Prédiction de panne sur roulement de roues de véhicules

Transport

Contexte

Notre client surveille l’état de santé des équipements de roulement de roue. De nombreux paramètres liés au contexte peuvent conduire à une prédiction erronée (fausse alarme). Il ne peut produire ses modèles qu’après avoir collecté des données sur les voitures pendant 18 mois, et ces données doivent contenir des pannes. C’est beaucoup trop long, cher et pas précis.

Besoin

Le client souhaitait obtenir un modèle qui estime l’état de santé du système de roulement de roue, et un modèle robuste à la variation des paramètres de contexte (état de la route, type de conduite, conditions météorologiques, …).

Solution

A partir de données saines, un détecteur de défaut aveugle a été conçu puis validé sur de nouvelles données aveugles pour lesquelles les étiquettes ont été supprimées. Les corrélations résultantes entre les étiquettes prédites et clientes étaient très satisfaisantes.

Résultats

Commentaires des clients : le temps de production du modèle de prédiction de défaillance a été étonnamment court et cela suggère que le déploiement de notre solution à de nombreux autres problèmes de conception (freins, pneus, etc.)

 

Voici une illustration du comportement des caractéristiques générées pour les mauvais systèmes de roulement de roue. Les courbes noires et rouges représentent respectivement la limite inférieure et supérieure des caractéristiques pour un système de roulement de roue sain. Le fait que les caractéristiques sortent ostensiblement de la boîte saine indique un système de roulement de roue malsain.