Maintenance & Entreprise n°654

More documents

Recommendations

Info

SOLUTIONS RÉALITÉS ET IA POUR L’INDUSTRIE DU FUTUR Figure 2 : comparaison des prédictions et écart type de l’erreur de prédiction entre un modèle prédictif de base (représenté en bleu) et un exploitant les indicateurs de santé de DiagSign (représenté en vert). © DR données industrielles, l’information clef révélant l’état de santé de l’équipement s’exprime souvent durant de courtes phases transitoires, cette information est souvent occultée par les transformations classiques de préparation avant ingestion par les algorithmes d’IA. « Les technologies innovantes telles que celle du laboratoire CNRS GIPSA-Lab, appelée DiagSign, permettent, avant d’employer les algorithmes d’IA, d’extraire automatiquement un grand nombre d’indicateurs de santé à partir de la série temporelle, quelle que soit sa nature. » C’est là où les notions d’automatique, de théorie de contrôle, et autres savoir-faire interviennent ; les données industrielles embarquent, de fait, ces lois dans leur construction. Les technologies innovantes telles que celle du laboratoire CNRS GIPSA-Lab, appelée DiagSign, permettent, avant d’employer les algorithmes d’IA, d’extraire automatiquement un grand nombre d’indicateurs de santé à partir de la série temporelle, quelle que soit sa nature. L’apport de ce pré-traitement aux performances des algorithmes prédictifs confirme l’impact déterminant qu’apportent ces indicateurs. La figure 2 illustre l’apport en précision des prédictions (ici dans le cas de prédiction de l’âge d’un contacteur électrique) d’un algorithme basé sur les indicateurs de DiagSign par rapport à une méthode classique : l’écart type de l’erreur de prédiction se voit réduit de moitié. Quant au problème de la rareté des pannes historiques, Diag- Sign permet d’y pallier en travaillant sur la notion d’« indicateurs de bonne santé ». Les algorithmes d’IA peuvent en effet apprendre de façon dite « non supervisée » en construisant l’espace de fonctionnement « normal » d’un équipement grâce aux indicateurs de DiagSign générées lors d’une phase d’apprentissage en fonctionnement normal. La détection des défauts, ou de la proximité de fin de vie se fait en observant les dérives par rapport à cet espace de fonctionnement normal. Là encore, la richesse des indicateurs de DiagSign s’avère déterminante car elle permet de définir cet espace dans plusieurs dimensions, ce qui conduit à une forte précision des détections des dérives et à un faible taux de fausses alertes. Cette technologie est maintenant mise sur le marché par la startup Amiral Technologies, issue du CNRS et accompagnée par l’incubateur public SATT Linksium de Grenoble. Lauréate et finaliste de multiples concours de l’industrie digitale et de l’IA, elle se positionne comme précurseur dans les algorithmes de maintenance prédictive à haute performance. La recherche scientifique n’a pas fini d’enrichir les modèles d’Intelligence Artificielle de nouvelles innovations. L’ère de l’industrie entièrement connectée n’est qu’à son début et promet de belles perspectives qui sont encore devant nous.● Katia Hilal 18 I MAINTENANCE & ENTREPRISE • N°654 • Juin - Juillet 2019
RÉALITÉS ET IA POUR L’INDUSTRIE DU FUTUR SOLUTIONS START-UP Deepomatic : démocratiser l’IA jusqu’au technicien Augustin Marty, CEO de Deepomatic, start-up issue d’Inria Paris, explique pourquoi il est possible aujourd’hui de faire profiter pleinement de l’intelligence artificielle (IA) au technicien de maintenance. Identification du port du casque. ©Deepomatic Les enjeux de la maintenance sont les enjeux de la qualité. Dans, un monde ou le libéralisme et la compétition qui en découle tend à harmoniser les prix des offres et des services, c’est la qualité des produits qui fait la différence. Or d’une part les produits se complexifient, et les compétences techniques se raréfient. Il est alors complexe de garder l’expérience, le savoir-faire et la motivation dans les corps de techniciens de maintenance (impact de la promotion de la mobilité, envie des individus de se réaliser à travers plusieurs métiers etc). Le secteur de la maintenance fait aujourd’hui face à un vrai défi de maintien de la qualité de service. Et ses symptômes sont la perte de compétence des employés. Créée il y a cinq ans à Paris, Deepomatic fournit une plateforme logicielle permettant aux entreprises de créer et d’exploiter des applications de reconnaissance d’images et de vidéos à ©DR Augustin Marty CEO de Deepomatic l’échelle industrielle. « Nous aidons les entreprises à accroître l’efficacité de leurs processus opérationnels (bornes d’encaissement intelligentes, tri des déchets, maintenance des infrastructures) dans des secteurs variés (télécom, autoroutes, restauration, énergie) », précise Augustin Marty. « Les applications développées par nos clients font partie des cas d’usages les plus avancés au monde. Avec la prise d’une seule photo de chaque plateau-repas, le groupe Compass, leader mondial de restauration sous MAINTENANCE & ENTREPRISE • N°654 • Juin - Juillet 2019 I19
Page 1: ACTUALITÉS p. 8 Le TELETRUK JCB pa
Page 4 and 5: Altair SERVICE MANAGER LOGICIEL GMA
Page 6 and 7: SANTÉ / SÉCURITÉ AU TRAVAIL QUAL
Page 8 and 9: ACTUALITÉS TECHNOLOGIE MANUTENTION
Page 10 and 11: ACTUALITÉS MARCHÉ SYNDICAT Format
Page 12 and 13: GUIDE PRATIQUE D’ACHAT POUR LES G
Page 14 and 15: SOLUTIONS RÉALITÉS ET IA POUR L
Page 22 and 23: SOLUTIONS LA MAINTENANCE DES ÉNERG
Page 24 and 25: MAINTENANCE EN RÉGIONS EMPLOI Page
Page 26 and 27: MAINTENANCE EN RÉGIONS LOIRE-ATLAN
Page 28 and 29: MAINTENANCE EN RÉGIONS Installatio
Page 30 and 31: MAINTENANCE EN RÉGIONS et digital)
Page 32 and 33: PRATIQUE LA MAINTENANCE DANS L’IN
Page 38 and 39: PRATIQUE SOLUTIONS DE COLLAGE ET SY
Page 40 and 41: TERTIAIRE LA MAINTENANCE : DU PORT
Page 48 and 49: BOITE À OUTILS A LIRE, VOIR, ÉCOU
Page 50 and 51: INDEX Au sommaire du prochain numé
Page 52: Cherchez l‘erreur En tout cas, ce

Maintenance & Entreprise n°654

Create successful ePaper yourself

Delete template?

Save as template?