Leistungen der NRP

L’arrêt non planifié d’une machine qui est au cœur d’un système de production est le scénario qu’une entreprise essaie d’éviter. Une planification efficace de la maintenance des machines est la clé pour pallier aux arrêts forcés (pannes) mais aussi réduire les arrêts planifiés (maintenances périodiques).

Ces dernières années, des approches de maintenance prédictive (anticiper ce qui va se passer) et prescriptive (définir quelle action entreprendre) ont émergé pour mitiger ce problème. De telles approches ont pour but de surveiller des signaux enregistrés sur une installation et de détecter les anomalies dès leur apparition, mais également de prédire et d’anticiper des défaillances à venir, voire de
proposer des mesures correctives. C’est la capacité de prédiction et de prescription visée par l’Industrie 4.0 sur la maintenance des systèmes incluant le produit et sa production (systèmes produit-production).

Les deux instituts de recherche appliquée de la HEIA-FR, SeSi et iCoSys, travaillent depuis plusieurs années sur le domaine de la maintenance prédictive. SeSi dispose d’un domaine d’expertise dans la création de modèles numériques capables de simuler le comportement d’un système physique et la comparaison des résultats de simulation avec les mesures. Cette approche permet d’identifier une déviation et ainsi de détecter des anomalies avant qu’une panne ne survienne. iCoSys approche le problème de la détection d’anomalies et de la maintenance prédictive d’un point de vue Machine Learning (ML). En se basant sur les mesures de différents capteurs, des modèles d’apprentissage automatique sont utilisés pour détecter un fonctionnement anormal d’une machine.

Le projet de recherche ModIA vise à combiner ces deux approches vers une maintenance prescriptive en créant des jumeaux numériques hybrides constitués à la fois de simulations du comportement physique de la machine et de l’apprentissage automatique qui est plus adapté pour modéliser les parties difficiles à mettre en place par simulation. L’objectif est de réduire, à la fois la complexité de la création des modèles physiques, et le nombre de capteurs nécessaires pour modéliser le système technique, ce qui permet d’assurer l’utilisation en temps réel des méthodes d’analyse hybrides dans un contexte industriel. Un framework de développement de jumeaux numériques hybrides pour la maintenance prescriptive selon l’illustration ci-dessous sera établi à partir des besoins des entreprises partenaires et validé sur des cas concrets d’installations industrielles.

Le projet collaboratif « ModIA» débutera en septembre 2023 et se terminera en août 2024.