Accueil / PRECOG / Technologie
PRECOG : logiciel de maintenance prédictive
Allez au-delà de la surveillance et automatisez l’analyse pour passer à l’action. PRECOG peut prévoir la panne d’un moteur électrique environ deux semaines à l’avance, en moyenne.
Vue d’ensemble
Ce que fait PRECOG
PRECOG est un logiciel d’IA intelligent de prévision de la maintenance, avec un taux de réussite supérieur à 90% dès le départ. Il s’améliore en continu à mesure que l’IA apprend et s’adapte à chaque appareil.
Moteurs à courant continu et alternatif
Fonctionne avec des moteurs électriques à courant continu, à courant alternatif monophasé et triphasé, qui peuvent faire partie de machines complexes.
Environ deux semaines à l’avance
Le délai d’avertissement dépend du défaut. Certains défauts sont signalés un peu plus tôt, d’autres un peu plus tard, et la moyenne est d’environ deux semaines. L’alerte précoce améliore la sécurité d’exploitation en évitant les arrêts.
Toute grandeur mesurable
Prévoit les résultats à partir de grandeurs physiques telles que la puissance, le courant, les vibrations et la température.
En intérieur et en extérieur
Compatible avec les appareils fonctionnant en intérieur ou en extérieur, à mouvement continu ou périodique.
Entièrement automatique
Aucune configuration régulière et aucun personnel technique ne sont nécessaires.
Coûts d’exploitation réduits
Les coûts de logistique et de maintenance peuvent être réduits, ce qui en fait aussi une solution écologique.
Domaines d’application
Pompes à eau et à huile, climatiseurs, escaliers mécaniques, ascenseurs, lignes de production, centres de données, bras robotisés, raboteuses, machines CNC et aiguillages ferroviaires. En pratique, il s’agit de tout équipement complexe qui contient un moteur électrique ou de l’électronique et pour lequel une haute disponibilité est essentielle.
Maturité de la maintenance intelligente
Des données mesurées aux informations utiles
La maintenance intelligente progresse en cinq étapes. Les trois premières transforment les mesures en données, les deux dernières transforment les données en informations.
Surveillance, administration et IA générale
- Détection de base des défauts
- Aide à trouver les bonnes grandeurs physiques
- Fournit des données de référence approximatives
- Le taux de réussite est nettement plus faible, car le modèle est général
Algorithmes statistiques PRECOG
- Conçus pour l’usage industriel
- Typiquement pour les moteurs électriques et les machines à mouvement périodique
- Combinent plusieurs algorithmes de calcul de probabilité différents
- Taux de réussite élevé, car ils sont adaptés spécifiquement
PRECOG AI
- Apprend automatiquement le comportement de l’appareil
- Développe des algorithmes adaptés à l’appareil concerné
- Améliore en continu l’efficacité des algorithmes
- Détermine automatiquement les données de référence
- Temps d’apprentissage court
- Prévisions, analyses et conseils très précis
Principe
Comment fonctionne PRECOG
Les étapes du processus
- Identifier les pannes les plus fréquentes. Pour chaque type d’appareil, on détermine les six pannes les plus typiques. Elles couvrent 80 à 85% des cas.
- Surveiller les grandeurs physiques pertinentes. Consommation d’énergie, courant, vibrations, température ou position.
- Analyser en temps réel. Les algorithmes apprennent le comportement de chaque machine, détectent tout écart par rapport au fonctionnement normal et le transmettent à l’IA pour évaluation.
- Identifier avec l’IA. L’IA compare l’écart à une base de données de défauts validés.
- Envoyer un message clair. Les techniciens savent où, quand et quel type de défaut est attendu, avec d’éventuelles suggestions de réparation.
- Apprendre des retours. Le technicien confirme ou rejette le défaut par Oui ou Non, ce qui rend le système plus précis. Les anomalies qui s’avèrent être de faux positifs ne nécessitent aucune action.
Traitement des données de télémétrie
Du capteur à la notification
Entrée en temps réel depuis le matériel
Un appareil de mesure collecte les données de télémétrie. Il communique par Wi-Fi, s’installe facilement et s’intègre à l’infrastructure existante.
Surveillance et notifications
PRECOG fonctionne sur des serveurs cloud ou sur site et s’utilise via une API Web, par internet ou en local.
Le déploiement et la protection de PRECOG sont décrits sur la page sécurité et architecture informatique.
Précision et évaluation
Comment la précision est mesurée
Les algorithmes ont été testés sur plus de 1 500 équipements et indicateurs différents, à partir de plus de 10 ans de données de mesure techniques variées. La précision est mesurée avec un programme d’évaluation et d’essai sur mesure. Les paramètres techniques sont évalués en continu selon les critères ci-dessous, et l’efficacité des prévisions est améliorée en les ajustant.
Des exemples de prévisions à différents horizons figurent sur la page évaluation des données.
Comparaison
PRECOG et les méthodes classiques à seuil
Détection classique par valeurs limites et seuils
Points forts
- Détecte les défauts grossiers. Ce sont des défauts évidents et importants, qui représentent environ 40% de tous les défauts détectables.
- Simple à mettre en œuvre pour une détection de défauts très basique.
- Les valeurs de seuil sont faciles à maintenir pour des machines du même type ou dans des conditions similaires.
Limites
- Un défaut n’est détecté que lorsqu’un seuil prédéfini est atteint, et non pendant son apparition.
- Seuls les défauts évidents ou importants sont détectés, pas les défauts discrets ou progressifs.
- Les défauts situés dans la plage de fonctionnement normale ou noyés dans le bruit ne sont pas détectés, et ce sont la majorité des défauts.
- Aucune adaptation aux changements de l’environnement, ce qui provoque des fausses alertes avec le temps.
- Difficile à maintenir pour différents types de machines, modèles ou sites.
- Les machines périodiques exigent des seuils segmentés, ce qui ajoute de la complexité et de l’imprécision. Les variations sur tous les points de la courbe de puissance ne peuvent pas être suivies.
- Chaque type de défaut exige des seuils différents, ce qui nuit à la lisibilité.
- Des facteurs externes comme la température, la météo ou l’humidité peuvent nécessiter des capteurs supplémentaires, ce qui augmente le coût et la complexité.
- La prise en compte des facteurs externes complique le calcul sans gain net de taux de réussite.
- Aucune personnalisation selon les caractéristiques de chaque appareil.
PRECOG
Points forts
- Détecte les défauts dès leur apparition, de sorte qu’il est possible d’agir avant qu’un seuil critique soit atteint.
- Détecte tous les défauts physiquement détectables, y compris les défauts discrets, nuancés ou progressifs.
- Une seule méthode couvre les défauts trouvés par les méthodes à seuil et les défauts plus complexes.
- Simple à mettre en œuvre.
- Peu de maintenance une fois les valeurs définies pour le cas limite de fonctionnement, même si des machines similaires diffèrent ou travaillent dans des conditions différentes.
- Trouve les défauts situés dans la plage de fonctionnement normale ou dans le bruit.
- Facile à maintenir pour des types de machines, modèles et environnements similaires.
- Tous les points de mesure sont surveillés. L’approche par recettes donne un large éventail d’évaluations des défauts.
- S’ajuste automatiquement aux changements externes ou environnementaux, ce qui réduit les fausses alertes et supprime souvent le besoin de capteurs supplémentaires.
- L’IA s’adapte aux caractéristiques de chaque appareil.
Prérequis
- Des essais appropriés des appareils et une analyse approfondie des données.
- Une capacité de calcul suffisante pour analyser les données en temps réel.
Perspectives
Et ensuite
L’objectif à moyen terme est un assistant IA auquel on peut poser librement des questions sur l’état actuel et futur des systèmes. Il fournirait des analyses et des prévisions complexes, à l’écrit comme à l’oral. PRECOG transforme déjà les données de mesure brutes en messages courts pour le personnel de maintenance, et l’assistant prolonge cela aux questions ouvertes.
Vous voulez voir PRECOG sur votre type de machines ?