Le ministère des Armées lance Dominno, une étude pour améliorer les opérations de maintenance des moteurs d’hélicoptères militaires grâce au big data. Un sujet prioritaire, pour les personnels de la SIMMAD (future DMAé – Direction de la maintenance aéronautique).
Le ministère des Armées lance Dominno, une étude pour améliorer les opérations de maintenance des moteurs d’hélicoptères militaires grâce au « big data ». Un sujet prioritaire, alors que Florence Parly se déplace aujourd’hui à Bordeaux, pour y rencontrer les personnels de la SIMMAD (future DMAé – Direction de la maintenance aéronautique), dans le cadre de son plan de transformation du MCO (maintien en condition opérationnelle aéronautique) lancé au mois de décembre dernier.
Hélicoptère Caïman en révision
La direction générale de l'armement (DGA) a notifié à Safran Helicopter Engines le marché d’études Dominno (données de maintenance moteur innovante). L’objectif est de développer une première capacité de moteur dit « connecté » dans le but de faciliter l’organisation des opérations de maintenance. Cette étude innovante durera 25 mois et bénéficie d’un budget de 2 M€.
Dominno s'inscrit au coeur de l'ambition portée par le projet de loi de programmation militaire 2019-2025, dont l'innovation est une des principales priorités. La maintenance par l'innovation s'inscrit de surcroît dans le plan de transformation du MCO aéronautique souhaité par la ministre des Armées, Florence Parly. Le redressement de la disponibilité des matériels des armées, en particulier les hélicoptères, est une priorité du ministère des Armées. Le projet Dominno participera pleinement à cet objectif en améliorant la disponibilité opérationnelle des turbomoteurs et la maîtrise des coûts de soutien.
Dominno consiste à mettre au point une « maintenance prédictive » des turbomoteurs d’hélicoptères militaires, grâce à une technologie de surveillance innovante. L’enjeu est de disposer d’outils permettant, à partir de capteurs existants ou nouveaux, de collecter des données relatives à l’usage du moteur et sa santé, puis de les exploiter via des technologies « big data » et, enfin, d’adapter la maintenance selon l’état du moteur.
Ce projet permettra d’identifier les données à collecter et leurs modes de transmission, de définir l’architecture de surveillance et de développer des premiers algorithmes à forte valeur ajoutée. C’est une première étape de développement technologique devant permettre à terme de réduire le nombre de déposes programmées pour effectuer des vérifications et des inspections. Il s’agit aussi d’exploiter au maximum le potentiel de vie réel des pièces critiques
