Intégration de données secondaires dans la mise en oeuvre de modèles prédictifs pour la maintenance

点击翻译按钮获取中文摘要

Le concept de la maintenance basée sur la fiabilité a été introduit à la fin des années 1970 pour atteindre des objectifs de sécurité dans le domaine de l'aviation. L'apparition de nouvelles techniques d'échantillonnage et de traitement des données provenant des équipements permet de développer des outils de maintenance prédictive basée sur la fiabilité pour des chaines de production industrielles. La compagnie Matricis développe un service commercial pour offrir de la maintenance prédictive, et ainsi, bonifier les systèmes de GMAO déjà en place dans la plupart des entreprises. Le principe de fonctionnement actuel est de capter des données primaires provenant de capteurs installés sur les équipements et d'utiliser des outils statistiques pour prévoir une détérioration de l'état des équipements. Ces données primaires comportent des variations qui sont attribuables à plusieurs paramètres provenant du fonctionnement des équipements et des systèmes connexes. Ces variations rendent les prévisions de comportement moins rentables à analyser à l'aide des modèles statistiques intuitifs. L'objectif de ce projet est de générer des données secondaires permettant de caractériser des propriétés fonctionnelles des équipements et de mesurer leurs conditions. Cette approche devrait permettre de résoudre des problèmes causés par la variabilité des données primaires provenant des capteurs et aussi, par le fait même, permettre de bâtir une solution simplifiée dont les résultats seront plus intuitifs à interpréter par les utilisateurs. Il sera nécessaire de bâtir une procédure pour convertir les données primaires d'échantillonnage en données secondaires décrivant des comportements physiques. Il sera possible de leur appliquer des outils prédictifs à partir de modèles statistiques de régression et de modèles neuronaux