Détection automatique d’anomalies par machine learning dans les flux vidéo ferroviaires : cas pratique Infrabel

Details

Supervisors

Kolp, Manuel

Faculty

Louvain School of Management

Degree label

Master [60] en sciences de gestion

Abstract

frCe mémoire analyse l’évolution de la digitalisation, de l’automatisation et du management dans le secteur ferroviaire, en mettant l’accent sur les processus d’inspection des infrastructures, de gestion des données et de maintenance. Il s’intéresse plus particulièrement aux technologies permettant la détection automatisée d’anomalies à partir de flux vidéo, à l’exploitation des données pour optimiser les opérations de maintenance ainsi qu’aux transformations organisationnelles et managériales qui accompagnent cette évolution. L’étude s’appuie sur une revue de la littérature portant sur la transformation numérique des infrastructures ferroviaires et sur une étude de cas réalisée auprès d’Infrabel, gestionnaire de l’infrastructure ferroviaire belge. Des entretiens menés avec différents responsables ont permis d’analyser l’évolution des pratiques d’inspection, de traitement des données, de maintenance et de management, ainsi que les défis et perspectives associés à ces transformations. Enfin, les résultats obtenus sont confrontés aux concepts théoriques afin d’identifier les principaux enjeux technologiques, organisationnels et managériaux liés à la digitalisation du secteur ferroviaire et de formuler des recommandations pour le développement futur des processus d’inspection, de maintenance et de gestion.