L’analyse des données de vol

Créée en novembre 2010, Safety Line propose une solution d’analyse statistique des données de vol issues des boîtes noires des avions, afin de révéler les risques opérationnels liés à leur exploitation.

En s’appuyant sur un programme de recherche, l’objectif a été de modéliser les risques à partir des données de vol issues des boites noires afin de fournir aux compagnies aériennes des indicateurs de sécurité quantitatifs et objectifs. Après deux ans de recherche, les algorithmes de traitement de masses de données développés par « Safety Line » ont permis pour la première fois de tirer profit de l’ensemble de ces données. Dans le domaine de la sécurité du transport aérien, c’est ainsi une première qui s’appuie sur les nouvelles capacités apportées par le « Big Data ».

 

Chaque jour, des masses considérables d’informations sont enregistrées, et seule une quantité infime est actuellement exploitée. Dans le monde du « big data », il est usuel de trouver des applications pour la finance, le marketing (le profilage et le suivi client) ou encore pour les études sociologiques. Actuellement, très peu d’entre elles se sont intéressées aux masses considérables de données dont dispose l’industrie. En effet, de très nombreux capteurs, enregistreurs, et instruments de mesure collectent des informations sur le fonctionnement, normal et parfois anormal des équipements et installations. Ces données peuvent être une véritable mine d’or afin d’éviter des incidents, l’usure ou encore la mauvaise utilisation des équipements. Certaines science, et notamment la statistique, permettent désormais de traiter l’ensemble des données disponibles.

 

Détecter des dangers encore non identifiés, rendre objectives les décisions opérationnelles constituent la principale raison d’être des systèmes de gestion de la sécurité.

 

Un exemple – L‘atterrissage long : aperçu statistique

L’accident dit : « sortie de piste » est connu pour être l’un des risques critiques auxquels est exposé le transport aérien. Compte tenu de leur nombre important (environ 27 % des accidents dans le monde), la prévention de ce type d’événement est devenue une priorité. Actuellement, les données enregistrées en vol sont dépouillées régulièrement par les compagnies aériennes, puis des filtres leur sont appliqués sur des fenêtres de temps prédéterminées afin de détecter des dépassements de seuil de certains paramètres (vitesse d’approche, rapidité de la descente, etc.).

 

Cette approche, mise en oeuvre par les compagnies aériennes, n’utilise donc qu’une toute petite partie de l’information disponible (quelques paramètres à certains instants du vol, sur les centaines disponibles chaque seconde pour un Airbus par exemple) et elle ne permet pas d’identifier de nouveaux facteurs potentiellement apporteurs de risques.

Afin de palier cette lacune, la démarche de « Safety Line » consiste à analyser de manière statistique les centaines de paramètres enregistrés chaque seconde afin de faire ressortir des paramètres significatifs expliquant pourquoi un atterrissage est long et, en corollaire, permettant de calculer la probabilité qu’un vol particulier donne lieu à un atterrissage long. Big Data au service de la sécurité du transport aérien : l’analyse des données de vol par Pierre Jouniaux Créée en novembre 2010, Safety Line propose une solution d’analyse statistique des données de vol issues des boîtes noires des avions, afin de révéler les risques opérationnels liés à leur exploitation.

 

Ainsi, pour chaque vol, la longueur d’atterrissage a été calculée à l’aide des paramètres enregistrés. Des classes d’atterrissage ont ensuite été définies en fonction d’un seuil qui fixe la limite au-delà de laquelle la marge de sécurité commence à être très faible. Les sorties de piste résultent bien souvent du cumul de plusieurs écarts, dont chacun a contribué à allonger la longueur de l’atterrissage.

 

Des méthodes statistiques de classification, supervisées et non supervisées, ont été utilisées pour sélectionner, au sein des séries temporelles, les paramètres déterminants parmi ceux enregistrés et pour construire enfin une « fonction de prédiction ». Cette fonction permet par la suite de calculer la probabilité qu’un atterrissage spécifique soit long, compte tenu des valeurs des paramètres déterminants pendant l’approche. Outre la masse de l’avion à l’atterrissage, qui influence de manière prévisible (avec une bonne fiabilité) la longueur de l’atterrissage mais qui se classe au 5ème rang des variables en termes d‘importance, deux paramètres ont été mis en évidence pour leur caractère particulièrement significatif : le profil d’altitude et le profil de vent arrière ou de face, déterminé par la différence entre la vitesse air et vitesse sol. C’est ce qui est représenté dans la cartographie probabiliste ci-après.

 

Finalement, c’est la force du vent arrière pendant le palier précédant l’approche finale qui s’avère le paramètre déterminant. La configuration de l’avion (séquence de sortie des volets hypersustentateurs et du train d’atterrissage) apparaît également parmi les facteurs essentiels. L’autre figure montre le profil critique d‘évolution de la position des volets durant l‘approche. L’enchaînement de la séquence de sortie des volets fournit de cette manière aux équipages des éléments objectifs d‘appréciation de l’aspect plus ou moins critique de la situation.

 

Par Pierre Jouniaux