Le logiciel de prédiction de pannes en mode aveugle

DiagFit

DiagFit

 

DiagFit est notre logiciel de maintenance prédictive permettant aux industriels d'anticiper et de planifier leurs arrêts machines. Le logiciel est conçu à partir d'algorithmes de machine learning à la pointe de la recherche dans la gestion de séries temporelles industrielles.

DiagFit

 

 

Ces propriétés sont extrêmement riches et permettent de détecter efficacement des signaux faibles de défaillance, de vieillissement ou d'approche de fin de vie d'un équipement. 

La génération de caractéristiques, invention au coeur du logiciel, permet de construire les propriétés mathématiques des séries temporelles provenant d'équipements industriels ou issues de capteurs IIoT. 

Maintenance prédictive : la prédiction de pannes en mode aveugle

Le "mode aveugle" signifie que DiagFit n'a pas besoin de connaître le type d'équipement qu'il supervise (caractéristiques techniques ou physiques) et n'a pas besoin d'être enrichi d'un historique de pannes pour fonctionner. Cela permet ainsi une mise en oeuvre extrêmement rapide du logiciel car l'industrie est équipée d'équipements de plus en plus fiables et dont les pannes sont rares. 

Grâce à son approche non supervisée, le logiciel apprend sur les données saines de l'équipement et construit automatiquement un espace de normalité robuste et fiable. Ce fonctionnement permet la détection d'anomalies avec une grande précision et un faible taux de fausses alertes. C'est la gestion des propriétés discriminantes issues de nos générateurs de caractéristiques qui rend la détection si efficace. 

 

Lire l'article dédié

Les avantages de DiagFit

Les avantages de DiagFit

Demander une démo

Mode aveugle

Fonctionne sans données historiques de pannes

No-code

Aucune compétence en science des données n’est requise

Agnostique

Agnostique pour les capteurs et agnostique pour l’équipement

Rapide

Modèles construits en heures/jours au lieu de semaines/mois

Précis

Taux de fausses alertes réduit

Un logiciel basé sur la connaissance des experts métier

DiagFit est incroyablement rapide et facile à utiliser car il a été conçu pour les experts de la maintenance.

Un pas-à-pas permet de générer un modèle prédictif dédié à un équipement sans avoir de connaissance en codage ou en science de la donnée. Cette étape* appelée "BUILD" ne prend généralement que quelques minutes/heures. 

Une fois généré, le modèle prédictif peut alors être utilisé et associé à des équipements opérationnels dans l’étape « RUN». Les experts du domaine sont alors alertés lorsque des écarts par rapport à l’espace de normalité se produisent et bénéficient des indications données par le logiciel pour identifier leur origine. Ces écarts, appelés anomalies, peuvent être acceptés ou rejetés par les opérateurs de maintenance qui ont la connaissance fonctionnelle de l'équipement concerné.

Cet enrichissement par les experts permet au modèle d'apprendre au fur et à mesure de la vie de l'équipement et d'être toujours plus performant. 

 

*peut être réalisée par nos experts si souhaité, nous consulter pour en savoir plus. 

 

Télécharger la fiche produit

BUILD: validation du modèle
BUILD : validation du modèle

RUN : acceptation ou rejet des anomalies
RUN : acceptation ou rejet des anomalies

La labellisation des anomalies

La fonction de labellisation permet à l'expert maintenance de renseigner une anomalie dans le dictionnaire associé à l'équipement

Le logiciel sera alors capable de reconnaître sa signature automatiquement dans le futur et donnera à l'utilisateur un score de confiance vis-à-vis de son diagnostic. 

Comme pour l'ensemble des alertes, l'expert pourra alors confirmer ou infirmer la prédiction.

 

Labellisation
Labellisation

 

Télécharger la fiche produit

RUN : anomalie en cours de détection et reconnue par DiagFit
RUN : anomalie en cours de détection et reconnue par DiagFit

RUN : anomalies en attente d'acceptation et de labellisation
RUN : anomalies en attente d'acceptation et de labellisation

Déploiement

  • Cloud public
  • Cloud privé
  • Sur site
  • Intégré à une plateforme tierce
  • En embarqué (nous consulter)

Architecture et interfaces

  • Architecture web microservices
  • Sur serveur linux avec Dockers
  • Configuration minimum : processeurs 4 coeurs à 3 GHz 
  • API REST avec documentation interactive en ligne 
  • Notification d'alertes par protocole MQTT 

Cas d'usage

Cas d'usage

Prédiction de pannes sur un système anonymisé d'un navire

À partir de données saines anonymisées acquises pendant un an sur le navire, DiagFit a été utilisé pour créer en quelques heures un modèle unique qui capture les corrélations entre les données des capteurs et produit un état de santé par capteur.

Prédiction de la qualité et maintenance normative pour presse plastique

Grâce aux données du variateur de vitesse présent sur la presse ainsi qu’aux mesures de la qualité en sortie de celle-ci, DiagFit analyse l’écart des caractéristiques utilisées afin d’en dériver un capteur virtuel de la qualité.

Détection de fissures de tuyaux

A partir des données de courants de Foucault utilisées pour surveiller la surface des pipelines, DiagFit permet de classer les sections de canalisations saines et non saines.

Voir tous nos cas d'usage

Clients

Clients

Clients Clients Clients Clients Clients Clients Clients Clients Clients

Demander une démo de DiagFit

Coordonnées

Captcha anti-spam
(Regénérer)

* Champs obligatoires