qui mettent à profit les données générées par des capteurs « IoT » (mesurant la vibration ultrason par exemple) pour estimer l’état de santé des équipements à partir des variables enregistrées. »

La maintenance prédictive intervient également dans un contexte de changement de la stratégie globale du groupe, visant à privilégier la production d’énergies renouvelables. Elle permet de faciliter cette transition, comme nous l’explique Mihir : « Une des évolutions récentes dans l’organisation de la production d’électricité est que les centrales thermiques doivent maintenant assurer une baseload et ajuster leur production en fonction de celle produite par les énergies renouvelables qui sont intermittentes. Ce virage vers la transition énergétique d’ENGIE implique une utilisation différente des centrales thermiques avec des arrêts plus fréquents (quand il y a du vent et du soleil par exemple). L’utilisation des équipements de ces centrales (valves, pompes…) est par conséquent différente, ce qui peut produire des comportements et des défaillances sur lesquels il est essentiel d’avoir de la visibilité. Les modèles de maintenance prédictive permettent de mieux anticiper les pannes et de ne pas attendre les cycles de maintenance systématiques pour intervenir. »

Le choix d’un écosystème de services qui répond aux problématiques métiers

ENGIE Digital fait appel aux services d’AWS depuis maintenant plus de 3 ans : « Sur les 12 plateformes du portfolio d’ENGIE Digital, 11 sont basées sur AWS. Ces services sont également utilisés au sein d’autres entités du groupe telle que Data@ENGIE qui est à l’origine du Common Data Hub, le Data Lake distribué du Groupe sur lequel tournent désormais Agathe et Robin Analytics. » indique Mihir.

Aussi c’est vers ces solutions qu’ENGIE Digital s’est tourné pour le développement d’Agathe et de Robin Analytics : « Le choix pour l’architecture AWS a été guidé par nos contraintes métiers, qui, de manière inhérente, intègre la notion de maintenance prédictive. Avec plusieurs milliers d’équipements exploités disposant chacun de plusieurs dizaines de modèles, on monte à l’échelle très rapidement et l’enjeu de scalabilité est important. » précise Mihir.

Afin de tirer pleinement partie de l’écosystème AWS et de ses évolutions, ENGIE Digital s’est fait accompagner par Mangrove, entreprise de consultants spécialisés dans les services AWS : « Nous nous sommes tournés vers Mangrove afin qu’ils puissent mener la transformation vers les services AWS que l’on n’utilisait pas alors (S3, SageMaker). Nous pouvons également compter sur Mangrove en tant qu’expert pour nous aider à saisir les opportunités des nouvelles sorties et des évolutions des services AWS. » ajoute Céline.

Pour les plateformes Agathe et Robin Analytics, Mangrove a effectivement recours à plusieurs services AWS que nous détaille Bastien Murzeau, CTO chez Mangrove et Tech Lead auprès d’ENGIE Digital : « S3 est un service indispensable pour nous, l’ensemble de nos données passe par là. C’est également grâce à ce service que l’on peut ensuite exploiter la donnée avec des services tels que Glue, Athena et d’autres process de transformation plus légers via Lambda. »

Ces services peuvent s’adapter et permettent également de garder la main sur les ressources utilisées ainsi que sur les coûts, comme le précise Bastien : « Glue nous permet de faire du Spark facilement et à moindre coût avec une scalabilité dynamique. On peut aussi bien proposer des tâches très réduites que d’autres très conséquentes. »

Cet enjeu est primordial pour les plateformes d’ENGIE Digital : « La maîtrise des coûts est essentielle car la maintenance est un secteur très compétitif. » précise Céline.

SageMaker, un « service-clé » à l’œuvre derrière Agathe et Robin Analytics

Un exemple du partenariat entre ENGIE Digital et Mangrove est l’adoption de SageMaker. Il y a un an, ENGIE Digital souhaitait améliorer ses modèles de maintenance prédictive et s’est tourné vers Mangrove pour jauger les bénéfices potentiels de son utilisation. Bastien estime aujourd’hui que le service occupe une place centrale : « SageMaker est pour nous un service-clé. L’avantage de l’utiliser est de ne pas avoir à réinventer la roue et de pouvoir se baser sur un service qui fonctionne et qui nous apporte de la stabilité. Auparavant nous entraînions nos modèles nous-mêmes et nous ne bénéficions pas des best practices que le service nous impose. Il nous apporte aussi un niveau de sécurité plus élevé du fait du cloisonnement de toutes les tâches d'entraînement et permet d’isoler les données de nos clients. Un autre intérêt de SageMaker est la maîtrise du coût grâce aux entraînements effectués avec les Instances EC2 Spot qui offrent jusqu’à 90% d’économie des coûts de compute. »

ENGIE Digital s’appuie sur l’ensemble de ces services pour permettre à Agathe et Robin Analytics de développer et entraîner un grand nombre et une grande variété de modèles de maintenance : « Avec Agathe notre ambition sous 5 ans est de couvrir 8000 équipements. Chacun dispose entre 2 et 10 modèles de maintenance prédictive pour un total pouvant aller jusqu’à 80 000 modèles utilisés. » nous indique Céline au sujet de la plateforme Agathe.

« Pour les centrales thermiques d’ENGIE, nous nous apprêtons à onboarder sur la plateforme Robin Analytics plus d’une centaine d’équipements dans le but d’atteindre un total de plus de 1000 équipements d’ici 2022. Parmi ceux-ci on trouve une grande diversité (plusieurs types de vannes, pompes, échangeurs de chaleur…) ainsi qu’une diversité géographique dans le déploiement de la solution de maintenance prédictive pour les différentes centrales et Business Units du groupe. » témoigne Mihir à propos du développement de Robin Analytics.

Les équipes d’ENGIE Digital étudient également l’adoption de services supplémentaires qui pourrait être bénéfiques à Agathe et Robin Analytics : « Comme nous l’avions fait l’année dernière pour SageMaker, nous avons étudié la faisabilité et les avantages de migrer nos bases de données timeseries vers TimeStream que nous envisageons d’adopter à terme. » nous explique Mihir.

« Une technologie d’AWS que nous n’utilisons pas encore mais envisageons d’adopter est SageMaker Studio afin d’onboarder des Data Scientists des Business Units et leur permettre d’accéder à notre plateforme et nos datasets. Cela assurerait aussi que leur code soit production-ready pour la plateforme. » détaille Céline comme piste d’amélioration pour la plateforme Agathe.