DiagFit 1.5

Amiral Technologies lance la version 1.5 de DiagFit, sa solution phare de prédiction de pannes d’équipements industriels à l’aveugle – sans avoir besoin de données historiques de pannes. Sébastien Le Gall, CTO d’Amiral Technologies, nous parle plus concrètement de ce logiciel et de ses cas d’application. 

Bonjour Sébastien, tout d’abord, peux-tu nous expliquer le concept de DiagFit ? 

DiagFit est une rencontre entre la recherche scientifique et les besoins des industriels. La prédiction de pannes d’équipements industriels est un sujet complexe et plusieurs approches sont possibles pour l’adresser, de la plus simple (simple surveillance de seuils pour quelques paramètres) jusqu’à la plus complexe (jumeau numérique complet avec des traitements lourds à base de réseaux de neurones).

DiagFit se situe dans la case “très hautes performances” et “faible consommation de ressources”. Je m’explique : la recherche du CNRS sur laquelle est basé notre logiciel permet d’extraire automatiquement – et à moindre coût en ce qui concerne la puissance de calcul et le besoin en capteurs – les indicateurs très pertinents de l’état de santé d’un équipement industriel à partir des données générées par celui-ci, et ce, sans besoin d’historique exhaustif de données de pannes. Ce dernier point est majeur. C’est ce qui caractérise l’approche aveugle de DiagFit.

A partir de là, DiagFit met en musique l’automatisation du traitement des données. En mode “Build”, un modèle de prédiction est généré automatiquement pour l’équipement en question, et en mode “Run” les alertes sur son état de santé sont remontées automatiquement.

DiagFit, pour qui est-ce exactement ? 

DiagFit répond aux besoins des industriels de plusieurs secteurs. Pour le secteur des transports, nous avons traité des besoins de prédiction de pannes et d’usure de composants dans les véhicules connectés, d’équipements aéronautiques et ferroviaires. Dans le secteur de l’énergie, nous avons traité des besoins de prédiction de fissures dans des pipelines, et de vieillissement d’éoliennes. Dans le secteur manufacturier, nous nous sommes attaqués aux problématiques d’optimisation de la qualité en sortie de presse, et aux problématiques de prédiction de pannes pour des équipements électroniques. Je dirais que nous nous adressons aux industriels qui souhaitent augmenter fortement le temps de disponibilité et de fonctionnement de leurs équipements, ou optimiser la qualité de leur production. 

Quels sont les avantages de DiagFit par rapport aux autres solutions ?

  1. La capacité de prédiction en mode aveugle, sans données historiques de pannes
  2. La capacité à traiter les données venant de n’importe quel capteur, avec un faible nombre de capteurs – voire avec un seul capteur – donc sans intrusion forte au niveau des équipements
  3. La capacité à produire des modèles prédictifs sans devoir connaître les modèles physiques des équipements 
  4. Le temps de production des modèles (minutes/heures) : L’automatisation construite dans DiagFit permet un déploiement et des résultats rapides.
  5. La précision des modèles (très faible taux de faux positifs)
  6. Le traitement n’est pas gourmand en ressources comme il l’est pour d’autres méthodes tels que les jumeaux numériques ou les réseaux de neurones. DiagFit peut être opéré dans le cloud, en edge ou embarqué dans des équipements/capteurs

Comment s’en sert-on ?

Notre objectif est de rendre les clients autonomes pour l’utilisation de DiagFit. La partie “Run” ou “diagnostic” devra être exploitable par les opérationnels de la maintenance. La partie “Build” est aisément accessible par les responsables IIoT.

La création de modèles se fait par le chargement de fichiers contenant les données de séries temporelles de bon fonctionnement de l’équipement. Le diagnostic se fait soit en mode “online” par l’arrivée de données via l’API Rest de DiagFit, soit en mode “offline” par le chargement de fichiers.

Pour voir une démonstration en direct, vous pouvez nous contacter sur contact@amiraltechnologies.com

Comment fonctionne le produit d’un point de vue technique ? 

Il s’agit d’un logiciel de type “application web” basé sur une architecture micro-service permettant la scalabilité et facilitant le déploiement. Il n’y a donc rien à installer sur les ordinateurs des clients, il suffit d’ouvrir un navigateur web, toute la gestion du logiciel est centralisée sur un serveur. Nous avons aussi fait le choix de séparer le frontend qui est responsable de l’interface graphique du backend qui intègre nos algorithmes et les bases de données. Cela permet de fournir à un client, soit DiagFit dans son ensemble, soit seulement le backend avec son API Rest permettant de facilement s’interfacer avec une application existante. Une dernière information, l’ensemble des alertes levées peuvent être envoyées sur un broker dont l’adresse est paramétrable via le protocole MQTT.

Pour quelles types de données ? 

Nous travaillons avec des séries temporelles cycliques ou non cycliques. Cyclique signifie que les données sont découpées en fenêtres de taille identique qui se répètent dans le temps. A titre d’exemple, on peut imaginer le cycle d’un démarrage d’un moteur, le cycle de rotation d’un arbre à transmission, le cycle de fonctionnement d’un robot, etc…

Nous n’avons pas de contrainte au niveau de la fréquence d’échantillonnage, mais notre force réside dans le fait de pouvoir détecter des changements à peine perceptibles que des algorithmes classiques ne peuvent détecter. Pour les données cycliques, nous recommandons tout de même que les cycles aient au moins une vingtaine de valeurs.

Quelles sont les nouvelles spécificités de la version 1.5 ? 

La grande nouveauté de la version 1.5 est la notion de feedback opérateur. 

En phase de “Run”, comme DiagFit détecte et retient la signature des anomalies non vues auparavant, il est maintenant possible pour l’opérateur de renseigner le type de panne rencontré et la réparation nécessaire. Ces renseignements que nous appelons des feedbacks permettent d’enrichir le modèle au fur et à mesure afin d’être plus précis dans les prédictions futures et la prescription de réparations nécessaires.

Travaillez-vous déjà sur la prochaine version ? 

Absolument. Nous avons une roadmap très riche aussi bien en fonctionnalités qu’en algorithmique, en expérience utilisateur et en capacité d’intégration. Nous continuons sur une optique de recherche continue pour résoudre les problématiques clients et pour faciliter l’utilisation et l’intégration de notre logiciel. 

Latest posts