Maintenance intelligente : Hybridation IA pour le diagnostic et le pronostic de l'état des équipements

Partager par e-mail

Comme vous le savez CARL Berger-Levrault fait des recherches et des travaux pour l'industrie du futur et en particulier la fonction de maintenance.
L'un des membres de l'ABRC animera un webinaire sur les thèmes suivants

Smart Maintenance : Hybridation de l'IA pour le diagnostic et le pronostic de l'état des équipements..”
le vendredi 25 septembre à 13h00.

L'industrie 4.0 prône une révolution complète des processus industriels et promet d'énormes gains d'efficacité grâce à la virtualisation complète de l'usine, aux outils de conception numérique, à l'automatisation de la logistique et de l'acheminement des pièces, aux machines intelligentes, à l'impression 3D, aux systèmes cyber-physiques, à la maintenance prédictive et au contrôle de l'ensemble de l'usine par un système intelligent.
CARL Software fournit une plateforme de maintenance prédictive innovante alimentée par les données IIoT qui englobe le cœur de l'" industrie 4.0 " avec un nouveau paradigme de maintenance : la maintenance est une fonction de production dont l'objectif doit être d'optimiser la production et la qualité. Nous allons tirer parti de la révolution de l'IdO pour atteindre ces objectifs.
Cette solution logicielle offre de nombreuses fonctionnalités essentielles dans les scénarios industriels, notamment l'analyse en périphérie qui permet de prétraiter les données afin que seules les informations pertinentes soient envoyées à la couche prédictive.
La couche prédictive classera les données dans une classe abstraite qui représente le comportement des actifs techniques. Il s'agit d'une approche fiable et reproductible.

Avantages concurrentiels :

  • Réduire l'échec de 50%,
  • Réduire les coûts de maintenance en 30%,
  • Réduire les arrêts de production de 70%,
  • Réduire la consommation d'énergie de 20%,
  • Réduire le temps de réparation par 30%,
  • Augmenter la flexibilité de la production
  • Un algorithme d'apprentissage automatique qui compare les données des capteurs et les prévisions de pannes avec les données historiques, afin de prédire la meilleure activité de maintenance en fonction des objectifs de production et de qualité.

Cette solution est expérimentée par certains de nos clients.

Défis abordés dans votre présentation

  • Amélioration de la performance des actifs,
  • Réduire les temps d'arrêt des actifs,
  • L'efficacité énergétique,
  • Améliorer la flexibilité de la production,
  • Améliorer la durée de vie utile restante en combinant la collecte de données IoT et l'hybridation IA (gestion des connaissances combinée à l'apprentissage automatique statistique).

Les enseignements à retenir

  • Maintenance prédictive et prescriptive
  • Pourquoi une GMAO est un point de départ obligatoire ?
  • Qu'est-ce qu'une plateforme IIoT ?
  • La contribution de l'IIoT et de l'IA à une stratégie de maintenance prédictive
  • Les principaux défis à relever pour un déploiement réussi (une réussite industrielle)

Plus ...

Retour haut de page