FIABILITÉ
L’observation de nouvelles particules et de processus rares dans un collisionneur nécessite des niveaux de service stables, pour un coût d'exploitation soutenable, sur de longues périodes. S’agissant d’une infrastructure de recherche comprenant jusqu’à cinq pré-accélérateurs interconnectés et un collisionneur de particules quatre fois plus grand que le LHC, il est difficile d’identifier les meilleurs leviers en termes de coût pour atteindre ce but. Les scientifiques mènent donc des analyses de sensibilité sur le complexe d’accélérateurs du CERN afin d'obtenir un modèle de haute fidélité s’appuyant sur des données opérationnelles réelles, qui leur permettra d’évaluer les paramètres de disponibilité pour un complexe de machines encore plus étendu à des coûts d'exploitation soutenables.
Une telle approche exige le développement d'un outil de modélisation et de simulation innovant, adapté aux infrastructures techniques complexes – comme cela se fait pour les plateformes pétrolières en mer, les usines de fabrication automatisées ou encore les infrastructures de transport public. Les perspectives pour la physique et les coûts sont mis en regard des améliorations de la disponibilité ; ces éléments évoluent avec le temps, à mesure que s’accumulent les données opérationnelles et que s’affine la qualité des rapports d'incident et la granularité des rapports de réparation et de maintenance. La fidélité du modèle repose donc sur des méthodes innovantes permettant de traiter et d’annoter à haut débit les données de capteurs issues de systèmes techniques existants, et sur la capacité de traitement des rapports d'opération incomplets ou en langage humain.
Principaux défis :
-
Mettre au point un outil pour reproduire la fiabilité et la disponibilité des systèmes techniques de grande ampleur avec une haute fidélité
-
Mettre au point un outil pour prédire l'efficacité des actions de fiabilité et de disponibilité par rapport à leurs coûts d'investissement et d'exploitation
-
Exploiter des techniques innovantes d'analyse de données et d'apprentissage automatique pour accélérer l'annotation et le traitement des données de capteurs brutes, en vue des rapports et prévisions de fiabilité et de disponibilité
-
Élaborer un scénario d’exploitation soutenable pour une future infrastructure de recherche prenant la forme d’un collisionneur circulaire