AI4PM

La maintenance prédictive intègre des critères comme l’état du matériel, les impératifs de production de l’entreprise et le possible caractère critique de la production dans des domaines comme les industries automobiles, ferroviaires, agroalimentaire ou encore pharmaceutique par exemple. Les enjeux et challenges sont ici multiples.

Il est d’une part nécessaire de réduire l’impact sur l'environnement en déterminant le moment optimal pour réaliser les opérations de maintenance tout en limitant celles-ci au strict nécessaire, sans impacter la production.

Il convient également de prendre en compte les impératifs de production dans la planification de ces opérations.

Les retombées pour les entreprises régionales, sont donc potentiellement très importantes du fait de la forte densité d’activité industrielle sur notre territoire.

A l’aide des données collectées via les capteurs d’I-CARE installés sur les équipements à monitorer, l’objectif du projet AI4PM est d’étudier l’évolution dans le temps des phénomènes vibratoires sur ces équipements et d’identifier les défauts éventuels rencontrés par ces équipements. Dans le cadre de ce projet, les équipements ciblés sont des machines à régime non linéaire.

A cette fin, un enjeu important est de pouvoir déterminer à chaque instant la vitesse de rotation de la machine à l’aide d’algorithmes, et notamment de modèles d’apprentissage profond, afin d’automatiser le diagnostic sans avoir systématiquement recours à un expert.