Maintenance prédictive

La maintenance prédictive utilise des données pour la surveillance intelligente du comportement des machines dans le but de réduire les coûts liés aux interventions prématurées et d’éviter les défaillances aux effets catastrophiques. Il est possible d’optimiser les intervalles de service en déduisant les informations relatives à l’état de santé de l’équipement à partir des données de capteurs. Le résultat : des opérations plus pertinentes, avec une augmentation de la durée de fonctionnement et une réduction des coûts globaux. MATLAB est l’outil idéal pour implémenter le workflow de maintenance prédictive.

Prétraitement des données

Les consultants MathWorks vous aident à utiliser des techniques de consolidation et de nettoyage des données, des techniques de traitement du signal, ainsi qu’à gérer les données distribuées, les données manquantes et non valides, les valeurs aberrantes et le bruit. Il en résulte un jeu de données structuré qui se prête parfaitement à l’analyse et au développement de modèles.

Analyse exploratoire

Nous vous aidons à examiner vos données de manière efficace et systématique, y compris dans les cas où les relations entre les mesures et les données des capteurs, par exemple le temps de fonctionnement avant panne, ne sont pas bien comprises. Les outils de visualisation et d’analyse des données, tels que les applications Curve Fitter, System Identification et Signal Analyzer peuvent être utilisés pour tester les hypothèses et obtenir rapidement une meilleure compréhension. Les méthodes de réduction de la dimensionnalité, ainsi que de classement et de sélection des caractéristiques, peuvent être utilisées pour préparer le développement des modèles.

Modélisation prédictive

Si vos données de points ne sont pas labellisées, nous vous aidons à appliquer des approches de Machine Learning non supervisé pour détecter des patterns et des anomalies dans vos mesures. Nous vous montrons comment visualiser et analyser les changements dans les mesures dues au temps, ce qui permet de déduire les trajectoires de vieillissement des équipements dans l’espace de caractéristiques. Nous vous aidons à identifier et visualiser des regroupements (clusters) dans vos données, ainsi qu’à les labelliser en catégories.

Si les points de données sont labellisés, nous vous aidons à créer et comparer un large éventail de modèles de classification et/ou de régression afin d’identifier la cause première des défaillances et d’estimer la durée de vie utile restante. Nous pouvons vous aider à valider et affiner le modèle le plus performant ainsi qu’à examiner les transformations des caractéristiques pour augmenter la précision. Les caractéristiques sélectionnées permettent de décider de manière informée quels capteurs fournissent les informations les plus pertinentes.

Déploiement opérationnel

Une fois qu’un modèle prédictif a été développé, nous vous aidons à le mettre en production. Des seuils et des mesures de performances sont sélectionnés pour finaliser vos procédures de contrôle. Nous travaillons ensuite avec vous pour déployer le code C / C++ et/ou le code HDL, généré automatiquement à partir de vos algorithmes, sur un dispositif « intelligent », un microcontrôleur ou un téléphone. Nous vous aidons également à implémenter vos analyses IoT, sur le cloud ou sur site.

Les consultants MathWorks vous aident à :

Identifier les techniques appropriées pour le prétraitement des données, la sélection des caractéristiques et la modélisation prédictive, et les appliquer à vos données
Transférer les connaissances et les bonnes pratiques afin de renforcer les compétences internes par le biais de sessions de coaching personnalisées et basées sur des projets
Mettre en production vos procédures révisées, afin de réduire vos coûts de maintenance et de fonctionnement

Demandez une consultation gratuite

Réduire les temps d'immobilisation et les coûts opérationnels : obtenir des résultats plus rapidement avec le consulting MathWorks