La Prédiction de panneS en mode aveugle

Pourquoi choisir la prédiction de pannes ?

Pour passer de la maintenance préventive à la prédictive

Même si la maintenance préventive basée sur l’état de l’équipement et les règles constructeurs a fait ses preuves, il est indéniable que la maintenance prédictive attire de plus en plus d’industriels. Cet engouement est dû en grande partie à l’optimisation des coûts liés aux pièces détachées, aux interventions de maintenance et aux arrêts machines.  Ces
gains sont rendus possibles par l’anticipation des défaillances
et la surveillance de l’usage réel de l’équipement.

Pour améliorer le temps de fonctionnement et la sécurité des équipements

Grâce à la détection de signaux faibles annonciateurs de défaillances, le temps de fonctionnement des équipements est nettement amélioré. De plus, une panne anticipée est une panne qui ne survient pas de façon inopportune. Pour de nombreux secteurs, notamment celui du transport et de l’énergie où l’humain est en jeu, ce critère est déterminant pour la sécurité des usagers.

Pour se différencier de la concurrence

La réduction du nombre d’arrêts machine, l’optimisation des performances et de la durée de vie des équipements, ainsi que la maximisation de la rentabilité grâce à la gestion de stock au réel sont autant d’avantages qui incitent les industriels à investir dans la prédiction de pannes et d’usure afin de se différencier de leurs concurrents.

Pour basculer sur une approche "device as a service"

L’essor du “produit comme un service” permet aux industriels de proposer des offres de disponibilité garantie à leurs clients. Ce changement de business model est notamment
possible grâce aux capteurs embarqués couplés à un logiciel de prédiction de pannes, permettant ainsi au constructeur de garantir une qualité de service constante tout au long de la vie des équipements.

Même si la maintenance préventive basée sur l’état de l’équipement et les règles constructeurs a fait ses preuves, il est indéniable que la maintenance prédictive attire de plus en plus d’industriels. Cet engouement est dû en grande partie à l’optimisation des coûts liés aux pièces détachées, aux interventions de maintenance et aux arrêts machines.  Ces gains sont rendus possibles par l’anticipation des défaillances et la surveillance de l’usage réel de l’équipement.

Grâce à la détection de signaux faibles annonciateurs de défaillances, le temps de fonctionnement des équipements est nettement amélioré. De plus, une panne anticipée est une panne qui ne survient pas de façon inopportune. Pour de nombreux secteurs, notamment celui du transport et de l’énergie où l’humain est en jeu, ce critère est déterminant pour la sécurité des usagers.
La réduction du nombre d’arrêts machines, l’optimisation des performances et de la durée de vie des équipements, ainsi que la maximisation de la rentabilité grâce à la gestion de stock en temps réel sont autant d’avantages qui incitent les industriels à investir dans la prédiction de pannes et d’usure afin de se différencier de leurs concurrents.
L’essor du “produit comme un service” permet aux industriels de proposer des offres de disponibilité garantie à leurs clients. Ce changement de business model est notamment possible grâce aux capteurs embarqués couplés à un logiciel de prédiction de pannes, permettant ainsi au constructeur de garantir une qualité de service constante tout au long de la vie des équipements.

Qu'est-ce que le mode aveugle ?

La prédiction de pannes en mode aveugle est une méthode de machine learning qui permet de prévoir une défaillance sur un équipement sans avoir à se baser sur des données historiques de pannes ou sans avoir à connaitre la typologie de l’équipement ou des capteurs surveillés.

Elle repose sur la création d’un espace de fonctionnement nominal de l’appareil lors de la mise en place de la solution. Le logiciel se sert des données saines de l’équipement pour créer un espace de normalité, et tout résultat en dehors de cet espace est considéré comme une anomalie et signalé aux équipes de maintenance : c’est ce que l’on appelle la détection d’anomalies. 

home_illustration-2

Le logiciel DiagFit, alimenté par de puissants algorithmes issus d’années de recherche scientifique, peut anticiper les pannes avec une grande précision et un faible taux d’erreur.

Le mode aveugle, un atout pour la prédiction de pannes dans l’industrie 4.0

Chez Amiral Technologies, le mode aveugle a plusieurs significations pour notre logiciel de prédiction de pannes DiagFit

DiagFit n’a pas besoin de connaître le type d’équipement ou de capteur qu’il surveille. L’ensemble de ces informations pouvant être anonymisées.

DiagFit n’a pas besoin d’être enrichi par l’historique de pannes de l’équipement surveillé. L’apprentissage étant basé sur le fonctionnement nominal de l’équipement (approche non-supervisée).

DiagFit n’a pas besoin que les données d'entraînement importées soient labellisées a priori.

“ Ces avantages permettent à nos clients de déployer rapidement une solution de prédiction de pannes au service de leurs équipements. ” Simon Gazikian

Découvrir "le mode aveugle" en vidéo

Antoine, Data Scientist

La prédiction de pannes en mode aveugle

“Créer un modèle de prédiction de pannes en mode aveugle, revient à caractériser au mieux l’ensemble des points de fonctionnement [d’un équipement].”

Lire la vidéo

Demander une démo