Cette page a été traduite automatiquement.
Merci de bien vouloir compléter un sondage de 1 minute concernant la qualité de cette traduction.
DHGE et DMG MORI développent des applications d'IA pour prédire les risques de défaillance des machines-outils
DHGE prévoit d'étendre l'utilisation de MATLAB dans ses projets futurs
« MATLAB a simplifié notre processus de prototypage et n'a nécessité aucune étape intermédiaire ni aucun transfert de données, ce qui était un avantage par rapport à Python. »
Principaux résultats
- L'utilisation des applications MATLAB a accéléré les tâches de traitement de données et amélioré le temps entre le prototypage et le déploiement.
- La Statistics and Machine Learning Toolbox a permis aux chercheurs de prédire les risques de défaillance des machines-outils.
- Les applications MATLAB ont été développées et déployées pour une utilisation de maintenance prédictive dans des contextes industriels.
DHGE a développé un modèle de prédiction pour identifier les défaillances potentielles sur le terrain, en analysant les relations hautement non linéaires et complexes entre les configurations du système et les risques de défaillance.
Gera-Eisenach Corporate University (DHGE) est une institution technique et de sciences appliquées qui collabore avec l'industrie pour trouver des solutions efficaces et innovantes à des problématiques complexes comme la prédiction du risque de défaillance des machines-outils. L'université a collaboré avec la société internationale d'usinage DMG MORI Seebach et a utilisé les outils de MATLAB® pour développer et tester des applications intégrant de l’IA, afin de prédire les besoins de maintenance des machines industrielles, participant ainsi à prévenir les pannes et à améliorer la performance industrielle.
Pour créer une application intuitive pour les utilisateurs finaux, DHGE a d'abord utilisé les outils MATLAB pour l'ingénierie des caractéristiques. Cela s’apparentait à la normalisation et au traitement de données clés provenant de différentes sources, en plus du design de méthodes expérimentales pour identifier les caractéristiques. Ensuite, en utilisant le code développé dans MATLAB App Designer et compilé à l’aide de MATLAB Compiler™, les chercheurs ont traité les données dans un vecteur commun pouvant être utilisé pour former un réseau de neurones superficiel. Ce modèle a été créé à l'aide des fonctions de réseau de neurones de Statistics and Machine Learning Toolbox™. L’utilisation des outils MATLAB a facilité la collaboration entre DHGE et DMG MORI en offrant une plateforme intégrée pour l’implémentation du modèle.
DHGE recherchait une solution pour traiter efficacement les données dans un format commun pour les modèles de maintenance prédictive. En utilisant exclusivement les outils MATLAB pour développer le modèle prédictif, les chercheurs ont bénéficié d’un processus de design itératif fluide ainsi que de la cohérence, de la sécurité et de la sûreté des données. Le processus de développement a également nécessité moins d'étapes intermédiaires et de transferts de données par rapport à un travail similaire effectué à l'aide de Python®, ce qui a réduit le temps entre le prototypage et le déploiement. À l'aide de ces outils, les chercheurs du DHGE ont créé une application que DMG MORI a pu mettre en œuvre pour créer un processus plus robuste et plus efficace pour la production et la configuration des machines-outils.
Les chercheurs du DHGE prévoient de continuer à utiliser les outils MATLAB ainsi que le support MathWorks dans de futurs projets. Ceux-ci comprennent l'évaluation de la fonction de cette application de maintenance prédictive ainsi que le développement d'une nouvelle toolbox MATLAB permettant d’importer des données machine, afin de répondre à un besoin croissant dans le domaine de l'IA.
