La maintenance prédictive dans l’industrie
La maintenance prédictive, ou maintenance prévisionnelle, “est la pratique de gestion des actifs consistant à réparer un actif ou un élément d’équipement avant qu’il ne soit défaillant en fonction des données reçues à son sujet” (source, IBM).
Cette pratique vise à rationaliser les coûts, maintenir la stabilité opérationnelle et augmenter la rentabilité en limitant les arrêts non voulus.
De nombreuses entreprises proposent des solutions de maintenance prédictive pour l’industrie et se positionnent sur les enjeux de l’industrie du futur. Parmi elles, Amiral Technologies se spécialise dans la prédiction de pannes pour équipements industriels.
Un constat est fait par toute l’industrie :
- il existe une grande diversité d’équipements industriels et de capteurs
- les données générées par les capteurs mesurant les grandeurs physiques des équipements sont majoritairement des séries temporelles industrielles, par nature complexes à analyser
- et enfin il existe peu ou pas d’occurrences de pannes dans les données historiques rendant de ce fait les modèles prédictifs longs à déployer
La seule approche permettant de répondre à ces trois contraintes, est celle pratiquée par Amiral Technologies avec son logiciel DiagFit. Elle consiste à mettre œuvre une solution logicielle de prédiction de pannes basée sur la création d’un espace de normalité propre à l’équipement, créé à partir des données saines issues de ses capteurs. C’est une démarche communément appelée « détection d’anomalie » en machine learning qui se base sur des algorithmes d’intelligence artificielle dits non-supervisés.
La détection d’anomalies avec DiagFit
Le ‘’mode aveugle’’ signifie que le logiciel DiagFit d’Amiral Technologies n’a pas besoin de connaître le type d’équipement qu’il supervise, et n’a pas besoin de données historiques de pannes pour produire des modèles prédictifs. Ce fonctionnement permet une mise en œuvre extrêmement rapide du logiciel.
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 (espace à multiples dimensions où le fonctionnement d’un équipement en bonne santé est bien défini). Ce fonctionnement permet à l’outil de détecter tout écart par rapport à la normalité, qui sera appelé “anomalie”. Grâce aux inventions – issues de la recherche scientifique – exploitées par le logiciel, la détection d’anomalies est effectuée avec une grande précision et un faible taux de fausses alertes.
L’objectif est que cette construction se fasse sans manipulation de code par l’expert métier utilisateur, qu’elle soit rapide, précise, agnostique et surtout interprétable par les utilisateurs.
Produit DiagFit
Le mode aveugle, une innovation unique
La prédiction de pannes en mode aveugle est donc la capacité à passer de la détection d’anomalie sans données historiques de défauts (le premier niveau aveugle), et sans connaissance ni des types de capteurs, ni des types d’équipements (le second niveau aveugle), à de la prédiction de pannes jamais rencontrées auparavant grâce à d’autres mécanismes à la disposition de l’utilisateur lors de l’exploitation de l’espace de normalité en mode opérationnel.
Enfin, l’utilisateur conserve tout au long du processus la capacité d’interpréter les anomalies détectées, et donc contrôle le processus de décision de la technologie.
