La maintenance prédictive dans le secteur manufacturier
Le secteur manufacturier est depuis plusieurs années à la pointe des attentes élevées des industries pour mettre en œuvre l’application numéro 1 du paradigme de l’Industrie 4.0 : la maintenance prédictive.
Cependant, les clients ne sont pas encore pleinement satisfaits, et pour plusieurs raisons
Le manque de données historiques de pannes pour entraîner des algorithmes d’apprentissage automatique
Une approche de surveillance chronophage basée sur les seuils
Des jumeaux numériques coûteux
Des solutions basées uniquement sur le cloud et des solutions non polyvalentes basées sur l’IA
Les industriels attendent donc des solutions logicielles capables de supprimer ces obstacles majeurs pour atteindre un retour sur investissement élevé.
La maintenance prédictive dans le secteur manufacturier
Le secteur manufacturier est depuis plusieurs années à la pointe des attentes élevées des industries pour mettre en œuvre l’application numéro 1 du paradigme de l’Industrie 4.0 : la maintenance prédictive.
Cependant, les clients ne sont pas encore pleinement satisfaits, pour plusieurs raisons
Le manque de données historiques de pannes pour entraîner des algorithmes d’apprentissage automatique
Une approche de surveillance chronophage basée sur les seuils
Des jumeaux numériques coûteux
Des solutions basées uniquement sur le cloud et des solutions non polyvalentes basées sur l’IA
Les industriels attendent donc des solutions logicielles capables de supprimer ces obstacles majeurs pour atteindre un retour sur investissement élevé.
Microélectronique et prédiction de pannes
Tout en haut de la chaîne de l’électronique, la microélectronique est génératrice d’un marché de plusieurs milliards de dollars chaque année. Ses instruments de pointe, son environnement de production complexe et ses contraintes opérationnelles fortes en font un secteur extrêmement exigeant où l’aléatoire ne doit avoir qu’une place très réduite.
Installée à Grenoble, Amiral Technologies fait partie du pôle de compétitivité Minalogic et bénéficie d’un bassin hautement technologique orienté autour de la micro électronique.
Cas d'usage
Microélectronique et prédiction de pannes
Tout en haut de la chaîne de l’électronique, la microélectronique est génératrice d’un marché de plusieurs milliards de dollars chaque année. Ses instruments de pointe, son environnement de production complexe et ses contraintes opérationnelles fortes en font un secteur extrêmement exigeant où l’aléatoire ne doit avoir qu’une place très réduite.
Installée à Grenoble, Amiral Technologies fait partie du pôle de compétitivité Minalogic et bénéficie d’un bassin hautement technologique orienté autour de la micro électronique.
Cas d'usage
Bancs d’essais et supervision de la qualité
Les bancs d’essai du secteur manufacturier sont soumis à des contraintes d’environnement et des dérives de capteurs, qui peuvent influer sur toute la calibration de l’appareil et donc sur la qualité des lots en sortie.
Il s’agit donc d’un élément clé de la chaîne de production, qui doit garantir la qualité d’équipements potentiellement complexes et critiques (satellites, cas Airbus, etc..).
Ces équipements comportent souvent un grand nombre de capteurs, avec des fréquences d’acquisition importantes, qui nécessitent des logiciels de supervision puissants et adaptés.
Dans ce cas, la maintenance prédictive revient à détecter la dérive d’un capteur du banc avant qu’un lot complet soit défaillant et ne doive être jeté. Elle permet de cette façon la limitation des coûts de gestion des déchets et des coûts de matière, en plus d’aider les entreprises à être plus éco-responsables.
Cas d'usage
Bancs d’essais et supervision de la qualité
Les bancs d’essai du secteur manufacturier sont soumis à des contraintes d’environnement et des dérives de capteurs, qui peuvent influer sur toute la calibration de l’appareil et donc sur la qualité des lots en sortie.
Il s’agit donc d’un élément clé de la chaîne de production, qui doit garantir la qualité d’équipements potentiellement complexes et critiques (satellites, cas Airbus, etc..).
Ces équipements comportent souvent un grand nombre de capteurs, avec des fréquences d’acquisition importantes, qui nécessitent des logiciels de supervision puissants et adaptés.
Dans ce cas, la maintenance prédictive revient à détecter la dérive d’un capteur du banc avant qu’un lot complet soit défaillant et ne doive être jeté. Elle permet de cette façon la limitation des coûts de gestion des déchets et des coûts de matière, en plus d’aider les entreprises à être plus éco-responsables.
Cas d'usage
La maintenance prédictive au service de la robotique
Les robots de pointe ont besoin que leur précision soit garantie tout au long de leur vie.
La maintenance doit être adaptée aux différents cas d’usage possibles, qui ne peuvent pas tous être anticipés en R&D.
C’est pourquoi les modèles de maintenance prédictive doivent être résilients aux changements de contextes d’utilisation, aux changements d’environnement et potentiellement aux changements de modes opératoires. C’est dans cette optique qu’à été conçu DiagFit, notre logiciel de prédiction de pannes en mode aveugle.
Cas d'usage
La maintenance prédictive au service de la robotique
Les robots de pointe ont besoin que leur précision soit garantie tout au long de leur vie.
La maintenance doit être adaptée aux différents cas d’usage possibles, qui ne peuvent pas tous être anticipés en R&D.
C’est pourquoi les modèles de maintenance prédictive doivent être résilients aux changements de contextes d’utilisation, aux changements d’environnement et potentiellement aux changements de modes opératoires. C’est dans cette optique qu’à été conçu DiagFit, notre logiciel de prédiction de pannes en mode aveugle.
