Outils d'ingénierie des connaissances pour la prédiction des défauts en maintenance industrielle prédictive avec intelligence artificielle****

点击翻译按钮获取中文摘要

La littérature sur l'apprentissage automatique prend pour acquis que le données sont disponibles pour les algorithmes d'apprentissage, mais n'aborde pas la problématique de la collecte des données individuelles nombreuses mais incomplètes pour le repérage des symptômes à inclure pour construire des modèles prédictifs de défaillances en maintenance prédictive. Ce projet explorera les techniques d'ingénierie des connaissances adaptables aux repérages des symptômes pour développer des outils qui pourront être utilisés à l'intérieur d'ateliers-pilotes en industrie sur la base des connaissances empiriques des techniciens des opération et maintenance.** **Le Canada doit constamment faire des progrès technologiques face à ses concurrents, incluant en maintenance industrielle. Or l'industrie 4.o exige une mise à niveau considérable de l'infrastructure des données et de technologies de l'entreprise. Pour convaincre les entreprises que ces pratique de l'industrie 4.0 sont applicables à leur contexte et qu'elles peuvent en récolter rapidement des avantages, il faut souvent leur proposer en premier des projets pilotes réalisables avant d'avoir compléter cette longue et coûteuse mise à niveau. Cette recherche, en améliorant les pré-étapes de projet pilotes, permettra d'accélérer l'adoption des techniques d'apprentissage automatique pour la prédiction dans le domaine de la maintenance industrielle.